Proyecto de GeoCENmap para la detección de contaminación por hidrocarburos en suelos y aguas subterráneas
Las instalaciones industriales en las que se refinan almacenan, distribuyen y/o comercializan productos hidrocarburados tienen el riesgo de contaminación de suelos y aguas subterráneas.
GeoCENmap S.L., gracias a un proyecto de colaboración con Cepsa, ha desarrollado una tecnología disruptiva que permite detectar la presencia de contaminación por hidrocarburo en el subsuelo desde la superficie, de una forma no invasiva, rápida y fiable, basada en la medición del CEN (Campo Eléctrico Natural), lo que constituye una importante mejora con respecto a las técnicas de investigación actuales.
La investigación de la potencial contaminación por hidrocarburos de suelos y aguas subterráneos, tal como se entiende hasta el día de hoy (mediante métodos directos, sondeos), supone una elevada inversión en tiempo y dinero. La presente tecnología permite una mejor y más rápida detección de la contaminación de los suelos y aguas subterráneas, reduciendo el número de investigaciones que se llevan a cabo cada año, sin pasar por alto la multitud de emplazamientos contaminados que no son identificados con las técnicas actuales del mercado.
Actualidad relacionada
El principal reto al que se enfrenta el sector alimentario es que el impacto de su actividad sea neutro y, con este propósito, Campofrío Frescos aborda los grandes desafíos que afectan a su cadena de valor con el objetivo de alcanzar un modelo de producción regenerativo y circular.
Repsol ha lanzado en 2024 la iniciativa Onestore de gestión integrada de inventarios y almacenes de repuestos del área industrial.
Con el objetivo de optimizar el control de calidad y reducir los reprocesos, SEM (Sistemas Especiales de Metalización S.A.), socio de FADE (Federación Asturiana de Empresarios).
TYPSA, miembro de MAFEX (Asociación de la Industria Ferroviaria Española), está invirtiendo en la mejora de los procesos de captura y tratamiento de la información digital para la aplicación posterior de algoritmos de predicción que faciliten la toma de decisiones de mantenimiento y rehabilitación.