Os gémeos digitais, combinados com a IA de ponta, provaram ser capazes de reduzir as despesas operacionais de edifícios inteligentes.
Em imóveis comerciais e ambientes de campus, a “carga fantasma” (energia consumida por dispositivos em modo de espera ou inativo) pode representar até 32% do perfil energético whole de um edifício. Pesquisas anteriores indicam que até um terço da eletricidade utilizada em edifícios de escritórios é atribuível a esta energia fantasma.
Para os líderes empresariais, o primeiro passo é muitas vezes uma auditoria destes ativos “sempre ativos” para identificar oportunidades de poupança imediatas. Embora muitas empresas tenham adotado a medição de alto nível, o controle específico no nível do plugue continua difícil devido aos altos custos de coordenação do gerenciamento descentralizado de dispositivos.
Engenheiros da Universidade de Glasgow Escola de Engenharia James Watt desenvolveram um protótipo de uma ferramenta digital projetada para lidar com esse desperdício sem interromper a continuidade dos negócios.
O impacto da carga fantasma
O conceito de carga fantasma é muitas vezes rejeitado como insignificante, mas o impacto agregado nos lucros e perdas empresariais é substancial. A investigação indica que os dispositivos plug-in – desde monitores e estações de trabalho até servidores – constituem uma parte importante do consumo de energia dos edifícios. Somente nas residências estudantis, a energia em modo de espera pode representar até 33% do consumo whole de eletricidade.
Ahmad Taha, professor de Sistemas Autônomos e Conectividade na Escola de Engenharia James Watt, que está liderando o trabalho, disse: “Acredito firmemente na ideia de que pequenas ações coletivas sobre questões climáticas podem ter grandes efeitos, e o uso de energia fantasma é um candidato óbvio para esse tipo de ação.”
A dificuldade muitas vezes reside em distinguir entre um dispositivo que está desperdiçando energia ociosamente e um que está em um estado necessário de baixo consumo de energia para uma reativação rápida. Os sistemas tradicionais de controle binário (ligado/desligado baseado em temporizador) geralmente falham porque carecem de contexto, levando à frustração do usuário e eventual substituição do sistema.
A adoção desses controles aumenta quando a lógica leva em conta os hábitos do usuário e a probabilidade de retorno, em vez de depender de simples mudanças baseadas em agendamento. O sistema proposto de Gêmeos Digitais Habilitados para Borda (EEDT) para edifícios inteligentes aborda isso criando uma representação digital de ativos físicos em um servidor de borda native onde a IA pode ser usada para obter insights e automação adicionais.
Ao processar dados localmente, em vez de na nuvem, o EEDT também reduz os riscos de privacidade associados ao monitoramento de padrões de uso individuais, garantindo ao mesmo tempo a baixa latência necessária para o controle em tempo actual. Priorizar esse processamento native é essencial para resolver as preocupações de privacidade dos funcionários e, ao mesmo tempo, desbloquear o potencial da IA.
O principal diferenciador nesta abordagem é o afastamento da automação baseada em regras em direção à “lógica difusa” (uma abordagem de computação baseada em graus de verdade em vez da ordinary lógica booleana verdadeira ou falsa). O sistema extrai dados de uma rede de sensores de energia inteligentes, que enviam informações sobre eletricidade para um servidor central usando o LoRaWAN protocolo que é amplamente utilizado para sistemas IoT.
O protótipo utiliza uma estrutura de tomada de decisão baseada em 27 regras otimizadas. Em vez de simplesmente cortar a energia após um tempo definido, o sistema calcula três métricas específicas:
- Pontuação de hábito do usuário: Isso analisa a probabilidade de uso e a estabilidade para compreender as rotinas comportamentais.
- Pontuação de atividade do dispositivo: Isto integra a duração do modo de espera e o tempo desde o último estado ativo para avaliar a inatividade atual.
- Pontuação de confiança: Isso mede a confiabilidade dos dados para garantir que o sistema não atue com base em informações incompletas.
Estas entradas permitem que o gémeo digital tome decisões flexíveis sobre os ativos dos edifícios inteligentes: encerramento imediato, decisão atrasada, notificação do utilizador ou manutenção do estado atual. Quando o sistema detecta períodos de inatividade prolongados, ele envia aos usuários um aviso na tela para determinar se estão realizando trabalho remoto ou executando processos em segundo plano.
Esta abordagem visa sensibilizar os utilizadores para os períodos de inactividade dos seus dispositivos, talvez encorajando-os a fazer uma utilização mais cuidadosa dos seus dispositivos, ao mesmo tempo que evita o corte de processos de trabalho legítimos.
Resultados operacionais e ROI
Para validar a arquitetura, os pesquisadores implantaram o sistema em um laboratório de pesquisa universitário, utilizando plugues inteligentes e sensores ambientais que se comunicam through LoRaWAN.
Os resultados oferecem um caso de negócios sólido para gerenciamento inteligente de ponta baseado em IA usando gêmeos digitais. A implantação demonstrou uma redução no consumo semanal de energia de aproximadamente 40,14% por estação de trabalho monitorada. Visando especificamente as cargas fantasmas, a estrutura difusa de tomada de decisões alcançou uma redução de até 82%.
Quando extrapoladas para uma implantação mais ampla de edifícios inteligentes, as implicações financeiras tornam-se evidentes. Com base no limite máximo do preço da eletricidade no Reino Unido em julho de 2025, a implementação deste sistema em 500 dispositivos deverá gerar poupanças anuais superiores a £9.000.
Além da economia imediata de energia, o Dr. Taha destaca um benefício financeiro secundário em relação ao gerenciamento do ciclo de vida dos ativos: “Em segundo lugar, ao reduzir o uso de eletricidade pelos dispositivos, poderia ajudar a reduzir a necessidade de substituir dispositivos mais antigos por dispositivos mais novos e mais eficientes em termos energéticos.
“Isso, por sua vez, poderia ajudar as organizações a poupar nos custos de equipamento num ambiente económico cada vez mais desafiante.”
A implementação técnica de tal sistema muitas vezes depende de uma arquitetura de borda em contêineres. A equipe de pesquisa utilizou contêineres Docker hospedando um corretor MQTT para mensagens, Node-RED para análise de dados e InfluxDB para armazenamento de série temporal. Esta pilha permite o controle em “circuito fechado”, onde o gêmeo digital não apenas monitora, mas também intervém ativamente no mundo físico.
Um componente necessário para a aceitação do usuário é o ‘Filtro Anti-Oscilação’. Nos primeiros sistemas automatizados, a rápida alternância entre os estados ligado e desligado (histerese) frequentemente causava desgaste do {hardware} e incômodo ao usuário. O sistema EEDT incorpora gerenciamento de resfriamento e verificações de estabilidade para garantir que a decisão de desligar um dispositivo seja estável e contextualmente apropriada.
O sistema também integra um módulo de previsão usando aprendizagem profunda Lengthy Quick-Time period Reminiscence (LSTM). Ao treinar em apenas dois dias de dados históricos, o modelo prevê a tendência de consumo do dia seguinte. A integração desses modelos de previsão de curto prazo permite que as equipes das instalações antecipem os picos de carga, em vez de apenas reagir a eles.
Gêmeos digitais com tecnologia Edge AI: Tornando os edifícios verdadeiramente inteligentes?
A transição do monitoramento passivo de energia para a otimização orientada por IA usando gêmeos digitais é o próximo passo necessário para edifícios inteligentes. Embora este estudo se concentre em um ambiente universitário, a arquitetura pode ser diretamente transferida para escritórios corporativos, instalações de saúde e ambientes industriais onde as cargas de plug-in permanecem sem gerenciamento.
Taha acrescentou: “Alcançar o zero líquido exigirá uma abordagem de amplo espectro para monitoramento de energia, e esta ferramenta pode ser uma parte valiosa de abordagens institucionais mais amplas para minimizar sua pegada de carbono usando gêmeos digitais para monitorar variáveis como ocupação e controle de temperatura”. A equipa está atualmente a trabalhar para investigar como esta ferramenta poderá desempenhar um papel nos esforços mais amplos da Universidade para atingir a neutralidade carbónica até 2030.
O dimensionamento requer abordar a infraestrutura legada. A dependência de regras difusas projetadas manualmente (27 neste caso específico) pode limitar a rápida escalabilidade entre diversos tipos de ativos. As futuras soluções de nível empresarial provavelmente precisarão incorporar a aprendizagem neuro-difusa para automatizar a geração de regras com base em comportamentos departamentais específicos.
Os dados necessários para reduzir os custos de energia existem dentro da rede. O desafio não é mais coletar esses dados e visualizá-los com gêmeos digitais, mas sim capacitar ativos de ponta com IA para agir de forma inteligente e tornar os edifícios verdadeiramente inteligentes.
Veja também: A adoção da AIoT industrial impulsiona a eficiência operacional
Quer aprender mais sobre IoT com os líderes do setor? Confira Exposição de tecnologia IoT acontecendo em Amsterdã, Califórnia e Londres. O evento abrangente faz parte TechEx e está co-localizado com outros eventos de tecnologia líderes, incluindo Expo IA e Massive Information e o Expo Segurança Cibernética. Clique aqui para mais informações.
IoT Information é alimentado por Mídia TechForge. Discover outros eventos e webinars de tecnologia empresarial futuros aqui.