A causa degli sprechi energetici, la gestione di edifici inefficienti risulta essere particolarmente dispendiosa, tanto che nelle grandi città i proprietari di immobili finiscono per spendere fino al 30% del proprio reddito per pagare bollette e fatture dei consumi energetici.
Migliorare questa situazione si può, soprattutto se si sa dove e come intervenire. Come dimostra questa case history che vede l’intelligenza di IBM Watson al servizio di una startup davvero innovativa: BlocPower.
I data scientist collaborano con l’aiuto di Watson, dando valore ai Big Data
Previsioni più accurate con il machine learning
App mobile e AI per accorciare i tempi delle ispezioni
Manutenzione predittiva per ridurre i costi di gestione degli immobili
L’IoT entra nelle scuole del Bronx
BlocPower è una startup americana che offre servizi e soluzioni che permettono alle amministrazioni comunali, alle aziende e ai privati cittadini di identificare gli stabili inefficienti dal punto di vista dei consumi energetici e pianificare aggiornamenti tecnologici utili a ridurre i costi di manutenzione e migliorare l’impatto ambientale.
Lo fa con l’aiuto di sensori IoT, attuando un monitoraggio continuo dei consumi e della salubrità dell’aria: i dati ottenuti da queste attività di monitoraggio vengono poi rielaborati attraverso l’applicazione di sofisticati modelli statistici, con lo scopo di fornire proiezioni sugli scenari di consumo futuri e suggerire percorsi innovativi di miglioramento.
«Negli Stati Uniti, i benefici potenziali del rinnovamento dei vecchi edifici si aggirano intorno ai 279 miliardi di dollari – spiega Tooraj Arvajeh, Chief Engineering Officer di BlocPower –, con una riduzione dell’impatto ambientale quantificabile in circa 600 milioni di tonnellate di CO2 in meno nell’arco di un decennio».
I data scientist collaborano con l’aiuto di Watson, dando valore ai Big Data
In passato, ogni volta che BlocPower acquisiva un nuovo cliente, inviava sul posto un ingegnere. Il tecnico effettuava un’ispezione dell’edificio, per capire qual era la sua destinazione d’uso, identificare le cause di dispersione dell’energia e le minacce alla salute dei suoi ospiti. «Questa procedura presentava due criticità – prosegue Arvajeh –. Il processo di raccolta dati era veramente laborioso ed era impossibile estrarre valore rapidamente dai record acquisiti».
Per migliorare la resa di queste attività, la startup si è rivolta a IBM. BlocPower è stata una delle prime aziende al mondo ad adottare IBM Data Science Experience (di cui abbiamo parlato diffusamente in questo servizio e in questo articolo) per analizzare le informazioni sugli edifici dei clienti. Utilizzando la soluzione in cloud, il team di data scientist di BlocPower che opera nella sede di New York è stato in grado di sviluppare le proprie analisi e condividerle con gli specialisti del Watson Center IBM di San Francisco all’interno di un processo collaborativo, utilizzando l’ambiente computazionale interattivo open source Jupyter Notebook.
Previsioni più accurate con il machine learning
La piattaforma IBM facilita l’accesso a diverse fonti di dati e la condivisione di idee: «Grazie a IBM Data Science Experience – spiega il manager – siamo riusciti a identificare le variabili chiave che incidono sul consumo energetico. Questo ci ha permesso di sviluppare modelli predittivi sull’uso dell’energia per ogni stabile esaminato. Sulla base dei dati acquisiti, oggi siamo in grado di fare proiezioni su scala più ampia. Per esempio, utilizzando un campione di 300 edifici possiamo stimare il consumo energetico di tutti i palazzi della Grande Mela». Per “dare vita” a queste proiezioni, la società ha creato una mappa tridimensionale della citta di New York. I proprietari degli edifici possono collegarsi alla mappa, selezionare i propri stabili e avere in un solo istante una stima dettagliata dei costi legati alle utenze energetiche. Ma possono anche inserire i dati relativi alle bollette e confrontare i propri costi con quelli di edifici dalle caratteristiche simili. «Più informazioni vengono immesse, più gli algoritmi affinano la loro precisione. Così facendo, le previsioni sono sempre più accurate. Quando un amministratore si rende conto che può risparmiare, anche parecchio, con pochi accorgimenti, spesso si rivolge a noi per un aggiornamento delle tecnologie usate all’interno degli edifici di sua competenza. Sono già oltre 500 i palazzi che abbiamo ammodernato nella città di New York, introducendo soluzioni smart che hanno permesso di migliorare la qualità dell’aria e ridurre i consumi energetici».
I benefici del progetto sono apparsi evidenti da subito: «Ingegneri e data scientist ci mettevano settimane a creare script Python e sviluppare modelli statistici utili per generare predizioni accurate sulla base di data set complessi. Grazie a IBM Data Science Experience, invece, possono ottenere gli stessi risultati in un paio di giorni e la loro produttività è cresciuta almeno del 10%».
App mobile e AI per accorciare i tempi delle ispezioni
Ma come è destinato a evolvere in futuro questo progetto?
«Al momento inviamo ancora i nostri ingegneri presso gli edifici dei clienti per fare le ispezioni preliminari. Tuttavia, per ridurre il loro carico di lavoro, stiamo pensando di introdurre un’App mobile che integra il riconoscimento facciale e le funzionalità di AI di IBM Watson. L’obiettivo è di permettere ai nostri clienti di acquisire in autonomia gran parte dei dati necessari alle rielaborazioni». Per esempio, sarà possibile fare una foto dell’edificio e l’App permetterà di capire immediatamente se è stato costruito in mattoni, cemento armato o muratura. Ancora, l’App darà evidenza immediata degli errori di progettazione degli edifici, per esempio se le finestre sono troppo ampie per le dimensioni della stanza e, quindi, se c’è dispersione di calore. «Grazie agli algoritmi che sviluppiamo in backend, sfruttando le funzionalità di Watson, siamo in grado di portare l’esperienza dei nostri tecnici nelle mani degli utenti dell’App. I clienti non devono più ricevere la visita dei nostri tecnici e i nostri ingegneri risparmiano tempo perché possono ottenere i dati di cui hanno bisogno senza muoversi dal loro ufficio».
Manutenzione predittiva per ridurre i costi di gestione degli immobili
Ma BlocPower prevede di integrare sempre più applicazioni IoT nella sua offerta, come anticipa Arvajeh: «Oggi, la maggior parte dei proprietari di edifici non ha programmi di manutenzione preventiva, quindi spende parecchio denaro per riparazioni e interventi di emergenza. Installando sensori che misurano la temperatura, l’umidità e la qualità dell’aria possiamo intendere l’edificio come un’entità intelligente in grado di autogestirsi e prevedere i malfunzionamenti. Inoltre, ragionare in questi termini permette di massimizzare sinergie e interdipendenze dei diversi sistemi energetici, di condizionamento e riscaldamento. Attualmente, i proprietari degli edifici devono affidarsi a diversi appaltatori per sostituire le loro attrezzature: una società per il sistema di riscaldamento, una per quello di condizionamento, una per gli infissi… e questo porta a soluzioni inefficienti che non tengono conto del quadro complessivo del problema. Solo una visione più olistica, quella che l’IoT rende possibile, ci può garantire di intervenire sempre nel modo più efficace ed efficiente».
L’IoT entra nelle scuole del Bronx
BlocPower sta già utilizzando la tecnologia IoT per ottimizzare la qualità dell’aria interna nelle scuole del Bronx, dopo che gli ospedali locali hanno notato un numero insolitamente alto di bambini che presentavano problematiche di asma. L’azienda sta monitorando con l’uso di sensori l’inquinamento atmosferico nelle aule e combina questi dati con le informazioni meteorologiche (pressione atmosferica, direzione e velocità del vento) per individuare le cause dell’inquinamento dell’aria interna. Sulla base di queste informazioni, BlocPower sta lavorando per mettere in atto misure utili a fornire agli studenti un ambiente di apprendimento più salubre.
