Un prototipo desarrollado en la Universidad de Glasgow logra reducir hasta un 82% el consumo en modo standby, combinando sensores IoT, lógica difusa y procesamiento local de datos.
La combinación de tecnología de digital twins y de inteligencia artificial en el edge ha demostrado ser eficaz para reducir los costos operativos de los edificios inteligentes. La inteligencia artificial en el edge juega un papel crucial al procesar los datos de manera local, optimizando la eficiencia sin depender de la nube.
En entornos de bienes raíces comerciales y campus universitarios, el consumo de energía en modo “standby” (consumo de dispositivos en espera o inactivos) puede representar hasta el 32% del consumo total de un edificio. Investigaciones previas han mostrado que hasta un tercio del consumo eléctrico de oficinas proviene de esta energía residual, que muchas veces pasa desapercibida para los responsables de la gestión energética.
Auditoría y optimización de dispositivos “siempre encendidos”
Para los líderes empresariales, el primer paso consiste en auditar estos dispositivos que permanecen siempre encendidos, identificando oportunidades inmediatas de ahorro. Aunque muchas empresas han adoptado sistemas avanzados de medición, el control preciso a nivel de enchufe sigue siendo un reto debido a los altos costos de coordinación asociados con la gestión de dispositivos distribuidos.
Ingenieros de la James Watt School of Engineering de la Universidad de Glasgow han desarrollado un prototipo de herramienta digital que busca abordar este desperdicio energético sin comprometer la continuidad de las operaciones.
El impacto del consumo en modo standby
Si bien muchas organizaciones consideran el consumo en standby como despreciable, tiene un impacto significativo en el estado de resultados. Diferentes dispositivos conectados, desde monitores y estaciones de trabajo hasta servidores, representan una gran parte del consumo energético de los edificios. Solo en residencias universitarias, este tipo de consumo puede alcanzar hasta el 33% del total de la electricidad utilizada.
El Dr. Ahmed Taha, profesor de Sistemas Autónomos y Conectividad de la James Watt School of Engineering y líder del estudio, señaló: “Creo firmemente que pequeñas acciones colectivas frente al cambio climático pueden tener un enorme impacto, y el consumo en standby es claramente un objetivo ideal para estas acciones”.
El desafío radica en distinguir si un dispositivo está desperdiciando energía o si se encuentra en un estado de bajo consumo necesario para reiniciarse rápidamente. Los sistemas de control tradicionales, basados en encendido y apagado programado, suelen fallar por la falta de información contextual, frustrando a los usuarios y obligándolos a apagar manualmente los equipos.
Digital twins habilitados con Edge AI para decisiones inteligentes
Los sistemas Edge-Enabled Digital Twin (EEDT) abordan este problema creando representaciones virtuales de los activos físicos en servidores locales, sobre los cuales la inteligencia artificial puede generar información adicional y permitir la automatización. Este enfoque reduce los riesgos de privacidad, al procesar los datos localmente, y garantiza la baja latencia necesaria para el control en tiempo real.
La diferencia clave de este sistema frente a la automatización basada en reglas tradicionales radica en el uso de lógica difusa (“fuzzy logic”), un método computacional que trabaja con valores de verdad en lugar de la lógica booleana clásica. El sistema recopila datos de una red de sensores de energía inteligentes que transmiten información al servidor central mediante el protocolo LoRaWAN, ampliamente adoptado en entornos IoT.
El prototipo utiliza un marco de decisión basado en 27 reglas de optimización, evaluando tres métricas clave:
- User Habit Score: analiza la frecuencia y estabilidad de uso para comprender el comportamiento del usuario.
- Device Activity Score: evalúa si un dispositivo está inactivo considerando el tiempo en standby y el tiempo desde su última actividad.
- Confidence Score: mide la fiabilidad de los datos para garantizar decisiones fundamentadas.
Gracias a estas métricas, el digital twin puede decidir si apagar inmediatamente, retrasar la acción, notificar al usuario o mantener el estado actual. Ante períodos prolongados de inactividad, el sistema muestra un aviso en la pantalla del usuario, consultando si está trabajando de forma remota o si se ejecutan procesos en segundo plano, fomentando el uso consciente de los dispositivos sin interrumpir la actividad laboral.
Resultados y retorno de inversión
Para validar la arquitectura, el equipo desplegó el sistema en un laboratorio de investigación universitario, utilizando enchufes inteligentes y sensores ambientales comunicados mediante LoRaWAN. Los resultados mostraron una reducción semanal del consumo de energía de aproximadamente 40,14% por estación de trabajo monitorizada. Para cargas en standby, la lógica difusa permitió reducir el consumo hasta en un 82%.
El beneficio económico se magnifica al aplicarse a despliegues más amplios de edificios inteligentes. Según el tope del precio de la electricidad en Reino Unido que entrará en vigor en julio de 2025, desplegar el sistema en 500 dispositivos podría ahorrar más de £9,000 anuales. Además, como destacó el Dr. Taha, el sistema contribuye a la gestión del ciclo de vida de los equipos, evitando reemplazos innecesarios de dispositivos más antiguos.
La implementación técnica se basa en una arquitectura edge containerizada, utilizando contenedores Docker para alojar un broker MQTT, Node-RED para el análisis de datos e InfluxDB para almacenamiento de series temporales. Esta pila tecnológica permite un control en “ciclo cerrado”, donde el digital twin no solo monitoriza, sino que también interviene proactivamente.
El sistema incorpora un “filtro anti-oscillación” para evitar el desgaste por cambios rápidos de encendido/apagado y garantizar decisiones estables y contextuales sobre los dispositivos. Además, integra un módulo predictivo basado en modelos de aprendizaje profundo LSTM, entrenado con solo dos días de datos históricos, capaz de anticipar tendencias de consumo para el día siguiente y permitir la gestión proactiva de picos de demanda.
Edge AI y digital twins: hacia edificios realmente inteligentes
El siguiente paso crucial en la evolución de los edificios inteligentes consiste en pasar de la monitorización pasiva de energía a la optimización mediante Edge AI. La tecnología de digital twins permite esta transición, aplicable no solo a entornos universitarios sino a oficinas corporativas, instalaciones sanitarias o entornos industriales.
El Dr. Taha concluyó: “Lograr emisiones netas cero requiere un enfoque integral de la monitorización energética. La tecnología de digital twins puede ser un componente clave en estrategias institucionales más amplias para reducir la huella de carbono, controlando variables como ocupación y temperatura. Actualmente exploramos cómo esta herramienta puede ayudar a las universidades a alcanzar el objetivo de emisiones netas cero para 2030”.
Si bien el sistema aún depende de reglas difusas diseñadas manualmente, su escalabilidad futura podría beneficiarse de técnicas neurodifusas capaces de generar automáticamente reglas basadas en el comportamiento específico de cada sector. El desafío ya no radica en la recopilación de datos o su visualización mediante digital twins, sino en cómo la inteligencia artificial puede empoderar los activos del edge para procesarlos de manera inteligente y convertir verdaderamente a los edificios en inteligentes.
(Ulink Media - IOTE EXPO)
