La indústria de la construcció contribueix de manera significativa a les emissions globals de diòxid de carboni (CO2), amb estimacions que suggereixen que és responsable d'aproximadament el 43% de les emissions de CO2 relacionades amb l'energia a nivell mundial (World Green Building Council, 2022). Per combatre el canvi climàtic, és crucial que monitoritzem de manera precisa i reduïm aquestes emissions.
Calcular l'empremta de CO2 d'un projecte de construcció pot produir molta feina, involucrant l'entrada manual de dades i la seva anàlisi. Aquests processos poden ser propensos a errors i inconsistències, i és difícil seguir i comparar emissions entre múltiples projectes. Aquest desafiament és general en el sector i s'agreuja pel baix nivell de digitalització, que es tradueix en dos reptes tècnics molt importants: (a) la fragmentació de fonts de dades produïda per l'ús de múltiples eines digitals independents; i (b) la incapacitat d'analitzar aquestes dades de manera transversal i coherent a causa de la falta d'interoperabilitat entre aquestes eines digitals. A més, les dades sovint no estan estructurades i hi ha una heterogeneïtat molt significativa que impedeix l'anàlisi transversal de la informació.
Una manera d'optimitzar això és mitjançant l'ús de tècniques d'intel·ligència artificial (IA) per extreure i analitzar dades sobre els materials utilitzats en projectes de construcció, que poden ser utilitzats per calcular l'empremta de CO2 de cada projecte. Això es pot fer escanejant documents com factures, contractes i dibuixos, i utilitzant algoritmes per extreure informació rellevant sobre els materials utilitzats.
L'ús de la IA en aquest context produeix diversos beneficis. En primer lloc, és molt més ràpid i més precis que l'entrada manual de dades, ja que els algoritmes d'IA poden processar grans quantitats de dades en poc temps i amb un alt grau de precisió. En segon lloc, permet el seguiment en temps real de les emissions, ja que els algoritmes d'IA poden processar contínuament noves dades a mesura que esdevenen disponibles. Això significa que l'empremta de CO2 d'un projecte pot ser seguida i actualitzada al llarg del procés de construcció, en lloc d'esperar fins al final del projecte per calcular les emissions.
A banda de fer un seguiment continu de les emissions, la IA també pot ser utilitzada per optimitzar l'ús de materials en projectes de construcció. Per exemple, els algoritmes poden ser utilitzats per identificar oportunitats per substituir materials amb emissions de carboni més baixes o per trobar maneres més eficients d'utilitzar materials. Això pot ajudar a reduir encara més l'empremta de CO2 d'un projecte, i també pot resultar en estalvis de costos per al projecte.
Cas pràctic d'automatització per a controlar millor les emissions de CO2
Recentment hem treballat amb Constraula (Sorigué) que buscava un enfocament innovador per a controlar millor l'empremta de CO2 dels materials comprats per l'organització durant la fase del projecte, amb l'objectiu d'entendre l'empremta real de cada un dels projectes de l'empresa produïda pels materials utilitzats.
És possible associar una empremta de carboni estimada amb gairebé qualsevol tipus de material (m3 de formigó, m3 de sorra, etc.). No obstant això, la informació sobre els materials utilitzats no es recopila en un format que faciliti l'accés a la informació. Aquesta informació sol estar continguda en factures emeses pels proveïdors, típicament en format PDF, i cada proveïdor utilitza el seu propi model únic de factura, la qual cosa fa difícil automatitzar el procés d'extracció d'informació d'aquestes factures i crea desafiaments a l'hora de desenvolupar un sistema genèric que pugui extreure la informació de factures en formats no vistos anteriorment (com una factura d'un nou proveïdor).
A Beawre, vam trobar una solució d'automatització a aquest problema. Automatitzem l'extracció d'informació de factures de format heterogeni utilitzant tècniques d'IA, combinant capacitats de reconeixement òptic de caràcters (OCR) amb algoritmes d'aprenentatge automàtic per analitzar l'estructura i el disseny de factures de proveïdors i tècniques de reconeixement de patrons. Els camps i llistes de materials poden ser analitzats i extrets, i el càlcul de l'empremta de carboni per a cada projecte automatitzat basat en dades de factures per crear un mecanisme de control continu durant la fase del projecte.
Entrenem els models d'IA utilitzats per al processament automatitzat de factures per aprendre a extreure informació rellevant. Així, podem calcular l'empremta de carboni de tots els materials en el context de projectes de construcció i extreure dades significatives per a aquest propòsit de la factura, independentment del seu format.
Conclusions
L'ús de tècniques d'IA per extreure i analitzar informació sobre l'ús de materials en projectes de construcció pot ser una eina poderosa per seguir i reduir les emissions de CO2 de manera precisa. Mitjançant l'ús d'aquestes tècniques, és possible no només calcular l'empremta de CO2 d'un projecte sinó també optimitzar l'ús de materials i seguir i reduir les emissions de manera contínua al llarg del procés de construcció.
Referències:
World Green Building Council. (2022). WorldGBC Advancing Net Zero Status Report 2022. Retrieved from https://www.worldgbc.org/resources
Comentarios