Sviluppato da Accenture per la Metro de Madrid un sistema di aerazione self-learning, basato su intelligenza artificiale (IA), in grado di ridurre i costi energetici e le emissioni, nonché di garantire un’ottima qualità dell’aria e comfort per i pendolari.
Il sistema ha consentito a Metro de Madrid di ridurre i propri costi energetici di ventilazione del 25% e di diminuire di 1.800 tonnellate all’anno le emissioni di CO2. Accenture ha presentato il progetto in occasione del MWC (Mobile World Congress) che è in corso a Barcellona fino al 28 febbraio.
“Con l’aiuto di Accenture, l’innovativo sistema di ventilazione ci ha consentito di ottenere il duplice vantaggio della riduzione dei costi energetici e di un minore impatto ambientale”, ha dichiarato Isaac Centellas, Responsabile della Divisione Progettazione e Manutenzione di Metro de Madrid.
“Garantire il comfort dei nostri passeggeri ottenendo al contempo elevati livelli di efficienza energetica nel rispetto dell’ambiente, è per noi una duplice vittoria”.
“Il nostro sistema di ventilazione self-learning dimostra in che modo le imprese e la società nel suo complesso possano trarre vantaggio dalle tecnologie intelligenti”, ha affermato Isabel Fernández, amministratore delegato di Accenture Applied Intelligence in Spagna.
“Si tratta di un traguardo importante nella nostra collaborazione con Metro de Madrid e siamo felici di presentare al pubblico questo sistema durante l’edizione 2019 del MWC, dove l’IA applicata ricopre un ruolo mai visto finora”.
In media, ogni giorno 2,3 milioni di pendolari si spostano con Metro de Madrid, una rete che si estende per 294 chilometri e comprende 301 stazioni. Per garantire ai passeggeri una temperatura gradevole all’interno delle stazioni, soprattutto nei mesi estivi, Metro de Madrid dispone di 891 ventilatori, il cui consumo energetico annuo è pari a 80 gigawattora.
I tecnici della metropolitana di Madrid hanno collaborato con Accenture Applied Intelligence per sviluppare un sistema che trae ispirazione dal comportamento di una colonia di api. L’algoritmo utilizzato si chiama “artificial bee colony” e appartiene agli algoritmi euristici. Utilizza la stessa modalità delle api nella ricerca di soluzioni: questi insetti infatti si spostano di corolla in corolla alla ricerca del fiore con il miglior nettare. Se, dopo un po’ di tempo, in quella specifica area non trovano più fiori in grado di soddisfarle, si spostano, segnalando così alle altre api di evitarla.
In maniera simile il sistema della metropolitana di Madrid utilizza un algoritmo di ottimizzazione che si basa sull’elaborazione di elevate quantità di dati e analizza qualsiasi combinazione possibile di temperatura dell’aria, struttura della stazione, frequenza dei treni, numero di passeggeri e costo dell’elettricità nell’arco della giornata. L’algoritmo utilizza sia dati storici che simulati, considerando la temperatura esterna e quella degli ambienti sotterranei nell’arco temporale di 72 ore. Dal momento che l’algoritmo si basa sul machine learning, nel corso del tempo il sistema sarà in grado di effettuare previsioni sempre più accurate.
Il sistema è inoltre dotato di un’unità di manutenzione e di un motore di simulazione che, tra gli altri vantaggi, permettono di rilevare i malfunzionamenti dei ventilatori. Questo consente a Metro de Madrid di monitorare e gestire agevolmente i consumi energetici, di individuare anomalie del sistema e di porvi rimedio con interventi proattivi di manutenzione all’impianto.
