Sostenibilità degli edifici: il ruolo dell’AI
Nei magazzini di Amazon a Glasgow, una perdita d’acqua invisibile a occhio nudo è stata individuata grazie a FlowMS, uno strumento di efficienza energetica potenziato dall’intelligenza artificiale. Sviluppato da Amazon Web Services (AWS), FlowMS ha analizzato i dati di misurazione rilevando un consumo idrico anomalo, avvisando così i dipendenti che hanno scoperto una valvola difettosa. La riparazione ha evitato la dispersione di 9 milioni di galloni d’acqua all’anno e ha portato risultati nella direzione della sostenibilità degli edifici.
FlowMS fa parte di un insieme di strumenti basati sul rapporto tra AI e ESG e scienza che migliorano l’efficienza degli edifici e dei sistemi di gestione delle utilities di Amazon. Queste innovazioni hanno già portato risultati significativi, come la riduzione degli sprechi alimentari e l’identificazione delle perdite energetiche.
“In Amazon, stiamo innovando con l’AI per trovare nuovi modi per decarbonizzare più velocemente,” ha dichiarato Kara Hurst, Chief Sustainability Officer di Amazon. “Questo è solo un esempio di come utilizziamo la nostra esperienza decennale in AI e sostenibilità per pensare in grande sulla decarbonizzazione del nostro business.”
Monitoraggio avanzato degli impianti con l’intelligenza artificiale per la sostenibilità degli edifici
Oltre a FlowMS, il team Decision Science & Technology di Amazon ha sviluppato il Base Building Advanced Monitoring (BBAM), che sfrutta Amazon SageMaker e Lambda per monitorare i sistemi HVAC e ottenere nuovi risultati in termini di sostenibilità degli edifici. Analizzando dati operativi, consumi energetici e condizioni meteorologiche locali, BBAM individua anomalie come filtri ostruiti che possono aumentare il consumo energetico dei compressori.
Nei siti dove sono stati implementati FlowMS e BBAM, si stanno osservando notevoli miglioramenti nell’efficienza energetica. Ad esempio, in un centro logistico a New York, FlowMS ha rilevato che il consumo energetico sembrava cinque volte superiore rispetto ad altri siti vicini. Gli operatori hanno scoperto che il problema era dovuto a un contatore mal calibrato.
In Spagna, BBAM ha identificato un’unità di condizionamento malfunzionante confrontando la resa del raffreddamento con la domanda prevista in base alle condizioni meteo. Questa rilevazione tempestiva ha permesso al team di gestione del sito di risolvere il problema proattivamente prima che influisse sui dipendenti.
Amazon sta iniziando a implementare BBAM anche nei centri logistici e nei dock delle consegne per avvisare quando le porte sono lasciate aperte accidentalmente, riducendo così le perdite energetiche. Entro la fine del 2025, l’obiettivo è espandere gli strumenti FlowMS e BBAM a oltre 300 edifici Amazon nel mondo.
