Utilizar a IA para maximizar a resiliência na infraestrutura

Nota do editor: Esta é uma versão narrativa dos comentários de Kevin Scarborough sobre o Podcast Energy Beat. Pode ouvir as entrevistas completas de podcast aqui.

Na Siemens, reconhecemos que está a acontecer uma transição energética global. Estamos confiantes nesta observação porque estamos a basear a nossa estratégia de longo prazo em cinco megatendências globais: mudança demográfica, urbanização, glocalização, mudança ambiental e eficiência de recursos, e digitalização. Cada um destes terá um impacto significativo na energia — como a geramos, distribuímos e usamos. E como todos sabemos, as empresas estão a priorizar as energias renováveis, a eficiência energética e a eletrificação dos seus ativos.

Também sabemos que esta transição está a pressionar a energia existente e a construir infraestruturas. Requer uma transformação rápida para manter a fiabilidade e a sustentabilidade destes sistemas complexos.

O setor da construção representa cerca de 40 por cento da procura global de energia e espera-se que a quantidade de espaço utilizável em edifícios em todo o mundo duplique até 2060. Isso é muita metragem quadrada que está prestes a ser construída, colocando a procura nos nossos recursos. Esta é uma das razões pelas quais a procura de eletricidade deverá triplicar até 2050. Assim, como afirmou recentemente o nosso CEO da Smart Infrastructure Matthias Rebellius no seu post para Reuters Plus, “um fornecimento de energia resiliente ganhou importância para se tornar a prioridade número um da infraestrutura.”

A Siemens vê isto como uma grande oportunidade para a construção e a infraestrutura de energia para se tornarem mais inteligentes com a IA, para criar esse tipo de tecnologia preparada para o futuro a que aspiramos.

Estamos a alavancar e a pesquisar IA dentro do que chamamos o nosso ecosystem Building X para melhorar a entrega de relatórios de dados que, por sua vez, traz maior eficiência energética e resultados operacionais para os clientes. Um exemplo disso seria usar a IA generativa para ajudar a identificar o histórico de ordens de serviço de um ativo para ajudar a priorizar a manutenção e responder mais rapidamente às necessidades de manutenção. Também usamos o aprendizado de máquina para otimizar os manipuladores de ar e os condicionadores de ar da sala de computador.

Simplificando, estamos a pedir à IA que pense no uso de energia nos edifícios e nos próprios edifícios. Mas como tudo neste novo cenário, existem desafios e oportunidades — sublinhados por uma enorme necessidade dos dados certos.

Os desafios da integração da IA nas indústrias de energia e serviços públicos

Os três maiores desafios para integrar a IA nos setores de energia e serviços públicos são a segurança dos dados, a governação de dados e a dependência excessiva da IA.

A segurança de dados relacionada com a IA é em grande parte não regulamentada, portanto, esta é uma área de oportunidade e risco. A oportunidade pode surgir por associações do setor como a Sociedade Americana de Engenheiros de Aquecimento, Refrigeração e Ar Condicionado (ASHRAE) se unindo para criar as melhores práticas para usar IA na indústria. Os riscos potenciais dentro da segurança de dados incluem maus atores que usam IA de forma maligna, como hacking. As indústrias têm de evoluir rapidamente a sua abordagem à segurança de dados para enfrentar esses desafios. Os dados e as decisões devem ser auditáveis, e deve haver um controlo de acesso baseado em funções aos algoritmos para evitar que os maus atores afetem os cérebros do motor de IA em uso.

Na governação de dados, para que o setor seja eficiente e eficaz na geração de resultados, a IA deve ter uma saída uniforme, especialmente no caso da IA ​​genérica. Uma governação de dados de qualidade inclui categorizações de dados padronizadas, mecanismos de reporting e comunicação eficiente, principalmente se a IA estiver a comunicar com um sistema de automação de edifícios. A facilidade de comunicação ajuda a evitar a criação de silos de dados que dificultam a partilha de informação essencial.

No entanto, existe um grande risco associado à excessiva dependência da IA. Se dependermos demasiado da IA, perdemos aquela centelha crucial de criatividade; tudo será baseado — e limitado — ao que for fornecido ao motor de IA. Isto pode levar a enviesamento e complacência, especialmente no caso da IA ​​genérica. As empresas que utilizam a IA como ferramenta de criatividade só obtêm sucesso com o contributo e supervisão de mentes humanas.

Em última análise, um motor de IA será tão inteligente quanto os dados que lhe são fornecidos.

Utilizando os melhores dados para alavancar a IA nos setores da construção e da energia.

qualquer aplicação de IA em edifícios e energia, os dados mais importantes são dados históricos precisos e aplicáveis, pois, para prever o futuro, precisamos de saber como as coisas reagiram ou operaram no passado a vários estímulos aplicados ao sistema. Os dados históricos podem incluir imagens — por exemplo, pode introduzir imagens de uma central numa ferramenta de IA para o ajudar a varrer a Internet em busca de informações de design de um dispositivo ou de um motor.

Com a IA generativa, ter relatórios de ordens de trabalho e um histórico completo de manutenção de um sistema específico pode dar a um especialista — alguém que é especialista em otimizar um sistema — a capacidade de agir mais rapidamente para resolver um problema complexo que um cliente possa ter. Com a aprendizagem automática, ter um sistema de automação de edifícios que utilize os sensores corretos e formatado com os dados de tendência e medições adequados é absolutamente crucial.

Tanto a precisão dos dados como uma quantidade realmente fiável de dados são essenciais para otimizar a IA. Por exemplo, os dados meteorológicos podem ser utilizados para tomar decisões quase em tempo real para um plano de operações central ou para um sistema de tratamento de ar, utilizando a aprendizagem automática, para calcular as poupanças potenciais. Isto remete para a utilização de uma interface de programação de aplicações (API), um intermediário digital entre duas aplicações que permite que um programa solicite dados ou funcionalidades a outro sem ter de saber como funciona o outro sistema. Os administradores de sistemas podem criar APIs que podem ser integradas na IA em utilização, resultando numa maior escalabilidade, funcionalidade melhorada e flexibilidade, com a capacidade de personalizar as saídas para satisfazer as necessidades específicas dos utilizadores.

Como determinar a quantidade ideal de dados históricos para a IA?

Isso depende do querealmente aconteceu, digamos, nos últimos três anos. É suficiente ou precisa mesmo de mais?

Na minha experiência como engenheiro de energia, a maioria dos gestores prefere os dados de consumo de energia dos últimos dois a três anos. Mas se me dissessem durante a pandemia de COVID que precisava de três anos de dados de consumo, eu diria que 2020 e 2021 não eram realmente relevantes para prever o futuro, porque os edifícios estavam desocupados nesse período.

A quantidade de dados históricos necessária depende também do sistema do edifício, do próprio edifício e dos objetivos operacionais. Um exemplo disto é quando tem um sistema de ar condicionado de uma sala de conferências que necessita de dados. Se houver uma reunião por dia nesta sala, provavelmente duas semanas de dados seriam suficientes. Se a temperatura exterior fosse representativa de um maior número de horas a uma determinada temperatura, este deveria ser um dado suficiente.

Muitas considerações sobre dados históricos dependem da aplicação, mas os gestores de energia devem analisar seriamente o passado e a forma como os acontecimentos globais podem ter moldado a qualidade real dos dados que possuem.

A utilização da IA ​​para lidar com a gestão de carga e a flexibilidade da procura:

O setor energético está a aprender a aproveitar a aprendizagem automática e a IA para as questões cruciais de otimização e dimensionamento correto da carga na rede e nos sistemas. A tecnologia de gémeos digitais também desempenha um papel importante nisso. Um gémeo digital pode ajudar a aumentar a vida útil dos ativos elétricos, detetando falhas nestes sistemas antes que se tornem um problema. A IA pode impulsionar este gémeo digital processando os grandes conjuntos de dados necessários para criar réplicas de tais ativos.

Outra tecnologia que pode ser aplicada à distribuição de energia é uma oferta da plataforma Siemens Xcelerator: Electrification X. Esta oferta, construída com base nos serviços na nuvem, foi concebida para gerir, otimizar e automatizar a infraestrutura de eletrificação, fornecendo uma visão holística das subestações e outros ativos. Um conjunto de funcionalidades do Electrification X, denominado Electrification X Asset Management, utiliza a análise de dados de sensores para permitir aos proprietários e operadores de ativos aumentar o tempo de atividade e a fiabilidade, reduzir as despesas operacionais e reforçar a cibersegurança.

A Siemens oferece outra solução chamada Gridscale X, que fornece um software modular de fácil implementação para a gestão de redes de ponta a ponta e utiliza IA para analisar grandes volumes de dados da rede. Integrado nesta solução está o Gridscale X DER Insights, que utiliza a IA para identificar recursos energéticos distribuídos (DERs) instalados atrás do contador e avaliar o seu comportamento e impacto nos equipamentos da rede. Este auxilia na previsão, análise e extração de insights úteis, transformando-os em ações concretas. Esta solução é valiosa porque ajuda os clientes a otimizar as operações das DER, a compreender o seu desempenhoe a saúde, e maximizar a resiliência do negócio e da rede.

Manter-se na vanguarda das principais tendências de IA

Os gestores industriais devem estar atentos aos regulamentos de IA que estão a surgir nos EUA e a nível global, pois estes irão certamente ter impacto na forma como a IA se desenvolverá no futuro. Isto significa que o que estamos a fazer agora com a IA irá mudar. Precisamos também de estar atentos a novas capacidades e tecnologias de IA à medida que estas surgem. Os gestores industriais precisam de aprender rapidamente como estes novos elementos se podem aplicar às operações de edifícios e energia, para que o seu valor possa fazer a diferença para o negócio e para os clientes.

Em última análise, devemos todos ter uma mente aberta sobre o que a IA pode fazer. Vamos abraçar as mudanças que se aproximam e afirmar o papel humano na IA. Podemos ser cautelosos, mas não devemos ter medo. Todos podem apoiar-se na IA, aprendendo tudo o que puderem sobre ela e tentando fazer crescer o seu negócio, utilizando-a onde esta acrescenta valor, melhora as operações e beneficia os clientes.

Publicado em: 30 de Dezembro de 2025