Tehnološki junaki na poti k neto nič: umetna inteligenca in boj proti podnebnim spremembam. Čas nas žene naprej, industrijska umetna inteligenca pa pospešuje našo pot. Več v članku Pine Schlombs.
Čas ostaja velika, neustavljiva sila. Lahko je naš zaveznik in spodbujevalec – eden od Tolstojevih »najmočnejših bojevnikov«. Vsi nas združuje v tekmi za neto nič, tekmi, v kateri imamo vsi isti cilj, ista pravila in istega sodnika, ki odloča, ali smo zmagali. V tem tekmovanju lahko industrijska umetna inteligenca pomaga pospešiti tempo zmanjševanja našega vpliva na okolje. Tukaj je razlaga, kako.
Avtorica: Pina Schlombs, vodja trajnosti, Siemens Digital Industries Software
Danes svet, v katerem živimo, doživlja temeljite spremembe. Naša sposobnost obvladovanja teh »megatrendov« – demografskih sprememb, urbanizacije, glokalizacije, okoljskih sprememb in učinkovite rabe virov ter digitalizacije – bo oblikovala našo skupno prihodnost.
Pri vseh teh izzivih je čas ključen dejavnik. Vendar pa ta pritisk postane eksistenčen, ko govorimo o tekmi za dosego neto ničelnih emisij; neto ničelnih v širšem smislu, ki zajema vse človekove vplive na okolje. Čas za dosego ciljev Pariškega sporazuma se izteka, in kot kaže poročilo Infrastructure Transition Monitor 2023, trenutno manj kot 50 % organizacij pričakuje, da bodo do leta 2030 dosegle svoje cilje razogljičenja.
Umetna inteligenca pa ima potencial, da postane prelomni dejavnik v teh prizadevanjih. Študija, objavljena v reviji Nature, ki preučuje vlogo umetne inteligence pri doseganju ciljev trajnostnega razvoja, izpostavlja ta potencial ter hkrati opozarja na izzive pri njegovi uresničitvi. Raziskava PwC dodatno navaja, da bi lahko umetna inteligenca do leta 2030 pomagala zmanjšati emisije CO₂ za 0,9 do 2,4 gigatone, kar ustreza letnim emisijam Avstralije, Kanade in Japonske.
Ko gre za preobrazbo temeljev naših gospodarstev – kot so proizvodnja, infrastruktura in transport – ne gre za en sam velik preskok z umetno inteligenco. Strateška uporaba »Industrial AI« (umetne inteligence industrijske ravni – zanesljive, varne in zaupanja vredne) lahko deluje kot pospeševalec in ojačevalec. Pomaga nam hitreje in v večjem obsegu reševati kompleksnejše probleme, povečati učinkovitost ter zmanjšati emisije. Kako to izgleda v praksi? Tukaj je pet ključnih primerov:
1. Digital Twin: inženiring za prihodnost z neto ničelnimi emisijami
V središču te z umetno inteligenco podprte revolucije so Digital Twin, ki jih poganja umetna inteligenca, in so ključni del industrijskega metaverzuma. Te napredne simulacije realnih sredstev omogočajo nekakšno »potovanje skozi čas« za inženirje, saj lahko analizirajo pretekle podatke in napovedujejo prihodnje scenarije.Okoljski vpliv izdelkov je mogoče simulirati, kar inženirjem omogoča sprejemanje odločitev na podlagi podatkov ter optimizacijo z minimalnim vplivom v resničnem svetu.
Na primer: tehnologija Digital Twin podjetju ACC pomaga bistveno izboljšati izkoristek pri proizvodnji elektrod. To ne le pospešuje prehod na tovarne z neto ničelnimi emisijami, temveč tudi omogoča hitrejšo vzpostavitev gigatovarn. Posledično se pospešuje prehod na električno mobilnost.
2. Pametnejša infrastruktura: pametno upravljanje vode
Dostop do vode je ena najbolj osnovnih človekovih potreb. Na globalni ravni pa sta razpoložljivost in upravljanje vode velik izziv – dodatno zaostren zaradi podnebnih sprememb, hitrih demografskih sprememb in urbanizacije.
Povpraševanje po vodi se vsako leto poveča za približno 1 %, medtem ko se po svetu izgubi kar okoli 30 % vse proizvedene vode.Zato je bistveno bistveno učinkovitejše upravljanje vode. Ključno vlogo imajo inovacije, kot jih uvaja švedsko vodno podjetje VA SYD, ki uspešno zmanjšuje izgube vode.V tem primeru rešitev, podprta z umetno inteligenco, zazna puščanja že pri 0,5 litra na sekundo, kar omogoča večjo preglednost in pametnejše upravljanje infrastrukture ter prispeva k bolj trajnostni rabi in distribuciji tega dragocenega vira.
3. Generativno oblikovanje: pospeševanje inovacij
Generativno oblikovanje uporablja umetno inteligenco za raziskovanje širokega prostora možnih rešitev ter ustvarjanje številnih variant, ki ustrezajo večkriterijskim zahtevam. Ta pristop ne ponuja le velikega nabora rešitev, temveč tudi učinkovito izbere najboljše med njimi, s čimer prihrani čas in vire pri testiranju. Posledično se bistveno zmanjšajo stroški, vpliv na okolje in tveganja.
Primer te inovacije je z umetno inteligenco podprta prenova prijemal industrijskih robotov. Z uporabo topološke optimizacije, navdihnjene z naravnimi oblikami, ter izkoriščanjem potenciala aditivne proizvodnje je ta pristop omogočil kar 82-odstotno zmanjšanje emisij CO₂ na robota..
4. Napovedno vzdrževanje: svet z večjo razpoložljivostjo mobilnosti
Napovedno vzdrževanje, podprto z umetno inteligenco, spreminja način upravljanja in vzdrževanja kompleksnih sistemov. Ta pristop temelji na analizi podatkov med delovanjem in napovedovanju morebitnih težav še preden do njih pride, kar zmanjšuje izpade, povečuje učinkovitost in podaljšuje življenjsko dobo sredstev.
Izstopajoč primer je projekt Rhein-Ruhr-Express. Tu analitika, podprta z umetno inteligenco na osnovi platforme Railigent X, omogoča več kot 99-odstotno razpoložljivost storitev. Ta učinkovitost hkrati omogoča daljšo življenjsko dobo komponent in manjšo porabo materialov, kar neposredno vodi do nižje porabe virov in energije ter manjših emisij.Poleg tega je bistveno izboljšana tudi zanesljivost in privlačnost železniškega sistema za vsakodnevne potnike.
5. Uravnoteženje vpliva umetne inteligence:
energetsko učinkovito delovanje podatkovnih centrovČeprav je umetna inteligenca močno orodje v boju proti podnebnim spremembam, je pomembno priznati tudi njeno lastno visoko porabo energije. Inovacije se že razvijajo za reševanje tega izziva – od izboljšanja učinkovitosti velikih jezikovnih modelov (LLM) do optimizacije arhitekture infrastrukture in strojne opreme, na kateri tečejo modeli.
Podoben izziv predstavljajo podatkovni centri, ki so ključni za digitalne storitve, poslovanje in globalno gospodarstvo, saj porabijo veliko energije – zlasti za hlajenje. Vendar pa umetna inteligenca ponuja tudi rešitve.Eden izmed prepričljivih primerov je upravljanje hlajenja v podatkovnih centrih Greenergy v Estoniji, podprto z umetno inteligenco. Ta inovativna uporaba je objekt spremenila v enega najbolj trajnostnih podatkovnih centrov v baltski regiji ter izboljšala učinkovitost za približno 30 % – dobesedno s pritiskom na gumb..
Naša pot k bolj okolju prijazni prihodnosti temelji na sinergiji umetne inteligence z drugimi tehnologijami. Zlasti industrijska umetna inteligenca spreminja našo sposobnost obvladovanja kompleksnih, večdimenzionalnih izzivov z neprimerljivo hitrostjo in obsegom, hkrati pa nadgrajuje obstoječe tehnologije ter pospešuje učenje in inovacije.
To je tudi pot sodelovanja, ki jo podpirajo digitalne poslovne platforme, kot je Siemens Xcelerator. Nihče ne more sam rešiti največjih izzivov. Strokovnjaki, podjetja, razvijalci in inovatorji se morajo povezati prek meja ter izkoristiti ekosistemski pristop k inovacijam – za soustvarjanje rešitev in izkoriščanje sinergij ter interoperabilnosti industrijske umetne inteligence z drugimi tehnologijami.
S tem pristopom imamo priložnost ne le prilagajati se okoljskim in virovnim izzivom, temveč aktivno oblikovati prihodnost z združevanjem digitalnega in realnega sveta. To je ključni korak k pametnejšemu in bolj trajnostnemu svetu, pri čemer je industrijska umetna inteligenca vse pomembnejše orodje za pospeševanje poti do neto ničelnih emisij.
Siemens Xcelerator je odprta digitalna poslovna platforma, ki omogoča sodelovanje in inovacije prek skrbno izbranega portfelja rešitev, ki združuje realni in digitalni svet, ter močnega ekosistema partnerjev, s katerimi lahko skupaj pospešite doseganje vaših poslovnih ciljev na področju dekarbonizacije.
