Ejemplo práctico de automatización para controlar mejor la huella de CO2 en el sector en la construcción

El sector de la construcción contribuye significativamente a las emisiones mundiales de dióxido de carbono (CO2), y se calcula que es responsable de aproximadamente el 43% de las emisiones mundiales de CO2 relacionadas con la energía (World Green Building Council, 2022). Para luchar contra el cambio climático, es crucial que hagamos un seguimiento preciso y reduzcamos estas emisiones.

Calcular la huella de CO2 de un proyecto de construcción puede ser un proceso laborioso que requiere la introducción y el análisis manual de datos. Esto puede ser propenso a errores e incoherencias, y es difícil rastrear y comparar las emisiones de varios proyectos. Este reto es general en el sector y se ve agravado por el escaso nivel de digitalización, que se traduce en dos desafíos técnicos muy importantes: (a) la fragmentación de las fuentes de datos producida por el uso de múltiples herramientas digitales independientes; y (b) la incapacidad de analizar estos datos de forma transversal y coherente debido a la falta de interoperabilidad entre estas herramientas digitales. Además, los datos suelen estar desestructurados y existe una heterogeneidad muy importante que impide el análisis transversal de la información.

Una forma de optimizar esto es utilizar técnicas de inteligencia artificial (IA) para extraer y analizar datos sobre los materiales utilizados en los proyectos de construcción, que pueden utilizarse para calcular la huella de CO2 de cada proyecto. Esto puede hacerse escaneando documentos como facturas, contratos y planos, y utilizando algoritmos para extraer información relevante sobre los materiales utilizados.

El uso de la IA en este contexto tiene varias ventajas. En primer lugar, es mucho más rápido y preciso que la introducción manual de datos, ya que los algoritmos de IA pueden procesar grandes cantidades de datos en poco tiempo y con un alto grado de precisión. En segundo lugar, permite el seguimiento de las emisiones en tiempo real, ya que los algoritmos de IA pueden procesar continuamente nuevos datos a medida que están disponibles. Esto significa que la huella de CO2 de un proyecto puede seguirse y actualizarse durante todo el proceso de construcción, en lugar de esperar hasta el final del proyecto para calcular las emisiones.

Además de hacer un seguimiento de las emisiones, la IA también puede utilizarse para optimizar el uso de materiales en los proyectos de construcción. Por ejemplo, se pueden utilizar algoritmos para identificar oportunidades de sustituir materiales con menores emisiones de carbono o para encontrar formas más eficientes de utilizar materiales. Esto puede ayudar a reducir aún más la huella de CO2 de un proyecto, y también puede suponer un ahorro de costes para el proyecto.

Caso práctico de automatización para controlar mejor las emisiones de CO2

Recientemente hemos trabajado con  Constraula (Sorigué) que buscaba un enfoque innovador para controlar mejor la huella de CO2 de los materiales adquiridos por la organización durante la fase de proyecto, con el objetivo de conocer la huella real de cada uno de los proyectos de la empresa producida por los materiales utilizados.

Es posible asociar una huella de carbono estimada a casi cualquier tipo de material (m3 de hormigón, m3 de arena, etc.). Sin embargo, la información sobre los materiales utilizados no se recoge en un formato que facilite el acceso a la información. Esta información suele estar contenida en las facturas emitidas por los proveedores, normalmente en formato PDF, y cada proveedor utiliza su propio y único modelo de factura, lo que dificulta la automatización del proceso de extracción de información de estas facturas y crea retos a la hora de desarrollar un sistema genérico que pueda extraer la información de facturas en formatos inéditos (por ejemplo, de un nuevo proveedor).

En Beawre, hemos encontrado una solución de automatización para este problema. Automatizamos la extracción de información de facturas de formato heterogéneo mediante técnicas de IA, combinando capacidades de reconocimiento óptico de caracteres (OCR) con algoritmos de aprendizaje automático para analizar la estructura y disposición de las facturas de proveedores y técnicas de reconocimiento de patrones. Se pueden analizar y extraer campos y listas de materiales, y automatizar el cálculo de la huella de carbono de cada proyecto a partir de los datos de las facturas para crear un mecanismo de control continuo durante la fase de proyecto. 

Entrenamos a los modelos de IA utilizados para el procesamiento automatizado de facturas para que aprendan a extraer información relevante para calcular la huella de carbono de todos los materiales en el contexto de los proyectos de construcción y a extraer datos significativos para este fin de la factura, independientemente de su formato.

Conclusiones

El uso de técnicas de IA para extraer y analizar información sobre el uso de materiales en proyectos de construcción puede ser una poderosa herramienta para hacer un seguimiento preciso y reducir las emisiones de CO2. Mediante el uso de estas técnicas, no solo es posible calcular la huella de CO2 de un proyecto, sino también optimizar el uso de materiales y realizar un seguimiento continuo y reducir las emisiones a lo largo de todo el proceso de construcción.

Referencias:

World Green Building Council. (2022). WorldGBC Advancing Net Zero Status Report 2022. Retrieved from https://www.worldgbc.org/resources