Intelligenza artificiale, gemelli digitali e pianificazione delle ristrutturazioni: cosa è solo una moda e cosa è davvero utile oggi

Ecco la risposta in breve: gli strumenti utili oggi sono quelli che ti aiutano a pianificare le spese in conto capitale (CAPEX) utilizzando Gestione degli asset basata sul rischio, valutare le opzioni di adeguamento, classificare i progetti in base al rischio e alle emissioni di carbonio e documentare le motivazioni alla base di ogni decisione. L'intelligenza artificiale è efficace nel triage delle ispezioni. I gemelli digitali sono efficaci nel testare scenari di retrofit. I modelli di rischio sono efficaci nell'indicare quando riparare, rinviare o sostituire. E nessuno di essi dovrebbe funzionare in modalità automatica.

Se dovessi riassumere l'intero articolo in poche parole, direi questo:

• L'intelligenza artificiale aiuta a organizzare il lavoro di ispezione, non a sostituire gli ingegneri
• I modelli relativi al ciclo di vita e al rischio aiutano a pianificare la spesa su un orizzonte temporale di 5, 10 e 30 anni
• I gemelli digitali consentono di confrontare le diverse opzioni di ristrutturazione prima dell'inizio dei lavori
• Gli strumenti di gestione del portafoglio consentono di classificare gli immobili in base al rischio, alle emissioni e al budget
• Dati errati sulle attività comprometteranno tutti questi flussi di lavoro

Bastano pochi numeri per chiarire subito il concetto: la revisione delle immagini basata sull’intelligenza artificiale ha raggiunto circa Precisione del 94% per alcuni casi concreti di rilevamento dei difetti; un caso trattato nell’ambito del nostro portafoglio Oltre 2.000 richieste di manutenzione relative a 600 immobili; e i gemelli calibrati hanno sostenuto i piani di adeguamento legati a Risparmio energetico stimato per i modelli da 14% a 27%, con un caso segnalato Risparmi effettivi 23% una volta terminato il lavoro.

Sfruttare il potenziale del Digital Twin basato sull'intelligenza artificiale nel settore edile!

sbb-itb-5be7949

Confronto rapido

Strumento	Per cosa lo userei adesso	I suoi punti di forza	Limite principale
Valutazione delle condizioni con il supporto dell'intelligenza artificiale	Ispezioni di triage su portafogli di grandi dimensioni	Individuazione di possibili difetti tramite foto, video, immagini riprese da droni e registrazioni di lavoro	Inaffidabile, con danni nascosti, guasti sporadici e dati disordinati
Modellizzazione del ciclo di vita e dei rischi	Riparazione o sostituzione: tempistiche	Stato dei collegamenti, rischio di guasto e costo nel tempo	Le previsioni basate su un unico dato possono essere fuorvianti
Gemelli digitali	Test degli scenari di retrofit	Confronta energia, comfort, costi e opzioni di sincronizzazione	Sono necessari dati di riferimento calibrati
Strumenti per la definizione delle priorità del portafoglio	Classificazione dei progetti su più asset	Aiuta a destinare i fondi innanzitutto alle realtà con i risultati peggiori	I risultati devono ancora essere sottoposti a revisione da parte di persone
Ox e Simeo	Pianificazione pluriennale CAPEX/OPEX	Integra lo stato delle relazioni, l’invecchiamento, i rischi e la modellizzazione degli scenari in piani pronti per la revisione contabile	Dipende dall'esattezza del registro delle risorse e dai dati relativi alle condizioni attuali

Quindi, se gestite un campus, un sistema sanitario, una rete di servizi pubblici o un portafoglio immobiliare commerciale ormai obsoleti, la strategia a breve termine è semplice: Correggi innanzitutto i dati, utilizza l'intelligenza artificiale per velocizzare la revisione delle ispezioni, ricorri a modelli di rischio per ottimizzare i tempi e impiega i gemelli digitali laddove disponi di dati sufficienti sull'edificio per poter fare affidamento sui risultati degli scenari.

1. Oxand Simeo

Oxand Simeo™ è una piattaforma di pianificazione degli investimenti in beni patrimoniali progettata per prendere decisioni in materia di CAPEX e OPEX basate sul rischio su orizzonti temporali di 5, 10 e 30 anni. ^[1][5][6]

Per quanto riguarda la pianificazione degli interventi di ristrutturazione, il suo compito principale è piuttosto semplice: aiutare i team a modellare il modo in cui le infrastrutture invecchiano, subiscono guasti e si ripristinano in base a diversi percorsi di intervento. La piattaforma si avvale di Oltre 10.000 modelli relativi all'invecchiamento e alle prestazioni e Oltre 30.000 interventi di manutenzione e basi di costo. ^[2][3] Aon descrive SIMEO™ come:

un potente strumento di simulazione che consente di confrontare strategie di investimento a breve e lungo termine, supportato da modelli di invecchiamento e da database di manutenzione sviluppati nell’arco di oltre 15 anni. ^[4]

Questo aspetto è fondamentale nella pianificazione quotidiana. Un gestore di portafoglio può simulare scenari quali il rinvio di cinque anni della sostituzione del tetto, l’anticipo degli interventi di ammodernamento degli impianti di climatizzazione per raggiungere un obiettivo di decarbonizzazione, oppure il mantenimento costante degli investimenti (CAPEX) anziché il loro aumento. In questo modo può valutare i compromessi tra costi, rischi ed emissioni senza perdersi nel caos dei fogli di calcolo. ^[3][5] Oxand sostiene che questo metodo possa ridurre i costi del ciclo di vita, migliorare la disponibilità e accelerare la pianificazione in vista degli audit. ^[2][4]

La piattaforma supporta anche ISO 55001 governance. Inoltre, crea automaticamente una traccia di audit che collega ogni raccomandazione di investimento ai dati e ai modelli su cui si basa. ^[3]

C’è però un grosso inconveniente: la qualità della pianificazione dipende interamente dalla qualità dei dati su cui si basa. Simeo si affida al fatto che i dati provenienti da CMMS, IoT, ispezioni e altre fonti relative alle risorse siano aggiornati e completi. Se il registro delle risorse presenta lacune o i dati sulle condizioni sono obsoleti, gli scenari rifletteranno tali difetti. Può rendere più utili i dati validi, ma non può salvare quelli di scarsa qualità. ^[3] Ecco perché la valutazione delle condizioni supportata dall'intelligenza artificiale deve avere la priorità.

2. Valutazione delle condizioni con il supporto dell'intelligenza artificiale

La valutazione delle condizioni supportata dall'intelligenza artificiale aiuta i team a trasformare i dati delle ispezioni in un sistema di triage più rapido. Non sostituisce gli ingegneri, ma li aiuta a individuare gli aspetti che richiedono maggiore attenzione. Ecco perché l’ispezione è uno dei primi ambiti in cui l’intelligenza artificiale sta iniziando a dare i suoi frutti.

Nell'uso quotidiano, ciò significa solitamente applicare apprendimento automatico e visione artificiale a foto, video, immagini riprese dai droni e registri di manutenzione. Il sistema valuta lo stato delle risorse, segnala i possibili difetti e fornisce agli ispettori un meglio punto di partenza. Al momento, i casi d’uso più indicati sono i controlli visivi ripetitivi, tra cui:

• screpolatura
• sfaldamento
• corrosione
• difetti del tetto
• infiltrazione d'acqua
• anomalie della facciata

Per quanto riguarda le immagini riprese dai droni, il deep learning ha raggiunto circa Precisione del 94% nell'individuazione dei diversi tipi di danni al calcestruzzo.^[8]

Questo cambia il modo in cui i team possono gestire portafogli di grandi dimensioni. Anziché controllare ogni bene secondo lo stesso calendario annuale fisso, l’intelligenza artificiale è in grado di effettuare una valutazione preliminare del portafoglio e di individuare il gruppo a più alto rischio da sottoporre a una revisione tecnica completa. Un framework del 2023 applicato a un portafoglio immobiliare ha elaborato oltre 2.000 richieste di manutenzione relative a 600 immobili. Il sistema ha combinato l'analisi delle immagini delle foto dei tetti con l'analisi testuale dei registri degli impianti di climatizzazione, trasformando poi tali risultati in pacchetti di lavoro mirati e in interventi di riparazione degli impianti di climatizzazione da completare entro 60 giorni.^[7]

Detto questo, il punto di equilibrio in questo caso è produttività e uniformità nell'ambito dell'ispezione, non nella diagnosi completamente automatizzata. L'intelligenza artificiale può aiutare a classificare, ordinare per importanza e segnalare i problemi. Non è ancora uno strumento a cui affidarsi in modo autonomo per determinare la causa principale o definire l'entità degli interventi di riparazione.

Esistono anche dei limiti oggettivi. L’IA funziona al meglio quando i dati di ispezione sono collegati agli ID delle risorse, ai tipi di difetto, ai livelli di gravità e agli esiti del follow-up. Senza tale struttura, le prestazioni calano. È inoltre meno affidabile in presenza di deterioramenti nascosti, modalità di guasto rare, tipologie costruttive altamente variabili o risorse con documentazione disordinata. E, come molti strumenti software, i modelli possono sembrare sicuri di sé anche quando i dati esulano da quelli su cui sono stati addestrati.

La strada più sostenibile in questo momento è Ispezione assistita dall'intelligenza artificiale con revisione da parte di un ingegnere. Il modello classifica le risorse in base al probabile grado di deterioramento e segnala le anomalie. Successivamente, i tecnici confermano le valutazioni dello stato, individuano la causa principale e stabiliscono l’entità degli interventi di riparazione per tutto ciò che riguarda la sicurezza, la conformità normativa o le decisioni di investimento di rilievo. Il flusso di lavoro è semplice: ispezionare, verificare, quindi investire. I punteggi relativi allo stato verificati possono poi essere utilizzati per alimentare i modelli relativi al ciclo di vita e al rischio.

3. Modellizzazione del ciclo di vita e dei rischi

Una volta confermati i punteggi relativi alle condizioni ottenuti dall'ispezione assistita dall'intelligenza artificiale, il passo successivo è semplice: Quando è il caso di spendere soldi e in cosa dovrebbero essere investiti? Il primo passo consiste in un registro patrimoniale aggiornato, valutazioni dello stato tecnico verificate, vita utile residua (RUL), dati sui costi e una visione chiara della probabilità di guasto e delle relative conseguenze. Mettendo insieme questi elementi, i dati sullo stato tecnico iniziano a guidare la tempistica, l’ambito di intervento e i limiti di rischio.

La modellizzazione basata sul rischio tende a dare risultati migliori rispetto a una pianificazione basata esclusivamente sull’età. Una ricerca condotta utilizzando dati di ispezione passati ha rilevato che la gestione delle strutture basata sul rischio presentava una correlazione più forte con le condizioni future e l’affidabilità rispetto ai modelli deterministici basati sull’età.^[16][18] L’idea non è nuova. Ciò che è cambiato è la portata con cui è possibile applicarla. Due facciate costruite nello stesso anno potrebbero richiedere piani d’intervento molto diversi a seconda dell’esposizione, dell’uso e delle conseguenze in caso di cedimento. Una facciata situata sopra un ingresso pubblico molto trafficato ha la priorità. Una facciata simile in un’ala di servizio poco frequentata può invece attendere. L’età di per sé non è un indicatore sufficiente.

Per quanto riguarda l'intelligenza artificiale, i modelli prognostici basati sull'IA sono ormai sufficientemente maturi da consentire previsioni più accurate sulla vita residua rispetto alle tabelle di durata di servizio.^[9][11][13] Sono in grado di gestire segnali di degrado sovrapposti, deterioramento non lineare e condizioni operative diverse. Inoltre, possono generare intervalli di RUL con limiti di confidenza che facilitano una pianificazione consapevole dei rischi.^[9][11] Nell'uso quotidiano, questi modelli risultano particolarmente pratici per le infrastrutture di alto valore o ad alto rischio – ponti, elementi strutturali di grande importanza e impianti MEP di importanza critica – per le quali i proprietari dispongono già di registri di ispezione o dati provenienti dai sensori.^[9][10] Per i parchi immobiliari generici con dati meno dettagliati, i modelli più semplici basati sull’età, sul contesto ambientale e sui controlli periodici dello stato di conservazione rappresentano spesso la soluzione più adeguata, soprattutto per facciate e tetti.^[13] Tali previsioni dovrebbero confluire direttamente nella pianificazione delle spese in conto capitale (CAPEX) e delle spese operative (OPEX) del portafoglio.

C’è però un problema: le stime del RUL possono sembrare precise sulla carta e tuttavia rivelarsi errate. Se le condizioni delle risorse si discostano da quelle utilizzate per addestrare il modello – nuovi materiali, condizioni climatiche estreme o cambiamenti nelle modalità di utilizzo – le previsioni possono risultare molto lontane dalla realtà.^[11][12] Un errore comune consiste nel definire i piani di ammortamento basandosi su stime RUL a punto singolo, senza effettuare test di sensibilità né procedere a una ricalibrazione periodica.^[9][11] È più sicuro considerare i risultati del ciclo di vita come intervalli, non risposte fisse. Documentare le ipotesi, conservare le curve di deterioramento in archivio e ricalibrare il modello dopo ogni ciclo di ispezione, in modo che rimanga aggiornato invece di diventare obsoleto.^[17][15]

Il vero problema è quanta incertezza il tuo modello sia in grado di gestire.

Approccio	Forza	Limitazione principale
Rinnovo in base all'età	Semplice e facile da spiegare	Spesso non tiene conto delle condizioni effettive, dell’utilizzo e delle conseguenze di un guasto
Modellizzazione del ciclo di vita basata sulle condizioni	Indica il grado effettivo di usura e la durata residua	Richiede ispezioni regolari e dati di buona qualità
Modellizzazione basata sul rischio	Ordina in base alla probabilità e all'impatto	Sono necessari criteri di criticità concordati e un quadro di governance
Previsione della RUL basata sull'intelligenza artificiale	Può migliorare l'accuratezza delle previsioni e gestire il deterioramento non lineare	Dipende dalla qualità dei dati di addestramento e può sovrastimare la precisione

In alcuni casi, i beni che erano stati destinati alla sostituzione a breve termine hanno resistito senza problemi 25% o più oltre alle stime relative alla durata di vita utile, che consentono ai team di rinviare gli investimenti (CAPEX) pur rimanendo entro un intervallo di rischio accettabile.^[14] D'altro canto, la modellizzazione del rischio può mettere in luce elementi problematici nascosti – strutture con una lunga durata teorica ma in condizioni ambientali sfavorevoli – consentendo così ai team di intervenire tempestivamente laddove i rischi in materia di sicurezza e conformità sono più elevati.^[13] Tali intervalli diventano quindi i dati di input per la simulazione degli scenari di ristrutturazione tramite il gemello digitale.

4. Gemelli digitali per la simulazione di scenari di ristrutturazione

I gemelli digitali aiutano i proprietari a valutare le opzioni di riqualificazione alla luce delle prestazioni effettive dell'edificio, dei costi e dei disagi. Un gemello digitale calibrato integra un modello BIM o 3D, dati periodici sui consumi, dati relativi agli impianti di climatizzazione (HVAC) e ai sistemi di gestione degli edifici (BMS), nonché i programmi di occupazione.^{[21][22][23][30]} Da lì, è in grado di simulare le prestazioni attuali di un edificio e come questo potrebbe reagire alle diverse opzioni di riqualificazione, compresi gli effetti sul consumo energetico, sui carichi di picco, sul comfort e sui compromessi tra CAPEX e OPEX.^[22][23][26]

La parola chiave in questo caso è calibrato. Un modello gemello risulta particolarmente utile quando corrisponde alle prestazioni di riferimento misurate e riflette i dati locali relativi ai consumi, i file climatici e gli effettivi modelli di occupazione.^[23][26] È proprio questo passaggio che trasforma il modello da una stima approssimativa in uno strumento che i proprietari possono utilizzare per la pianificazione.

Nell'uso quotidiano, i gemelli digitali possono aiutare i proprietari a decidere se sia più opportuno procedere a un ammodernamento piuttosto che a una sostituzione completa, quale pacchetto di misure garantisca il miglior ritorno sull'investimento e quale ordine seguire nella ristrutturazione degli immobili per raggiungere gli obiettivi di riduzione delle emissioni di carbonio e rispettare le scadenze previste dalle normative e dai regolamenti.^[22][25][26] A livello di portafoglio, i gemelli possono confrontare i percorsi di ristrutturazione e aiutare a stabilire l’ordine di esecuzione dei progetti in base al tempo di recupero dell’investimento, ai periodi di interruzione dell’attività e alle scadenze normative.^[20][25]

Esistono già esempi concreti. Un modello gemello calibrato dell’edificio è stato utilizzato per pianificare una ristrutturazione dell’impianto di climatizzazione presso il Università di Liverpool Risparmio energetico previsto: 14%. Il consumo energetico effettivo è sceso di 23%, con un risparmio di circa $32.000 all'anno.^[29] Un modello gemello per 15 edifici adibiti a uffici a Singapore ha stimato un risparmio energetico pari a 27% e una produzione di energia elettrica da impianti fotovoltaici in loco fino a 19%.^[31] A livello di portafoglio, questo stesso metodo offre ai team un metodo standard per confrontare asset di diversa natura. Lo stesso approccio calibrato può quindi essere applicato all’intero portafoglio.

Ovviamente, tali risultati dipendono dai dati di riferimento utilizzati per mettere a punto il gemello. Come minimo, i proprietari statunitensi hanno bisogno di 12–24 mesi di dati sull’utilizzo a intervalli regolari, di un modello dell’edificio ragionevolmente accurato, delle specifiche principali degli impianti e dei programmi di occupazione.^[21][22][23] Senza questa base, i risultati degli scenari diventano troppo incerti per poter prendere decisioni concrete in materia di investimenti. Per gli edifici più vecchi, per i quali la documentazione è scarsa, i team possono realizzare i gemelli digitali in più fasi, partendo dai disegni di as-built e aggiungendo nel tempo i dati provenienti dai sensori e dai contatori.^[22][27]

Il punto di forza dei gemelli digitali è proprio la possibilità di eseguire test continui su diversi scenari. I team possono simulare scenari relativi a diversi livelli di occupazione, condizioni meteorologiche estreme o variazioni tariffarie, per poi aggiornare il modello man mano che vengono disponibili nuovi dati.^[19][22] Altrettanto importante è il fatto che il modello gemello offra a proprietari, ingegneri e operatori un punto di riferimento visivo comune. Ciò può ridurre i continui scambi di opinioni che spesso rallentano le decisioni relative agli investimenti.^[22][25][27] Twins supporta inoltre le attività di misurazione e verifica successive all'implementazione, mettendo in relazione le prestazioni previste con i risultati effettivi.^[23][24][27]

Detto questo, ci sono dei limiti. Molti gemelli si concentrano esclusivamente sull’energia e trascurano altre questioni quali il rischio strutturale, la conformità alle norme, il comportamento degli inquilini e la logistica dei lavori.^[22][25][15] Questi dati devono ancora essere sottoposti alla revisione di esperti. A livello di portafoglio immobiliare, integrare dati disomogenei provenienti da decine di edifici rimane un’operazione complessa, e l’affermazione secondo cui i “portfolio twin” siano in grado di generare automaticamente sequenze di ristrutturazione ottimizzate va oltre le capacità attuali della maggior parte dei team.^[19][20][28] La mossa più intelligente è quindi semplice: utilizzare i gemelli digitali per confrontare le opzioni, non per sostituire il giudizio degli ingegneri. I risultati ottenuti possono poi supportare la definizione delle priorità del portafoglio e la pianificazione della decarbonizzazione. Il passo successivo consiste nel classificare tali opzioni in base al rischio, alle emissioni di carbonio e al budget.

Caso d'uso	Scadenza oggi	Requisito fondamentale	Limitazione principale
Simulazione della riqualificazione dell'impianto di climatizzazione di un singolo edificio	Utile oggi	Dati calibrati relativi ai servizi e al sistema di gestione dell'edificio (BMS)	Ambito ristretto; incentrato sulle decisioni relative all’energia e agli impianti di climatizzazione
Test di scenari di retrofit delle buste	Utile oggi	Modello 3D/BIM + file climatico + dati dei contatori	La messa a punto richiede un maggiore impegno in termini di manodopera negli edifici più vecchi
Sequenza degli interventi di ristrutturazione a livello di portafoglio	In fase di sviluppo	Dati coerenti per tutte le risorse	L'integrazione di dati eterogenei rimane complessa
Misurazione e verifica post-implementazione	Utile oggi	Misurazione e monitoraggio continui	Richiede un impegno costante nella gestione dei dati

5. Definizione delle priorità del portafoglio e pianificazione della decarbonizzazione

L'analisi degli scenari a livello di singolo immobile è utile solo se si investe il capitale del portafoglio nei settori giusti. A livello di portafoglio, il lavoro è piuttosto semplice da descrivere ma più difficile da eseguire correttamente: classificare i progetti in base a rischio, emissioni di carbonio e bilancio. E anche con un software molto potente, quella decisione richiede comunque il giudizio umano.

Inizia effettuando un’analisi comparativa di ciascuna risorsa in Gestore di portafoglio ENERGY STAR, quindi utilizzare il DOE MEGLIO strumento per classificare gli edifici in base al loro potenziale di riqualificazione energetica a impatto zero.^[32][39] A questo punto, suddividere gli immobili in base all’intensità di gas serra, al tipo di impianto di riscaldamento e all’intensità di carbonio della rete elettrica. Ciò facilita la selezione di edifici rappresentativi su cui effettuare verifiche più approfondite, per poi applicare i risultati ottenuti a immobili simili.^[33] Ciò diventa molto più utile quando le classifiche vengono collegate ai punteggi di condizione, agli intervalli RUL e ai risultati degli scenari già definiti attraverso la modellazione del ciclo di vita e i test con il gemello digitale.

In parole povere: occuparsi prima di chi ha ottenuto i risultati peggiori. Destinare i fondi destinati alla ristrutturazione a tali beni può portare a Riduzioni da 10 a 30 volte maggiori in termini di consumo energetico e emissioni di carbonio rispetto ad approcci meno mirati.^[36] del DOE Sfida per un clima migliore offre un’idea di come ciò possa concretizzarsi nella pratica. I partecipanti hanno riferito che 21%: riduzione media delle emissioni di gas serra nel primo anno.^[35][37]

Per il momento, di solito è opportuno mantenere il modello incentrato su Emissioni operative di Scope 1 e 2, a meno che il portafoglio non disponga di dati più approfonditi e affidabili. Il carbonio incorporato, lo Scope 3 e i rischi climatici dettagliati rimangono ancora esclusi da molti strumenti di pianificazione fondamentali.^[38][40] Pertanto, sebbene questi strumenti siano utili per pianificare gli interventi e definire i budget, un piano di ristrutturazione in linea con gli obiettivi di riduzione delle emissioni di carbonio deve comunque essere sottoposto alla valutazione di esperti.

Dovresti anche piegare IRA incentivi nel modello. Il §179D detrazione per l'efficienza energetica, §45L crediti d'imposta e il Credito d'imposta sugli investimenti Le energie rinnovabili in loco possono infatti migliorare la redditività dei progetti all’interno di un portafoglio. In parole povere, possono aiutare a sfruttare al meglio un budget CAPEX fisso senza compromettere il raggiungimento degli obiettivi di riduzione delle emissioni di carbonio.^[34]

Strumento / Approccio	Decisione che sostiene	Scadenza oggi	Limitazione principale
Gestore di portafoglio ENERGY STAR	Analisi comparativa dell’EUI e dell’intensità delle emissioni di gas serra tra i diversi asset	Per adulti	Dati di riferimento relativi ai servizi pubblici; nessuna valutazione dello stato.
Strumento DOE BETTER	Definizione delle priorità tra gli edifici da sottoporre a interventi di riqualificazione energetica per il raggiungimento dell'obiettivo "net-zero"	Per adulti	A livello generale; non sostituisce gli audit.
Priorità "dal peggiore al primo"	Pianificazione delle ristrutturazioni per ottenere il massimo impatto in termini di emissioni di carbonio	Per adulti	È necessario definire un punto di riferimento coerente per l'intero portafoglio.
Modellizzazione degli incentivi IRA	Miglioramento della redditività dei progetti e dell'allocazione del CAPEX	Per adulti	È necessario verificare i requisiti di idoneità.
Carbonio incorporato e integrazione dello Scope 3	Pianificazione delle emissioni di carbonio per l'intero ciclo di vita	In fase di sviluppo	Permangono alcune lacune nei dati.

Questi strumenti danno il meglio di sé quando i dati del portafoglio sono accurati e la decisione è già stata definita in base a rischio, emissioni di carbonio e bilancio.

Vantaggi, svantaggi e decisioni ottimali

La vera domanda non è cosa facciano questi strumenti promessa. Il punto è quali di questi sono adatti a prendere decisioni proprio adesso.

La maggior parte degli strumenti ha importanza solo quando contribuisce a modificare una decisione di natura finanziaria, non quando produce un dashboard ben curato. I criteri indicati in precedenza in questo articolo rimangono validi: Tempistiche degli investimenti (CAPEX), obiettivi di riduzione delle emissioni di carbonio, tracciabilità e riduzione dei rischi. Se uno strumento non è in grado di fornire un aiuto in questi ambiti, è difficile giustificarne l'utilizzo.

La manutenzione predittiva può ridurre i costi e migliorare i tempi di operatività, ma molte implementazioni non raggiungono ancora gli obiettivi di ROI a causa della scarsa qualità dei dati e di una configurazione del processo non adeguata.^[41][42] È proprio questo il divario. Non la tecnologia in sé.

I gemelli digitali in tempo reale consentono di testare scenari di ristrutturazione. I gemelli statici basati sul BIM descrivono per lo più ciò che già esiste. È una differenza sostanziale. La questione non è se lo strumento aspetti avanzato; il punto è se possa giustificare una decisione di investimento sostenibile.

Ox e Simeo Si distingue in questo ambito. Supporta la pianificazione pluriennale degli investimenti (CAPEX) grazie a modelli probabilistici di invecchiamento e di rischio, senza ricorrere a reti di sensori ad alta densità.

La tabella riportata di seguito distingue gli strumenti in grado di migliorare già oggi le decisioni in materia di ristrutturazione da quelli che necessitano ancora di dati più precisi o di una governance più rigorosa.

Oggetto	I vantaggi oggi	Principali limiti	Caso d'uso più adatto	Non è ancora abbastanza affidabile
Ox e Simeo	Pianificazione CAPEX/OPEX basata sul rischio; simulazione di scenari; tracciabilità conforme alla norma ISO 55001; indipendente dalle reti IoT ad alta densità	Richiede un registro delle risorse accurato e dati sulle condizioni calibrati	Portafogli di grandi dimensioni che richiedono piani di investimento basati sul rischio e allineati agli obiettivi di riduzione delle emissioni di carbonio, corredati da una documentazione giustificabile	Assegnazione automatica del budget senza revisione umana
Valutazione delle condizioni con il supporto dell'intelligenza artificiale	Rilevamento precoce dei difetti; classificazione coerente dei controlli; decisioni di manutenzione mirate	Richiede una cronologia dei dati dei sensori e dati di immagine sufficienti; potrebbe non rilevare difetti strutturali nascosti	Ispezioni ad alta frequenza con un ampio volume di dati operativi	L'unico criterio su cui basare decisioni di grande rilevanza in materia di sicurezza strutturale
Modellizzazione del ciclo di vita e dei rischi	Esegue test di stress sugli scenari di bilancio; quantifica le traiettorie di rischio; supporta la pianificazione temporale degli investimenti (CAPEX) su orizzonti temporali compresi tra 5 e 30 anni	Le curve di degrado dipendono dalla qualità dei dati storici; le previsioni puntuali possono essere fuorvianti	Verifica degli scenari di bilancio a livello di portafoglio	Previsioni puntuali considerate come certezze
Gemelli digitali per la simulazione di scenari	Simulazioni "what-if" relative agli interventi di riqualificazione dell'involucro edilizio, degli impianti di climatizzazione e dei sistemi di controllo prima dell'inizio dei lavori; individuano tempestivamente i principali fattori di costo e di rischio	Elevato impegno iniziale per gli edifici esistenti; ostacoli legati all’interoperabilità e alla sicurezza informatica; spesso di natura descrittiva, non predittiva	Edifici dotati di infrastrutture BIM, BMS e IoT già esistenti; interventi di ristrutturazione complessi e articolati in più fasi	Pianificazione di interventi di ristrutturazione su scala cittadina o di quartiere; previsione accurata del comportamento degli occupanti
Definizione delle priorità del portafoglio e decarbonizzazione	Aggrega i dati relativi al rischio a livello di asset e alle emissioni di carbonio in dashboard di portafoglio; supporta piani di ristrutturazione allineati agli obiettivi di riduzione delle emissioni di carbonio	Permangono lacune nei dati relativi allo Scope 3 e al carbonio incorporato; i risultati devono essere sottoposti alla revisione di esperti	Portafogli distribuiti su più sedi soggetti a obblighi di rendicontazione normativa o ESG	Selezione dei progetti completamente automatizzata senza revisione da parte degli organi di governance

Ci sono due errori che si ripetono continuamente: dati di input di scarsa qualità e l’interpretazione dei grafici di tendenza come se fossero previsioni di rischio. Entrambi possono essere evitati. È necessario disporre di una solida base di dati e della disciplina necessaria per considerare i risultati del modello come supporto decisionale, non è l'ultima parola.

Quindi la questione pratica per i proprietari statunitensi è piuttosto semplice: quali strumenti vanno inseriti nel piano a breve termine e quali è meglio lasciare da parte, per ora?

Cosa dovrebbero fare ora gli investitori statunitensi e i gestori di portafoglio

Iniziare con dati puliti sulle attività. A quel punto, entra in gioco l'intelligenza artificiale dopo Il vostro processo di inventario e ispezione è standardizzato. Al momento, gli strumenti più utili per prendere decisioni in materia di ristrutturazione sono quelli basati su dati patrimoniali chiari e ben strutturati.

Crea un inventario completo dei beni che includa il tipo di bene, il modello, il numero di serie, l'età e l'ubicazione. Organizzalo secondo un unico standard di classificazione, ad esempio Uniformat II.^[44] Successivamente, standardizzate le ispezioni utilizzando moduli digitali, foto e punteggi FCI. Il Dipartimento della Difesa degli Stati Uniti utilizza punteggi FCI convalidati con cadenza quinquennale ed esamina circa 20% di beni ogni anno.^[45]

Una volta definiti l’inventario e le ispezioni, passare alla modellizzazione “riparare o sostituire”. Utilizzare modelli basati sulla vita residua e sul rischio per distinguere tra le decisioni di riparazione e quelle di sostituzione. Successivamente, utilizzare l’EUI, le emissioni, la fine del ciclo di vita e l’intensità di carbonio della rete elettrica per decidere quali progetti debbano essere realizzati per primi all’interno del portafoglio.^[43]

Oxand Simeo™ è in grado di tradurre i dati relativi ad asset, rischi, condizioni, consumo energetico e emissioni di carbonio in scenari pluriennali di CAPEX e OPEX. Ciò consente di ottimizzare la tempistica degli investimenti (CAPEX), definire piani di ristrutturazione allineati agli obiettivi di riduzione delle emissioni di carbonio e predisporre una documentazione pronta per la revisione contabile a livello di intero portafoglio.

Una volta definiti gli scenari del portafoglio, implementate la manutenzione predittiva nei casi in cui la serie storica dei dati sia solida. Sulla base di quella stessa banca dati, la manutenzione predittiva supportata dall’intelligenza artificiale può aggiungere Da $25.000 a $150.000 di risparmio annuo per un 100.000 piedi quadrati edificio commerciale.^[41]

L'implementazione pratica può avvenire nell'arco di Da 12 a 24 mesi:

• Pulire il registro delle risorse
• Standardizzare le ispezioni dei sistemi ad alta criticità quali tetti, impianti di climatizzazione, impianti elettrici e di sicurezza
• Implementare modelli di rischio di riferimento su un gruppo pilota
• Estendere la pianificazione degli scenari all'intero portafoglio
• Aggiungere la classificazione dei difetti basata sulle immagini e il rilevamento delle anomalie solo laddove sia disponibile una cronologia di dati sufficiente

Inserite quindi ogni risultato nella pianificazione degli investimenti, nei registri dei rischi, nella rendicontazione ESG e nei documenti destinati al consiglio di amministrazione. In questo modo, la pianificazione degli investimenti basata sul rischio rimane tracciabile, invece di finire sepolta in una dashboard della piattaforma che nessuno controlla.

Domande frequenti

Di quali dati ho bisogno prima di utilizzare l'intelligenza artificiale o i gemelli digitali?

Prima di introdurre l'intelligenza artificiale o i gemelli digitali, è necessario mettere in ordine il livello dei dati. Ciò significa importare le informazioni relative alle risorse in un unico sistema standardizzato anziché lasciarli sparsi tra fogli di calcolo, strumenti dei fornitori e vecchi registri.

Inizia dai dati storici:

• inventari delle risorse
• registri di manutenzione
• costi ricorrenti
• dettagli sulla garanzia
• specifiche tecniche

Aggiungere poi dati telemetrici in tempo reale, quali il consumo energetico, la temperatura, le vibrazioni e la presenza di persone.

L'obiettivo è semplice: offrire al tuo team un unico punto di riferimento su cui lavorare, con dati che seguono il Le 5 C – completo, corretto, aggiornato, coerente ed esaustivo.

In quali casi vale la pena investire in un gemello digitale per la pianificazione di una ristrutturazione?

Vale la pena investire in un gemello digitale quando la pianificazione di una ristrutturazione dipende dall'esecuzione di test complessi e se... scenari. Tra questi figurano aspetti quali gli interventi di riqualificazione energetica, l’allineamento dei progetti di investimento ai cicli di vita delle attrezzature o la valutazione degli obiettivi di riduzione delle emissioni di carbonio rispetto ai limiti di bilancio.

Ciò è ancora più importante per i portafogli di grandi dimensioni e con un profilo di età avanzato. In questi casi, i semplici metodi di classificazione possono trascurare rischi quali le scadenze di conformità o i vincoli specifici di un determinato sito. Un gemello digitale riunisce i dati frammentati in un unico luogo, aiutando i team a prendere decisioni di investimento più orientate al rischio.

Come dovrei combinare l'intelligenza artificiale, i modelli di rischio e la revisione umana?

Adotta un approccio strutturato in cui ogni parte abbia un ruolo ben definito.

Iniziare con dati sulle risorse centralizzati, standardizzati e pronti per la revisione. Se i dati sono disordinati, tutto ciò che viene dopo diventa subito inaffidabile.

Quindi usa Intelligenza artificiale e modelli di rischio per analizzare grandi insiemi di dati e modellare l'invecchiamento delle infrastrutture, la manutenzione e gli scenari relativi alle emissioni di carbonio. È proprio qui che iniziano a emergere modelli su larga scala.

Infine, aggiungi revisione manuale per verificare i risultati, tenere conto dei limiti quotidiani, come l’occupazione o il budget, e stabilire le priorità di investimento. Quest’ultimo passo è fondamentale. I dati possono indicare la direzione giusta, ma spetta comunque alle persone valutare cosa funziona nella pratica.

Questo contribuisce a garantire che le decisioni basato sui dati, orientato al rischio e in linea con gli obiettivi organizzativi.

Post del blog correlati

• Gemelli digitali per la sostenibilità: Simulare gli scenari prima di investire
• L'intelligenza artificiale per la pianificazione degli investimenti patrimoniali: Dove crea effettivamente valore
• Come l'intelligenza artificiale può aiutare a dare priorità al rinnovo delle infrastrutture obsolete in presenza di vincoli di bilancio
• L'intelligenza artificiale può aiutare a identificare gli edifici con le peggiori prestazioni prima dei grandi programmi di retrofit?