No projeto e execução de obras de infraestruturas, a alocação de equipamentos e trabalhadores nas diferentes frentes de obra tem um impacto francamente notório nos custos. Sendo o consumo de combustível um dos fatores com maior impacte, torna-se relevante a sua previsão e monitorização precisa em diferentes cenários de carga, percurso (sinuosidade, distância, etc.) ou regularidade/constituição do pavimento. É por esta razão que surgiu este projeto piloto de estimativa parametrizável do consumo de combustível de camiões em obras de infraestruturas no BUILT CoLAB.
A digitalização na Construção é uma das principais apostas do BUILT CoLAB e este é um exemplo das vantagens da sua utilização. A sensorização, aplicação de algoritmos de machine learning e comunicação em tempo real, permite a estimação e monitorização dos consumos de cada equipamento de uma forma realística. Esta abordagem é não invasiva e agnóstica ao fabricante e modelo do equipamento em que é aplicada, uma vez que não depende da existência de sistemas inteligentes adicionais instalados no veículo.
Neste momento o primeiro protótipo encontra-se a recolher dados num veículo de transporte de materiais, onde estão a ser registados para permitir o treino do algoritmo de machine learning. Graças ao desenvolvimento de um mecanismo de comunicação e sincronização remoto dos dados recolhidos, foi possível analisá-los e concluir, desde já, que existe uma forte correlação entre os dados recolhidos e o consumo de combustível, o que permitiu validar a hipótese formulada abrindo caminho para um modelo realmente adaptado e fidedigno.
Este projeto inseriu-se num projeto de estágio do Instituto Superior de Engenharia do Porto (ISEP) do aluno Manuel Sampaio, onde se envolveram Gonçalo Pereira (IoT Specialist), Manuel Parente (Head of AI) e João Moutinho (Business Director) do BUILT CoLAB e conta com a colaboração do Instituto Superior Técnico (IST) e da JJR que, no âmbito do estágio, forneceu todo o apoio à experiência (veículo, recolha de dados, execução de procedimentos experimentais).
