Edge AI do walki z marnowaniem energii – inteligentne bliźniaki cyfrowe tną do 40% zużycia prądu

Inżynierowie z University of Glasgow opracowali system Edge-Enabled Digital Twins (EEDT), który dzięki lokalnej analityce AI i tzw. logice rozmytej obniżył zużycie energii przez urządzenia w trybie czuwania o 82%, co przełożyło się na redukcję łącznego poboru mocy o 40% na stanowisko w laboratorium badawczym. System, wykorzystujący sieć czujników IoT i protokół LoRaWAN, wdrożony na skalę 500 urządzeń może generować oszczędności powyżej 9 tys. funtów rocznie.

Dr Ahmad Taha, kierujący projektem, wskazuje na problem “phantom load” – energię pochłanianą przez urządzenia w trybie czuwania, która odpowiada za nawet 32% rachunków za prąd w budynkach komercyjnych. To monitory, komputery i serwery, które tylko “drzemią”, ale wciąż pobierają prąd. W biurach i na kampusach uczelnianych ten ukryty koszt może sięgać jednej trzeciej całkowitego zużycia energii, jednak zarządzanie tysiącami gniazdek w różnych pomieszczeniach jest kosztowne i skomplikowane. Proste timery, które wyłączają sprzęt o określonej godzinie, często nie spełniają swojej funkcji – pracownicy je wyłączają, bo system nie rozumie, że ktoś pracuje zdalnie albo że komputer właśnie przetwarza ważne dane w tle. Rozwiązanie EEDT przetwarza wszystkie informacje lokalnie na brzegowym serwerze w budynku, co chroni prywatność pracowników (system nie wysyła danych o ich nawykach do chmury) i działa natychmiast, bez opóźnień.​

Mózgiem systemu jest zestaw 27 reguł tzw. logiki rozmytej, która – w przeciwieństwie do prostego “włącz/wyłącz” – potrafi “myśleć” w odcieniach szarości. System analizuje trzy wskaźniki: jak regularnie dana osoba korzysta ze sprzętu (User Habit Score), jak długo urządzenie jest bezczynne (Device Activity Score) i czy zebrane dane są wiarygodne (Confidence Score). Na tej podstawie podejmuje inteligentne decyzje – może wyłączyć urządzenie od razu, poczekać, wysłać użytkownikowi pytanie na ekran (“Czy wciąż pracujesz?”) albo po prostu nic nie robić. Techniczne fundamenty to kontenery Docker z narzędziami MQTT (komunikacja), Node-RED (analiza danych) i InfluxDB (archiwum pomiarów). Do tego dochodzi moduł AI oparty na sieciach LSTM, który po dwóch dniach nauki przewiduje zużycie energii na kolejny dzień, pomagając zarządcom budynków planować obciążenia.​

Od lewej: Yuwen Wang, dr Ahmad Taha, Zhihong Xu (University of Glasgow)

Test w uniwersyteckim laboratorium wykazał redukcję tygodniowego zużycia energii o ponad 40% na stanowisko, a phantom load został obcięty o 82%. Dr Taha zwraca uwagę na dodatkową korzyść: mniej przepracowanych godzin to dłuższa żywotność sprzętu, co w czasach ciasnych budżetów IT oznacza realne oszczędności na zakupie nowych komputerów. Zespół obecnie testuje integrację EEDT z systemami monitorującymi obecność ludzi w biurach i temperaturę w pomieszczeniach, co ma pomóc University of Glasgow osiągnąć zerową emisję netto do 2030 roku. Wyniki badań zostaną zaprezentowane na rozpoczynającej się właśnie konferencji IEEE GLOBECOM 2025 w Tajpej.​