Héctor Quifez/ Irene Vega
El uso de Internet de las Cosas (IoT) y del Modelado de Información de la Construcción (BIM), una metodología digital para diseñar, gestionar y mantener infraestructuras, se ha generalizado en los últimos años, aunque su interrelación hasta ahora ha sido limitada. Investigadores de la Universidad Rey Juan Carlos, vinculados al Instituto de Tecnologías para la Sostenibilidad (ITPS) y a la Cátedra Smart-E2, junto con la Universidad Ștefan cel Mare de Suceava (Rumanía), han desarrollado un sistema que combina ambas tecnologías.
El equipo de investigación ha diseñado y desplegado un modelo conjunto en dos entornos reales: el Campus de Fuenlabrada de la URJC y la sede corporativa de Getronics en Madrid. Durante el estudio, se registraron diferentes variables como los niveles de CO₂, la temperatura, la humedad, los compuestos orgánicos volátiles y la ocupación aproximada mediante sensores conectados vía LoRaWAN, una tecnología inalámbrica de largo alcance y bajo consumo.
Los datos temporales de alta frecuencia se almacenaron en bases de datos específicas, mientras que la información espacial y de los activos se organizó mediante BIM y el Modelo de Información de Activos (AIM). Este último se utiliza para gestionar digitalmente la información y los recursos asociados a un edificio. Ambos modelos se enlazaron e integraron en un centro digital con cuadros de mando y reglas de supervisión. La validación incluyó una monitorización de cuatro días y el análisis de datos históricos de energía de varios campus de la URJC.
“El trabajo demuestra que es viable conectar de forma interoperable datos IoT en tiempo real con la información recabada de los modelos BIM y AIM de edificios existentes, sin necesidad de integrar toda la telemetría en el modelo digital”, destaca Cristina Rodríguez, investigadora del ITPS-URJC y directora de la Cátedra Smart-E2. “Esta separación entre datos de sensores y datos de activos permite mantener la relación espacial entre ambos y facilita la escalabilidad del sistema”, añade.
Gracias a la integración de estos sistemas, los datos pueden contextualizarse y utilizarse para apoyar la toma de decisiones relacionadas con la energía, el mantenimiento y la calidad ambiental interior. Además, el modelo desarrollado podría aplicarse a infraestructuras que utilizan diferentes tecnologías.
Entre las próximas líneas de trabajo figuran la realización de campañas de larga duración que monitoricen distintas estaciones del año, el estudio de los costes de ciclo de vida y mantenimiento, y la ampliación del rango de variables estudiadas, como partículas, radón, sensores térmicos y medición energética más granular. También se prevé evaluar el desarrollo de técnicas de aprendizaje automático para predicción energética y detección de anomalías.