Technologie cyfrowe wspierają dekarbonizację we wszystkich sektorach gospodarki. Nawet 35% globalnej emisji z paliw kopalnych do 2030 roku może zostać zredukowanych dzięki digitalizacji. Ten potencjał może być jeszcze większy z uwagi na dynamiczny postęp technologiczny. Same odnawialne źródła energii nie wystarczą, aby zdekarbonizować gospodarkę. Do osiagnięcia tego celu ważna jest również digitalizacja.
Technologie cyfrowe realizują zadanie dekarbonizacji na 3 sposoby:
Analiza danych dotyczących stopnia zużycia surowców i energii wpływa na zwiększoną świadomość wywieranego wpływu na środowisko. Umożliwia śledzenie i raportowanie śladu węglowego.
Dekarbonizacja jest realizowana dzięki funkcji śledzenia i monitorowania danych w celu redukcji śladu węglowego. Śledzenie i raportowanie rzetelnych danych jest podstawą badania i redukcji wpływu przemysłu na środowisko.
Jedną z technologii umożliwiających zaawansowane śledzenie źródeł pochodzenia produktów na każdym etapie produkcji jest blockchain, tj. rozproszone rejestry danych. Kluczową korzyścią z wykorzystania blockchain jest wiarygodność zebranych danych i brak możliwości ich zmanipulowania.
Blockchain może być stosowany do śledzenia śladu węglowego produktów, umożliwiając jego monitorowanie od producenta do punktu sprzedaży. Umożliwia też przeprowadzanie transakcji i funkcjonowanie rozproszonego rynku energii.
Podniesienie efektywności produkcji następuje dzięki bardziej efektywnemu wykorzystaniu zasobów używanych do procesów produkcyjnych. Oszczędzane są w ten sposób energia i surowce, a to prowadzi zarówno do poprawy wyników ekonomicznych, jak i redukcji emisji gazów cieplarnianych. Lepiej wykorzystywane są zasoby niezbędne do produkcji, a to poprawia efektywność energetyczną procesów.
Redukcja zbędnych procesów, zużycia surowców i energii i minimalizacja zapasów przekładają się bezpośrednio na mniejszą emisyjność zakładu. Szacuje się, że inteligentne rozwiązania w przemyśle mają potencjał oszczędności energii na poziomie 4,2 mld MWh i pozwolą zaoszczędzić 81 mld litrów wody dzięki bardziej wydajnym procesom produkcyjnym.
Optymalizacja przemysłowych procesów rozpoczyna się od czujników i sensorów z pojedynczych maszyn. Dzięki zastosowaniu sztucznej inteligencji dochodzi do analizy całego systemu sterowania i zarządzania produkcją. Sztuczna inteligencja potrafi zidentyfikować, który element lub obszar produkcji warto zbadać i zoptymalizować. Może się to wiązać z optymalizacją poboru energii tam, gdzie zostało wykryte jej nadmiarowe zużycie. Wszystkie te zmienne analizowane są w czasie rzeczywistym.
Przewidywanie awarii pozwala na minimalizację ryzyka przestojów maszyn oraz marnotrawstwa surowców i energii. To także redukcja ryzyka wycieków, rozszczelnień, zapobieganie skażeniom wody, powietrza i gleby oraz poprawa bezpieczeństwa ludzi.
Jednym z najciekawszych zastosowań sztucznej inteligencji w przemyśle jest modelowanie i przewidywanie przyszłych zdarzeń. Polega ono na analizowaniu dużych zbiorów danych historycznych, które są przekształcane w użyteczne predykcje (prognozy). Predykcję można wykorzystać na wiele sposobów między innymi do: przewidywania zużycia zasobów i energii, popytu i zachowań klientów, jak również usterek i awarii na produkcji.
Analityka obrazu z wykorzystaniem inteligentnych algorytmów umożliwia bardzo precyzyjną, automatyczną identyfikację defektów i anomalii. Dzięki precyzyjnym narzędziom analizujących dane obrazowe rozszczelnienie, wyciek niebezpiecznych substancji lub ulatnianie szkodliwych gazów mogą być szybko zidentyfikowane. Najbardziej znanym przykładem zastosowania sztucznej inteligencji (artificial intelligence, AI) do przewidywania jest diagnostyka predykcyjna. Dzięki AI można dużo dokładniej monitorować maszyny przemysłowe i przewidywać awarie na podstawie analizy drgań, zmian temperatury, zasilania i innych parametrów.
Zadaniem systemu diagnostyki predykcyjnej jest wczesne wykrywanie i rozpoznanie anomalii w pracy maszyn, aby wczesna reakcja zapobiegła uszkodzeniu urządzenia. Korzyści z zastosowania diagnostyki predykcyjnej to zmniejszenie kosztów awarii oraz minimalizacja sumarycznego czasu przestoju, poprawa bezpieczeństwa pracy urządzeń oraz zwiększenie jakości ich pracy, eliminacja uszkodzeń wtórnych, skrócenie czasu potrzebnego na naprawę.
3 kluczowe technologie napędzające dekarbonizację:
Wśród technologii o największym potencjale do wsparcia dekarbonizacji należy wymienić sztuczną inteligencję (ang. artificial intelligence, AI). AI w największym stopniu wpływa na cyfrową transformację gospodarki i realizację celów Agendy 2030, Zielonego Ładu oraz Porozumienia Paryskiego. Przenika większość technologii Przemysłu 5.0 i adresuje globalne problemy związane z klimatem – od monitorowania trendów klimatycznych, przez przewidywanie zdarzeń pogodowych, aż po konkretne rozwiązania redukujące lub zupełnie likwidujące emisje gazów cieplarnianych.
Nowy standard łączności mobilnej o nazwie 5G NR (New Radio) został opracowany jako następca technologii 4G i adresuje wyzwania, które nie mogły być rozwiązane w sieciach poprzedniej generacji. W porównaniu do poprzednich generacji gwarantuje większą przepustowość, zmniejszenie opóźnień do jednej milisekundy oraz niezawodność komunikacji.
5G przez unikalną architekturę i lepsze wykorzystanie pasma radiowego, przekłada się na podniesienie energooszczędności prowadzącej do zmniejszenia śladu węglowego.
Sieci 5G mogą w realny sposób przyczynić się do redukcji emisji dwutlenku węgla przez operatorów na kilka sposobów:
- Osiągają wysoką efektywność energetyczną, ponieważ ilość danych, które mogą być przesłane na jedną jednostkę energii, jest większa. Średnio ok. 90% energii wydatkowanej na przesłanie jednego bita danych będzie mogło być zaoszczędzone w stosunku do 4G.
- Dzięki zastosowaniu sieci 5G można zaoszczędzić nawet 0,5 miliarda ton CO2 na świecie do 2030 roku, natomiast około 50% tego rezultatu można przypisać efektom niezwiązanym bezpośrednio z 5G.
Chmury publiczne i prywatne to rozwiązania współdzielenia mocy obliczeniowej. Dzięki wykorzystaniu mocy serwerów przez wiele podmiotów, ich zużycie jest stale optymalizowane i dostosowywane pod konkretne potrzeby, co umożliwia zredukowanie sumarycznego zapotrzebowania na energię elektryczną.
Dostęp do usługi chmurowej może zmniejszyć ślad węglowy organizacji. Dostawcy już dziś udostępniają informację aktualnego wyniku emisyjności usługi dla danej organizacji. Migracje danych z lokalizacji on premise do chmury publicznej mogą przynieść redukcję emisji CO2. Działania, które się na to składają to:
- automatyzacja i autonomiczne dostosowanie mocy obliczeniowej do aktualnego zapotrzebowania, współdzielenie mocy obliczeniowej i alokowanie w czasie rzeczywistym,
- efektywniejsze chłodzenie oraz odzyskiwanie ciepła z urządzeń chłodzących w serwerowniach, zasilanie centrów danych z czystej energii na przykład z dużych farm wiatrowych czy wysokowydajnych elektrowni słonecznych.
