Eduardo Carnerero Sanjuán, Ana Belén Durán Luque, Alfonso García Almeida, Fernando Guillén Villegas, Jesús Povea Pozo
1. Identificación de la propuesta
En el marco de su compromiso con la calidad y la sostenibilidad ambiental, Instamusta plantea el desarrollo e implementación de la solución ClimAI, un sistema inteligente desarrollado para la optimización energética y confort de las instalaciones de los edificios terminales de pasajeros en los aeropuertos. Esta solución integra tecnologías de Inteligencia Artificial (IA) y Deep Learning (DL) para anticiparse a las condiciones ambientales y adaptar dinámicamente la operación de los equipos, mejorando la eficiencia e impacto ambiental.
A diferencia de los sistemas tradicionales, ClimAI adopta un enfoque predictivo, anticipando condiciones mediante el análisis de datos en tiempo real e históricos. Inicialmente, el sistema se implementará en las oficinas de Instamusta en Coslada, con el objetivo de escalarlo a terminales de pasajeros de tamaño medio (Aeropuerto de Córdoba) o de gran tamaño (Aeropuertos de Madrid-Barajas o Barcelona-El Prat), ofreciendo:
- Monitorización en tiempo real del consumo energético y variables operativas clave
- Automatización en la toma de decisiones para la optimización del rendimiento de sistemas HVAC
- Generación de cuadros de mando interactivos con herramientas como PowerBI
- Visualización remota de datos y parámetros energéticos a través de una aplicación móvil
Entre sus principales ventajas destacan su capacidad predictiva, la adaptación dinámica a cambios operativos y su alineación con los principios de economía circular, contribuyendo así a mejorar las condiciones de confort térmico y la calidad del aire interior, cumpliendo con los estándares establecidos en el Reglamento de Instalaciones Térmicas en los Edificios, en niveles de calidad como IDA 2 o superior. Además, ClimAI respalda los objetivos del SGI de Instamusta, el cual se apoya en la normativa ISO 9001, ISO 14001 e ISO 45001.
2. Objetivos específicos de ClimAI
ClimAI tiene como objetivo general mejorar el rendimiento energético y ambiental de edificios terminales mediante un sistema inteligente de control basado en IA y DL. Sus objetivos específicos son los siguientes:
- Reducir al menos un 10% el consumo energético en climatización y otros grandes consumidores mediante el control automático, priorización de equipos o desconexión de sistemas sin demanda constante
- Mantener el confort térmico con un PPD (Porcentaje de Personas Disconformes) ≤ 15%, ajustando parámetros de climatización según la ocupación de los espacios abiertos y condiciones reales
- Asegurar la calidad del aire interior, manteniendo un nivel de concentración de CO₂ < 900 ppm y nivel IDA 2 o superior, mediante un control inteligente de la ventilación
- Disminuir en un 30% los tiempos de inactividad y respuesta ante fallos, usando alarmas, análisis de rendimiento o mantenimiento predictivos de los diferentes sistemas y equipos
- Diseñar una solución modular y flexible, adaptable y escalable a distintos tipos de terminales y demandas
- Optimizar horarios de funcionamiento de equipos según la ocupación y uso de las distintas zonas del aeropuerto, aprovechando las inercias térmicas del edificio para reducir la demanda energética
3. Desarrollo e implementación de ClimAI
El proceso de desarrollo e implementación de ClimAI se estructurará en cuatro horizontes, que van desde el desarrollo inicial de la solución hasta su escalabilidad a infraestructuras aeroportuarias. No obstante, el alcance de este trabajo académico se limita a los horizontes 1 y 2, con el objetivo de poner en funcionamiento el sistema en las oficinas de Instamusta, dejando fuera la escalabilidad a terminales aeroportuarias.
- Horizonte 1: desarrollo del sistema de IA y DL para la optimización energética
Diseño completo e implementación de la solución ClimaIA, basada en Inteligencia Artificial y Deep Learning, para optimizar el consumo energético en climatización, iluminación y ventilación de terminales aeroportuarias, reduciendo el consumo energético y mejorando las condiciones de confort en tiempo real. Se integrarán redes neuronales y algoritmos predictivos para anticiparse a las variaciones de demanda. Asimismo, el horizonte 1 incluye el diseño e integración de sensores (temperatura, CO₂, ocupación…) con software predictivo, para una gestión energética eficiente y adaptativa en tiempo real.
- Horizonte 2: prueba piloto en las oficinas centrales de Instamusta
Horizonte que permitirá verificar la viabilidad de la solución en un entorno controlado, evaluando el desempeño del sistema en la optimización energética, así como su capacidad de aprendizaje autónomo. Esta fase permitirá afinar los algoritmos, con el fin de mejorar la precisión y eficiencia, asegurando un despliegue exitoso en terminales aeroportuarias al ser capaz de trabajar de manera autónoma, sin intervención externa.
- Horizonte 3: escalabilidad a un aeropuerto de pequeñas dimensiones
Una vez validada la prueba piloto, lo siguiente será la escalabilidad de ClimAI a un aeropuerto de pequeñas dimensiones, como el Aeropuerto de Córdoba. En esta fase se seguirán puliendo los algoritmos y la infraestructura, con el fin de asegurar la eficacia y despliegue de ClimAI en entornos aeroportuarios reales.
- Horizonte 4: escalabilidad a aeropuertos grandes y complejos
Como objetivo final se busca la escalabilidad del sistema a aeropuertos con terminales grandes y complejas, donde será necesaria la integración de un mayor número de sistemas de climatización, iluminación y ventilación, con mayores desafíos de optimización energética. El objetivo es asegurar la flexibilidad y capacidad de adaptación e integración de ClimAI en aeropuertos complejos como Madrid-Barajas.
4. Plan de implementación de ClimAI en las oficinas de Instamusta S.L.
El plan de implementación de la solución ClimaIA en las oficinas de Instamusta se desarrollará a través de una serie de actividades fundamentales que, abarcarán desde un diagnóstico inicial hasta la mejora continua del sistema. Estas actividades están orientadas a garantizar que la prueba piloto en las oficinas sea exitosa, de modo que se puedan detectar posibles fallas y vulnerabilidades, y se desarrollen las soluciones pertinentes para garantizar una correcta escalabilidad a edificios terminales aeroportuarios.
4.1. Identificación de actividades a llevar a cabo
- Diagnóstico inicial: auditoría energética y evaluación de los sistemas existentes. Con ello, se buscará conocer el estado actual del consumo energético en las oficinas centrales y realizar un inventario de los sensores y sistemas existentes, lo que servirá de punto de partida para el despliegue.
- Diseño y desarrollo de la solución. Adaptación y adquisición de sensores para medir las variables clave que permitirán una optimización precisa del sistema: humedad, ocupación, calidad del aire y consumo energético. Una vez se cuenten con los sensores, se procederá al desarrollo software (IA/DL)
- Entrenamiento del sistema. Una vez configurado ClimAI, se recopilarán y analizarán datos energéticos y climatológicos históricos de las oficinas, algo determinante para el entrenamiento de los modelos predictivos (basados en tecnología IA y DL). Durante este proceso, se validarán los modelos predictivos, ajustando los algoritmos para una mejor precisión y adaptabilidad al entorno.
- Desarrollo de la prueba piloto del sistema. Con el sistema entrenado, se implementará en las oficinas de Esto implicará mapear detalladamente cada espacio, estudiar los patrones de uso por parte de los trabajadores y ajustar el sistema para que optimice el consumo y confort de forma específica en cada zona. Durante esta fase, se hará un seguimiento exhaustivo del funcionamiento del sistema, resolviendo en tiempo real cualquier desviación o incidencia para evitar posibles incidencias.
- Mejora continua de la herramienta. Una vez operativa ClimAI, se activará un ciclo de mejora continua, evaluando los resultados en términos de consumo, confort térmico, calidad del aire y percepción de los usuarios. A partir de los datos recogidos, se harán los ajustes y calibrados pertinentes en sensores, algoritmos o interfaces de usuario, para afinar el rendimiento del sistema.
4.2 Programación y faseado de las actividades
El despliegue de ClimAI en las oficinas de Instamusta se estructurará en seis fases secuenciales, que permitirán una correcta implementación y despliegue, validación y mejora continua del sistema.
|
Fase |
Descripción |
Duración |
| 1 | Diagnóstico energético y técnico de las instalaciones, mediante auditorías o visitas técnicas, inventarios de sensores existentes y recopilación de datos. | 4 semanas |
| 2 | Adquisición del hardware necesario (sensores) para monitorizar las variables clave, además del diseño y desarrollo preliminar del software de IA y DL | 6 semanas |
| 3 | Entrenamiento del software con datos históricos y pruebas en entornos simulados (Gemelos Digitales) para validar el funcionamiento del algoritmo | 5 semanas |
| 4 | Implementación del piloto en las oficinas de Instamusta, incluyendo puesta en marcha, integración y formación básica a los usuarios internos sobre el uso del sistema y la explotación de los datos de salida u outputs que genera | 3 semanas |
| 5 | Evaluación, mejora continua y ajuste de la herramienta, a través del análisis de los datos recopilados durante la implementación piloto | 4 semanas |
| 6 | Seguimiento del impacto del sistema mediante realización de informes periódicos que permitirán documentar todos los resultados de forma precisa | En paralelo con fase 5 |
4.3. Dotación de recursos
Para implementar ClimaIA en las oficinas de Instamusta, se requerirá una dotación equilibrada de recursos humanos, técnicos y económicos. Desde el punto de vista tecnológico, se utilizarán sensores IoT capaces de medir variables como temperatura, humedad, CO₂, ocupación o iluminación, junto con infraestructuras de red que garanticen la conectividad y el acceso a los datos. El sistema contará con servidores locales o en la nube para ejecutar los algoritmos, y se apoyará en herramientas como Python, TensorFlow o Power BI.
También será necesario contratar personal especializado en desarrollo de soluciones basadas en IA y DL, así como formar al personal interno en el uso, mantenimiento y supervisión del sistema. El presupuesto estimado para el piloto es de unos 45.000 euros, que cubrirán la adquisición de sensores, licencias de software, contratación de expertos y actividades de capacitación.
Se establecerán mecanismos de soporte técnico y comunicación con los usuarios durante la fase de despliegue y funcionamiento inicial, incluyendo canales digitales y materiales de formación. Además, se incorporarán herramientas de seguimiento y mejora continua mediante indicadores clave de rendimiento (KPI), los cuales permitirán evaluar el sistema y detectar posibles mejoras.
4.4. Identificación de los Indicadores Clave de Rendimiento (KPI)
Para evaluar el rendimiento de ClimaIA, se han definido una serie KPIs que permiten monitorizar el grado de cumplimiento de los objetivos establecidos. Estos indicadores se estructuran en torno a cinco dimensiones o áreas clave: eficiencia energética, confort ambiental, desempeño operativo, impacto económico y satisfacción del usuario.
- Eficiencia energética: evaluar la capacidad para reducir el consumo energético y huella de carbono
- Confort térmico y calidad ambiental: medir el grado en que ClimAI garantiza condiciones óptimas para el bienestar y la calidad del aire
- Desempeño operativo: valorar la eficiencia del sistema con relación al mantenimiento, la detección de fallos y la optimización del funcionamiento
- Impacto económico-financiero: evaluar el impacto económico de ClimAI en términos de ahorro y ROI
- Satisfacción del usuario: analizar la percepción y aceptación del sistema por parte de los ocupantes del edificio, esto es, trabajadores y pasajeros
|
Área Clave |
KPI |
Objetivo |
|
Eficiencia energética |
1) Reducción del consumo energético total 2) Reducción de emisiones de CO₂ 3) Ahorro energético por zona optimizada |
1) Reducción ≥ 15% respecto al consumo de referencia 2) Reducción ≥10 kg CO₂/m²/año (oficinas) o ≥ 5% anual (aeropuertos). 3) Seguimiento del consumo energético por zonas con control activo vs. zonas pasivas |
|
Confort térmico y calidad ambiental |
1) Porcentaje de tiempo con PPD 2) Porcentaje de tiempo en categoría IDA 2 o superior 3) Concentración media de CO₂ en horario laboral
|
1) PPD ≤ 15% 2) ≥ 90% del tiempo en condiciones de buena calidad del aire 3) Concentración ≤ 800 ppm |
|
Desempeño operativo |
1) Ratio de alarmas predictivas sobre correctivas 2) Tiempo medio de respuesta ante incidencias 3) Horas de funcionamiento innecesario evitadas por semana |
1) ≥ 70% de incidencias detectadas de forma anticipada 2) Reducción ≥ 30% 3) Cuantificar (sin objetivo establecido) |
|
Económico-financiera |
1)Ahorro económico anual derivado del menor consumo energético 2)Periodo de retorno de la inversión (ROI) |
1) Ahorro ≥ 10–15% de la factura energética anual 2) ≤ 3 años para la inversión inicial (oficina) ≤ 5 años (aeropuertos) |
|
Satisfacción del usuario |
1) Índice de satisfacción del usuario (mediante encuestas o paneles digitales) 2) Número de incidencias notificadas manualmente |
1) ≥ 80% de usuarios satisfechos con el confort térmico y calidad del aire 2) Reducción ≥ 50% |
4.5. Implementación de sistemas de seguimiento del desempeño de ClimAI
Para asegurar la sostenibilidad y eficacia del sistema, se implementará un sistema integral de monitoreo y mejora continua. Este incluirá paneles interactivos en tiempo real, alertas automáticas, y comparativas dinámicas de desempeño. Se realizarán revisiones mensuales de los KPIs durante la fase piloto, con análisis técnicos trimestrales y un informe anual consolidado.
Los resultados se comunicarán a la dirección de Instamusta mediante informes visuales comparativos y registros digitales automatizados de las decisiones tomadas. Además, se contemplan actualizaciones periódicas del sistema, reentrenamiento de modelos y mecanismos de retroalimentación activa por parte de los usuarios y técnicos.
Por último, se fomentará la comparación entre ubicaciones mediante benchmarking interno y, en el futuro, entre distintas terminales aeroportuarias, con el objetivo de replicar las mejores prácticas detectadas.
5. Conclusiones
La propuesta ClimaIA representa un paso firme hacia la transformación digital y sostenible de los edificios terminales de pasajeros en entornos aeroportuarios. Mediante la integración de tecnologías avanzadas como la IA, DL y sistemas de monitorización en tiempo real, el proyecto busca optimizar el consumo energético, mejorar el confort de los usuarios y garantizar una calidad ambiental adecuada, todo ello dentro de un marco de economía circular.
El desarrollo progresivo del sistema, estructurado en horizontes que van desde el diseño hasta su escalabilidad en aeropuertos de mayor complejidad, permitirá que ClimaIA no sólo actúe como una herramienta de eficiencia, sino también como una plataforma adaptable y predictiva. Esta capacidad de aprendizaje continuo, basada en datos históricos y condiciones en tiempo real, posiciona a ClimaIA como una solución viva, capaz de evolucionar con el entorno y anticiparse a las necesidades operativas.
La prueba piloto en las oficinas de Instamusta permitirá validar la funcionalidad y efectividad de la herramienta en un entorno controlado, para posteriormente garantizar una implementación segura, escalable y alineada con los estándares y retos propios del sector aeroportuario.
En última instancia, ClimaIA no sólo contribuye a la optimización de los recursos, sino que también refuerza el compromiso del sector con la sostenibilidad, la neutralidad climática y la digitalización, generando un impacto positivo tanto local como en red, en línea con los objetivos estratégicos del transporte aéreo del futuro.
