A lo largo de los últimos años ha aumentado la concienciación de la calidad del aire en espacios públicos cerrados como hospitales, colegios o residencias, ya que la calidad del aire que se respira en dichas instancias puede afectar a la salud de las personas que utilizan dichos espacios. Además, con la pandemia del SARS-CoV 19, esta preocupación ha aumentado debido a las vías de propagación del virus, siendo el aire una de ellas y por lo tanto, convirtiéndose en algo necesario cerciorarse de que el aire que se respira no es perjudicial para la salud. Es por ello que surgió el proyecto AIRSAFE, cuyo objetivo es garantizar que el aire de estancias de alto tráfico de personas como los espacios mencionados antes es óptimo en todo momento, evitando futuros problemas en la salud de las personas que los utilizan.
Este proyecto forma parte del programa HAZITEK, y ha tenido una duración de tres años, siendo el 2023 el último. Ha sido liderado por AIRLAN, empresa especializada en fabricación y manufacturación de equipos de aire acondicionado, formando un consorcio de empresas especializadas en el sector de la climatización (Fidegas, Giroa), proveedores de servicios de IT (Ingetek, ZYLK), empresas biotecnológicas (Biotalde, APA) y representantes de los ámbitos de aplicación del proyecto (Fundación Matía e Ikastolen Elkartea). Además, se ha contado con el apoyo científico de centros como Vicomtech, CEIT, Matía Instituto y ACLIMA, pertenecientes a la RVCTI.
Durante estos tres años de proyecto dentro del consorcio se han realizado varios desarrollos y prototipos de sensórica destinados a monitorizar y analizar la calidad del aire en interiores. En este caso, en ZYLK nos hemos encargado de varias tareas, las cuales incluyen el desarrollo de un modelo de IA capaz de predecir el CO2 en espacios cerrados, el desarrollo de un mecanismo encargado de llevar a cabo la calibración del modelo de IA para garantizar que produce resultados fiables y un módulo de analítica visual con interfaz gráfica de usuario que permite que tanto un usuario experto como no experto pueda visualizar tanto la calidad del aire del espacio que se está monitorizando como el rendimiento del modelo encargado de realizar las predicciones de CO2.
De esta manera, hemos logrado un conjunto de herramientas, que permite realizar la tarea de monitorizado de la calidad del aire interior de manera sencilla, tanto para usuarios expertos, más centrados en la calidad del modelo encargado de realizar predicciones de calidad del aire, como para usuarios corrientes que únicamente buscan la información referente al estado de la calidad del aire de manera rápida y visual. Además, también hemos añadido la posibilidad de recibir alertas por texto cuando se dé una situación de alarma, como por ejemplo un mal funcionamiento del modelo o cuando se ha detectado un riesgo de CO2 elevado en horas posteriores.
Este desarrollo nos ha hecho enfrentarnos a lo que supone desarrollar un modelo de aprendizaje automático con datos reales: el caudal de datos no siempre va a ser el óptimo, a veces habrá dificultades que repercuten en la recepción de los datos, habiendo temporadas sin poder recibirlos, y siempre habrá que realizar un preprocesado inicial para asegurar que los datos recibidos sean coherentes. Junto con esto, también hemos indagado en la rama de la monitorización continua y el mantenimiento de modelos de IA, buscando que el modelo de AIRSAFE produzca predicciones rigurosas en todo momento, lo cual también ha sido un reto. En definitiva, todo esto junto con el hecho de tener que desarrollar una interfaz gráfica de usuario que permita visualizar el fruto de todo este trabajo ha sido una experiencia fructífera para nosotros, lo cuál nos ha permitido crecer en el ámbito de la investigación y el desarrollo de modelos de aprendizaje automático.
Desde ZYLK seguimos trabajando en el desarrollo de innovadoras soluciones IoT que permitan el uso de diversos modelos de Inteligencia Artificial utilizando pequeños dispositivos, explorando nuevos métodos que permitan extender las capacidades de las metodologías tradicionales.
