Dijital ikizlerin uç yapay zekâ ile birleşimi, akıllı binaların operasyonel giderlerini azaltma konusunda yetenekli olduğunu kanıtladı. Ticari gayrimenkul ve kampüs ortamlarında, cihazların bekleme veya boşta modunda tükettiği enerjiyi ifade eden hayalet yük, bir binanın toplam enerji profilinin yüzde 32’si kadarını oluşturabiliyor. Önceki araştırmalar, ofis binalarında kullanılan elektriğin üçte birinin bu hayalet güce atfedilebileceğini gösteriyor. İş liderleri için ilk adım genellikle bu her zaman açık varlıkların denetimi olsa da, merkezi olmayan cihaz yönetiminin yüksek koordinasyon maliyetleri nedeniyle fiş düzeyinde belirli bir kontrol sağlamak zor olmaya devam ediyor.
Glasgow Üniversitesi James Watt Mühendislik Okulu’ndan mühendisler, iş sürekliliğini bozmadan bu israfı ele almak için tasarlanmış dijital bir aracın prototipini geliştirdi. Çalışmaya liderlik eden Dr. Ahmad Taha, iklim sorunları üzerindeki küçük, kolektif eylemlerin büyük etkiler yaratabileceğini ve hayalet güç kullanımının bu tür bir eylem için açık bir aday olduğunu belirtti. Zorluk genellikle boş yere güç harcayan bir cihaz ile hızlı yeniden etkinleştirme için gerekli düşük güç durumunda olan bir cihazı ayırt etmekte yatar. Geleneksel ikili kontrol sistemleri bağlamdan yoksun oldukları için genellikle başarısız olur ve kullanıcı hayal kırıklığına yol açar.
Akıllı binalar için önerilen Uç Özellikli Dijital İkizler (EEDT) sistemi, ek içgörüler ve otomasyon için yapay zekânın kullanılabildiği yerel bir uç sunucuda fiziksel varlıkların sanal bir temsilini oluşturarak bunu ele alıyor. Verileri bulut yerine yerel olarak işleyen EEDT, bireysel kullanım kalıplarını izlemeyle ilgili gizlilik risklerini azaltırken gerçek zamanlı kontrol için gereken düşük gecikmeyi sağlıyor. Bu yaklaşımdaki temel fark, kural tabanlı otomasyondan bulanık mantık (fuzzy logic) yaklaşımına geçiştir. Sistem, LoRaWAN protokolünü kullanan akıllı enerji sensörlerinden veri çekiyor ve 27 optimize edilmiş kurala dayalı bir karar verme çerçevesi kullanıyor.
Sistem, belirli bir süreden sonra gücü kesmek yerine üç temel metriği hesaplıyor. Kullanıcı Alışkanlığı Puanı, davranışsal rutinleri anlamak için kullanım olasılığını ve kararlılığını analiz ediyor. Cihaz Aktivite Puanı, mevcut eylemsizliği değerlendirmek için bekleme süresini ve son aktif durumdan bu yana geçen süreyi entegre ediyor. Güven Puanı ise sistemin eksik bilgiyle hareket etmemesini sağlamak için veri güvenilirliğini ölçüyor. Bu girdiler, dijital ikizin anında kapatma, gecikmeli karar, kullanıcı bildirimi veya mevcut durumu koruma gibi esnek kararlar almasına olanak tanıyor. Sistem uzun süreli boşta kalma süreleri tespit ettiğinde, kullanıcıların uzaktan çalışma yapıp yapmadığını veya arka plan işlemleri yürütüp yürütmediğini belirlemek için ekranlarına bir bilgi istemi gönderiyor.
Araştırmacılar sistemi bir üniversite araştırma laboratuvarında konuşlandırdı ve sonuçlar, dijital ikizler kullanan akıllı uç yapay zekâ yönetimi için sağlam bir iş durumu sundu. Dağıtım, izlenen iş istasyonu başına haftalık güç tüketiminde yaklaşık yüzde 40,14 oranında bir azalma gösterdi. Özellikle hayalet yükleri hedefleyen bulanık karar verme çerçevesi, yüzde 82’ye varan bir azalma sağladı. 2025 Temmuz ayı itibarıyla Birleşik Krallık elektrik fiyat tavanı baz alındığında, bu sistemin 500 cihazda konuşlandırılmasının yıllık 9.000 sterlini aşan tasarruf sağlayacağı öngörülüyor.
Dr. Taha, anında enerji tasarrufunun ötesinde, varlık yaşam döngüsü yönetimiyle ilgili ikincil bir finansal faydaya da dikkat çekiyor. Cihazların elektrik kullanımını azaltarak, eski cihazların daha yeni, daha enerji verimli olanlarla değiştirilme ihtiyacının azalabileceğini ve bunun da giderek zorlaşan ekonomik ortamda kuruluşların ekipman maliyetlerinden tasarruf etmesine yardımcı olabileceğini belirtiyor. Sistemin teknik uygulaması, mesajlaşma için bir MQTT aracısı, veri ayrıştırma için Node-RED ve zaman serisi depolama için InfluxDB barındıran Docker konteynerlerini kullanan konteynerleştirilmiş bir uç mimariye dayanıyor.
Sistem ayrıca, donanım aşınmasını ve kullanıcı rahatsızlığını önlemek için Salınım Önleyici Filtre içeriyor ve bir sonraki günün tüketim eğilimini tahmin etmek için Uzun Kısa Süreli Bellek (LSTM) derin öğrenmesini kullanan bir tahmin modülü entegre ediyor. Bu kısa vadeli tahmin modellerinin entegre edilmesi, tesis ekiplerinin en yüksek yükleri sadece tepki vermek yerine önceden tahmin etmelerini sağlıyor. Bu çalışma bir üniversite ortamına odaklansa da mimari, fiş yüklerinin yönetilmediği kurumsal ofislere, sağlık tesislerine ve endüstriyel ortamlara doğrudan aktarılabilir niteliktedir.
