La construcció és un dels sectors que més en compte té els càlculs i els sensors a l’hora de tirar endavant els seus projectes. No en va, qualsevol error en el disseny d’un pont, un edifici o un túnel pot tenir conseqüències catastròfiques. Tanmateix, malgrat que “es mesurava i es mesura molt”, l’enginyer geotècnic Cristian de Santos assenyala que “no s’analitzen aquestes dades de manera proactiva ni es modifica el disseny”. “Hi havia una desconnexió entre el disseny i la realitat que es traduïa en projectes sobredimensionats que feien servir més materials i generaven més CO₂ del necessari”, denuncia l’expert, motiu que el va dur a cofundar el 2016 amb el també enginyer Ignasi Aliguer l’empresa SAALG Geomechanics, una companyia que va sorgir amb l’objectiu de reduir la incertesa geotècnica de les empreses constructores.

DAARWIN és el nom que van escollir per denominar la plataforma web que van crear, el qual es basa en l’ús d’algoritmes d’aprenentatge automàtic i fusiona els programaris tradicionals de dissenys arquitectònics amb les dades captades pels sensors ja instal·lats a la maquinària. “Fem que els models comercials i les dades estiguin connectades i ajustem els paràmetres dels programaris comercials per predir realment el que està passant i passarà”, explica De Santos, CEO de la start-up. A partir de dades de treballs anteriors del client i de projectes públics d’arreu del món, el sistema genera un primer model del terreny preliminar, a partir del qual es fan diverses anàlisis per dilucidar els paràmetres més importants que s’han de tenir en compte. Amb la inclusió de les dades actualitzades que es van recollint a mesura que avança la construcció, s’aconsegueix un “disseny evolutiu” que permet calibrar les actuacions i optimitzar els temps del projecte.

SAALG Geomechanics neix el 2016 amb la voluntat de resoldre una “desconnexió entre el disseny i la realitat que es traduïa en projectes sobredimensionats que feien servir més materials i generaven més CO₂ del necessari”

El camí de SAALG Geomechanics per implementar DAARWIN al sector de la construcció no ha estat fàcil, i s’ha topat diverses vegades amb obstacles propis de la mateixa indústria: “Vam entendre que, a vegades, això no és interessant comercialment i depèn dels contractes que estipulen els projectes, sobretot a Espanya. Antigament, el negoci estava a trobar tots els defectes i indefinicions del projecte que ha fet un tercer i fer més coses que no s’han planificat, els famosos modificants. Si construïen el que deien els plànols, malament”. El sorgiment de nous contractes que afavoreixen una despesa menor i el contacte amb les companyies del sector han permès a la start-up catalana assentar-se, així com conèixer noves oportunitats de negoci dins de la mateixa indústria, com és el cas de les tuneladores.

L’oportunitat els va arribar de la mà d’Acciona, amb qui SAALG estava treballant en una calibració automàtica per a una gran excavació del metro de Quito (Equador). El conglomerat dedicat a l’enginyeria civil va explicar als fundadors de l’empresa que estaven preparant un concurs d’innovació per predir en temps real l’avenç d’una tuneladora en plena excavació, un repte que SAALG va acabar guanyant. “Vam desenvolupar científicament la part del model predictiu amb un algoritme d'aprenentatge automàtic, dissenyar l’arquitectura per connectar-nos a la base de dades de la tuneladora, processar les dades, fer les prediccions i donar-les en un format útil al conductor de la tuneladora”, explica el cofundador i director tecnològic de l’empresa, Ignasi Aliguer. Després d’aconseguir finançament a través del programa EIC Accelerator de la Comissió Europea i de la mateixa Acciona, SAALG afronta el 2025 com l’any de l’estrena comercial d’aquest nou programari.

Un producte a mida per estalviar “centenars de milers d’euros”

El nou sistema dissenyat per SAALG Geomechanics té un funcionament molt similar al producte dissenyat originalment per l’empresa i, de fet, s’ofereix també a través de la plataforma DAARWIN. La gran diferència és la seva especialització en els projectes d’excavació de túnels, basat sobretot en les dades que es fan servir per entrenar els models d’aprenentatge automàtic: “Ens calen dades que ens puguin indicar com està funcionant la màquina, com les revolucions del cap de tall de la màquina o l’empenta dels gats hidràulics cap al front, que t’ajuden a saber com d’estressada està la màquina. A part, també la informació de sensors de pressió, el material que s’injecta per davant i per darrere, la temperatura…”. “Bàsicament, quantes voltes dona, quanta força fa empenyent i quant li costa girar la roda”, resumeix De Santos. A aquesta informació pròpia de la tuneladora cal sumar-hi les dades geotècniques, aconseguides a través de sondejos o d’estacions geomecàniques amb què s’extreuen mostres per analitzar les propietats del terreny. Entre les dades que es tenen en compte, Aliguer en destaca la deformabilitat i la permeabilitat del terreny, així com l’abrasió, en cas que treballin amb roca.

De Santos: “Només que aconseguim millorar un 5 o un 10% el temps que la màquina està excavant, ja estalviem centenars de milers d’euros”

Amb totes aquestes dades, els algoritmes del sistema dissenyat per SAALG permeten calcular la velocitat a què la màquina avançarà donats uns paràmetres determinats, una informació de què el sector no disposava fins ara. “Només que aconseguim millorar un 5 o un 10% el temps que la màquina està excavant, ja estalviem centenars de milers d’euros. El fet de tenir en una plataforma totes les dades centralitzades, amb un motor de càlcul proactiu que et doni recomanacions i et permeti visualitzar què té influència i què no, perquè el pilot pugui prendre mesures, ajuda a ser més eficient”, afirma De Santos. La solució ha estat rebuda amb els braços oberts pel sector, i ja s’està fent servir en indrets tan allunyats com São Paulo (Brasil) o Polònia, i pròximament s’implementarà en un projecte a Sydney (Austràlia). Tant és així, que les mateixes empreses han fet veure un nou potencial de la seva solució dins de la indústria: l’anàlisi de projectes del passat per millorar els del futur. O, en paraules del CEO de SAALG, “treure tot el coneixement de l’experiència i no dependre de la persona que va estar en aquell projecte concret, que té la llibreta en paper amb els seus comentaris”. “Estem endreçant i digitalitzant tota la informació, que avui dia sembla obvi, però que en el sector de les tuneladores no era un estàndard”, remarca.

A hores d’ara, l’equip considera la solució tecnològica completada, ja que l’arquitectura del programari, els algoritmes i el front-end de l’aplicació ja estan desenvolupats. Tanmateix, De Santos identifica l’alta personalització de les tuneladores del sector com un pas que cal tenir en compte: “El 80% de les màquines en marxa es fabriquen estrictament per a un projecte en concret, i les especificacions venen per les característiques del terreny, la longitud, etc. La nostra tecnologia requereix d’un set-up potent, ja que cada fabricant posa sensors diferents i tot això ho hem de modificar”. Sigui com sigui, la implementació de la solució no requereix, en principi, la instal·lació de nou hardware o sensors, i simplement cal afegir una formació tècnica als operadors de la tuneladora “per explicar-los com funciona i entendre quines funcionalitats necessiten”. “El repte tecnològic l’hem superat. Ara, sabent que estem en una indústria que li fa por el risc i la innovació, el repte és ara mostrar casos d’estudi i fer que això s’utilitzi de manera comercial”, assegura De Santos.