RSP – EcoAssist
Periodo del proyecto: del 1 de septiembre de 2024 al 31 de diciembre de 2026
El proyecto de investigación para la optimización de los análisis del ciclo de vida (LCA) se centra en el desarrollo de un sistema basado en datos y con fundamentos tecnológicos que permita realizar análisis precisos. El primer paso consiste en recopilar y estructurar de forma sistemática los datos de emisiones relevantes procedentes de diversas fuentes, como bases de datos, informes y artículos científicos. Estos datos se transfieren a formatos uniformes y se visualizan en un modelo de datos relacional para garantizar su coherencia y trazabilidad. Sobre esta base, se formulan requisitos específicos y un conjunto de normas que sirven de base metodológica para el desarrollo posterior.
Para apoyar los procesos de análisis y modelización, se está desarrollando un conjunto de herramientas modulares que permiten realizar tareas basadas en datos, como automatizaciones y visualizaciones. Además, se están creando algoritmos de aprendizaje automático que analizan estructuras de datos complejas y mejoran iterativamente la lógica de recopilación de datos. La evaluación de esta lógica se lleva a cabo tanto de forma teórica como mediante simulaciones, con el fin de comprobar su precisión y solidez en condiciones realistas.
Para presentar los resultados de forma transparente, se utilizan herramientas de código abierto para el modelado y la visualización. Al mismo tiempo, se desarrollan algoritmos basados en ponderaciones que permiten tomar decisiones basadas en datos y derivar medidas para optimizar el impacto medioambiental. La integración de una base de datos vectorial y modelos de lenguaje grandes (LLM) constituye la base de un sistema escalable y potente que admite tanto la recuperación de conocimientos como el análisis de datos complejos.
El proyecto concluye con la verificación del sistema mediante pruebas exhaustivas que garantizan su funcionalidad y facilidad de uso. La documentación detallada del proyecto garantiza la trazabilidad de los métodos y resultados, y ofrece una base sólida para futuras aplicaciones y desarrollos.
