向无碳世界的转变，极大地改变了我们处理项目的方式，并评估我们在汽车制造业当前的运营模式. 技术是向更智能建筑过渡的关键推动因素, 自动驾驶和零排放汽车.
越来越多的汽车制造商正在设计, 工程和生产电动汽车(EV). 最近的一次 研究 国际清洁交通委员会的报告显示，2010年至2020年，全球电动车产量超过1000万辆. Wood的专家自动化团队目前正在与众多原始工程制造商(oem)合作，以创建新的电动汽车生产设施，或将现有的化石燃料发动机生产线转换为电池驱动的发动机生产线.
然而，在与转让有关的控制方面有一些相似之处, 我们的视觉系统和防错团队发现，制造过程的某些部分已经被简化. 传统的发动机依靠内燃来产生动力. 随着电动汽车的出现, 内燃机已被电力所取代, 因此，需要监控的移动量减少了.
外的汽车, 此外，越来越多的人采用技术驱动的数据管理实践来减少行业的碳足迹. 对于有远程基础设施和后勤调度问题的客户来说尤其如此. 今天, 人工智能等新技术已经改变了传统的数据收集方法, 使客户能够在SCADA系统甚至移动设备上分析数据.
这方面的一个重要例子是弗吉尼亚州东南部的一个固体废物管理机构，它必须根据一个固定的时间表安排油罐车前往他们偏远的设施，从他们的罐中清除渗滤液. 当这个过程起作用的时候, 由于许多坦克仍然有过剩的容量，这导致了坦克浪费的行程，因此效率不高. 该机构需要减少由准确调度油罐车产生的碳足迹, 以及防止油箱溢流，保护自己的资产.
我们与该机构合作，创造了一个由太阳能驱动的低功率远程终端设备, 蜂窝物联网板，收集罐内液位. 然后，数据被传输到云架构，在云架构中，警报被实时推送给用户，以获得最佳的油罐车调度和信息. 有现成的数据, 不再需要人工检查和提供给远程操作. 现在，我们的客户可以有效地安排物流. 这意味着更少的碳、更少的时间和更少的成本.
这进一步表明，需要有适当的基础设施来支持最好的技术，从而实现向无碳环境的过渡. 对净零经济的推动无疑已经促使制造业和工业行业彻底审查和改进他们目前的产品和生产实践. 作为回报, 我们可以期待在自动化和数据管理方面的进一步投资，以充分实现实现碳中和的目标.