Şu anda hangi arıza oluşmaya başlıyor?

01Yapay zeka destekli bina yönetim sistemi gerçekte ne yapar? Kıyaslama, tahminleme, anomali tespiti, uyumluluk çıktısı

Yapay zeka destekli bina yönetim sistemi yeni bir BMS değildir. Sektörde çoğu zaman yapay zeka bina otomasyonu diye anılsa da, mevcut sistemlerin üstünde çalışan bir bina veri analitiği yazılımı katmanıdır. Binayı işletmeye BMS'niz, mekanik tesisat odanızı çalıştıran DDC (direkt dijital kontrol) kontrol cihazlarınız ve sayaçlarınız devam eder. Yapay zeka katmanı, bu sistemlerin zaten ürettiği veriyi birleştirildikten sonra okur ve BMS'nin hiçbir zaman tasarlanmadığı dört işi yapar.

Dört iş aşağıda sıralanmıştır ve liste bundan ibarettir. puniq'in AI Optimization aboneliği, okunabilir ve üreticiden bağımsız bir veri katmanı üzerinde tam olarak bu dördünü yapar. Her birinin pratikte ne anlama geldiği binalarda yapay zeka: tahminleme, anomali tespiti ve FDD yazısında ele alınıyor.

• Kıyaslama: her ekipman, kat ve sistem kendi geçmişine ve portföye göre puanlanır.
• Tahminleme: zaman serisi modelleri yükü, tüketimi ve puant talebi günler öncesinden tahminler.
• Anomali tespiti: bir ekipmanın normal imzası bozulduğunda uyarı verilir.
• Uyumluluk çıktısı: tek tıkla sayaç verisi yapılandırılmış raporlamaya dönüşür, yıllık tahminlere değil.

02Her üretici için ayrı bir panel değil, binanın tüm sistemleri için tek yapay zeka platformu

Yapay zeka pilot projeleri genellikle tek bir sistemi kapsar. Chiller üreticisi soğutma grupları için analitik sunar, sayaç üreticisi sayaçlar için bir portal verir. Her biri binanın yalnızca bir dilimine bakan bir akıllı bina yapay zeka platformudur ve hiçbiri, klima santrali (AHU) damperleri açık kaldığı için soğutma gruplarının daha çok zorlandığını göremez.

Bir bina zekası platformu adını ancak HVAC sistemlerini, sayaçları, aydınlatmayı ve geçiş kontrolünü tek bir modelde okuduğunda hak eder: her nokta bir kez adlandırılmış, zaman ekseninde hizalanmış ve kendi kontrol cihazına kadar izlenebilir olmalıdır. Data Auditor'ın ürettiği tam olarak budur; AI Optimization'ın da ancak bina konuşabildiğinde çalışmasının nedeni budur. Çok üreticili bir binanın tek açık katmanda nasıl birleştirildiğine bakın.

Mekanik tesisat odasında ister bir Siemens BMS ister ayrık bir Schneider Electric adası çalışsın, hiçbir şey sökülmez. Çok sayıda tesise yayılan portföylerde kıyaslamayı tesis yönetimi veri katmanı üstlenir.

03Kestirimci bakım yazılımı ve arıza tespit ve teşhis (FDD)

Arıza tespit ve teşhis, bir arızayı henüz bir eğilimken yakalamak demektir. Bir soğutma grubunun ton başına kW değeri haftalarca sapar, bir pompanın akım imzası değişir. BMS alarmı ancak eşikte çalar. FDD ise örüntüyü daha o noktaya gelmeden okur.

puniq'in anomali tespiti, yük ve mevsimsellik için ekipman bazında bir referans çizgisi öğrenir, imzası bozulan ekipmanları sıralar ve nedenini açıklar: bu hafta hangi ekipmanın mühendise ihtiyacı var ve kanıtı nedir. BMS anomali tespiti işte bu noktada bir kestirimci bakım yazılımına dönüşür. puniq'in kurucusu Waddah Zekri, HOOTS sensorsystems'te gerçek enerji altyapısı üzerinde kestirimci bakımı hayata geçirdi ve TU Dresden'de LSTM ile SARIMA tahminleme üzerine araştırma yaptı; bu katmanın doğrudan atası o çalışmadır.

En net örnek bir bina değil, enerji altyapısıdır. HOOTS transformatör izleme projesinde aynı yöntem, gösterge niteliğinde 2 ila 4 hafta daha erken uyarı ve plansız servis çağrılarında gösterge niteliğinde %30 ila %45 düşüş hedefiyle tasarlandı; bunlar tek bir sahadan alınmış denetlenmiş sonuçlar değildir. Kendi tesisiniz için rakamı görmek isterseniz kestirimci bakım tasarruf hesaplayıcısını çalıştırın.

04Okunabilir, üreticiden bağımsız bir veri katmanı üzerinde yapay zeka ile enerji yönetimi

Bir Suudi binasında en büyük enerji kalemi soğutmadır; bu yüzden yapay zeka ile enerji yönetimi büyük ölçüde chiller çalışma saatleri, kWh ve puant talep günleri üzerinedir. Kıyaslama, hangi katın, hangi soğutma grubunun ya da hangi binanın kendi geçmişiyle uyumsuz olduğunu gösterir. Anomali tespiti, bir Riyad yazında elle geçersiz kılınıp bir daha eski haline döndürülmeyen çalışma programını yakalar.

Bunların hiçbiri tahmin üzerine kurulmaz. Tahminler ve puanlar, kendilerini besleyen sayaçlar ile kontrol cihazları kadar iyidir; bu yüzden puniq herhangi bir model çalışmadan önce okunabilir katmandan, yani yerinde kurulumdan (on-premises) başlar. Genel rakam %40, yani birleşik ve optimize edilmiş bir binadan kaldırılabilen enerji israfıdır. Gerçek sayıyı kendi sayaçlarınız belirler.

Puant talep azaltma hesaplayıcısı, talep tarafını kendi yük rakamlarınızla fiyatlandırır. Alt sayaç sistemi ve denetlenebilir enerji verisi için enerji yönetim sistemi sayfasına bakın.

05Otonom bina kontrolü mü, danışman yapay zeka mı? Neden son onay her zaman bir insanda

Çok sayıda mal sahibi aramalarında otonom bina kontrolü ifadesini kullanıyor. Bunun pratikteki karşılığı genellikle set değerlerini kendi başına yazan bir modeldir. puniq'in yapay zeka katmanı ise tasarımı gereği yalnızca danışman rolündedir ve döngüde her zaman bir insan vardır. Kontrolörlerinize doğrudan dokunmaz, mekanik tesisin ya da güvenlik sistemlerinin otonom kontrolünü üstlenmez ve önerilen her eylemi bir insan onaylar.

Bu bilinçli bir mühendislik tercihidir. Bir önerinin gerekçesini gören operatör daha hızlı hareket eder. 45 derecelik bir öğleden sonra bir set değerini sessizce değiştirip yanılan bir model ise konfora ve kiracılara mal olur. Aynı tercih, katmanı tasarımı gereği BSI C5 (Alman bulut güvenliği kataloğu) ve NIS2 (AB ağ güvenliği direktifi) denetim kapsamının dışında tutar.

Bunun yerine elinize sıralanmış bir liste, bir tahmin ve her birinin arkasındaki kanıt geçer. Birleşik kontrolün kendini nasıl amorti ettiğini okuyun, ardından binanızı bina zekası hazırlık karnesiyle puanlayın.