Rāpo, staigā, skrien: mākslīgā intelekta (AI) darbināmas ēkas

Ēku efektivitātes maksimizēšanas process ir pakāpenisks. Tāpat kā cilvēkiem ir jāiemācās rāpot un pēc tam staigāt, pirms viņi var skriet, ēku vadītājiem vispirms ir jāapkopo atbilstoši bāzes dati par enerģijas patēriņu, kas saistīts ar tādām sistēmām kā HVAC un apgaismojums. Kā mēs visi zinām, ja jūs to nevarat izmērīt, jūs to nevarat salabot.

Pēc tam ēku vadītāji var izmantot savāktos datus, lai veiktu pakāpeniskus uzlabojumus tādās jomās kā energoefektivitāte, darbība un komforts.

“Skriet” ēkas pārvaldības kontekstā notiek, kad dati no dažādiem avotiem ēkā un pat vairākās ēkās tiek integrēti, analizēti un darbināti reāllaikā, autonomi, pamatojoties uz mākslīgo intelektu (AI).

Manuprāt, ēku nākotne ir šāda - ilgtspējīgas, autonomas ēkas ar zemākām uzturēšanas izmaksām.

Dažos veidos šī nākotne ir pienākusi

Sensoru izvietošana un pievienošana

Lielākais šķērslis ilgtspējīgākām un ienesīgākām ēkām rada datu trūkums par ēku sistēmām un darbībām. Mums ir jārisina datu vākšana gan pirmajā, gan otrajā fāzē, un tas tiek darīts, izvietojot Sensors un izveidojot savienojumu ar esošo lokālo ēku pārvaldības sistēmu.

HVAC sistēmas patērē līdz 70% no ēkās patērētās enerģijas gadā, un tādu faktoru mainīgums kā gaisa plūsma, mitrums, spiediens un temperatūra ietekmē sistēmu darbību. Sensors, kas izseko tādus mainīgos lielumus kā šie, rada informācijas krājumu, ko mākslīgā intelekta (AI) algoritmi var izmantot, lai sasniegtu efektivitātes līmeni, kas citādi nebūtu iespējams. Tāpat noslogojuma un kustības Sensors var ģenerēt reāllaika datus par ēkas izmantošanu, ko var izmantot, lai uzlabotu efektivitāti.

Datu vākšana ir ļoti svarīga, un datu apkopošana no vairākiem avotiem, piemēram, ēku automatizācijas un ēku pārvaldības sistēmām, reizina jūsu spēju uzlabot rentabilitāti un efektivitāti vienā ēkā un arī starp vairākām ēkām portfelī. Tā kā ēkas ir atbildīgas par 40% no kopējā enerģijas patēriņa visā pasaulē, enerģijas patēriņa samazināšanai šajā nozarē ir ietekme uz klimatu globālā mērogā.
Mākslīgā intelekta (AI) iespējota analīze var arī palīdzēt samazināt sistēmas dīkstāves laiku un uzlabot efektivitāti, atklājot anomālu uzvedību sistēmas komponentos, piemēram, vārstos, un aktivizējot apkopes brīdinājumu.

Tā kā Building X ēkas algoritmu uzturēšana un pārkvalifikācija notiek automātiski, modeļi turpina saglabāt savu precizitāti, mainoties apstākļiem un ar tiem saistītajiem datiem. Mēs uzskatām, ka labākais mākslīgais intelekts (AI) ir tas, kas darbojas fonā un ļauj klientiem koncentrēties uz savu biznesu.

Mums ir iebūvēti algoritmi Building X ēkā, kas ļauj veikt zināma līmeņa optimizāciju attiecībā uz apmēram duci dažādu Sustainability aspektu, dažādiem enerģijas patēriņa aspektiem un dažādiem Security un darbības aspektiem. Tas ir ceļojums, un mēs tikko esam sākuši šo ceļojumu.

Nākotnes iespējas ar autonomu uzvedību

Ņemot vērā nepieciešamību paplašināt Smart infrastructure un automatizācijas Solutions ēkām, kurās to joprojām trūkst, mēs esam uzsākuši Siemens Xcelerator. Building X ir daļa no šīs atvērtās digitālās biznesa platformas, kas ļauj klientiem paātrināt Digital transformation vieglāk, ātrāk un mērogā. Siemens Xcelerator ir mūsu aicinājums partneriem, klientiem un izstrādātājiem sadarboties un padarīt mākslīgo intelektu (AI) rūpniecisku. Tā kā tiek izvietots vairāk sensoru un mākslīgais intelekts (AI) kļūst jaudīgāks, mēs iedomājamies papildu iespējas padarīt ēku pārvaldību ilgtspējīgāku, produktīvāku un ienesīgāku.

Mūsdienās mākslīgais intelekts (AI) var proaktīvi atklāt kļūdas pirms to rašanās, taču nākotnē to varētu konfigurēt, lai veiktu tādas darbības kā darba pasūtījuma iedarbināšana, pamatojoties uz tā apkopotajiem datiem. Tas varētu arī optimizēt telpas izmantošanu, lai veicinātu energoefektivitāti, ierosinot darbiniekiem darba vietas ēkā, lai tie būtu koncentrēti centrālajā zonā, kas tiek apsildīta vai atdzesēta atkarībā no sezonas.

Tomēr, tā kā mākslīgais intelekts (AI) kļūst autonomāks, tas joprojām vadīsies pēc parametriem, kurus ēku vadītāji tam definē. Algoritmi varētu pielāgot gaisa apmaiņas ātrumu, lai aizsargātu iedzīvotāju veselību, piemēram, aukstuma un gripas sezonā, vai arī ēkas īpašnieks varētu virzīt sistēmu optimizēt HVAC komponentus, lai pagarinātu sistēmas kalpošanas laiku.

Trešais posms ir autonoma uzvedība, kur tas viss notiek pastāvīgi. Mums vēl ir ilgs ceļš, lai pievienotu vairāk iespēju un optimizētu katru ēkas aktīvu. Potenciālie ieguvumi organizāciju apakšējām līnijām un videi, kas mums visiem ir kopīga, ir milzīgi.

Rahuls Čillars ir Siemens Smart Infrastructure vecākais viceprezidents un Building X vadītājs