Crawl, Walk, Run: budovy poháňané AI

Proces maximalizácie efektívnosti budov je postupný. Rovnako ako sa ľudia musia najskôr naučiť plaziť a následne chodiť, než môžu behať, správcovia budov musia najskôr zhromaždiť relevantné východiskové údaje o spotrebe energie spojenej so systémami, ako sú HVAC a osvetlenie. Ako je známe, čo nie je možné merať, nie je možné ani zlepšiť.

Následne môžu správcovia budov využiť zhromaždené údaje na postupné zlepšovanie v oblastiach, ako sú energetická efektívnosť, prevádzka a komfort.

„Running“ v kontexte správy budov nastáva v momente, keď sú údaje z rôznych zdrojov v rámci budovy aj naprieč viacerými budovami integrované, analyzované a spracovávané v reálnom čase, autonómne na základe AI.

Podľa môjho názoru je budúcnosť budov nasledovná: udržateľné, autonómne budovy s nižšími nákladmi na údržbu.

V určitom zmysle už táto budúcnosť nastala.

Nasadenie a prepojenie senzorov

Najväčšou prekážkou pre dosiahnutie udržateľnejších a ziskovejších budov je nedostatok údajov o systémoch a prevádzke budov. Zhromažďovanie údajov je potrebné zabezpečiť v prvej aj druhej fáze, čo sa realizuje nasadením senzorov a prepojením s existujúcim lokálnym systémom riadenia budovy.

Systémy HVAC spotrebujú až 70 % ročnej energie v budovácha variabilita faktorov, ako sú prúdenie vzduchu, vlhkosť, tlak a teplota, ovplyvňuje výkon systémov. Senzory sledujúce tieto premenné vytvárajú rozsiahly súbor údajov, ktorý môžu AI algoritmy využiť na dosiahnutie vysokej úrovne efektívnosti. Podobne senzory obsadenosti a pohybu generujú údaje v reálnom čase o využívaní budovy, ktoré možno využiť na zvýšenie efektívnosti.

Zhromažďovanie údajov je kľúčové a agregácia údajov z viacerých zdrojov – napríklad zo systémov automatizácie a riadenia budov – znásobuje schopnosť zvyšovať ziskovosť a efektívnosť v rámci jednej budovy aj naprieč viacerými budovami v portfóliu. Keďže budovy sú zodpovedné za 40 % celkovej spotreby energie na celom svete, znižovanie spotreby energie v tomto sektore má globálne klimatické dôsledky.
Analytika s podporou AI môže prispieť k zníženiu prestojov systémov a zvýšeniu efektívnosti prostredníctvom detekcie anomálneho správania komponentov, ako sú ventily, a následného generovania upozornení na údržbu.

Keďže údržba a pretrénovanie algoritmov Building X prebiehajú automaticky, modely si zachovávajú presnosť aj pri zmene podmienok a súvisiacich údajov. Predpokladá sa, že najefektívnejšia AI pracuje na pozadí a umožňuje zákazníkom sústrediť sa na ich hlavné činnosti.

Algoritmy integrované v Building X umožňujú optimalizáciu rôznych aspektov udržateľnosti, spotreby energie, bezpečnosti a prevádzky. Ide o postupný proces, ktorý sa ešte len začína.

Budúce príležitosti s autonómnym správaním

Vzhľadom na potrebu rozšíriť riešenia inteligentnej infraštruktúry a automatizácie aj do budov, ktoré ich zatiaľ nevyužívajú, bol spustený Siemens Xcelerator. Building X je súčasťou tejto otvorenej digitálnej obchodnej platformy, ktorá umožňuje zákazníkom urýchliť digitálnu transformáciu efektívne a vo veľkom rozsahu. Siemens Xcelerator predstavuje výzvu pre partnerov, zákazníkov a vývojárov na spoluprácu a rozvoj AI na priemyselnej úrovni. S rastúcim počtom nasadených senzorov a zvyšujúcim sa výkonom AI vznikajú nové možnosti pre zlepšenie udržateľnosti, produktivity a ziskovosti správy budov.

Dnes dokáže umelá inteligencia proaktívne odhaliť chyby skôr, ako k nim dôjde, ale v budúcnosti by mohla byť nakonfigurovaná tak, aby na základe zhromaždených údajov vykonávala akcie, ako je napríklad spustenie pracovného príkazu. Mohla by tiež optimalizovať využitie priestoru na podporu energetickej účinnosti navrhovaním pracovných miest pre zamestnancov v budove tak, aby boli sústredení v centrálnej oblasti, ktorá je vykurovaná alebo chladená v závislosti od ročného obdobia.

Aj keď sa AI stáva autonómnejšou, bude naďalej riadená parametrami definovanými správcami budov. Algoritmy môžu napríklad upravovať mieru výmeny vzduchu na ochranu zdravia užívateľov počas chrípkových a nachladnutí sezón, alebo môže vlastník budovy nastaviť systém tak, aby optimalizoval komponenty HVAC s cieľom predĺžiť životnosť systému.

Tretia fáza predstavuje autonómne správanie, kde sa všetky tieto procesy vykonávajú samostatne a nepretržite. Stále nás čaká dlhá cesta pri rozširovaní schopností a optimalizácii každého jednotlivého aktíva budovy. Potenciálne prínosy – pre hospodárske výsledky organizácií aj pre životné prostredie, ktoré všetci zdieľame – sú obrovské.

Rahul Chillar je senior viceprezident a vedúci Building X v Siemens Smart Infrastructure.