Bò – Đi – Chạy: Lộ trình vận hành tòa nhà bằng AI

Quá trình tối đa hóa hiệu quả của các tòa nhà là một quá trình gia tăng. Cũng giống như mọi người phải học cách bò và sau đó đi bộ trước khi họ có thể chạy, các nhà quản lý tòa nhà trước tiên phải thu thập dữ liệu cơ bản có liên quan về mức tiêu thụ năng lượng liên quan đến các hệ thống như HVAC và ánh sáng. Như chúng ta đều biết, nếu bạn không thể đo lường nó, bạn không thể sửa nó.

Tiếp theo, các nhà quản lý tòa nhà có thể sử dụng dữ liệu họ đã thu thập được để thực hiện các cải tiến gia tăng trong các lĩnh vực như hiệu quả năng lượng, hoạt động và sự thoải mái.

“Chạy”, trong bối cảnh quản lý tòa nhà, diễn ra khi dữ liệu từ các nguồn khác nhau trong một tòa nhà và thậm chí trên nhiều tòa nhà được tích hợp, phân tích và xử lý trong thời gian thực, tự chủ dựa trên AI.

Theo quan điểm của tôi, tương lai của các tòa nhà là như sau: các tòa nhà tự trị, bền vững với chi phí bảo trì thấp hơn.

Theo một cách nào đó, tương lai đó đã đến

Triển khai và kết nối cảm biến

Rào cản lớn nhất đối với các tòa nhà bền vững và có lợi nhuận hơn đến từ việc thiếu dữ liệu về các hệ thống và hoạt động của tòa nhà. Chúng tôi phải giải quyết việc thu thập dữ liệu, cả trong giai đoạn một và giai đoạn hai, và điều đó được thực hiện bằng cách triển khai các cảm biến và kết nối với hệ thống quản lý tòa nhà tại chỗ hiện có.

Hệ thống HVAC tiêu thụ tới 70% năng lượng hàng năm được sử dụng trong các tòa nhà, và sự thay đổi trong các yếu tố như lưu lượng không khí, độ ẩm, áp suất và nhiệt độ ảnh hưởng đến hiệu suất của các hệ thống. Các cảm biến theo dõi các biến như thế này tạo ra một kho thông tin có thể được khai thác bởi các thuật toán AI để đạt được mức hiệu quả không thể thực hiện được. Tương tự, cảm biến lưu trú và chuyển động có thể tạo ra dữ liệu thời gian thực về việc sử dụng tòa nhà có thể được tận dụng để nâng cao hiệu quả.

Thu thập dữ liệu là rất quan trọng và việc tổng hợp dữ liệu từ nhiều nguồn - chẳng hạn như tự động hóa tòa nhà và hệ thống quản lý tòa nhà - nhân lên khả năng nâng cao lợi nhuận và hiệu quả trong một tòa nhà duy nhất và giữa một số tòa nhà trong danh mục đầu tư. Bởi vì các tòa nhà chịu trách nhiệm cho 40% tổng mức sử dụng năng lượng trên toàn thế giới, giảm tiêu thụ năng lượng trong lĩnh vực này có tác động đến khí hậu toàn cầu.
Phân tích hỗ trợ AI cũng có thể giúp giảm thời gian ngừng hoạt động của hệ thống và nâng cao hiệu quả bằng cách phát hiện hành vi bất thường trong các thành phần hệ thống như van và kích hoạt cảnh báo bảo trì.

Bởi vì việc duy trì và đào tạo lại các thuật toán Building X xảy ra tự động, các mô hình tiếp tục duy trì độ chính xác của chúng khi các điều kiện và dữ liệu liên quan của chúng thay đổi. Chúng tôi tin rằng AI tốt nhất là AI hoạt động ở chế độ nền và cho phép khách hàng tập trung vào hoạt động kinh doanh của họ.

Chúng tôi có các thuật toán được tích hợp trong Building X cho phép bạn thực hiện một số mức độ tối ưu hóa trên hàng chục khía cạnh khác nhau của tính bền vững, về các khía cạnh khác nhau của tiêu thụ năng lượng và về các khía cạnh khác nhau của bảo mật và hoạt động. Đó là một cuộc hành trình, và chúng tôi mới bắt đầu cuộc hành trình đó.

Cơ hội trong tương lai với hành vi tự chủ

Với quan điểm bắt buộc phải mở rộng cơ sở hạ tầng thông minh và các giải pháp tự động hóa cho các tòa nhà vẫn còn thiếu chúng, chúng tôi đã đưa ra MÁY XCELERATOR CỦA SIEMENS. Building X là một phần của nền tảng kinh doanh kỹ thuật số mở này cho phép khách hàng đẩy nhanh quá trình chuyển đổi kỹ thuật số của họ dễ dàng hơn, nhanh hơn và trên quy mô lớn. Siemens Xcelerator là lời mời của chúng tôi đối với các đối tác, khách hàng và nhà phát triển cộng tác - và biến AI thành cấp công nghiệp. Và, khi nhiều cảm biến được triển khai hơn và khi AI trở nên mạnh mẽ hơn, chúng tôi hình dung ra các cơ hội bổ sung để làm cho việc quản lý tòa nhà bền vững, hiệu quả và có lợi nhuận hơn.

Ngày nay, AI có thể chủ động phát hiện lỗi trước khi chúng xảy ra, nhưng trong tương lai, nó có thể được cấu hình để thực hiện các hành động như kích hoạt lệnh làm việc dựa trên dữ liệu mà nó thu thập. Nó cũng có thể tối ưu hóa việc sử dụng không gian để thúc đẩy hiệu quả năng lượng bằng cách đề xuất địa điểm làm việc cho nhân viên trong tòa nhà để họ tập trung ở khu vực trung tâm được sưởi ấm hoặc làm mát tùy theo mùa.

Tuy nhiên, khi AI trở nên tự chủ hơn, nó vẫn sẽ được hướng dẫn bởi các thông số mà các nhà quản lý tòa nhà xác định cho nó. Các thuật toán có thể điều chỉnh tốc độ trao đổi không khí để bảo vệ sức khỏe của người cư ngụ trong mùa lạnh và cúm, hoặc chủ sở hữu tòa nhà có thể chỉ đạo hệ thống tối ưu hóa các thành phần HVAC để kéo dài tuổi thọ của hệ thống.

Giai đoạn ba là hành vi tự chủ, trong đó tất cả những điều này tự xảy ra trên cơ sở liên tục. Chúng tôi vẫn còn một hành trình dài để bổ sung thêm nhiều khả năng và tối ưu hóa từng tài sản xây dựng. Những lợi ích tiềm năng - cho lợi nhuận của các tổ chức và cho môi trường mà tất cả chúng ta đều chia sẻ - là vô cùng lớn.

Rahul Chillar là Phó Chủ tịch cấp cao và Trưởng phòng Building X tại Siemens Smart Infrastructure