Uutiset

Koneälyllä ilmankäsittelykoneiden viat on mahdollista havaita kustannustehokkaasti

Ville Kukkosen diplomityö osoitti, että asiantuntijasääntöjen hyödyntäminen on tehokas menetelmä poikkeamien havaitsemisessa, ja että koneälyn käytössä on kyse teknisesti yllättävän yksinkertaisesta asiasta.

Uutinen

Granlundin asiantuntija Ville Kukkonen etsi Aalto-yliopistolle tekemässään diplomityössä keinoja havaita ilmanvaihdon vikatilanteet tutkimalla kiinteistöautomaatiojärjestelmien raakadataa. Apuna käytettiin sekä asiantuntijasääntöjä että koneoppimista. Tavoitteena on automatisoida, optimoida ja tarpeenmukaistaa kiinteistönhoitoa.

Ilmankäsittelykoneiden vikojen ennakointiin on kiinnitetty teollisuudessa huomiota jo kauan, mutta kiinteistönhoidossa ollaan usein haluttomia panostamaan pelkästään vioista ilmoittaviin automaatioantureihin.

”Tarvittavaa dataa kerääviä sovelluksia on jo saatavilla, mutta tiedon hyödyntäminen on ollut tähän asti kiinteistönhoidossa vähäistä. Rakennusten käytön aikaista optimointia tehdään harmittavan vähän. Esimerkiksi Helsinki on täynnä rakennuksia, jotka eivät toimi niin kuin niiden pitäisi”, toteaa Granlundin Digitaalisten kiinteistöpalvelujen ryhmäpäällikkö ja Kukkosen diplomityön ohjaaja Lauri Yli-Rosti.

Ilmanvaihdon optimaalinen toiminta vaikuttaa kuitenkin sekä kiinteistön energiankulutukseen että sisäolosuhteisiin ja sitä kautta loppukäyttäjien hyvinvointiin.

”Kiinteistönhoidossa on kasvava tarve vikatilanteiden tehokkaaseen ennakointiin, koska kiinteistöjen halutaan palvelevan yhä paremmin loppukäyttäjiä. Tämä on myös yksi syy siihen, miksi me Granlundilla panostamme digitaalisen kiinteistönhoidon kehittämiseen”, Kukkonen toteaa.

”Olemme käyttäneet jo 2010-luvun alusta asti kiinteistöjen sisäolosuhteiden seurannassa Granlund Manageria, ja Kukkosen diplomityö on yksi askel kohti ohjelmiston päivittämistä ja jatkokehittämistä ennakoivan kiinteistönhoidon työkaluksi”, Yli-Rosti lisää.

Koneälyn ja inhimillisen kokemuksen yhdistäminen

Kukkonen arvioi työssään kahta menetelmää, sumeita asiantuntijasääntöjä ja rekursiivista tiheysestimointia. Ensimmäisessä hyödynnetään asiantuntijoiden luomia säännönmukaisuuksia ja toisessa koneoppimista. Molempien avulla ilmankäsittelykoneiden vikoja on mahdollista havaita ilman kallista vika-anturointia.

”Asiantuntijasääntöjen hyödyntäminen perustuu siihen, että kiinteistönhoidon asiantuntijoilta saadut intuitiiviset tiedot, peukalosäännöt ja toleranssit muutetaan sumean logiikan säännöiksi”, Kukkonen kertoo.

Kukkosen mukaan jäsenyysfunktioilla ilman lämpötilan muutos patterien yli voidaan esimerkiksi määritellä olevan lähellä nollaa, positiivinen tai merkittävästi positiivinen. Kun tieto lämpötilan muutoksesta yhdistetään tietoon lämmitysventtiilin asennosta, poikkeama voi kertoa vaikkapa lämmitysventtiilin vuodosta.

Rekursiivinen tiheysestimointi puolestaan mahdollistaa tiettyjen muuttujien seuraamisen ilmankäsittelykoneen toiminnan eri vaiheissa, kuten lämmityksen ollessa päällä tai suljettuna.

”Erilaisia muuttujia seuraamalla järjestelmä oppii itse, mitkä ovat normaalit olosuhteet ja mitkä poikkeamia siitä”, Kukkonen kertoo. ”Parasta tässä menetelmässä onkin yhden työvaiheen ohittaminen. Järjestelmälle ei tarvitse opettaa, mikä on normaalia ja mikä poikkeavaa. Oppiminen tapahtuu sitä mukaa, kun dataa kerätään.”

”Kukkosen diplomityö osoitti, että asiantuntijasääntöjen hyödyntäminen on tehokas menetelmä poikkeamien havaitsemisessa, ja myös koneälyn käytössä on kyse teknisesti yllättävän yksinkertaisesta asiasta. Laskentatehoa on jo käytettävissä riittävästi, ja siksi oikeanlainen järjestelmä voidaan rakentaa varsin kustannustehokkaasti”, Yli-Rosti toteaa.

"Järjestelmälle ei tarvitse opettaa, mikä on normaalia ja mikä poikkeavaa. Oppiminen tapahtuu sitä mukaa, kun dataa kerätään", sanoo Ville Kukkonen.

 

Digitaalinen kiinteistönhoito vaatii nykyistä tarkempia tietokantoja

Diplomityössä hyödynnettiin oikeista toimistokiinteistöistä Granlund Manager -ohjelmistolla kerättyä dataa. Tiedon saaminen on kuitenkin usein haastavaa, ja kiinteistöautomaatiojärjestelmiin kaivataan lisää avoimia rajapintoja. Dataa tarvitaan myös vikatilanteiden taustoista.

”Kehittyneiden havainnointimenetelmien, kuten koneälyn, hyödyntäminen tehokkaasti vaatii, että mittaustuloksiin liitetään tietoa oikeasti tapahtuneista ja todennetuista vioista”, Kukkonen korostaa. ”Silloin pääsemme kiinni havaittujen poikkeamien syihin ja pystymme analysoimaan niitä yhdessä mittaustulosten kanssa. Tavoitteena on ennakoida vikoja jo ennen niiden ilmaantumista ja luokitella niitä automaattisesti, mikä auttaa korjaustöiden tarpeenmukaistamisessa ja priorisoimisessa.”

”Asiantuntijasääntöjen hyödyntäminen perustuu siihen, että kiinteistönhoidon asiantuntijoilta saadut intuitiiviset tiedot, peukalosäännöt ja toleranssit muutetaan sumean logiikan säännöiksi”

Ville Kukkonen

Takaisin uutisiin

Jaa artikkeli

Haluatko kuulla lisää?