På Campus Ås ved NMBU brukes SC Insight til å sammenligne forbruk mellom perioder og løfte frem uvanlige endringer. Vannhendelsen ved Urbygningen viser både hva slik avviksoppdagelse kan bidra med, og hvor grensen går mellom analyse og faglig diagnose.
Hovedartikkelen om SC Insight forklarer hvordan det uavhengige datalaget og AI-assistert utvikling gjorde arbeidsflaten mulig. Her følger vi ett konkret avvik.
Et tydelig brudd med normal drift
I en 14-dagersvisning markerte SC Insight situasjonen som en alarm. Vannmonitoren viste et samlet forbruk på 50,789 m³, 81 prosent mer enn i forrige periode. Gjennomsnittet utenfor arbeidstid var 424 prosent høyere enn i sammenligningsperioden, og tre timer lå over gjennomsnittet pluss fire standardavvik.
Grafen viser at mønsteret har endret seg. Den viser ikke at vann renner over fra en karpedam eller et basseng. Først når en drifter kobler målingene til bygget, utstyret og hendelsene på stedet, blir det statistiske avviket til en konkret feilsituasjon.
Rapporten setter avviket i sammenheng
EOS-assistenten samler energi, vann og bruksdata i den samme rapporten. I eksemplet fra Urbygningen økte energiforbruket moderat, mens vannforbruket skilte seg tydelig ut. Den AI-genererte oppsummeringen foreslo å undersøke lekkasje eller utstyr som står på.
Dette reduserer søkeområdet. I stedet for å lete bredt kan driftsmiljøet rette oppmerksomheten mot bygningen, tidsrommet og forbrukstypen som skiller seg ut.
Avvik er ikke det samme som feil
Det samme mønsteret kan ha flere forklaringer. Høyt vannforbruk kan skyldes en lekkasje, en ventil som står åpen, en påfylling som har løpt løpsk eller helt legitim drift. Terskler og sammenligningsperioder kan heller ikke avgjøre dette alene.
En ansvarlig arbeidsflyt består derfor av fire steg:
- Data knyttes til riktig bygg og målepunkt.
- Løsningen sammenligner perioder og fremhever avviket.
- Fagpersonen undersøker den fysiske situasjonen og finner årsaken.
- Tiltaket gjennomføres, og effekten kontrolleres i dataene.
Verdien ligger ikke i at en algoritme overtar driften. Den ligger i at mange målepunkter kan følges systematisk, slik at fagpersonene bruker erfaringen sin der den trengs mest.
Dag-Kjetil Buran er sjefsingeniør ved NMBU, fagansvarlig for automasjon og IoT/PropTech og prosjektleder for NMBU Smart Campus. Arbeidsmåten han har utviklet i SC Insight, kan gjøre slike erfaringsbaserte kontrollspørsmål tilgjengelige for flere i driftsmiljøet.
