Et ventilasjonsanlegg må forstås som mer enn en samling enkeltmålinger. Utetemperatur, gjenvinning, varme- og kjølebatterier, luftmengder, vifter og driftstider påvirker hverandre.
Luftbehandlingsassistenten i SC Insight bruker data fra Smart Campus-plattformen til å presentere disse signalene som et sammenhengende teknisk forløp.
Fra enkeltpunkter til en temperaturkjede
Brukeren kan velge bygning og ett eller flere aggregater og analysere driften i en valgt periode. For hvert aggregat samler løsningen blant annet driftstid, luftmengder, tilluftstemperatur, utetemperatur, vifteenergi og SFP, typisk oppstart og stopp og aktivitet utenfor definert arbeidstid.
Temperaturene gjennom gjenvinneren og varme- og kjølebatteriene vises som en kjede. Dermed kan fagpersonen undersøke om temperaturendringen skjer på riktig sted, om gjenvinningen ser ut til å fungere, og om varme og kjøling motarbeider hverandre.
Fire aggregater i Hippocampus
I eksemplet vi undersøkte fra Hippocampus, oppsummerte SC Insight fire aggregater over sju dager. Løsningen markerte analysen som et avvik fordi en stor del av driftstiden lå utenfor tidsrommet 08–16 eller i helgen.
Samtidig viste den at det ikke var registrert timer med samtidig varme og kjøling. For enkelte aggregater pekte løsningen på høy SFP og foreslo å undersøke vifter, filtre og luftmengder.
Et avvik i driftstid betyr ikke alene at anlegget er feil styrt. Bygget kan ha laboratorier, dyrehold eller prosesser som krever drift utenfor vanlig arbeidstid. Høy SFP kan peke mot et problem, men må undersøkes mot luftmengder, filtre, spjeld, vifter og målekvalitet.
Verdien ligger i at mønstrene finnes og settes inn i en teknisk sammenheng som fagpersonen kan vurdere.
Åpenhet om hvordan analysen er laget
I noen aggregater manglet Campus-API-et egne pådragspunkter for ventiler og hastighet. SC Insight utledet derfor varme- og kjøleaktivitet fra definerte temperaturpunkter.
En slik regel kan gi nyttig beslutningsstøtte, men må være synlig og etterprøvbar. Brukeren bør kunne se hvilke punkter som inngår, hvilken regel som er brukt, og om resultatet er målt direkte eller utledet. Dersom regelen senere brukes som grunnlag for anbefalinger eller styring, må den også versjoneres og kontrolleres av fagpersoner.
Dette viser hvorfor domenekunnskap er så viktig. Dag-Kjetil Buran, sjefsingeniør ved NMBU og fagansvarlig for automasjon og IoT/PropTech, kjenner både anleggene og signalene. Med AI-assistert utvikling kan slike analysemetoder formes til arbeidsflater flere driftere kan bruke.
Fra analyse til kontrollert styring
I dag er denne delen av SC Insight analyse og beslutningsstøtte. Den gjør driftsmønstre synlige og hjelper fagpersonen med å prioritere hvor det er verdt å undersøke nærmere.
På sikt kan det samme datagrunnlaget åpne for tettere tilbakekobling til driften. Første steg kan være anbefalinger om driftstider, luftmengder eller settpunkter. Neste steg kan være at godkjente endringer sendes tilbake gjennom en separat og kontrollert integrasjon.
måling → sammenheng → analyse → anbefaling → godkjenning → styring → verifisering
Å lese data gjennom et API er ikke det samme som å ha en trygg vei tilbake til byggautomasjonen. Automatisk styring vil kreve egne grensesnitt, tilgangskontroll, sikkerhetsgrenser, logging, tilbakefallsstrategier og faglig godkjenning.
Visjonen er derfor ikke én modell som fritt bestemmer over byggene. Det er en kontrollert kjede der data og analyser kan brukes på tvers av campus, mens fagpersonen beholder ansvar og oversikt. SC Insight viser at den første delen av denne kjeden allerede kan etableres.
