Så använder SISAB AI för att optimera inomhustemperaturen

Inom tillverkningsindustrin används ibland digitala tvillingar som ersättning för tidskrävande och kostsamma fysiska prototyper. Ny Teknik beskrev i en artikel från 2017 begreppet digital tvilling som en dynamisk, digital representation av en industriell produkt. Tekniken används för att förstå och förutse till exempel prestanda eller beteenden i olika miljöer men kan användas till mycket mer än industriell tillverkning. I Göteborg fick Sweco nyligen i uppdrag att skapa en digital tvilling av staden. Modellen, som ska vara klar till stadens 400-årsjubileum, ska innehålla relevant information om byggnader, vägar och träd. Målet är att kunna utföra så kallade scenarioanalyser för att underlätta stadsplaneringen.

Även fastighetsbranschen använder digitala tvillingar. Ett företag som valt att satsa på tekniken är Skolfastigheter i Stockholm AB, SISAB. Vi träffade Mats Carlqvist som arbetar som driftssamordnare för styr och övervakning och är delaktig i satsningen.

– De senaste sju åren har vi satt upp mängder av temperaturmätare och CO₂-sensorer. Vi har cirka 12 000 sensorer runt om i våra skolor för tillfället, säger Mats. Våra sensorer både mäter och styr. Det innebär att vi i realtid kan hålla koll på inomhusklimatet och inte endast behöver förlita oss på värden från utomhustemperaturen. Det finns dock en tröghet med att styra i realtid och vi startade vår AI-projekt i samband med att vi sökte efter teknik som tillät oss att styra på ett smartare sätt.

SISAB förvaltar 200 skolor och 466 förskolor i Stockholmstrakten och deras AI-lösning SOLIDA testas idag på tre av deras fastigheter. Sedan mars förra året samarbetar SISAB med energi- och driftsoptimeringsbolaget Myrspoven för att optimera inomhustemperaturen i sina skolor:

– Tanken är att vi ska kunna ställa in minimum och maximum för varje sensor och att systemet sedan ska klara av att hitta de bästa inställningarna för att hålla sig inom dessa ramar, säger Mats. Vi har använt Myrspovens AI-plattform för att utveckla vårt eget system som vi kallar SOLIDA (SISAB Online Intelligent Dataanalys). Vårt AI kan dra alla möjliga slutsatser på egen hand, vi sätter bara ramarna.

SISAB samlar in runt en miljon värden per dag och deras utmaning är att utnyttja den insamlade informationen till att inte endast styra och felsöka i realtid, utan faktiskt kunna göra datadrivna prediktioner.

– För till exempel servrar har AI och maskininlärning använts länge, fortsätter Mats. De flesta moderkort i en server har en mängd sensorer som berättar när något behöver underhållas eller bytas ut. Egentligen är ju en fastighet mycket mindre komplicerad än en server är!

Var femtonde minut lägger SOLIDA upp sina nya beräkningar och de bästa kombinationerna av inställningar, baserat på insamlad data genom bland annat Metry. Tekniken fungerade från dag ett, trots att systemet endast kunde använda sig av historisk data baserat på inställningar gjorda av människor, utan hjälp av AI. Målet är att SOLIDA ska finnas i alla företagets skolor, men vilka delar som kommer att utnyttjas är fortfarande svårt att säga.

– Vi tror att SOLIDA i framtiden kommer att sköta klimat och energiförbrukning för att trimma våra fastigheter. Vi tror också att vår personal i framtiden kommer att komma till kontoret på morgonen, slå upp sina datorer och mötas av SOLIDA som berättar till exempel vilka personer de behöver kontakta för att få något utbytt eller reparerat, spekulerar Mats.

I december i år har SOLIDA kört i ett helt år och kommer då att börja iterera på sina egna inställningar.

– Det kommer att bli riktigt intressant att se! Kommer systemet att kunna optimera sina egna inställningar när den testar mot sig själv? avslutar Mats entusiastiskt.