Älyrakennukseksi kutsutaan jo sellaista, joka tunnistaa käyttäjien läsnäolon ja osaa säätää esimerkiksi lämmitys- ja jäähdytysenergiaansa tarpeen mukaan. Vieläkin suurempaan säästöön päästään, mikäli järjestelmä osaa hyödyntää koneoppimista ja optimoida kulutusta tekoälyn avulla.
Schneider Electric on lanseerannut kiinteistönhallintajärjestelmään yhdistettävän Optimization AI -moduulin, joka hyödyntää tekoälyä ja koneoppimista. Optimization AI on osa Schneider Electricin EcoStruxure Building Advisor -ylläpitopalvelua.
Tekoälyratkaisu säätää kiinteistönhallintajärjestelmän asetusarvoja itsenäisesti ja lähes reaaliaikaisesti 15 minuutin välein. Se huomioi säätiedotukset, seuraa energian hinnan vaihteluita ja mukauttaa toimintaansa dynaamisesti kiinteistön käyttöasteen mukaan.
Ratkaisu on otettu maailmalla käyttöön yli tuhannessa kiinteistössä. Keskimäärin ratkaisulla on saavutettu 15 prosenttia pienemmät lämmitys- ja jäähdytysenergiakulut, 23 prosenttia vähemmän kiinteistöjen käyttömukavuuteen liittyviä valituksia ja 30 prosenttia pidempi käyttöikä laitteistoille (vähentyneen käyttöasteen ansiosta).
Optimization AI on suunniteltu toimimaan yhdessä monenlaisten LVIJ-ratkaisujen kanssa vaihtelevissa kiinteistöolosuhteissa. Ratkaisu mukautuu erilaisten rakennusten tarpeisiin, sen käyttöönotto on nopeaa ja kiinteistönhoitajat voivat seurata sen toimintaa täysin läpinäkyvästi. Optimization AI:n käyttö pienentää kiinteistöjen käyttökuluja, jolloin investointi maksaa itsensä nopeasti takaisin.
Kiinteistönhallinnan järjestelmien hienosäätäminen on perinteisesti hoidettu manuaalisesti, mikä ei aina johda optimaalisiin tuloksiin. Optimization AI -tekoälyratkaisu tehostaa kiinteistönhallintajärjestelmien käyttöä, pienentää kiinteistöjen käyttökustannuksia, parantaa sisäilman laatua ja auttaa saavuttamaan kestävälle kehitykselle asetetut tavoitteet.
Ratkaisu säätää taloteknisten järjestelmien asetusarvoja itsenäisesti ja dynaamisesti, mikä pienentää energiakulutusta ja huolehtii samalla kiinteistöjen käyttömukavuudesta. Optimization AI käsittelee dataa ja tekee sen pohjalta älykkäitä säätöjä paljon ihmiskäyttäjää tehokkaammin. Lisäksi edistynyt koneoppiminen tekee jatkuvia parannuksia rakennuksen digitaaliseen kaksoseen.
AI-järjestelmä hyödyntää itseoppivaa mallia, joka kehittyy käytön myötä saadun datan perusteella. Malli oppii tekemällä muutoksia järjestelmään ja seuraamalla niiden tuloksia, minkä ansiosta se muuttuu yleisestä mallista rakennuskohtaiseksi, räätälöidyksi malliksi. Tämä prosessi sisältää neljä eri vaihetta.
Datan Lukeminen: Järjestelmä lukee rakennuksesta tietoja, kuten lämpötilaa ja painetta. Arviointivaiheessa malli arvioi, tarvitseeko nykyistä hallintastrategiaa muuttaa. Tämän jälkeen malli oppii tehdyistä muutoksista ja ennustaa, mitkä säätöasetukset tarjoavat optimaaliset säästöt seuraavien 48 tunnin aikana. Lopuksi malli muuttaa säätökohtia parhaan tuloksen saavuttamiseksi.
Itseoppiva malli mahdollistaa jatkuvan parantamisen ja optimoinnin, sillä se sopeutuu ja kehittyy reaaliajassa kerätyn datan perusteella, jolloin järjestelmästä tulee ajan myötä yhä tehokkaampi ja räätälöidympi kullekin rakennukselle.
Mobiiliverkkojen markkinoilta kantautuu vihdoin positiivisia uutisia myös Nokialle. Dell’Oro Groupin tuoreen raportin mukaan radioverkkojen (RAN) globaali liikevaihto kääntyi kasvuun vuoden 2025 ensimmäisellä neljänneksellä – ensimmäistä kertaa kahteen vuoteen.
Kun suunniteltavassa elektroniikkapiirissä tarvitaan virran mittaamista, siihen käytetään yleensä erillistä mittausvastusta. Joskus houkutteleva vaihtoehto on käyttää virtamittaukseen piirilevyn omia johtimia eli kupariliuskoja. Se onnistuu, mutta hyödyntämiseen liittyy joitakin kompromisseja.
