Fejldetektion og diagnostik (FDD) har et enormt potentiale til at forbedre bygningsdriften. Vi har data, vi har teknologien, så hvorfor høster vi ikke gevinsterne i forhold til bedre effektivitet og bæredygtighed i bygningsdriften?
Artiklen har været bragt i HVAC Magasinet nr. 11, 2024 og kan læses uden illustrationer herunder
(læs originalartiklen her)
Af Kamilla Heimar Andersen, Simon Pommerencke Melgaard, Anna Marszal-Pomianowska, Rasmus Lund Jensen og Per Kvols Heiselberg, Aalborg Universitet
I en verden, hvor bæredygtighed bliver stadig mere afgørende for bygningsdriften, står fejldetektion og diagnostik (FDD) som en mulig nøgleteknologi for energibesparelser og tilfredse brugere. Trods dette, ser FDD ud til at blive nedprioriteret som en tjeneste, hvilket skyldes flere barrierer og udfordringer, der hindrer implementering i dagens bygningssystemer. Ved at afdække disse udfordringer, sigter vi mod at skabe en dialog om, hvordan vi kan overkomme disse hindringer og fremme en mere effektiv og bæredygtig fremtid for bygningsdrift.
Hvad er FDD? Hvorfor er det vigtigt at finde fejl i bygninger?
Vi har undersøgt status på en af kunstig intelligens (AI) anvendelsesmuligheder; Implementering af fejldetektion- og diagnostik (FDD), også kendt som kontinuerlig commissioning i bygninger. Fokusset i FDD er at opdage uregelmæssigheder og præcist identificere fejlkilderne for at facilitere rettidige korrektioner. FDD er blevet anvendt i de sidste mange år i kontrolsystemer for fly, biler og industrielle processer, da det for disse områder er afgørende hurtigt at kunne identificere og rette fejl.
Amerikansk forskning indikerer, at fejl i bygninger er ansvarlige for op til 18 procent af kommercielle bygningers samlede energiforbrug, mens det er blevet vist i studier af over 1.200 bygninger, at de reelle besparelser er op til 11 procent, og hvis det implementeres i eksisterende bygninger, har halvdelen af bygningerne en tilbagebetalingstid på cirka 1 år eller lavere. I Danmark omfatter drift af bygninger cirka 20 procent af det totale energiforbrug. Dette medfører, at opfyldelsen af bæredygtighedsmål, nationale og internationale aftaler såsom Parisaftalen er meget afhængige af at reducere dette energiforbrug. Udover at fejl påvirker energiforbruget i bygninger, er de også påvist at have potentielt store negative konsekvenser for indeklimaet i bygninger og produktiviteten af medarbejderne.
FDD begyndte at finde anvendelse i bygningssektoren omkring årtusindskiftet. I den akademiske verden blomstrer FDD lige nu grundet det øgede fokus i samfundet på kunstig intelligens og nemmere tilgang til data fra bygninger og deres systemer. I forskningsverdenen testes og udvikles avancerede algoritmer, dog under ideelle forhold, se figur 1 – ofte studier baseret på mærkede simuleringsdata eller laboratoriemålinger (på engelsk: ”labelled data”), som er en luksusvare, der mangler i byggeindustrien.
For at tage skridtet fra FDD som en teoretisk øvelse til at det kan implementeres i praksis med en fungerende forretningsmodel, er det vigtigt at vide, hvad de som producerer og sælger bygningssystemer og overvågningssoftware, tænker om mulighederne for FDD, hvordan vi håndterer de store datamængder, der begynder at komme fra bygninger, og hvordan FDD markedsføres til og accepteres af forbrugerne.
Derfor har vi i vores studie udført interviews med 29 eksperter fra HVAC-feltet for at vurdere den aktuelle status for FDD-implementering, anvendte algoritmer, samt identificere eksisterende barrierer og muligheder. Der blev udvalgt 26 producenter inden for områderne ventilation, varmepumper, CTS-anlæg, software, FDD og komponenter, som var fordelt ud over Danmark, Norge, dele af Europa og USA.
Hvilken type FDD er fremherskende i dag?
Det blev fundet, at 10 ud af de 26 undersøgte virksomheder (40 procent) aktivt tilbyder FDD-tjenester, mens de resterende 16 (60 procent) ikke gør det. De 60 procent nævnte, at grunden til dette var, at kunderne ikke efterspurgte tjenester knyttet til FDD, hvilket betyder, at det ikke prioriteres i virksomheden. Denne mangel på efterspørgsel har sandsynligvis sat sine spor i, at de simple “ekspert-regelsystemer” med prædefinerede grænseværdier stadig hersker som den måde, nutidens virksomheder opererer deres bygningsovervågning på.
Kun et fåtal af virksomhederne fokuserer på datadrevet FDD, som anvender maskinlæringsalgoritmer til at finde afvigelser fra forventet drift. Disse virksomheder var som regel kendetegnet af enten at være specialiserede i FDD eller fokuserede på at være nyskabende inden for deres segment. Dette ses i figur 2, hvor producenterne er placeret i forhold til deres inklusion af fejldetektions- og/eller diagnoseværktøjer i deres produkter, samt om de har en passiv (linær proces: fejl noteres, men prioriteres ikke nødvendigvis, medmindre der kommer klager fra brugerne) eller aktiv (cirkulær proces: alarmer fører til en aktiv handling og mulighed for forebyggelse af fejl undersøges/implementeres) fejlhåndteringsproces.
Fejldetektion og/eller diagnose er inddelt i fire forskellige områder rangerende fra ”Ingen” til ”Proaktiv”. ”Ingen” betyder, at der ikke er noget fokus på FDD, som derved ikke er integreret i eller klargjort til i nogle produkter. ”Manuel” refererer til produkter, hvor det er muligt at se status, men der ikke er integreret nogle algoritmer i produktet til FDD. ”Reaktiv” refererer til produkter, hvor der måles værdier, som bruges sammen med enten statiske eller dynamiske grænseværdier til at udføre FDD-processen. ”Proaktiv” refererer til mere avancerede FDD-algoritmer, der vurderer fejl i forhold til enten historiske data eller fysiske sammenhænge, generelt klassificeret som AI.
I figur 2 ses det, at FDD og softwareproducenterne hovedsageligt er dem, der ligger sig i den høje ende, hvad angår fejldetektion og diagnosedelen, da deres hovedprodukt fokuserer på at gøre overvågning og styring smartere, mens producenterne af teknisk udstyr har en tendens til at ligge lavere grundet deres fokus på at sælge deres udstyr, hvor FDD er et efterfølgende biprodukt.
Hvilke barrierer står vi overfor?
Implementeringen af FDD står overfor flere udfordringer, der strækker sig fra teknologi og teknik til økonomi, brugerengagement og samfundsmæssige barrierer. Blandt de identificerede barrierer var de vigtigste, at:
• der er et mismatch mellem fagtermerne brugt i akademiske kredse (FDD, prediktivt vedligehold) og i byggeindustrien (kontinuerlig commissioning, drift og vedligehold), hvilket gør dens praktiske anvendelse begrænset, da meget af kundskaben ligger i forskningsmiljøet.
• uanset hvor godt et FDD-system der implementeres, vil FDD-systemet fremstå dårligt, hvis ikke protokollerne for håndteringen af disse fejl fungerer godt nok.
• virksomhedernes vilje til at anvende FDD-systemer kontinuerligt var lav, da de efter de første par år med FDD aktivt ikke længere så store besparelser og derfor overvejede at fjerne det igen for at spare udgifter. Dette ville så medføre, at deres systemer igen ville præstere dårligere og derved muligvis kræve et FDD-system igen.
• FDD sælger ikke. Mange af de interviewede personer nævnte, at deres virksomhed ikke ser på FDD som en enestående tjeneste. I stedet markedsfører de det som de fordele, det bringer, såsom energioptimering, omkostningsreduktion og forbedrede kunderelationer og -tilfredshed. Det blev også nævnt, at nogle kunder af FDD-tjenester foretrak at holde deres brug af systemet fortroligt, da de opfattede brugen af FDD som en indrømmelse af, at deres system var fejlagtigt, hvilket ikke var socialt ønskværdigt.
• lovkrav til FDD og lignende systemer spiller en nøglerolle i implementeringen af FDD af virksomhederne. Dette er stille og roligt ved at ændre sig i Danmark, da der er begyndt at komme krav i bygningsreglementet til bedre overvågning af større systemer, blandt andet kræves det nu, at større systemer kan detektere fejl og underrette driftspersonalet, hvilket er første skridt mod fuld FDD.
FDD, en del af din fremtid?
Med øget bevidsthed og en mere proaktiv tilgang kan vi håbe på at se FDD blive mere fremtrædende og effektivt i byggebranchens fremtid for dermed at bidrage positivt til reducering af bygningers energiforbrug og udledning af CO2.
I takt med at udfordringerne, der er omkring FDD, bliver løst, vil det blive tilgængeligt i flere og flere bygninger og systemer. Men skal det være en del af din fremtid?
Hvis vi ser på bilindustrien for blot 30 år siden, var FDD ikke en del af standarden, mens de fleste nye biler nu har mange muligheder for at måle og analysere deres driftsdata for at give dig information om, hvornår og hvilke problemer der er med din bil. På samme måde er det vores opfattelse, at FDD vil blive en naturlig og integreret del af bygninger og deres systemer. I starten vil det sandsynligvis være større kontorbyggeri og lignende, der vil implementere systemerne (formentlig grundet ændringerne i lovgivningen), men som FDD accepteres og implementeres vil konceptet sprede sig mere og mere til mindre bygninger og systemer for til sidst at blive en naturlig del af de fleste bygningssystemer.
Om dette bliver gennem direkte integrering fra producenterne eller fra tredjepartsselskaber, der udbyder det som en service, vides endnu ikke. Det er derfor op til den enkelte rådgiver, entreprenør, bygherre eller driftsansvarlige at lære mere om FDD og derved beslutte, om det er et værdifuldt værktøj, og i så fald hvordan det kan bruges i deres nuværende eller kommende bygninger.
Afslutning
I lyset af vores fund står det klart, at potentialet i implementerede FDD-systemer er stort, men der er også betydelige barrierer, der hindrer dens fulde implementering og udnyttelse i bygningsindustrien. Vi står derfor ved en kritisk korsvej, hvor samarbejde, innovation og en fælles vilje til at overvinde disse hindringer er afgørende. Er du også passioneret om at forme fremtiden for vores bygninger, gøre dem mere effektive og bæredygtige? Lad os gå sammen om at bryde barriererne ned og fremme implementeringen af FDD i både dagens og fremtidens bygninger.
Artikel baseret på tidsskriftartikel i Elsevier (Energy & Buildings): https://doi.org/10.1016/j.enbuild.2023.113801.
