Vi har nu 31 miljarder enheter kopplade till internet

Hur får man kontroll?

Artikeln är skriven i samarbete mellan Tommy Hagenes på Energy Control/Airthings/Proptech Bergen och Carsten Lehbrink på qbee AS

Många känner nog igen sig i att ibland ha lite för många bollar i luften. Tänk om du hade 31 miljarder enheter i molnet? Hur håller du kontroll då?

Under 2020 finns det 31 miljarder enheter, eller IoT-devices (internet of things) enligt Leftronic.com. Varje sekund ökar detta med 127 nya enheter och under 2025 förväntas man ha över 75 miljarder enheter anslutna till internet.

Datadrivna byggnader

Det kräver att kontrollen över data måste vara systematisk. För kommersiella byggnader i synnerhet måste man börja titta på hur man kan hantera det faktum att allt i byggnaden är en dataenhet. Man har tidigare talat om framtiden, men framtiden är här. Redan 90% av bilar kommer att vara online under nästa år och 80% av industriell produktion använder eller kommer att använda IoT aktivt under samma tidsperiod.

Men ett framgångsrikt IoT-projekt kräver att en hel teknologisk och kommersiell värdekedja spelar tillsammans. Det spännande och utmanande med lite större IoT-projekt för byggnader är att de vanligtvis inte börjar sitt liv som nybyggnader, eftersom bara 1% av byggnaderna är nybyggnader varje år.

Ofta måste man därför förhålla sig till många olika leverantörer och redan befintlig teknologi som skulle vara för dyr att byta ut. Här talar vi om teknologi som kan vara mer än tio år gammal – detta är lika relevant för smarta byggnader som för industri 4.0.

Konsten är att designa en flexibel teknologisk arkitektur som gör det möjligt att koppla upp befintliga traditionella system, såsom ventilationsanläggningar, värmeanläggningar osv., och få dessa att spela ihop med ny tillgänglig teknologi, så att man får en effektiv datafångst från både nya och befintliga enheter.

Man behöver också en säker och pålitlig kommunikation till en databas som kan samla och organisera data. Men det stannar inte här. Med så många datapunkter som hämtas varje minut eller sekund i dag behöver man smarta system som kan visualisera och analysera data.

Nu talar vi gärna om flera tusen datapunkter på en byggnad, och då har inte människan möjlighet att se samma saker som maskiner kan. Och det är här kostnaderna vanligtvis uppstår. Om systemet designas rätt kan det gärna komma ut ett värde istället för bara rådata. Detta kan ske via gränsvärden och vanlig statistisk analys eller via maskininlärning och artificiell intelligens.

Hur går man från insikt till kontroll

Nästa steg är att belysa systemet i den andra riktningen. Nu har jag styrinformation och detta måste föras tillbaka in i systemet för att ändra på inställningspunkter eller uppnå någon form av styrning. Kanske först när dataanalysen kan användas för att styra system uppnår man det värde som gör att ett projekt har en bra ROI (återbetalnings tid).

Inför varje projekt är det viktigt att förstå en del grundläggande saker:

• Var ska styrningen placeras? Kan det ske i molnet eller börde det vara lokalt? Eller kanske en hybridlösning? Vad händer om nätet är nere?
• Vem kommer att behöva tillgång till systemet? Hur använder kunderna systemet och vem ansvarar för driften?
• Maskininlärning och artificiell intelligens har kommit väldigt långt och mycket kan göras med denna teknologi. Ändå upplevs det att mycket fortfarande kan lösas med gränsvärden, hystereser och vanlig statistik. Resultatet är ofta bättre eftersom fler kan förstå styrlogiken och ställa kritiska frågor kring den. Ofta är avancerad maskininlärning inte nödvändig i dessa projekt. Det blir lite som att skjuta sparvar med kanoner.
• Många stora IT-projekt misslyckas för att man skapar en stor monolitisk lösning. I IoT-världen är konsten att sätta ihop många mindre system. Speciellt om det redan finns en del ”legacy devices”. Men då måste man hitta bra teknologi för att kunna styra, övervaka och uppdatera alla byggstenar på ett enkelt, pålitligt och kostnadseffektivt sätt.
• Traditionellt har man köpt styrsystem för byggnader med en engångskostnad. Det vill säga att man gör en investering och förväntar sig att systemet ska fungera de närmaste 12 till 20 åren. Eftersom moderna system i allt högre grad är baserade på programvara som måste driftas både i molnet och lokalt behöver leverantörerna ofta en modell där man beräknar månadsvis driftskostnad som då ofta visas som prenumerationslösning. Detta måste förändras för att lyckas med datadrivna byggnader.

Sammanfattning

Framtiden är närmare än någonsin. Vi har redan enormt mycket data i byggnader, och det kommer att ske en väldigt exponentiell tillväxt framöver. Vikten av att tänka på «fleet management» eller flottastyrning på svenska, där alla enheter i byggnaden måste uppdatera sig själva, är något alla organisationer måste fundera på.

Föreställ dig bara att du installerar en dataenhet i byggnaden som får en säkerhetslucka, eller har ett fel i programvaran som måste åtgärdas. Tänk om denna enhet finns i 1 000 byggnader. Hur går man tillväga då?

IoT-utmaningen som måste lösas är att få kontroll – vi måste ha flottastyrning från dag ett.

Erfarenheter från Proptech Bergen
med Matterport 3D-skanning

‍