Sweden
fmAI är samlingsnamnet på SWGs lösningar där vi med ai-teknologi fokuserar på att effektivisera våra kunders processer inom drift- och förvaltning.
Vi kommer se många fler exempel på lösningar inom detta området i närtid men låt oss börja med att presentera några av de praktiska lösningar som visades på SWG Inspirations- & användardagar 2024, och som redan gör stor nytta hos våra uppdragsgivare:
Städoptimering
Med realtidsdata från rumssensorer kan vi med AIs hjälp optimera städrutiner i vårt fastighetssystem Faciliate.
Exempel som visades: Genom att IoT- och realtidsdataplattformen Senslinc analyserar närvaro data, med uppsatta regler för hur utrymmen behöver städas, uppdateras städrutinen varje natt vilket optimerar städfrekvens och minskar kostnader för städning.
Energioptimering
Genom att använda smarta energimätare kan man övervaka och analysera energiförbrukning i realtid via Senslinc. AI kan identifiera mönster och föreslå sätt att minska förbrukningen, som att styra apparater till tider med lägre efterfrågan.
Genom att kombinera IoT och AI kan byggnader bli mer intelligenta och anpassningsbara, vilket leder till en betydande minskning av energiförbrukning och därmed lägre kostnader och miljöpåverkan.
Bilden visar realtidsövervakning av energiförbrukningen i en byggnad via Senslinc. Att mäta energikonsumtion i realtid möjliggör omedelbara optimeringar där man direkt kan se effekterna av förändringarna. Genom att kombinera energidata med andra faktorer, såsom utomhusklimat och antalet personer i byggnaden, kan man utföra datadrivna analyser och föreslå effektiva åtgärder.
Bilden visar realtidsövervakning av energiförbrukningen på ett våningsplan via Senslinc. Detta ger möjlighet att snabbt identifiera energibehov och göra optimeringar som omedelbart kan mätas.
Övervakning och prediktivt underhåll
Med realtidsdata kan vi med AIs hjälp övervaka och hitta felaktiga mönster i beteendet på underhållsobjekt som vi med machinelearning kan lära systemet för framtiden. Genom att gifta ihop realtidsdata med andra datakällor kan vi optimera det prediktiva underhållet ytterligare.
Exempel som visades: underhållsobjekt som entrédörrar på Stockholms Central förses med sensorer. Fungerar inte entrédörrar på en tågstation blir det problem. Genom att kombinera analysen med väderdata från SMHI-kan vi prediktivt förutse om dörrar på vintern kommer krångla (snö och grus krånglar till det). Andra objekt som hanteras är rulltrappor, sjövattenpumpar och temperatur på utrymmen.
AI-genererade bim-modeller
Med hjälp av bimify kan vi med automatik generera högkvalitativa bim-modeller utifrån raster, dwg och punktmoln. Se fim nedan.
Exempel som visades: Oslotech AS har digitaliserat alla sina byggnader med bimify och förvaltar nu den digitala tvillingen med FM Access och Asset+.
Automatiserade driftsinstruktioner
Med generativ AI kan vi väcka våra kunders drift- och underhållsinstruktioner i pdf till liv. Genom att kombinera as-built-data om den byggda miljön med realitidsdata kan vi med generativ AI i RAG automatisera driftsinstruktioner. Skriv eller prata med chat-boten i Senslinc, få tillbaka automatiska driftsinstruktioner på valfritt språk, skriftligen eller muntligen.
I filmen nedan får chat-boten Ilean en fråga kring ett krånglande luftbehandlingsaggregat och svarar med ett antal förslag på lösningar (använd helskärmsläge).
Vill du veta mer?
Kontakta Pål Jansson
+46 706 03 48 13