

Gebouwen worden steeds complexer door de toename van (slimme) installaties, warmtepompen, ventilatiesystemen en energieopslag. Tegelijkertijd is er een groeiend tekort aan technisch personeel. Deze ontwikkelingen vragen naar manieren om onderhoud slimmer en efficiënter te organiseren. Automatische foutdetectie en -diagnose (AFDD) biedt hiervoor een oplossing: deze technologie identificeert en analyseert storingen en afwijkingen in systemen. Daarmee maakt het onderhoud efficiënter, minder arbeidsintensief en betrouwbaarder. Dit verhoogt niet alleen de levensduur van installaties, maar ook het comfort van gebruikers.
Binnen Brains4Buildings (B4B) is gewerkt aan schaalbare toepassingen van AFDD-technologie. In dit artikel bespreken we PULSE Core van SPIE. Bij dit controlesysteem voor GACS-compliance en gebouwprestatie-optimalisatie zijn onderzoeksresultaten uit B4B toegepast in een concreet en herhaalbaar systeem voor automatische foutdetectie, slim onderhoud en energieoptimalisatie.


Onderhoudspartijen zoals SPIE, specialist op het gebied van energie, infrastructuur, ICT, industrie en gebouwbeheer, willen op een hoog niveau proactief service verlenen aan klanten. Dit brengt hoge kosten en tijdsintensieve diagnoses met zich mee. Vaak bieden onderhoudscontracten hier geen financiële ruimte voor en wordt dit ook niet beloond binnen de opzet van het contract. Deze hoge kosten ontstaan mede door de complexiteit en het gebrek aan standaardisatie van installaties, en de inconsistente wijze waarop foutmeldingen worden gegenereerd.
Gebouwbeheerders hebben vaak onvoldoende inzicht in prestaties, storingen of noodzakelijke (preventieve) onderhoudsacties. Dat leidt tot reactief beheer en verhoogde operationele kosten. Voor zowel de onderhoudspartijen als gebouwbeheerders kan AFDD een deel van de oplossing zijn. Het doel van het gebouwbeheerplatform PULSE Core van SPIE is om foutdetectie en -diagnose in gebouwinstallaties te automatiseren. Binnen het B4B-programma zijn hiervoor methodieken onderzocht, zoals diagnostische Bayesiaanse netwerken en machine learning (ML). Deze technologieën maken het mogelijk om storingen sneller te detecteren en efficiënter te diagnosticeren, met minder menselijke tussenkomst. Met PULSE Core streeft SPIE naar een schaalbare AFDD-oplossing die breed toepasbaar is binnen uiteenlopende gebouwtypen.


Op regels gebaseerde modellen waren al beschikbaar, maar tijdens B4B zijn nieuwe en meer geavanceerde methodieken ontwikkeld, geïmplementeerd en getest. Hierbij lag de focus op schaalbaarheid door gebruik te maken van algoritmen en modellen die gebaseerd zijn op datamodellen, zoals Project Haystack, voor een correcte en herbruikbare selectie van data. Deze aanpak maakt herhaalbare implementatie in meerdere gebouwen mogelijk. Dat is een belangrijke voorwaarde voor grootschalige toepassing en realiseren van een positieve business case.
ML-oplossingen worden binnen het platform succesvol ingezet voor het voorspellen van energiestromen op gebouwniveau en operationele parameters van verschillende typen equipment. Op dit moment kent het gebruik van ML-oplossingen nog beperkingen. Daarom wordt naast ML-oplossingen ook veel gebruikt gemaakt van fysische modellen, waarbij op basis van ontwerpgegevens ook betrouwbare voorspellingen worden gedaan.
Uit de praktijk blijkt dat er nog diverse uitdagingen zijn:


Ondanks de uitdagingen laat deze praktijkcase zien hoe onderzoeksresultaten concreet bijdragen aan innovatie in gebouwbeheer. Verschillende B4B-methoden zijn succesvol geïntegreerd in PULSE Core en op praktijkschaal getest.
Voordelen van PULSE Core zijn:
In het onderzoeksprogramma Brains4Buildings (B4B) werken bijna 40 partners samen aan het verduurzamen van utiliteitsgebouwen door technologie en data in te zetten. Zo worden er bijvoorbeeld software plug-ins ontwikkeld die fouten in installaties automatisch detecteren en diagnosticeren, evenals algoritmes die helpen om energievraag en -aanbod beter af te stemmen. Daarnaast wordt er ook gekeken naar de rol van de mens in het gebouw, zodat technologie en gebruiker elkaar beter begrijpen en samenwerken.
Maar hoe vertalen deze technologische innovaties zich naar de dagelijkse praktijk van gebouwbeheer? Aan de hand van een reeks praktijkvoorbeelden geven we inzicht in hoe deze innovaties functioneren in bestaande gebouwen, met echte gebruikers. Hiervoor belichten we per innovatie en organisatie de context, implementatie en resultaten.
De praktijkvoorbeelden tonen hoe samenwerking tussen bedrijven, kennisinstellingen en eindgebruikers leidt tot concrete oplossingen die bijdragen aan slimmer, comfortabeler en duurzamer gebouwbeheer. De inzichten bieden lessen voor iedereen die betrokken is bij gebouwbeheer, techniek en duurzaamheid. In deze reeks bespreken we de volgende voorbeelden:
Deze praktijkvoorbeelden zijn onderdeel van het B4B-rapport ‘Evaluation and business opportunity report, incl. recommendations for standardization’. Dit rapport bespreekt zakelijke kansen die voortkomen uit B4B en gaat in op verschillende factoren die de algehele transitie naar slimme gebouwen in Nederland vormgeven.



















