Tekoälyn kehittyminen rakennusten talotekniikan ja sisäilman hallinnassa
Olin pitämässä Insinööriliiton asiantuntijaverkoston järjestämässä verkkokeskustelussa esityksen aiheesta koneoppivien algoritmien käyttö rakennuksissa. Verkkokeskustelun aiheena oli ajankohtainen ja paljon puhuttava tekoäly.
Vuosikymmenien aikana teknologian kehittyessä myös rakennusten talotekniikka on kehittynyt mukana. Aikoinaan heitettiin halkoja pesään, kun tuli kylmä. Tästä on vaiheittain otettu kehitysaskelia analogiaelektroniikan ja digitaalisen elektroniikan kautta nykyisiin mikroprosessoriohjattuihin järjestelmiin. Nykyisin kehitystä tapahtuu pääasiassa ohjelmoimalla ja soveltamalla, sillä jopa sensoreissa ja muissa päätelaitteissa on alkanut olla mikroprosessoreita ja ohjelmoitavissa olevaa älyä.
Koneoppivien algoritmien ja tekoälyn kehittämiseen panostetaan. Muun muassa energiankulutusta pyritään minimoimaan ja olosuhteita säätelemään mittauksiin perustuvilla havainnoilla tarpeen mukaisesti. Tekoälyn kehittäminen on edellytys hiilidioksidipäästöjen pitämiseksi kurissa, koska järjestelmät ovat kehittyneet monimutkaisiksi eikä niitä ole helppo hallita perinteisin menetelmin. Lisäksi älyohjausten käyttö nykyisten järjestelmien ohjaamiseen on saneeraamista nopeampi ja tehokkaampi tapa, kun ohjelmoidaan käytössä olevat laitteistot toimimaan yhtenä järjestelmänä.
Talotohtori mahdollistaa tekoälyä hyödyntävien ohjausten toteuttamisen. Konesalipalveluna toteutettu järjestelmämme mahdollistaa useiden eri laitemerkkien ja aikakausien järjestelmien hallitsemisen keskitetysti ja reaaliaikaisesti. Älykkyyttä on kustannustehokasta lisätä liittämällä vanhaan järjestelmään esimerkiksi uudempia IoT-pohjaisia mittausjärjestelmiä ja muita julkisia tietokantoja ja palveluita, kuten sääennustedataa.
Talotohtorissa hyödynnetään älyohjauksia ennakoimalla ja nopealla reagoinnilla:
- pitämällä huoneolosuhteet vakaana kompensoimalla mm. sään, talotekniikan eri järjestelmien ja käyttäjien vaikutuksia
- leikkaamalla kulutushuippuja kiinteistönomistajan tai energiayhtiön näkökulmasta lämmitys- ja sähköenergiassa
Tekoälyn hyödyntäminen ei ole pelkästään itseisarvo, vaan se tehostaa tekniikan toimintaa ja henkilötyön panosta. Koneoppiva järjestelmä on hyödyllinen, kun jokin prosessi vaatii usein uudelleen virittämistä tai hienosäätöä. Vaatimuksena on eheä ja säännöllinen data, jonka perusteella voidaan automaattisesti tehdä luotettavia johtopäätöksiä. Tällöin henkilöresurssit pystytään kohdistamaan tuottavampaan työhön. Yksittäinen algoritmi on myös mahdollista monistaa samanlaisiin prosesseihin ja saada näin kerrannaishyötyjä. Lisäksi jotta älyohjaus suoriutuisi entistä paremmin ja asetukset olisivat omien tarpeiden mukaisia, on raporttien laatiminen oleellista kehittymisen kannalta.
Koneoppivia algoritmeja käytetään myös tunnistamaan virhetilanteita ja muodostamaan niistä raportti tai hälytys, jos virheen korjaaminen automaattisesti ei ole mahdollista. Esimerkiksi seuratuista tiloista voidaan havaita poikkeamia, jos tilojen käyttö on toistuvasti eri kuin milloin niiden lämmitys ja ilmanvaihto pidetään ajastetusti aktiivisena. Ajastusta voidaan korjata pysyvästi saadun raportin perusteella, jolloin algoritmiin lisätään automaatio, joka tehostaa toimintoja havaitessaan tiloissa arvioitua enemmän käyttöä.
Mediassa puhutaan usein tekoälystä, robotiikasta, koneoppivista algoritmeista ja muista hienoista termeistä. Voimme verrata teknologian kehittymistä arjen esimerkillä; tänä päivänä jopa rannekellotkin ovat ”älykkäämpiä”, kuin pari vuosikymmentä sitten parhaimmat tietokoneet. Aiempaan nähden nykyiset laitteet ovat huomattavasti suorituskykyisempiä, mutta tekoälyn kriteereistä ja rajojen rikkomisen todisteluista kiistellään jatkuvasti. Todellisuudessa puhutaan usein avustavista loogisista toiminnoista, jotka vähentävät suorittavan työn tarvetta. Maallikosta ne vaikuttavat hurjan kehittyneeltä tekoälyltä.
Koronan lietsoma eristäytyminen ja aiemmasta poikkeavat työskentelytavat ovat korostaneet uudella tavalla tarpeitamme. Järjestelmien etähallinta ja olosuhteiden seuranta ovat aiempaa tärkeämpää, kun tilojen käytössä voi tapahtua radikaalejakin muutoksia. Kotona oleskellaan aiempaa enemmän, ja osa työpaikoista saattaa odottaa tyhjillään palaamista normaaliin. Energiaa palaa hukkaan, kun tyhjänä seisovien tilojen tekniikka ei jousta muuttuneeseen tilanteeseen. Älyohjausten ja olosuhdeseurannan avulla hävikkiä voidaan pienentää niin paljon, kuin järjestelmät mahdollistavat.
Seurasin työurani alkuvuosina hurjien tavoitteiden asetteluja, kun päätettiin säästää rakennusten energiankulutuksessa 30% aiempaan tasoon nähden. Silloiset ratkaisut tarjosivat kuitenkin enintään 10% potentiaalin järkevillä investoinneilla. Kohtuuttomien investointien avulla päästiin jopa 20% säästöihin. Nykyisellä kokemuksella ja tietämyksellä voin arvioida, että hyödyntämällä kaikki osaaminen, on 30% säästöt mahdollista saavuttaa, mutta ilman hikeä ja kyyneliä se ei tule onnistumaan. Optimoimalla saadaan aikaan säästöjä, mutta suuret säästöt pitää hankkia muuttamalla radikaalisti toimintatapoja, jonka vuoksi tarvitsemme paljon lisää tietoa ja raportteja saadaksemme paremman kokonaiskuvan. Tällä hetkellä suurin odotusarvo on mittausdatan lisääminen ja sen mahdollistama tekoäly, koska se tie on vielä osittain kokeilematta ja nykyiset kokemukset luovat suuria odotuksia. Työssäni pääsen lisäämään niin kiinteistöjen, kuin energiantuotannon kautta päästötavoitteiden toteutumista, ja mielenkiinnolla seuraan liikenteen ratkaisuja suosien itsekin vähempipäästöisiä vaihtoehtoja.
Tekoälyn kehittymiseen liittyy useita haasteita, joita on ratkottava yhdessä. Laitevalmistajien on tehtävä yhteistyötä, jotta keskitetty hallinta ja eri laitteiden liittäminen keskenään olisi mahdollista. Dataa on pystyttävä käsittelemään yhä nopeammin ja reaaliajassa, jotta kehittyvää teknologiaa olisi mahdollista hallita järkevästi. Kerättävän datan pitää olla mahdollisimman virheetöntä, jolloin mahdolliset virheet on saatava suodatettua pois. Edellytyksenä datan automaattiseen hyödyntämiseen on asiantuntijan määrittämä ratkaisu, ja ratkaisun perusteella sopivien algoritmien ja asetusten määrittelyä. Kustannukset eivät saa karata käsistä, jonka vuoksi on rakennettava skaalautuvia järjestelmiä, jotka ovat helposti monistettavissa kustannustehokkaasti. Tietoturvasta on pidettävä huolta, joka on suuri haaste dataa tuottavien laitteiden määrän kasvaessa. Toisaalta tiedon prosessointia pitäisi hajauttaa lähelle datan lähdettä ja käyttökohdetta mutta tiedon pitäisi löytyä keskitetysti yhdestä paikasta.
Raimo Kivinen, myyntipäällikkö