Tecnalia – OSARGI: Operación y Mantenimiento mediante Modelos Predictivos para COMPLEJOS HOSPITALARIOS
Tecnalia
Sector: Construcción
Business Case
Los sistemas de gestión de hospitales emplean estrategias de control reactivas que carecen de la flexibilidad necesaria para ajustarse a la evolución de las condiciones de contorno (uso, meteo, etc) y permitir una operación óptima de los sistemas. Por su parte, las estrategias de mantenimiento preventivo proporcionan niveles adecuados de fiabilidad y de disponibilidad de los equipos, pero no hacen posible minimizar sus costes de mantenimiento. La plataforma desarrollada habilita la transición a estrategias de O&M predictivas explotando las capacidades proporcionadas por modelos predictivos, algoritmos de optimización y redes IOT.
Objetivos
Optimización en tiempo real y sin intervención humana de las estrategias de operación y ajustes de los procesos/servicios (HVAC) para minimizar sus costes de operación (continuous commissiong, aprovechamiento de la flexibilidad del edificio y de las señales de precios, etc) Maximizar la disponibilidad, fiabilidad y vida útil de los equipos de climatización mediante funcionalidades de detección de anomalías, diagnosis y prognosis minimizando el coste asociado a las labores de mantenimiento. Garantizar la calidad ambiental proporcionada a los usuarios (confort térmico, calidad de aire interior, etc)
Use case
La solución se basa en una plataforma de supervisión que se instala como una capa superior del BEMS, compuesta por módulos específicos para la optimización de la operación y el mantenimiento de los procesos/servicios (HVAC). Los módulos disponen de un ecosistema de algoritmos de optimización y modelos predictivos desarrollados mediante el uso combinado de modelos físicos (EnergyPlus y Modelica), técnicas de Machine Learning (regresión y clasificación) y un procedimiento de aprendizaje incremental. A partir de la predicción de las condiciones de contorno (meteo, precios de la energía, uso) dicho ecosistema aporta las funcionalidades de optimización de O&M (detección de anomalías, diagnosis y prognosis).
Infraestructura
On Premise & Cloud
Tecnologías utilizadas
Aprendizaje Automático o Profundo
Datos utilizados
Servicio de previsión meteorológica, predicción de señales de precios de la energía, parámetros de operación del sistema de climatización, parámetros internos de operación de los equipos supervisados, condiciones ambientales, settings/schedules.
Recursos utilizados
Equipo multidisciplinar de expertos de dominio (complejos hospitalarios-térmico-modelado físico), expertos en Ciencia de Datos, Ingenieros de datos, expertos en infraestructuras-comunicaciones (comunicación-interoperabilidad BEMS), expertos en desarrollo web-frontend.
Dificultades y aprendizaje
Generación de datos sintéticos (definición de modelos físicos para operación y mantenimiento); Disponibilidad de históricos de datos para operación; Disponibilidad de datos históricos etiquetados para los parámetros de operación de los equipos supervisados (especialmente los correspondientes estados de operación anómalos).
KPIs (impacto en el negocio y métricas del modelo)
5-25% de reducción del coste energético de la climatización. Reducción de los costes de mantenimiento asociados a los sistemas de climatización del 10-25%. Interoperabilidad mediante protocolos de comunicación estándar (BEMS, GMAO, redes IOT, etc).
Financiación
HAZITEK
Colaboradores
Tecman, Sedical, Homsa
