„Představte si aplikaci, která identifikuje urgentní případy, kdy je třeba zasáhnout hned a vyslat pohotovostní jednotku na místo. Technika nebo energetika, který daný objekt nezná, by pak technologie dokázala navigovat k místu závady a bez prodlení v manuálech dohledat podrobný návod, jak konkrétní problém vyřešit,” přiblížil možné využití testované technologie Stanislav Kolář, provozní ředitel SSI Group.

Nová technologie je založená na systému strojového učení, který je schopen rychle vyhodnotit obrovské množství dat, přičemž se učí a zlepšuje své výkony na základě zkušeností. „V současné chvíli jednáme s dodavatelem, který tuto technologii vyvíjí. Připravujeme se na fázi testování na malém modelu a projekt bychom rádi postupně rozvíjeli. Cílem je dosáhnout toho, že budeme moci technologii spolehlivě a efektivně využívat i na největších objektech, které spravujeme,” řekl Stanislav Kolář, který v tuto chvíli vidí největší potenciál využití nové technologie v oblastech údržby budov a energetického managementu.

Na trhu totiž působí stále méně zkušených facility manažerů, techniků či energetiků, kteří by dokázali řídit efektivitu provozu v takové míře, aby bylo možné generovat významnější úsporu peněz i energie. „Optikou současných trendů už ani do budoucna nebude v lidských silách všechny systémy efektivně uřídit. A zde by právě mohla odvést zásadní práci technologie využívající strojové učení,” dodal Kolář.

Systém využívající strojové učení totiž bude schopen koordinovat obrovské množství vstupů tak, aby byl výsledek co nejefektivnější. A právě tam by měl vzniknout prostor pro značnou úsporu spotřebované energie i celkových nákladů na provoz a údržbu budov.

Stanislav Kolář, provozní ředitel SSI Group

Už dnes je tým Stanislava Koláře schopný na modelu vytvořit predikci počasí i chování lidí, které se v daném objektu pohybují. Tomu bude možné přizpůsobit například topení a chlazení nebo pohyb venkovních žaluzií. Chytrá technologie by se výhledově mohla starat také o výhodné nákupy elektrické energie. Dokáže se totiž „naučit“ sledovat spotové ceny energií na trhu. Ale co je pro nás jako facility manažery obzvláště zajímavé, je právě schopnost systému vyhodnocovat obrovské objemy dat v krátkém čase.

Rychlého a precizního vyhodnocování dat by pak mohli facility manageři využít například u revizí. Technologie se strojovým učením by totiž dokáže zajistit perfektní přehled o tom, v jaké fázi je u klienta servis. A v neposlední řadě pak strojové učení dokáže pohlídat změny v legislativě a z databáze vytřídit relevantní a čerstvá data. „Trochu to zjednoduším, ale v podstatě to, co by byla pro jednoho člověka nebo třeba i dva lidi práce na měsíc, by tato technologie měla zvládnout během pár minut,” odhaduje Stanislav Kolář.

Zdroj: SSI Group