Ladda ner artikeln här (länk, pdf). Fler tekniska rapporter finns på etn.se/expert

Samtidigt är tid till marknaden, personlig integritet, nätverkssäkerhet och låg totalkostnad desto viktigare. Denna typ av behovsdrivna applikationer kräver en öppen och flexibel arkitektur vad gäller både hårdvara och programvara eftersom olika kunder har så olika krav. Dessutom måste det vara smidigt att uppdatera alla hårdvaruenheter.

Som en del av projektet ”Digitaliseringsramverk för energioptimering och smart underhåll av historiska byggnader” [1] har det vid Linköpings universitet utvecklats en molnansluten sensorlåda med en edge-plattform och sensorer för smarta digitaliseringstillämpningar. Sensorlådan kan användas för att samla in klimatdata inomhus, såsom CO2 halt, koncentration av dammpartiklar, luftkvalitet, vibration, temperatur och luftfuktighet.

Projektet startade år 2020 och löper på fyra år. Det är ett samarbete mellan Linköpings universitet – Campus Norrköping, Uppsala universitet – Campus Gotland, forskningsinstitutet Rise i Linköping och Norrevo fastigheter i Norrköping. Energimyndigheten och Norrevo stöttar projektet inom ramen för programmet Spara och Bevara [2].

Sensorlådan kan även användas för and­ra digitaliseringsändamål eftersom sensorer och ställdon lätt kan bytas ut. Enheten har stöd för uppkoppling till molnet via Wi-Fi eller 4G/5G-nätverk.

Vår egenutvecklade sensorlåda med en inbyggd edge-plattform kan användas för att skapa smarta applikationer med data från alla möjliga sensorer, även kameror om det behövs. Sensorlådan kan användas som en fristående enhet eller som del i ett annat större system. Syftet är att skapa en virtuell sak (V. Thing), en så kallad digital tvilling som är en digital kopia av den riktiga saken (Thing). Varje digital tvillings nödvändiga parametrar kan bestämmas enbart med insamlade sensordata. De digitala tvillingarna sparas i en databas antingen i edge-plattformen för att värna om personlig integritet eller i ett offentligt moln som Microsoft Azure vilket ger tillgång till mer beräkningskapacitet. Data i de bägge databaserna kan också synkroniseras mellan edge-plattformen och molnet med partitionering beroende på prioritering i funktionalitet, sekretess och datahastighet. AI för smarta applikationer kan sedan utvecklas med maskininlärningsmetoder i molnet.

Resultat från sensorlådan visar att inomhusklimatet kan kvantitativt korreleras med mänskliga aktiviteter. Halterna av koldioxid och andra föroreningar i luften i kontoret är betydligt lägre vid distansarbete än när någon jobbar som vanligt i kontoret. Sensorlådor har nu placerats i tre historiska byggnader i Norrköping, dvs. Stadsteater, Stadsmuseum och Hörsalen, och samlar in data kontinuerligt. Insamlade data laddas regelbundet upp i en molndatabas via edge-plattformen. AI kommer att skapas med maskininlärning baserat på denna data.

I Sverige används många historiska byggnader för olika offentliga aktiviteter. Därför är det viktigt att ta hänsyn till både mänsklig komfort och energieffektivitet förutom att bevara dem. Kontinuerlig övervakning av inomhusklimatet gör det lättare att ta hänsyn till mänsklig komfort och användarnas beteende, vid styrning av värme, ventilation och luftkonditionering. Det övergripande målet är att nå optimal energieffektivitet med hänsyn till aktuell användning.

För edge-plattformen har vi använt Arduino Uno med ATmega328 som ett mikrokontrollerkort, vilket är anslutet till sensorer, ställdon och ett Raspberry Pi Compute Module 3+ mikrodatorkort. Mikrodatorkortet utför edge-beräkningar och synkroniserar data med molnet. Datakommunikation mellan mikrokontroller- och mikrodatorkortet hanteras via SPI-gränssnittet, medan kommunikation mellan mikrodatorkortet och molnet sker antingen via ett Wi-Fi eller 4G/5G-nätverk.

Vårt slutgilltiga mål är en molnbaserad lösning baserad på IoT och AI-teknologi för att på ett energieffektivt sätt kunna bevara kulturhistoriska byggnader. Nuvarande resultat visar att plattformen kan samla in och lagra nödvändig data i molnet, och digitala tvillingar skapade med denna data utgör fullvärdiga digitala replikor. Dessa modeller kan sedan matas med realtidsdata från sen­sorna för att övervaka och undersöka byggnadens status eller studera olika tänkbara scenarion.

Än mer intressant i det längre perspektivet är att AI-modeller kan tränas för olika autonoma digitala funktioner som anomalidetektering, prediktering av behov på grund av männsklig närvaro för att nämna några. Sammantaget möjliggör det autonom styrning och kontroll av kulturhistoriska byggnader där hänsyn även tas till användning och energieffektivitet.