Tekoälyn hyödyntäminen LVI-talotekniikassa

Abstract

Opinnäytetyössä käsitellään tekoälyn hyödyntämismahdollisuuksia LVI-talotekniikassa. Työ tehtiin kirjallisuuskatsauksena ja pohjatyössä syvennyttiin tekoälyn laajaan tietoaineistoon. Johdannossa esiteltiin tekoälyn historiaa ja perusteita, joissa syvennyttiin algoritmin, koneoppimisen ja syväoppimisen osuuteen osana tekoälyä. Lisäksi tarkasteltiin tekoälyteknologioiden hyödyntämisen käyttöasteita eri toimialoilla ja hyödyntämiskohteita LVI- talotekniikassa. Aiheen laajuuden takia työssä keskityttiin tarkastelemaan tekoälyn hyödyntämistä pääasiassa energiatehokkuusnäkökulmasta sekä suunnittelu- että ylläpitovaiheessa.

Työssä selvitettiin tekoälyn hyödyntämisen mahdollisuuksia LVI-talotekniikan suunnitteluvaiheessa ja esiteltiin muutamia tekoälytyökaluja. Tekoälyä voidaan hyödyntää LVI-talotekniikan ylläpitovaiheessa erilaisilla menetelmillä. Niiden avulla voidaan parantaa rakennuksen suorituskykyä älykkäällä ohjauksella sekä automaattisella vikojen tunnistamisella. Työssä esiteltiin myös digitaalisen kaksosen hyödyntäminen, jonka avulla rakennuksesta luodaan digitaalinen malli. Digitaalisen mallin avulla voidaan tehostaa rakennuksen suunnittelua, rakentamista ja ylläpitoa verrattuna perinteiseen rakentamiseen. Sillä saadaan myös kustannussäästöjä.

Työn lopuksi tarkasteltiin tulevaisuuden kehityssuuntia ja niihin vaikuttavia ulkoisia tekijöitä. Opinnäytetyön tutkimuksen perusteella voidaan todeta, että tekoälyn potentiaali kasvaa tulevaisuudessa. Se parantaa rakennusten energiatehokkuutta, suunnittelua ja ylläpitoa. Suunnitteluvaiheessa tekoälyn hyödyntäminen on vielä vähäistä hankalan skaalautuvuuden vuoksi, mutta ylläpitovaiheen ratkaisuja on jo otettu käyttöön. Koska energiatehokkuusmääräykset kiristyvät, tekoälyteknologiat tulevat kasvamaan. Myös digitaalisten kaksosten lisääntynyt kysyntä luo pohjaa tekoälyäratkaisujen kehitykselle. Malli tarjoaa huomattavan määrän dataa yhdestä paikasta, mikä helpottaa sen käsittelyä.

The purpose of this thesis was to explore the possibilities of utilizing artificial intelligence and to consolidate the information on its potential within HVAC building services. The study reviews the history and fundamental principles of AI, covering key areas such as algorithms, machine learning, and deep learning. The thesis focuses on the utilization of AI to enhance energy efficiency in HVAC design and maintenance.

This study was carried out as a literature review and was specifically tailored to analyze and present findings relevant to the HVAC sector. The theory was gathered from a wide range of existing sources, such as scientific articles, industry publications, and relevant documents.

As a result of this thesis, it was found that AI has growing potential to improve building performance in both design and maintenance. While AI utilization in the design phase remains limited due to scalability challenges, maintenance solutions have already been implemented. It was also found that tightening energy efficiency regulations are expected to drive the expansion of AI technologies.

AI offers the HVAC industry significant opportunities in the future. However, the wider development of AI requires several key development areas such as improved data structures, improved scalability, and enhanced AI expertise.