Machine Learning w Facility Management

Strona zawiera dokumentację projektu dotyczącego zastosowania uczenia maszynowego (Machine Learning) w zarządzaniu nieruchomościami.

Projekt skupia się na praktycznym wykorzystaniu danych z systemów budynkowych do optymalizacji kosztów i wykrywania awarii, zanim one wystąpią.

Współczesne budynki generują ogromne ilości danych (temperatura, zużycie prądu, wibracje urządzeń). Celem tego projektu jest pokazanie, jak zamienić te surowe dane w konkretne decyzje zarządcze.

Zamiast tradycyjnego modelu “napraw, jak się zepsuje”, projekt promuje podejście Data-Driven FM, czyli zarządzanie oparte na twardych danych i predykcji.

W ramach projektu przygotowano:

• Część teoretyczną: Wyjaśnienie, jak algorytmy ML działają w środowisku technicznym budynku.
• Przykłady zastosowań: Analiza wdrożeń w systemach HVAC, windach i zarządzaniu energią.
• Analizę danych (Python): Skrypty i wykresy pokazujące predykcję zużycia mediów oraz wykrywanie anomalii.

Nawigacja po lewej stronie prowadzi do poszczególnych sekcji:

• Teoria: Podstawowe pojęcia i ewolucja systemów FM.
• Przykłady Zastosowań: Opis konkretnych przypadków użycia (Case Studies).
• Praktyka i Analiza: Wyniki symulacji i kod źródłowy.
• Dodatki: Słownik pojęć i bibliografia.

Projekt został zrealizowany przy użyciu:

• Serwer VPS (DigitalOcean, Linux Ubuntu).
• System CMS DokuWiki.
• Język Python (biblioteki Scikit-Learn, Matplotlib) do analizy danych.