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.
O projekcie
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.
Zakres prac
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.
Struktura strony
Nawigacja po lewej stronie prowadzi do poszczególnych sekcji:
- Teoria: Podstawowe pojęcia i ewolucja systemów FM.
- Przykłady Zastosowań: Opis konkretnych przypadków użycia.
- Praktyka i Analiza: Wyniki symulacji i kod źródłowy.
- Dodatki: Słownik pojęć i bibliografia.
Wykorzystane technologie
Projekt został zrealizowany przy użyciu:
- Serwer VPS (DigitalOcean, Linux Ubuntu).
- System CMS DokuWiki.
- Język Python (biblioteki Scikit-Learn, Matplotlib) do analizy danych.