هوش مصنوعی در ساختمان: چه چیزی واقعا هوشمند است و چه چیزی فقط تبلیغ؟

هوش مصنوعی در ساختمان: چه چیزی واقعا هوشمند است و چه چیزی فقط تبلیغ؟

امیرحسین خوش عاقبت | مهندس برق، فعال اجرایی برق ساختمان و هوشمندسازی در مشهد

در تحویل یک ساختمان، روشن شدن چراغ با تلفن همراه نمایش جذابی است؛ اما پرسش مهندسی این است: سامانه چه تصمیمی را بهتر از یک کنترل کننده معمولی می گیرد؟ برای ارزیابی ادعای هوش مصنوعی، باید ورودی داده، روش تصمیم گیری و نتیجه قابل اندازه گیری مشخص باشد. موسسه ملی استانداردها و فناوری آمریکا نیز در برنامه پژوهشی کنترل ساختمان، الگوریتم های هوش مصنوعی را با کنترل کننده های مبنا مقایسه می کند؛ نه صرفا با ساختمانی که کنترل مناسبی ندارد.

مرز اتوماسیون با هوش مصنوعی کجاست؟

برای ارزیابی پیشنهاد فروشندگان، باید میان کنترل از راه دور، اتوماسیون قاعده محور و تصمیم گیری مبتنی بر یادگیری تمایز گذاشت. فرمان دادن از طریق تلفن همراه، به تنهایی شاهدی بر وجود هوش مصنوعی نیست. همچنین فروشنده باید توضیح دهد سامانه ای که با برنامه زمانی یا شرط ثابت کار می کند، دقیقا در کدام بخش از مدل هوش مصنوعی استفاده کرده است.

معیار عملی، نام محصول نیست؛ توانایی مستند آن در تحلیل وضعیت و بهبود تصمیم است. در پروژه پژوهشی موسسه ملی استانداردها و فناوری آمریکا، عامل های هوشمند عملکرد تجهیزات را یاد می گیرند و برای هدف هایی مانند کاهش هزینه بهره برداری، حفظ آسایش و تشخیص عیب همکاری می کنند. این تعریف، کاربرد هوش مصنوعی را به مسئله ای مشخص متصل می کند.

بنابراین، پیش از خرید باید پرسید: مدل چه چیزی را تخمین می زند؟ از چه داده ای استفاده می کند؟ خروجی آن هشدار است یا فرمان؟ و اگر یک منطق ساده همان نتیجه را بدهد، هزینه اضافه چه توجیهی دارد؟

کاربرد واقعی؛ از کنترل بار تا تشخیص عملکرد غیرعادی

کاربرد قابل دفاع، لزوما پرزرق وبرق نیست. در کنترل تاسیسات گرمایش، سرمایش و تهویه، هوش مصنوعی می تواند برای بهبود تصمیم های بهره برداری و تشخیص عیب بررسی شود. بااین حال، موسسه ملی استانداردها و فناوری آمریکا تصریح می کند که الگوریتم های امیدوارکننده باید پس از شبیه سازی، روی تجهیزات واقعی آزمایش شوند؛ زیرا شبیه سازی همه رفتارهای گذرا و تصادفی تجهیزات را بازنمایی نمی کند.

برای مجری برق، پیشنهاد اجرایی این است که کاربردها به خروجی های مشخص محدود شوند: شناسایی مصرف غیرعادی یک مدار، پیشنهاد اصلاح برنامه کار تجهیزات یا اولویت بندی بازدید تعمیراتی. هر کاربرد باید داده ورودی، مسئول رسیدگی و روش تایید نتیجه داشته باشد. عبارتی مانند «پیش بینی خرابی» بدون تعیین تجهیز، نوع خرابی و سابقه آزمون، تعهد فنی روشنی ایجاد نمی کند.

شواهد میدانی نیز باید درست تفسیر شوند. گزارش آزمایشگاه ملی لارنس برکلی از کارزار تحلیل هوشمند انرژی، با مشارکت ۱۰۴ سازمان و پوشش ۶٬۵۰۰ ساختمان، میانه صرفه جویی سالانه انرژی را برای سامانه های اطلاعات انرژی ۳ درصد و برای سامانه های تشخیص و عیب یابی ۹ درصد اعلام کرده است. این نتایج درباره مجموعه ای از ابزارهای تحلیل و فرایندهای بهره برداری است؛ نه اثبات اینکه هر محصول دارای برچسب هوش مصنوعی همین صرفه جویی را ایجاد می کند.

مثال کارگاهی؛ بررسی مصرف روشنایی پس از تعطیلی

یک سناریوی پیشنهادی را در نظر بگیریم: در ساختمانی اداری در مشهد، بخشی از روشنایی پس از پایان فعالیت روشن می ماند. این مثال، گزارش پروژه انجام شده یا ادعای صرفه جویی نیست؛ طرحی برای آزمون یک کاربرد واقعی است.

در بازدید اولیه پیشنهاد می شود نقشه مدارها، برنامه زمانی، امکان فرمان دستی و وضعیت واقعی خروجی ها بررسی شود. اگر مسئله با اصلاح برنامه یا رفع ایراد اجرایی حل شود، افزودن هوش مصنوعی توجیهی ندارد.

اگر الگوی بهره برداری نامنظم باشد، می توان طرح پایلوت زیر را تعریف کرد:

• ثبت زمان دار انرژی مدار روشنایی، فرمان های کنترل و نشانه های حضور، با رعایت حریم خصوصی.

• آموزش مدلی برای برآورد مصرف موردانتظار در شرایط بهره برداری مشابه.

• تولید هشدار هنگام اختلاف معنادار مصرف واقعی با برآورد مدل.

• بررسی هشدار توسط مجری و ثبت علت تاییدشده، مانند تغییر برنامه استفاده یا روشن ماندن دستی.

• مقایسه کیفیت هشدارهای مدل با یک قاعده ساده زمانی.

در مرحله نخست، خروجی مدل بهتر است توصیه و هشدار باشد، نه قطع خودکار مدار. پیشنهاد می شود معیار پذیرش شامل انرژی مصرفی با واحد کیلووات ساعت، تعداد هشدارهای نادرست و شکایت کاربران از خاموشی نامناسب باشد. نقش هوش مصنوعی در این سناریو، یافتن الگوی غیرعادی است؛ تشخیص نهایی علت همچنان به بازدید و آزمون نیاز دارد.

زیرساخت و ایمنی؛ بخش کم نمایش اما تعیین کننده

پیش از انتخاب الگوریتم، پیشنهاد می شود فهرست نقاط اندازه گیری و فرمان تهیه شود: هر حسگر چه کمیتی را با چه واحدی ثبت می کند؟ داده متعلق به کدام مدار است؟ وضعیت نمایش داده شده، فرمان ارسالی است یا بازخورد واقعی تجهیز؟ این موارد باید در مدارک تحویل روشن باشند تا ارزیابی عملکرد ممکن شود.

برای مسیر فرمان نیز باید حدود اختیار تعیین کرد. پیشنهاد اجرایی این است که لایه تحلیل، جایگزین حفاظت های الکتریکی و منطق ایمنی نشود؛ فرمان دستی، حدود مجاز کنترل و رفتار سامانه هنگام قطع ارتباط نیز در آزمون تحویل بررسی شوند.

امنیت شبکه موضوعی جدا از بهره برداری نیست. موسسه ملی استانداردها و فناوری آمریکا هشدار می دهد که اتصال شبکه های کنترل ساختمان به شبکه سازمانی و خدمات ابری، خطر حمله سایبری را افزایش می دهد. بنابراین فروشنده باید درباره دسترسی راه دور، حساب های کاربری، به روزرسانی و مسئولیت نگهداری پاسخ مستند ارائه کند.

معیار خرید؛ نتیجه قابل آزمون، نه برچسب محصول

در قرارداد، «دارای هوش مصنوعی» را نباید معیار پذیرش قرار داد. پیشنهاد می شود مسئله هدف، دوره ارزیابی، کنترل مبنا، شاخص آسایش و هزینه نگهداری مشخص شود. مقایسه نیز باید تغییر شرایط بهره برداری را در نظر بگیرد؛ وگرنه کاهش مصرف ممکن است به کاهش استفاده از ساختمان مربوط باشد، نه عملکرد مدل.

برنامه پژوهشی موسسه ملی استانداردها و فناوری آمریکا نیز هزینه پیاده سازی، صرفه حاصل و نیاز محاسباتی الگوریتم را هم زمان ارزیابی می کند. برای مهندس و مجری، معیار نهایی آزمون پذیری است: سامانه باید نشان دهد کدام تصمیم را، نسبت به چه مبنایی و با چه هزینه ای بهتر کرده است.

جمع بندی

برای ورود هوش مصنوعی به یک پروژه ساختمانی، ابتدا باید مسئله اجرایی و معیار پذیرش روشن شود، نه اینکه انتخاب محصول نقطه شروع باشد. اگر اصلاح برنامه زمانی یا رفع ایراد اجرایی مسئله را حل می کند، افزودن هوش مصنوعی توجیهی ندارد. در کاربردهای نیازمند تحلیل، می توان از پایلوت محدود و خروجی هشدار آغاز کرد و نتیجه را با یک روش ساده مقایسه کرد. تصمیم نهایی خرید و تحویل نیز باید بر عملکرد ثبت شده، هزینه نگهداری و حفظ حدود ایمنی متکی باشد.

منابع:

۱. موسسه ملی استانداردها و فناوری آمریکا: «کنترل ساختمان بهینه شده با هوش مصنوعی».

۲. کریمر و همکاران؛ آزمایشگاه ملی لارنس برکلی؛ «اثبات توجیه اقتصادی تحلیل داده های ساختمان»، ۲۰۲۰.

۳. موسسه ملی استانداردها و فناوری آمریکا: «توصیه ها و راهکارهای امنیت سایبری سامانه های اتوماسیون و کنترل ساختمان».