Henrik Milling, Civilingeniør (M.Sc.EE) EMS, SCADA, energiledelsessystemer, dataopsamling, IoT, BigData Analysis, kollaborative

Transkript

1 V 1.1

2 Henrik Milling, Civilingeniør (M.Sc.EE) EMS, SCADA, energiledelsessystemer, dataopsamling, IoT, BigData Analysis, kollaborative systemer, Udvikler, Iværksætter, Udviklingschef, Product Manager, Business Development Manager (men ikke på én gang :- )

3 IOT - BUSINESS AS USUAL - ELLER GAME CHANGER?

4

5 4 hjørnesten: IoT Nu kan vi endelig få billige data men kan vi stole på dem? Data er målinger på en fysisk virkelighed derfor skal de sættes i kontekst og analyseres herefter. Men hvordan skaber vi en reel forandring på baggrund af de data(/information/viden), vi måler?

6 IOT BILLIGERE DATA

7

8 CO2 Fugtighed Temperatur Lysniveau Tilstede/aktivitetsniveau Just add tape

9 Omkostningsreduktion Langt billigere at installere: Ingen fastfortrådet kommunikation Ingen forsyningsspænding (batteri 3-6 år ++) Billigere i indkøb (end traditionelle devices) Men det er også meget billigere at udvikle interfaces!

10 Payload decoding på en ½ time!

11 Isoleret set giver IoT: Billigere devices Nemmere (billigere) installation Lavere udviklingsomkostninger Mange flere data for færre penge Større indsigt Bedre Time-tomarket Mulighed for at nå helt nye business cases Flere automatiske energidata Indeklimadata Tilstedeværelse Lokaleudnyttelse. -> Building Performance

12 DATA VALIDITET

13 Sikkerhed for korrekte data Normalt tænker vi, at datakvalitet begrænser sig til: Er den numeriske værdi korrekt? Har vi de samples, vi forventer? men er det nok?

14 Et eksempel Dansk Supermarked Group har > målere Datakontrol er meget vigtigt for DSG bl.a. fordi data også bruges til skatte-afregning. Efterhånden er der implementeret fuld datakontrol. Men hvad nu hvis vi måler noget andet, end det vi tror???

15 Korrekte data skabes on location Omega Mobile NFC (eller QR)

16 Mobile Merge Tool Kvalitetssikring af data Indsamling Staging->Validering Drift

17 DATA MODELLERING I KONTEKST

18 Afkobling og abstraktion Et eksempel: En relativ ukompliceret infrastruktur. Data source neutral (eller en måler er en måler er en måler ) Her må vi ikke længere forholde os til devices

19 Sensordata giver ingen værdi - alene Data skal modelleres beriges/beskrives og sættes i sammenhæng. Forvaltning 1 Kommune A Forvaltning 2 Meget ofte vil en hierarkisk struktur passe fint som udgangspunkt for en modellering af fx bygninger eller en organisation. Skoler Daginstitutioner Kulturbygninger Øster Skole Vester Skole Nørre Skole Syd fløj Idrætshal Øvrige beskrivende MasterData Bygningsoplysninger Bygningsoplysninger Måler x Måler Y Måler

20 Sensordata giver ingen værdi - alene og så skal vi kunne trække på berigede data ud fra datamodellen. Forvaltning 1 Kommune A Forvaltning 2 Vi kalder det: Skoler Daginstitutioner Kulturbygninger Øvrige beskrivende MasterData Bygningsoplysninger Hierarkisk aggregering og konsolidering af enhver numerisk værdi Øster Skole Vester Skole Nørre Skole Syd fløj Idrætshal Bygningsoplysninger Måler x Måler Y Måler

21 Raffinering eller destillering af data Data præsentation API Aggregerede data Rå-data

22 SKAB FORANDRING MED DATA

23 Påstand (eller erfaring?) Der eksisterer et hav af projekter og systemer, hvor der er målt, analyseret og rapporteret i en uendelighed. Men desværre ser vi ikke sjældent at det er begrænset, hvor meget den opnåede viden reelt flytter Vi tror, at en væsentlig faktor er, at: Execution is the real challenge (lånt fra #etellerandetledelsesseminar ;-)

24 CESM: ISO og PDCA "The structure of ISO is designed according to other ISO management system standards, in particular ISO 9001 (Quality Management Systems) and ISO (Environmental Management Systems). Since all three management systems are based on the PDCA cycle, ISO can be integrated easily to these systems" (kilde: Wikipidia -> iso.org)

25 "The missing links" - den anden halvdel Men der mangler noget til: Opsamling af ikke-numerisk viden Planlæg ud fra fakta Data, information og viden i kontekst Omsæt viden til handling Igangsæt og følg op på handlinger og gør ovenstående på tværs af organisationen (collaborativt) og skab engagement (commitment)

26 Rammerne for digital energiledelse Findes Opsamle data om energi, indeklima, brug Målsætte Analysere og præsentere Organisere, gruppere, opdele Korrigere og normalisere Aggregere og konsolidere Benchmarke Formidle Advisere Nyt i EMS/IoT sammenhæng: Dele viden Omsætte facts og viden til handling Facilitere faglig sparring Understøtte energi Innovation Projekter som kontekst Sager som handlingspunkter Systematisk, kollaborativ eksekvering og opfølgning Gøre Agilt

27 CESM - kort CESM: Collaborative Energy and Sustainability Management Software til understøttelse af digital energiledelse: Tværfagligt samarbejde mellem Energiledelsen og alle interessenter (Agilt?). CESM faciliterer desuden eksekveringen og systematisk opfølgning af de opgaver, der fører til reelle energibesparelser ( lukker cirklen).

28 CESM mock-up

29 eller måske sådan her? Tænk gerne i retningen af: Facebook LinkedIn Jira/Confluence Twitter/Slack. Men i relation til projekter og data

30 CESM integreret med Omega EMS

31 SÅ ER IOT EN GAME CHANGER?

32 Det kommer an på IoT er en enabler men gør det ikke alene: Vi skal sikre et tilstrækkelig afkoblet og generisk data repository så det kan håndtere ALLE vores data. Datamodel og aggregering hænger sammen (og er en forudsætning for Analytics!) Men frem for alt vi skal samarbejde om og med data (og raffineringerne heraf)

33 Tak for jeres opmærksomhed Henrik Milling, Civilingeniør (M.Sc.EE) EMS, SCADA, energiledelsessystemer, dataopsamling, IoT, BigData Analysis, kollaborative systemer, Udvikler, Iværksætter, Udviklingschef, Product Manager, Business Development Manager (men ikke på én gang :- )