Van sensor tot inzicht – deel 9

Van sensor tot inzicht – deel 9

In het negende deel van deze blogserie bespreekt Frederik Joustra van Spacewell sensorgegevens, werkplekanalyses en actiegerichte inzichten.

Facilitair beheer en werkplekmanagement zijn volop in beweging. Enerzijds neemt de rol van technologie, cloud en IoT toe, anderzijds heeft de pandemie een verschuiving naar hybride werken teweeggebracht, zodat bestaande trends op het gebied van de flexibele werkplek in een stroomversnelling zijn geraakt. Om succesvol te zijn in de nieuwe wereld van hybride werken, hebben vastgoed- en FM-teams gedetailleerde, actuele informatie nodig. Dat is waar het IoT om de hoek komt kijken. Sensoren kunnen immers veel beter dan mensen nauwkeurige gegevens verzamelen op grote schaal en in real time.

Dit alles heeft gevolgen voor de manier waarop gegevens over gebouwen worden verzameld, opgeslagen, verwerkt, geanalyseerd en gevisualiseerd. Software voor werkplekbeheer wordt tegenwoordig uitgebreid met gegevensstromen in real time. Deze big data – en de inzichten die daaruit voortkomen – helpen facility managers meer inzicht te krijgen in hoe gebruikers de verschillende ruimtes gebruiken, en wat de omgevingscondities in deze ruimtes zijn, met inbegrip van de binnenluchtkwaliteit.

Big data, groot verschil

Werken met ‘big data’ van sensoren, in combinatie met diverse andere gegevensbronnen, is fundamenteel anders dan het verwerken van traditionele FM-gegevens. Het vereist een big data IoT-platform dat gestructureerde, semigestructureerde en ongestructureerde gegevens kan verwerken, die in grote volumes en met hoge snelheid binnenkomen.

Bij traditionele datamining in facilitair beheer zijn de datasets meestal beperkt en statisch. Het gegevensformaat is eenvoudig en past in een relationele database of datawarehouse.

Bij de analyse van big data daarentegen zijn de gegevens vaak afkomstig van meerdere, heterogene bronnen. De gegevensformaten zijn diverser en passen waarschijnlijk niet in een relationele database. De gegevens kunnen onderling sterk verweven, dynamisch en evoluerend zijn. Relevante gegevens kunnen verborgen zijn tussen een hoop onbruikbare gegevens. Traditionele visualisatietechnieken zullen bijgevolg niet altijd goed werken.

Dat wil zeggen, als u een traditionele FM-software inzet en vervolgens nog wat sensorgegevens toevoegt, dan is de kans op mislukking groot. Want sensoren vormen slechts een deel van de oplossing. En traditionele FMIS werd niet ontworpen om grote hoeveelheden volatiele gegevens te verwerken en te analyseren.

De mogelijkheden van uw IoT-platform en de kwaliteit van de analytische tools bepalen de waarde die u uit het gebouw-IoT haalt. Het juiste analyseplatform zet ruwe gegevens om in bruikbare inzichten en stelt u in staat om de dynamiek binnen uw gebouwen beter te begrijpen. Daarom is het kiezen van het juiste analyseplatform net zo belangrijk als de juiste sensorkeuze.

Connectiviteit

Om de gegevens optimaal toegankelijk en beschikbaar te kunnen maken, moet een modern platform voor gebouw-IoT verbinding maken met oudere systemen, zoals gebouwbeheersystemen (GBS), toegangscontrole en bedrade/draadloze sensoren. Dit wordt mogelijk gemaakt door API’s (Application Programming Interfaces). Met een IoT-analyseplatform dat sensor- en GBS-neutraal is, en een sterk ecosysteem van software- en hardwarepartners heeft, zult u kunnen profiteren van het nieuwste en het beste op het gebied van sensoren.

Statische vs. dynamische analyse

Traditionele dashboards tonen geaggregeerde gegevens op een statische manier, als informatie die alleen gelezen kan worden. Deze statische dashboards stellen de werkplekmanagers niet in staat om de data te analyseren en correlaties te begrijpen. Dergelijke dashboards lijken op het eerste gezicht misschien informatief, maar ze bieden slechts een beperkt inzicht.

Om de gegevens een werkelijk doel te laten dienen, heeft men een ander soort analyse-instrument nodig: een tool die een dynamische weergave van de volledige gegevens mogelijk maakt. Geavanceerde analytische dashboards passen zich dynamisch aan wanneer u een van de parameters wijzigt. U kunt op hoog niveau beginnen, dan door de gegevens heen klikken en inzoomen tot u het gewenste detailniveau hebt bereikt.

Inzichten actiegericht maken

In gebouw- en facilitair beheer halen IoT-analyseplatforms veel voordeel uit een integratie met operationele software, zoals FMIS. Waarom is dat zo? Omdat beide soorten softwareplatforms bij uitstek op kwaliteitsgegevens werken, of dat nu IoT-sensorgegevens zijn, uitgebreide asset- en ruimtelijke gegevens uit BIM, onderhoudsplanning en -geschiedenis of actuele bezetting en ruimtereserveringen. Traditionele FMIS automatiseert processen met beslissingsbomen, workflows, statussen en notificaties, maar meestal is er nog steeds een persoon nodig om het proces in gang te zetten. Bijvoorbeeld door een ticket of serviceverzoek te loggen als iets niet goed werkt. Door gebruik te maken van ‘brain rules’ kan het IoT-platform processen in gang zetten zonder dat er menselijke tussenkomst nodig is. Zo wordt bijvoorbeeld een gereserveerd lokaal vrijgegeven voor andere gebruikers nadat sensoren gedurende 15 minuten geen aanwezigheid hebben waargenomen. Of een technicus ontvangt een werkbon om de HVAC te controleren nadat een vooraf ingestelde temperatuurdrempel is overschreden. Deursensoren bij de ingang van sanitaire ruimtes kunnen worden gebruikt om schoonmaak- of bijvulbeurten te activeren wanneer de bezettingsgraad een bepaalde drempel bereikt. Of, als er een reservering is gemaakt maar niemand is komen opdagen, kunnen de sensorgegevens worden gebruikt om het schoonmaakpersoneel te laten weten dat de werkbon niet hoeft te worden uitgevoerd. Het is duidelijk dat er talrijke manieren zijn waarop dienstverleners voordeel kunnen halen uit realtimegegevens die de werking van hun faciliteiten verbeteren.

Realtime- en mobiele informatie

Werkplekleiders zullen vooral naar gegevens over een langere periode willen kijken om inzicht te krijgen in gebruikstrends. Voor zowel gebruikers als dienstverleners zijn live-gegevens uiterst bruikbaar. Een geavanceerd platform voor werkplekanalyse kan gegevens weergeven op digitale plattegronden. Daarbij kan het bijvoorbeeld gaan om informatie over de huidige bezetting van de ruimte, maar ook om comfortgegevens. Gebruikers van het gebouw hebben dan rechtstreeks toegang tot deze informatie op hun smartphone of via andere touchpoints, zoals kiosken of displays in vergaderruimtes. Dat maakt het voor medewerkers gemakkelijker om door een flexibele werkplek te navigeren en snel geschikte ruimtes en middelen te vinden (en te reserveren). Wanneer medewerkers gemakkelijk toegang hebben tot dit soort mobiele begeleiding in real time, verliezen ze geen tijd en kunnen ze hun werkdag productiever doorbrengen.

Mobiele informatie in real time biedt ook voordelen voor FM-teams die doorgaans veel in gebouwen rondlopen. Een slimme serviceapp combineert geplande taken met serviceaanvragen en door sensoren gestuurde interventies, met alle werkbonnen naar prioriteit gerangschikt en weergegeven op plattegronden. Met een dergelijke tool kunnen FM-teams hun dagelijkse werkzaamheden dynamisch beheren en reageren op gebeurtenissen in de praktijk wanneer deze zich voordoen.

Effectieve beslissingen over het portfolio

Geavanceerde werkplekanalyses kunnen zowel actuele werkzaamheden als langetermijnstrategie ondersteunen. Ze bieden inzicht in het gebruik van werkplekken en stellen vastgoed- en werkplekmanagers in staat om datagestuurde beslissingen te nemen bij het plannen van hun toekomstige behoeften aan kantoorruimte. Het gebruik van sensortechnologieën om de bezetting te monitoren met het oog op ruimteplanning (zie uitlegvideo) is niet nieuw, maar de pandemie en de opkomst van hybride werken hebben de inzet alsmaar verhoogd. Om organisaties te helpen hun kantoren beter aan te passen en de portfoliokosten te verlagen, heeft Spacewell de Opportunity Simulator ontwikkeld. Dit dashboard stelt vastgoedteams in staat ruimtesimulaties uit te voeren en een duidelijk beeld te krijgen van hun potentiële financiële besparingen.

Deel 1 van de blogserie ‘Van sensor tot inzicht’ leest u hier.

Deel 2 van de blogserie ‘Van sensor tot inzicht’ leest u hier.

Deel 3 van de blogserie ‘Van sensor tot inzicht’ leest u hier.

Deel 4 van de blogserie ‘Van sensor tot inzicht’ leest u hier.

Deel 5 van de blogserie 'Van sensor tot inzicht leest u hier.

Deel 6 van de blogserie 'Van sensor tot inzicht leest u hier.

Deel 7 van de blogserie 'Van sensor tot inzicht leest u hier.

Deel 8 van de blogserie 'Van sensor tot inzicht leest u hier.

Delen: Twitter LinkedIn Facebook

permalink

Naar het overzicht

Terug naar boven