دادن «MRI» به ساختمان‌ها برای افزایش مصرف انرژی و انعطاف‌پذیری | اخبار MIT

ساختمان‌های قدیمی‌تر اجازه می‌دهند هزاران دلار انرژی هر ساله از طریق سقف‌های نشتی، پنجره‌های قدیمی و عایق‌بندی ناکافی هدر برود. اما حتی در شرایطی که مالکان ساختمان‌ها برای پیروی از قوانین سخت‌گیرانه‌تر انرژی با فشار فزاینده‌ای مواجه هستند، تصمیم‌گیری هوشمندانه در مورد نحوه سرمایه‌گذاری در بهره‌وری یک چالش بزرگ است.

Lamarr.AI که تا حدی از تحقیقات MIT متولد شده است، فرآیند یافتن راه‌هایی برای بهبود بهره‌وری انرژی ساختمان‌ها را به سادگی کلیک کردن روی یک دکمه می‌سازد. هنگامی که مشتریان سفارش بررسی ساختمان می دهند، سمفونی هماهنگی از پهپادها، دوربین های حرارتی و برد مرئی و هوش مصنوعی طراحی شده برای شناسایی مشکلات و تعیین کمیت تأثیر ارتقاءهای احتمالی ایجاد می شود. فناوری Lamarr.AI همچنین شرایط سازه‌ای را ارزیابی می‌کند، مدل‌های سه‌بعدی دقیقی از ساختمان‌ها ایجاد می‌کند و بهسازی‌ها را توصیه می‌کند. این راه حل در حال حاضر توسط سازمان های پیشرو در مدیریت تاسیسات و همچنین توسط شرکت های معماری، مهندسی و ساخت و ساز استفاده می شود.

مدیر عامل و یکی از بنیانگذاران Tarek Rakha PhD ’15 می گوید: “ما علت اصلی ناهنجاری هایی را که پیدا می کنیم شناسایی می کنیم.” پلت فرم ما فقط نمی گوید، “این یک نقطه گرم است و این یک نقطه سرد است.” مشخص می کند “این نفوذ یا خروج است. این عایق از دست رفته است. این نفوذ آب است. ناهنجاری‌های شناسایی‌شده نیز به یک مدل سه‌بعدی از ساختمان نگاشت می‌شوند و تحلیل‌های عمیق‌تری مانند هزینه هر بازسازی و بازگشت سرمایه وجود دارد.

تا به امروز، این شرکت تخمین می‌زند که پلتفرم آن به مشتریان در سراسر مراقبت‌های بهداشتی، آموزش عالی و مسکن چندخانواری کمک کرده است تا با توصیه مداخلات هدفمند نسبت به جایگزین‌های پرهزینه سیستم کامل، از بیش از 3 میلیون دلار هزینه‌های غیرضروری ساخت و ساز و مقاوم‌سازی اجتناب کنند، در حالی که عملکرد انرژی را بهبود می‌بخشد و عمر دارایی را افزایش می‌دهد. برای صاحبان ساختمان هایی که پورتفولیوهایی به ارزش صدها میلیون دلار را مدیریت می کنند، رویکرد Lamarr.AI نشان دهنده یک تغییر اساسی از نگهداری واکنشی به مدیریت دارایی استراتژیک است.

بنیانگذاران، که پروفسور جان فرناندز MIT و دانشمند پژوهشی نورهان بایومی SM ’17، دکترای ’21’ را نیز شامل می‌شوند، از دیدن فناوری آنها که انتقال به ساختمان‌های با انرژی کارآمدتر و عملکرد بالاتر را سرعت می‌بخشد، هیجان‌زده هستند.

فرناندز می‌گوید: «کاهش انتشار کربن در ساختمان‌ها بیشترین بازگشت سرمایه را از نظر مداخلات اقلیمی برای شما به ارمغان می‌آورد، اما آنچه مورد نیاز است فناوری‌ها و ابزارهایی است که به بخش‌های املاک و ساختمان‌ها کمک می‌کند تا تصمیم‌های درست را به‌موقع و اقتصادی بگیرند».

خودکارسازی اسکن ساختمان

بایومی و راخا دکترای خود را در برنامه فناوری ساختمان دپارتمان معماری MIT به پایان رساندند. برای پایان نامه خود، بایومی فناوری را برای تشخیص ویژگی های نمای بیرونی ساختمان و طبقه بندی ناهنجاری های حرارتی از طریق اسکن ساختمان ها، با تمرکز ویژه بر تأثیر امواج گرما بر جوامع کم درآمد، توسعه داد. بایومی و همکارانش در نهایت این سیستم را برای شناسایی نشت هوا به عنوان بخشی از مشارکت با یک جامعه در شهر نیویورک مستقر کردند.

پس از فارغ التحصیلی از MIT، راخا استادیار دانشگاه سیراکوز شد. در سال 2015، همراه با پروفسور دانشگاه سیراکیوز، سنم ولیپاسالار، شروع به توسعه مفهوم خود برای تجزیه و تحلیل ساختمان مبتنی بر هواپیماهای بدون سرنشین کرد – ایده ای که بعداً از طریق کمک مالی از وزارت توسعه اقتصادی ایالت نیویورک حمایت شد. در سال 2019، بایومی و فرناندز به این پروژه پیوستند و این تیم جایزه تحقیقاتی 1.8 میلیون دلاری را از وزارت انرژی ایالات متحده دریافت کرد.

«فناوری است راخا توضیح می‌دهد، مانند دادن MRI به یک ساختمان با استفاده از هواپیماهای بدون سرنشین، تصویربرداری مادون قرمز، تصویربرداری از نور مرئی و هوش مصنوعی اختصاصی که ما از طریق فناوری بینایی کامپیوتری توسعه داده‌ایم، همراه با مدل‌های زبان بزرگ برای تولید گزارش.

بایومی می‌گوید: «هنگامی که تحقیق را شروع کردیم، دیدیم که چگونه جوامع آسیب‌پذیر از ساختمان‌های ناکارآمد رنج می‌برند، اما نمی‌توانستند تشخیص جامع را انجام دهند. ما می‌دانستیم که اگر بتوانیم این فرآیند را خودکار کنیم و هزینه‌ها را در عین بهبود دقت کاهش دهیم، بازار بزرگی را باز می‌کنیم. اکنون شاهد تقاضای همه، از ساختمان‌های شهرداری گرفته تا مجموعه‌های اصلی سازمانی هستیم.»

Lamarr.AI به طور رسمی در سال 2021 برای تجاری سازی این فناوری تاسیس شد و بنیانگذاران هیچ وقت برای استفاده از اکوسیستم کارآفرینی MIT تلف نکردند. ابتدا، آنها یک کمک مالی کوچک از صندوق نوآوری Sandbox MIT دریافت کردند. در سال 2022، آنها برنده جایزه MITdesignX شدند و در مسابقات کارآفرینی 100 هزار دلاری MIT نیمه نهایی شدند. بنیانگذاران این شرکت را به افتخار هدی لامار، هنرپیشه مشهور و مخترع یک ​​فناوری ثبت اختراع که مبنای بسیاری از ارتباطات ایمن مدرن شد، نامگذاری کردند.

روش های فعلی برای تشخیص نشت هوا در ساختمان ها از فشار دهنده های فن یا دود استفاده می کنند. پیمانکاران یا مهندسان ساختمان همچنین ممکن است ساختمان‌ها را با دوربین‌های مادون قرمز دستی بررسی کنند تا به‌طور دستی تفاوت دما را در دیوارها، پنجره‌ها و کانال‌های مجزا شناسایی کنند.

سیستم Lamarr.AI می تواند بازرسی ساختمان را با سرعت بیشتری انجام دهد. مدیران ساختمان می توانند اسکن های شرکت را به صورت آنلاین سفارش دهند و انتخاب کنند که چه زمانی پهپاد به پرواز درآید. Lamarr.AI با شرکت‌های هواپیماهای بدون سرنشین در سراسر جهان برای پرواز هواپیماهای بدون سرنشین در اطراف ساختمان‌ها همکاری می‌کند و نقشه‌ها و مشخصات پرواز را برای موفقیت در اختیار آنها قرار می‌دهد. سپس تصاویر بر روی پلت فرم Lamarr.AI برای تجزیه و تحلیل خودکار آپلود می شوند.

فرناندز می‌گوید: «به عنوان مثال، بررسی یک ساختمان 180000 فوت مربعی مانند کالج محاسباتی شوارتزمن MIT، که ما آن را اسکن کردیم، حدود 2000 تصویر تولید می‌کند. “برای اینکه کسی به صورت دستی آن ها را بررسی کند چند هفته طول می کشد. مدل های ما به طور مستقل آن تصاویر را در چند ثانیه تجزیه و تحلیل می کنند.”

پس از تجزیه و تحلیل، پلت فرم Lamarr.AI گزارشی تولید می کند که شامل علت مشکوک اصلی هر نقطه ضعف یافت شده، هزینه تخمینی برای اصلاح آن مشکل، و بازگشت سرمایه تخمینی آن با استفاده از شبیه سازی های پیشرفته انرژی ساختمان است.

فرناندز توضیح می‌دهد: «ما می‌دانستیم که اگر بتوانیم به سرعت، کم هزینه و دقیق پوشش حرارتی ساختمان‌ها را بررسی کنیم و عملکرد آنها را درک کنیم، به یک نیاز بزرگ در بخش‌های املاک، ساخت‌وساز ساختمان و محیط‌زیست ساخته شده پاسخ می‌دهیم.» ناهنجاری های حرارتی عامل بزرگی برای از دست دادن گرمای ناخواسته هستند و بیش از 45 درصد از نقص های ساختمانی به خرابی پوشش مربوط می شود.

توانایی عملیات در مقیاس به ویژه برای مالکان و اپراتورهای ساختمان که اغلب مجموعه‌های بزرگی از ساختمان‌ها را در پردیس‌های متعدد مدیریت می‌کنند، جذاب است.

راخا می‌گوید: «ما می‌بینیم که Lamarr.AI تبدیل به راه‌حل برتر برای تشخیص و پیش‌بینی نمونه کارها در سراسر جهان می‌شود، جایی که هر ساختمان می‌تواند نه تنها برای بحران آب و هوا، بلکه برای به حداقل رساندن تلفات انرژی و کارآمدتر، ایمن‌تر و پایدارتر تجهیز شود.

ساختن علم برای همه

Lamarr.AI با اپراتورهای ساختمانی در سراسر ایالات متحده و همچنین در کانادا، بریتانیا و امارات متحده عربی کار کرده است.

در ماه ژوئن، Lamarr.AI با شهر دیترویت، با حمایت نیولاب و میشیگان سنترال، برای بازرسی از سه ساختمان شهرداری برای شناسایی مناطق قابل بهبود، شریک شد. در دو ساختمان، سیستم بیش از 460 مشکل مانند شکاف عایق و نشت آب را شناسایی کرد. این یافته‌ها در گزارشی ارائه شد که همچنین از شبیه‌سازی‌های انرژی برای نشان دادن این موضوع استفاده می‌کرد که به‌روزرسانی‌ها، مانند تعویض پنجره‌ها و هوازدگی هدفمند، می‌تواند مصرف انرژی HVAC را تا ۲۲ درصد کاهش دهد.

کل فرآیند چند روز طول کشید. بنیانگذاران خاطرنشان می کنند که این اولین پرواز پهپاد بازرسی ساختمان بود که از اپراتور خارج از سایت استفاده کرد، رویکردی که مقیاس پذیری پلت فرم آنها را بیشتر افزایش می دهد. همچنین به کاهش بیشتر هزینه‌ها کمک می‌کند، که می‌تواند اسکن‌های ساختمانی را در دسترس طیف وسیع‌تری از مردم در سراسر جهان قرار دهد.

بایومی می‌گوید: «ما در حال دموکراتیک کردن دسترسی به تخصص‌های بسیار با ارزش علم ساختمان هستیم که قبلاً ده‌ها هزار دلار برای هر ممیزی هزینه می‌کرد. “پلتفرم ما تشخیص های پیشرفته را به اندازه کافی مقرون به صرفه برای استفاده معمولی می کند، نه فقط ارزیابی های یکباره. چشم انداز بزرگتر، خودکار، نظارت منظم بر سلامت ساختمان است که تیم های تاسیسات را در زمان واقعی مطلع می کند، تصمیم گیری های پیشگیرانه را به جای مدیریت واکنشی بحران امکان پذیر می کند. زمانی که اطلاعات ساختمان مستمر و در دسترس می شود، اپراتورها می توانند مشکلات عملکرد را به طور سیستماتیک بهینه کنند تا در انتظار منتظر بمانند.”