Les prestataires FM, comme vos services généraux, cherchent à optimiser leurs coûts d’exploitation et éradiquer tous les excès de consommation d’énergie, mais sans pour autant dégrader le confort aux occupants.
Ils doivent passer progressivement d’une organisation réactive/préventive à une organisation prédictive. Ils anticipent ainsi les événements perturbant le maintien en condition opérationnelle et optimisent la performance des bâtiments.
Le challenge pour la société de FM était de tester les nouvelles approches d’analyse prédictive sur un cas d'usage.
L'expérimentation s'est focalisée sur l'efficacité énergétique prédictive associée au confort de l'occupant.
Les objectifs ont été en particulier de :
La première étape est de collecter les données du système de gestion technique du bâtiment, les associer à des données exogènes (météo, calendriers, GMAO,...). La seconde est d'analyser les données en s'appuyant sur une plateforme analytique.
Ce type de plateforme analytique fait appel à l’algorithmique et souvent à l’intelligence artificielle, comme l’apprentissage automatique ou machine learning :
Elle augmente les experts "Métier" du bâtiment et aide à identifier :
Sans système d'information bâtimentaire, la collecte des données et leur préparation ont requis une lourde intervention humaine.
L’expérimentation a permis de démontrer la possibilité d’optimiser les calendriers de chauffage, ventillation et climatisation par zone du bâtiment en fonction de son exposition au soleil et au vent, enfin bien entendu de la présence des occupants.
Toutefois, la difficulté demeure de collecter des données de différentes sources, au niveau des systèmes et de traçabilité de la présence. D’où la nécessité de s’appuyer sur un système d’information qui va permettre de collecter, stocker les données sous un même format.
Des études telles que celles de Lawrence Berkeley Laboratories montrent que l'analyse prédictive peut réduire la consommation de l’énergie thermique jusqu'à 30%, celle de l'énergie électrique (éclairage & autres) de plus de 10%.