Donner un sens aux outils de traitement des données techniques destinées aux Facility Managers

Transcription

1 Août 2013 Donner un sens précis aux outils de traitement des données techniques (page 1) Caractéristiques des bandeaux d alarmes classiques (page 2) Alarmes, outils d analyse, FD&D et lecture analytique (page 3) Exemples mettant en avant les différences (page 6 et 7) Projet Haystack Largement Supporté par l industrie, Remporte le Digie TM Award (page 8) SkySpark : Lecture Analytique pour un monde d équipements intelligents (page 8) Donner un sens aux outils de traitement des données techniques destinées aux Facility Managers Appliquer une lecture analytique aux données produites par les équipements a démontré être un moyen très efficace pour réduire les coûts et améliorer la gestion du bâtiment. La lecture analytique consiste en l identification de suites de données non conformes représentant des défauts, des déviations et donc des opportunités d économie. Cependant, comme d habitude avec l apparition de nouvelles technologies, le manque d informations fait que les utilisateurs sont souvent confrontés à une comparaison de type "choux et carottes" lorsqu ils essaient d évaluer les bénéfices des différentes offres. Comparer les différentes technologies entre elles via un ensemble de critères va sans aucun doute aider les Facility Managers à mieux comprendre les rôles, les fonctions et les avantages de chacun des outils disponibles et permettre d évaluer la solution la plus adaptée à leurs besoins. Dans ce numéro, nous jetterons un œil sur la gamme d outils disponible afin d aider les Maîtres d ouvrage à comprendre les différences entre un bandeau d alarmes, une détection de faute & diagnostic (FD&D), les outils d aide à l analyse et la lecture analytique (observation d'indices précis afin d'arriver à une interprétation). Commençons par regarder les alarmes. Dans ce numéro Comprendre les différences entre les bandeaux d alarmes, la détection des fautes et leur diagnostic (FD&D), les outils d aide à l analyse et la lecture analytique (observation d'indices précis afin d'arriver à une interprétation) Alarmes. Parmi les outils fondamentaux disponibles dans les GTB (Gestion Technique du Bâtiment) depuis le début des années 80, le gestionnaire d alarmes reste un outil incontournable. Lors de l introduction des outils d analyse avancés les utilisateurs ont eu tendance à comparer avec les systèmes d alarmes. Après tout une alarme programmée dans la GTB ne m indique-t-elle pas que quelque chose ne va pas? A un niveau très basique, il y a bien des similitudes, mais en creusant légèrement, nous voyons bien qu il existe des différences fondamentales. La suite sur la page 2 Actualité

2 Donner un sens aux outils de traitement des données techniques destinées aux Facility Managers Caractéristiques des bandeaux d alarmes Suite de la page 1 Le facteur certainement le plus important à considérer lorsque l on compare un bandeau d alarmes à une lecture analytique est le fait qu une alarme exige que vous sachiez exactement ce que vous recherchez dès l instant de la programmation initiale. En d autres termes, vous devez être capable de définir les conditions d alertes lors de la programmation de la GTB. Ceci est très bien pour des problématiques classiques telles qu une température dépassant une limite mais il existe de nombreuses relations d interdépendance entre les équipements qui ne pouvaient pas être connues à l époque où le système de contrôle a été pensé. Etre obligé de savoir ce que l on veut contrôler dès le début est un facteur limitant que l on rencontre avec les alarmes. La portée des données est-elle suffisante? Les alarmes comparent généralement la valeur d un capteur à une limite. Elles peuvent aussi inclure une notion de durée (la condition doit être vraie pendant 5 minutes avant qu une alarme soit enclenchée). Une des approches les plus courantes consiste à fixer des limites pour chaque point lors de la configuration du système (la limite est une propriété de chaque donnée). Il est également courant de constater que les données de l entreprise (externes à la GTB) n entrent pas en compte dans le processus de déclenchement des alarmes. Ceci illustre notre propos sur la portée limitée des données des bandeaux d alarmes. Même dans les systèmes possédant une certaine capacité de calcul la portée des données est toujours limitée à celles disponibles dans le contrôleur local (ou bien sur les autres contrôleurs du site). La portée de la plage de temps. Les alarmes prennent généralement en compte l état du capteur "maintenant". C'est-à-dire la valeur dynamique comparée à un seuil. Ceci est un point clé. Des techniques très différentes sont nécessaires pour revenir sur les valeurs des données lors des mois ou des années précédentes afin de détecter les séries ou les points hors gabarit et pouvoir les corréler. La définition de l alarme est-elle suffisamment pertinente? Le prochain facteur à considérer est celui d avoir la faculté d exprimer ce que vous voulez trouver. Les alarmes n utilisent pas de logique suffisamment sophistiquée permettant de relier plusieurs éléments issus de différentes sources. Par exemple, la définition d une alarme pourrait être : "La valeur de la sonde de température de la chambre est-elle au-dessus de 24 C en ce moment? " tandis qu un algorithme analytique pourrait être : "Me donner toutes les fois où une température de chambre était au-dessus des 24 C pendant plus de 5 minutes l année dernière, durant les heures d occupation, et totaliser le nombre d heures par site. " Où doit-on analyser les données? Ajouter de nouvelles alarmes dans le bandeau impose généralement de modifier la logique de contrôle ou les paramètres liés aux alarmes dans les contrôleurs. Cela implique que vous ayez les droits d accès permettant de le faire. Ceci peut être très restrictif si vous voulez juste «rechercher des tendances» dans les données ou si vous essayez d analyser les données à partir d un système tiers. La nécessité de "modifier les algorithmes de détections d alarmes dans les contrôleurs" augment le coût du système car vous essayez de les utiliser comme des outils d analyse. Par exemple, pourrions-nous justifier la reprogrammation des contrôleurs (ou régulateurs) sur 500 sites distants simplement parce que nous avons une vague idée sur une interaction entre deux données que nous voudrions mieux comprendre? Probablement que le coût d une telle reprogrammation serait prohibitif. Il y a donc une réticence évidente à conseiller l utilisation d alarmes classiques pour tout ce qui va au-delà des surveillances simples des valeurs des données. La suite sur la page 3

3 Alarmes, outils d aide à l analyse, FD&D et lecture analytique Détection des défauts & Diagnostic (FD&D) La technique FD&D identifiant les problèmes de performances des équipements constitue fondamentalement un type d analyse. Les techniques FD&D sont habituellement appliquées à un seul équipement et suivent des règles prédéfinies à l usine. Par exemple, la règle FDD d un type de CTA préinstallée d usine. Du fait d une approche fondée sur les modèles, la plupart des FDD emploient des règles pré-écrites basées sur des modèles connus d équipement. Les outils d analyse programmables comme SkySpark, fournissent plus de flexibilité, permettant à des ingénieurs expérimentés d implémenter leurs propres règles basées sur leurs connaissances concernant leurs systèmes de GTB spécifiques. Ils ne sont pas limités aux règles et algorithmes définis par les fournisseurs d équipements. Les FDD sont-elles crées au bon moment? Généralement la technique FDD exige le développement préalable au laboratoire d un modèle théorique de l équipement ce qui nécessite une pré-connaissance approfondie du système. Ces règles FDD font donc "partie du produit" plutôt que d être programmables selon la spécificité du projet. Et donc en tant que telles, les règles FDD ne sont pas assez flexibles sur des systèmes customisés, et de ce fait n identifient pas toujours les problèmes d exploitation sur le terrain. Le fait qu aucun bâtiment ne ressemble à un autre limite encore plus le domaine d application des techniques FDD. En raison de la dépendance aux modèles théorique prédéfinis, la technique FDD n est pas un bon choix pour une analyse en condition, comme par exemple : "J ai besoin de vérifier un comportement à tel moment avec telles conditions". Où appliquons-nous les FDD? Les solutions FDD sont généralement appliquées comme un logiciel distinct qui extrait des données de la GTB. Le logiciel peut être installé localement ou hébergé sur le cloud. Certains algorithmes FDD peuvent être programmés dans des contrôleurs faisant partie de l infrastructure. Dans ce cas, ils doivent forcément "interférer/parler" avec l équipement lui-même. La portée des données est-elle suffisante? Les règles FDD sont axées sur des points prédéfinis associés à un équipement en particulier. Elles peuvent inclure des données telles que la météo, mais typiquement ne couvrent pas les données externes, comme l âge du bâtiment, l historique de la consommation d énergie, le type de bâtiment, la superficie, le type de matériel, etc. Elles ne fournissent pas non plus la possibilité de corréler les données avec des centaines d autres équipements différents. La portée de la plage de temps. Les règles FDD vérifient les conditions en temps réel ou sur une fenêtre de temps comme la dernière heure, la dernière journée L analyse en conditions à des périodes de temps aléatoires (par exemple Août dernier par rapport à Juin actuel) peut ne pas être disponible. Présentation des résultats. Avec SkySpark, des frises chronologiques montrent l apparition et la durée des dysfonctionnements (sparks), de même que leur corrélation avec d autres conditions ou problèmes, permettant ainsi aux exploitants d identifier la cause du problème. Une information "Help" est associée à chaque règle. Elle fournit aux exploitants des renseignements pour la résolution ou peut servir de complément d enquête.

4 Alarmes, outils d aide à l analyse, FD&D et lecture analytique Outils d aide à l analyse Nous allons maintenant nous attarder sur les outils d aide à d analyse, un terme qui est le plus souvent utilisé pour décrire les logiciels d analyse de données de compteurs énergétiques. Les outils d aide à d analyse fournissent à un utilisateur expérimenté la possibilité d examiner les données graphiquement avec une gamme d outils pour identifier les pics, les anomalies, de les normaliser par rapport à la météo, à la taille du bâtiment, à des références ou à d autres facteurs. Sans aucun doute, c est un outil important. Cependant, la principale caractéristique de ces outils d analyse est de nécessiter un utilisateur compétent présent devant l écran pour interpréter les tableaux et les graphique afin d identifier les problèmes à traiter. Autrement dit : le cerveau humain reste le meilleur outil pour les diagnostics. La portée des données est-elle suffisante? La plupart des outils d aide à l analyse portent sur un type spécifique d applications telles que les données des compteurs d énergie. Ils intègrent les données météorologiques, les horaires d occupation et la taille du bâtiment, mais n intègrent pas l ensemble des données des équipements comme la température, la pression, l état on/off et d autres informations comme le nom du vendeur ou l âge de l équipement. La portée de la plage de temps. Les outils d aide offrent la possibilité d analyser sur une longue période et de recueillir des données archivées. Comme pour les données dites en "temps réel", certains produits peuvent gérer les données "jusqu au dernier échantillon", le plus souvent sous forme d échantillons toutes les 15 minutes, en plus de recueillir des lots de données archivées. Où se fait le traitement? Les outils d analyse peuvent être appliqués sur des systèmes existants aussi longtemps que les données sont disponibles. Ils n ont pas besoin de faire partie de l installation initiale et ne nécessitent généralement pas de changements dans la GTB. Le logiciel d analyse peut être hébergé dans le cloud ou installé sur site. SkySpark fournit une large gamme d outils d aide à d analyse en plus de la lecture analytique qui en fait sa réputation. L application Energy fournit aux utilisateurs un large panel d outils pour visualiser et analyser les données énergétiques. Cela inclut des outils pour la normalisation, l analyse par rapport à une courbe de référence, le benchmarking et la comparaison multi-site. De plus, l application Historian permet aux utilisateurs de tracer et de représenter n importe quelle donnée du système et d effectuer des corrélations. Ces outils sont souvent utilisés pour comprendre les résultats des règles analytiques.

5 Alarmes, outils d aide à l analyse, FD&D et lecture analytique Lecture analytique La caractéristique la plus importante de la lecture analytique est sans doute qu elle montre les problèmes auxquels vous ne vous attendiez pas. Les utilisateurs trouvent que les outils de visualisation de SkySpark montrent les relations et les corrélations avant même que les règles ne soient établies. Par exemple, corréler le fonctionnement d un équipement avec la consommation d énergie (page 7). A bien des égards, la lecture analytique peut être considérée comme un sur-ensemble des autres catégories décrites précédemment. Par exemple, la lecture analytique peut s appliquer à des données "temps réel" et offre la possibilité de définir des conditions d alarme plus sophistiquées. Les règles FDD peuvent évidemment être implémentées avec l outil de lecture analytique. En comparant avec un outil d analyse classique, la différence clé vient du fait que la lecture analytique traite les données au fil de l eau de manière à rechercher des solutions. L ingénieur n a pas besoin d être présent en permanence une fois la sélection ou l écriture de la règle établie. Automatiquement, la lecture analytique en continu fait la force des solutions modernes d analyse. Une mise en œuvre à quel moment? Des solutions de lecture analytique peuvent être mises en place à tout moment, que ce soit lors de l installation initiale ou des années après. Avec SkySpark, vous pouvez ajouter de nouveaux algorithmes et règles à n importe quel moment sans remonter au système de contrôle pour modifier les niveaux d alarme ou leur logique. Souplesse dans la définition des règles. Alors qu une gestion d alarmes classique ne pourrait évaluer qu une seule valeur par rapport à un seuil à un instant donné, les règles analytiques traitent de grands volumes de données pour détecter des suites non-conformes qui sont difficiles voire impossibles à constater lorsqu on examine uniquement les données en temps réel. Certes, une alarme classique pourrait nous dire que notre bâtiment consomme plus que la limite fixée à tel ou tel moment mais une lecture analytique nous informerait sur le nombre exact d heures au cours des 6 derniers mois où l on a dépassé l objectif de la demande électrique, la durée de ces périodes, l heure de la journée à laquelle les problèmes ont eu lieu ou encore on pourrait relier ces évènements au comportement d équipements spécifiques, à la météo ou au comportement du bâtiment. Pour un exemple, voir page 6. Le fait que l outil soit programmable est également important car la lecture analytique est un processus de découverte. Les trouvailles initiales soulignent les problèmes mis en avant par les nouvelles règles. La programmation est aussi essentielle pour adresser de nouvelles priorités qui émergent soit à cause de l évolution des coûts de l énergie, des exigences d exploitation ou encore selon l utilisation du bâtiment. Le langage des règles de SkySpark permet des manipulations sophistiquées de données qui vont bien au-delà du contrôle de dépassement de seuils. Ces outils permettent des opérations sur une période de temps, le calcul du maximum, du minimum, de la moyenne, de l interpolation des données manquantes, la détection de pics, la régression linéaire et autres corrélations. Au lieu de constituer un évènement ponctuel, la mise en œuvre réussie de la lecture analytique devrait être considérée comme un voyage de découverte grâce aux règles Un cadre d analyse des données très étendu. La véritable capacité analytique permet de travailler sur plusieurs sources de données, sous différents formats et à différentes fréquences d échantillonnage. Cela permet aux règles d analyse de chercher des corrélations entre l âge, le fabricant, l historique, les conditions météorologiques, etc. Le fait que SkySpark ne soit pas limité à travailler seulement avec des systèmes de contrôle est un point clé. Dans de nombreux cas, le processus d analyse commence avec les données disponibles sans forcément établir de connexion en direct, comme l historique de consommations énergétiques. Cela minimise le coût et la complexité quand on veut commencer à chercher à améliorer sa GTB. Où se fait le traitement? Les outils d analyse peuvent être appliqués sur des systèmes existants aussi longtemps que les données sont disponibles. Ils ne nécessitent généralement pas de changements dans la GTB. Le logiciel d analyse peut être hébergé dans le cloud ou installé sur site. Page suivante : quelques exemples soulignant les différences

6 Exemples illustrant les différences entre les outils Commençons par comparer alarmes et lecture analytique. Avec une alarme classique : Détecter en temps réel les consommations électriques au-dessus d une certaine limite A l aide d une règle analytique : Identifier les périodes où la demande est supérieure à une limite de consommation spécifiée sur n importe quelle période choisie. Calculer l impact des coûts, rendre des rapports avec la durée, la fréquence et les coûts liés à la surconsommation pour une période de temps choisie. Traiter en continu et en temps réel la règle, chaque minute, heure, journées ou plus. La capacité d analyse de SkySpark peut faire face à des flots de données, cela ne requiert pas forcément un flux continu. Cela en fait un bon outil pour la mise en service et les études M&V (Mesures et Vérification). Période où la demande dépasse les 450 KW, avec la durée et le coût par site pour le mois de Juin 2013 Avec une alarme : Détecter les valeurs d un capteur au-dessus d une certaine limite A l aide d une règle analytique : Détecter un capteur sale d un tube de Pitot. Dans l exemple cidessous, un capteur sale fait que le système lit un débit d air erroné dans le distributeur. De ce fait, le ventilateur fonctionne à vitesse rapide pour maintenir le même débit d air. Cela s est traduit par un excès de consommation du ventilateur et un déséquilibre de pression sur le site. Une fois identifié, nettoyer le capteur du tube de Pitot a permis à la station de débit d air de lire un plus faible taux et le ventilateur VFDs s est mis à fonctionner correctement. Résultat : des économies d énergies de 1300 /an pour 15 minutes de nettoyage. La suite sur la page 7

7 Exemples mettant en avant les bénéfices de la lecture analytique (Suite de la page 6) Regardons maintenant quelques exemples qui mettent en avant la différence entre les outils d analyse et les résultats produits par une lecture analytique automatisée. Les outils d analyse permettent aux utilisateurs expérimentés d observer les données et d appliquer des outils pour tenter d identifier des suites de données non conformes. La lecture analytique va plus loin en identifiant automatiquement des corrélations et des suites de données non conformes qui sont importantes pour nous. Avec un outil d analyse : Générer un graphe de consommations d énergie sur une période de temps donnée. Un utilisateur visualiserait ensuite lui-même pour discerner les suites qui le concerne. Exemple de lecture analytique : Corréler automatiquement l état des équipements avec les consommations d énergie sur une période donnée. Cette méthode permet aux utilisateurs de mieux comprendre comment les équipements influent sur les consommations d énergie. La vue d exploitation de SkySpark montre l impact des équipements sur la consommation d énergie. Maintenant, lorsque vous aurez un pic, vous en connaîtrez la cause. De l identification automatique de problèmes à la visualisation des événements montrant exactement comment les systèmes se comportent, SkySpark rassemble en un seul produit la gamme d outils nécessaires pour améliorer les performances de vos installations.

8 SkySpark : lecture analytique des données techniques pour un monde d équipements intelligents et connectés La décennie précédente a vu de grandes avancées en matière de systèmes d automatisation et d équipements intelligents. Des systèmes connectés en IP utilisant une variété de protocoles standardisés, jusqu aux supports pour web services et schémas de données XML, il est maintenant possible de récupérer les données produites par une large gamme de systèmes et d équipements que l on trouve dans les bâtiments d aujourd hui. L accès aux données ouvre la voie à de nouvelles opportunités pour la création de services à valeur ajoutée dans le but d aider les entreprises à réduire leur consommation d énergie ainsi que leur coût d exploitation, de même qu à identifier les opportunités pour améliorer le rendement à travers un meilleur contrôle et un remplacement des biens d équipements. Cependant, l accès aux données ne constitue que la première étape. Le nouveau défi est de pouvoir gérer et tirer des informations utiles dans la masse des données éparpillées provenant des équipements connectés. SkySpark adresse ce défi! Le projet Haystack qui remporte le Digie Award annonce un succès grandissant avec les industriels L initiative Haystack a été très active ces derniers mois. Faisant suite aux conférences de l événement Haystack Connect du mois de Mai dernier aux Etats Unis et surtout après avoir pris conscience de l importance du besoin de standardiser la sémantique en général, le nombre d industriels participants à l effort est en constante augmentation. Il y a 350 participants à ce forum qui sont rejoints régulièrement par de nouveaux entrants qui veulent supporter ce nouveau standard. Il y a plus de 20 sociétés du monde de la GTB et de la gestion énergétique qui viennent de rejoindre le projet Haystack et ils l ont annoncé dans une annonce de presse. Vous pouvez consulter cette annonce au lien suivant : De plus, l initiative Haystack est fière d annoncer qu elle a gagné un prix appelé : Digie pour la meilleure innovation dans le domaine du bâtiment intelligent obtenu lors de la conférence Realcomm/IBCon des 12 et 13 Juin dernier. Realcomm (qui vient de Commercial Real Estate Digital Innovation Awards) remet ce prix chaque année depuis sa création en Ce prix récompense les sociétés, les projets de bâtiments innovants, les technologies ou encore les personnes physiques qui ont su influencer positivement l industrie du bâtiment intelligent à travers la technologie, les automatismes et l innovation. Le prix récompense l initiative Haystack pour : Avoir su réunir les leaders du marché au sein d une communauté open-source dans le but standardiser les modèles de données utilisés dans les systèmes de bâtiments Son engagement en faveur des systèmes de bâtiments interopérables et réellement ouverts Son forum adressé aux intégrateurs systèmes destiné à définir et à faire connaitre les meilleures réalisations.