VET4SBO Level 2 module 5 - unit 1 - v0.9 gr

1. ECVET Εκπαίδευση για Διαχειριστές Έξυπνων Κτιρίων με Δυνατότητες ΙΟΤ
(VET4SBO)
2018-1-RS01-KA202-000411
Επίπεδο 2
Ενότητα 5: Διαγνωστικά για έξυπνα κτίρια
Μονάδα 5.1: Ο ρόλος και η σημασία της διάγνωσης στα
κτίρια

2. Ε2-Ε5-Μ5.1 Ο ρόλος και η σημασία της διάγνωσης
στα κτίρια
• ΠΕΡΙΕΧΟΜΕΝΑ ΜΟΝΑΔΑΣ
– Βλάβες και ευπάθεια των μηχανολογικών συστημάτων σε
διάφορα είδη βλαβών.
– Σημασία των δυνατοτήτων για ταχεία ανίχνευση των βλαβών και
για τον προσδιορισμό των αιτιών, της σοβαρότητας και των
συνεπειών τους.
– Μέθοδοι ανίχνευσης και διάγνωσης βλαβών και των γενικών
κατηγοριών τους στα μηχανολογικά συστήματα.
– Ανίχνευση και διάγνωση σφαλμάτων σε έξυπνα κτίρια: ρόλος και
σημασία
– Κύριες κατηγορίες μεθόδων ανίχνευσης και διάγνωσης
σφαλμάτων για κτίρια και έξυπνα κτίρια.
https://pixabay.com/illustrations/business-
search-seo-engine-2082639/

3. Διαχείριση εγκαταστάσεων σε έξυπνα κτίρια
• Η ΔιεθνήςΈνωση ΔιαχειριστώνΕγκαταστάσεων -
International Facility Management Association (IFMA)
δηλώνει ότι η διαχείρισηεγκαταστάσεωνπεριλαμβάνει
αρχές της διοίκησης επιχειρήσεων,της αρχιτεκτονικής,των
ανθρωπιστικώνεπιστημών και των τεχνικών επιστημών.
• Στόχος της είναι η επίτευξη της μακροπρόθεσμης
βιωσιμότηταςτης χρήσης του κτιρίου - η βέλτιστηρύθμιση
και χρήση του εσωτερικούχώρου, η διασφάλισητης
λειτουργικήςκαι αποδοτικής λειτουργίαςτου τεχνικού
εξοπλισμού, η ποιότητα του εσωτερικούπεριβάλλοντος
και άλλες ανάγκες των χρηστών/ενοίκων.
https://pixabay.com/photos/smart-home-
computer-internet-canvas-3148026/

4. Ιδιοκτήτες vs. Χρηστών των έξυπνων κτιρίων
• Οι ανάγκεςτων ιδιοκτητώνκαι των χρηστών των έξυπνων κτηρίων
είναιεν μέρει συμβατές και εν μέρει αντιφατικές[1].
• Οι προτιμήσεις των ιδιοκτητώνπεριλαμβάνουνιδίως:
– ελαχιστοποίηση του κόστους απόκτησης.
– ελαχιστοποίηση του λειτουργικού κόστους.
– ελαχιστοποίηση του ενεργειακού κόστους.
– ελαχιστοποιηση του κόστους επισκευής και ανακατασκευής.
– μεγιστοποιηση της απόδοσης της επένδυσης του κτιρίου.
– συνεχήςδιατήρηση ή αύξηση της αξίας του κτιρίου (προστασία των
επενδύσεων).
– μεγιστοποίηση του επίπεδου ασφάλειας του κτιρίου και των χρηστών
του.
» [1] J. Pašek, V. Sojková, Facility Managementof SmartBuildings, Int. Rev. Appl. Sci. Eng.
9 (2018) 2, 181–187,DOI: 10.1556/1848.2018.9.2.15
https://pixabay.com/photos/smart-home-
computer-internet-canvas-3148026/

5. Ιδιοκτήτες vs. Χρηστών των έξυπνων κτιρίων
• Ο χρήστης (ένοικος) του κτιρίου για δικό του
συμφέρον δεν χρειάζεται να παρεμβαίνειστα
προαναφερθέντα συμφέροντα του ιδιοκτήτη,
αλλά προτιμά επίσης:
– ευελιξία των μισθωμένων χώρων.
– ποιότητα του εσωτερικού περιβάλλοντος που
συμβάλλει στην επίτευξη της επιθυμητής άνεσης
χρήσης ή αύξηση της παραγωγικότητας.
– μεγιστοποίηση του επίπεδου ασφάλειας.
https://pixabay.com/photos/smart-home-
computer-internet-canvas-3148026/

6. Βλάβες στα μηχανολογικά συστήματα
• Τα μηχανολογικά συστήματα που κυμαίνονται από ένα απλό εξάρτημα
μέχρι ένα ολόκληρο πολύπλοκο σύστημα είναι ευάλωτα σε
διαφορετικά είδη σφαλμάτων [2].
• Τα σφάλματα ενδέχεται να προκαλέσουν υπό-βέλτιστη λειτουργία και
μείωση των επιδόσεων, αν δεν εμποδίσουν ακόμη και τη λειτουργία
ολόκληρου του συστήματος.
• Επομένως, είναι σημαντικό να ανιχνεύονται γρήγορα τα σφάλματα και
να εντοπίζονται τα αίτια, η σοβαρότητα και οι συνέπειές τους.
» [2] Lazarova-MolnarS. et al, Fault Detection and Diagnosis for Smart Buildings: Stateof the Art,
Trends and Challenges, 20163rd MEC InternationalConference on Big Data and Smart City.

7. Ο ρόλος και η σημασία της διάγνωσης στα κτίρια
• Προτείνονται μέθοδοι ανίχνευσης και διάγνωσης
σφαλμάτων – fault detection and diagnostics (FDD)
για την αντιμετώπιση αυτών των ζητημάτων.
• Οι μέθοδοι FDD μπορούν να χωριστούν στις
ακόλουθες πέντε ευρείες κατηγορίες:
– Μέθοδοι FDD που βασίζονταισε μοντέλο,
– Μέθοδοι FDD που βασίζονταισε σήματα,
– Μέθοδοι FDD που βασίζονταιστη γνώση,
– Ενεργές μέθοδοι FDD και
– Υβριδικέςμέθοδοι FDD.
https://pixabay.com/photos/problem-
technical-issues-technology-1951987/

8. Ο ρόλος και η σημασία της διάγνωσης στα κτίρια
• Οι μέθοδοιFDD μπορούν να χωριστούν στις ακόλουθεςπέντε
ευρείες κατηγορίες:
– Μέθοδοι FDD που βασίζονται σε μοντέλο,
• Τα μοντέλα FDD προτάθηκαν πριν από δεκαετίες.
• Η κατάλληλη μοντελοποίηση είναι απαραίτητη προϋπόθεση για μια
επιτυχημένη FDD με μεθόδους βασισμένες σε μοντέλο FDD.
• Κατάλληλα μοντέλα για FDD συνήθως λαμβάνονται με βάση μοντελοποίηση
πρώτων αρχών ή με μεθόδους προσδιορισμού συστημάτων.

9. Ο ρόλος και η σημασία της διάγνωσης στα κτίρια
• Οι μέθοδοιFDD μπορούν να χωριστούν στις ακόλουθεςπέντε
ευρείες κατηγορίες:
– Μέθοδοι FDD που βασίζονται σε σήματα,
• Οι μέθοδοι FDD με βάση σήματα χρησιμοποιούν κυρίως σήματα, τα οποία
λαμβάνονται από διαγνωστικές μετρήσεις.
• Οι αλγόριθμοι εντός αυτής της κατηγορίας παράγουν συμπτώματα ενός
υγιούς συστήματος ως αποτέλεσμα της ανάλυσης των συμπτωμάτων και των
γνώσεων του συστήματος, τα οποία είναι διαθέσιμα.
• Όταν ένα σύστημα είναι ελαττωματικό, τα συμπτώματα που εμφανίζονται
στο μετρημένο σήμα διαφέρουν από αυτά των υγιών συστημάτων.

10. Ο ρόλος και η σημασία της διάγνωσης στα κτίρια
• Οι μέθοδοι FDD μπορούν να χωριστούν στις ακόλουθες πέντε
ευρείες κατηγορίες:
– Μέθοδοι FDD που βασίζονταιστη γνώση,
• Οι μέθοδοι FDD που βασίζονται στη γνώση απαιτούν επαρκή ποσότητα ιστορικών
δεδομένων.
• Αυτές οι μέθοδοι χρησιμοποιούν μεθόδους από την τεχνητή νοημοσύνη για να
εξαγάγουν τις γνώσεις που βασίζονται στα ιστορικά δεδομένα που αντανακλούν τη
σχέση μεταξύ μεταβλητών του συστήματος.
• Η συμπεριφορά του συστήματος παρακολουθείται σε πραγματικό χρόνο και
συγκρίνεται με τις γνώσεις για τον εντοπισμό πιθανών αποκλίσεων και τη λήψη
αποφάσεων διάγνωσης βλαβών.

11. Ο ρόλος και η σημασία της διάγνωσης στα κτίρια
• Οι μέθοδοιFDD μπορούν να χωριστούν στις ακόλουθεςπέντε
ευρείες κατηγορίες:
– Ενεργές μέθοδοι FDD
• Οι ενεργές μέθοδοι FDD είναι μέθοδοι που αξιολογούν τη συμπεριφορά με
κατάλληλα σήματα δοκιμής για FDD.
• Η έγχυση σημάτων δοκιμής σε ενεργές μεθόδους FDD αυξάνει την
ανιχνευσιμότητα σφάλματος, γεγονός που αποτελεί σημαντικό πλεονέκτημα
των ενεργών μεθόδων FDD.
• Τα προστιθέμενα σήματα δοκιμής ενδέχεται να θέσουν σε κίνδυνο την
απόδοση και κατά συνέπεια η επίδρασή τους πρέπει να ελαχιστοποιηθεί.

12. Ο ρόλος και η σημασία της διάγνωσης στα κτίρια
• Οι μέθοδοιFDD μπορούν να χωριστούν στις ακόλουθεςπέντε
ευρείες κατηγορίες:
– Υβριδικές μέθοδοι FDD.
• Είναι συνδυασμός των προηγούμενων.

13. Βλάβες σε έξυπνα κτίρια
• Μια από τις πολλές εμπεριστατωμένες έρευνες [3]
κατέληξε στο συμπέρασμα ότι οι τυπικές βλάβες σε
εμπορικά κτίρια αποτελούνται από 13 τύπους βλαβών.
• Περαιτέρω έρευνα δείχνει ότι οι βλάβες λόγω λανθασμένης
διαμόρφωσης αποτελούν επίσης ένα τυπικό σφάλμα σε
νέα κτίρια, και δεν έχουν λάβει επαρκές επίπεδο προσοχής.
• Παραδείγματα τέτοιων βλαβών είναι:
– Λάθος διαμορφωμένος εξοπλισμόςκτιρίου, με λανθασμένη
ρύθμιση του εξοπλισμού.
– Μη ενεργοποιημένοι ή λάθος καλωδιωμένοι ενσύρματοι
αισθητήρες και ενεργοποιητές.
» [3] K. W. Roth, D. Westphalen, M. Y. Feng, P. Llana, and L. Quartararo, "Energy impact of commercial building
controls and performance diagnostics: market characterization, energy impact of building faults and energy
savings potential," Prepared by TAIX LLC for the US Department of Energy. November. 412pp, 2005.
https://pixabay.com/photos/ethics-
right-wrong-ethical-moral-2991600/

14. Ο ετήσιος αντίκτυπος των σφαλμάτων στα κτίρια
όσον αφορά την κατανάλωση ενέργειας
(from Lazarova-Molnar S et al,FaultDetection and Diagnosisfor SmartBuildings:Stateof the Art, Trends and Challenges,
2016 3rd MEC International Conferenceon Big Data and Smart City.)

15. FDD σε Έξυπνα Κτίρια
• Η ανίχνευση και διάγνωση σφαλμάτων (FDD) είναι ένα σημαντικό
θέμα στα έξυπνα κτίρια.
• Το κόστος λειτουργίας των κτιρίων έχει αποδειχθείότι μειώνεται
σημαντικά με τη χρήση αυτοματοποιημένηςFDD [4].
• Αυτά τα στατιστικά στοιχείαέχουν προκαλέσεισημαντική έρευνα
στον τομέα της FDD για κτίρια.
» [4] SinopoliJ., AdvancedTechnologyfor Smart Buildings, Artech House, 2016.

16. FDD σε Έξυπνα Κτίρια
• Ενώ η FDD μπορεί να χρησιμοποιηθεί και για άλλα συστήματα κτιρίων,
επικεντρώνεται συχνά κυρίως σε συστήματα HVAC [4].
• Τα συστήματα HVAC είναι ένα από τα πιο σύνθετα συστήματα και
καταναλώνει αρκετή ενέργεια σε ένα κτίριο που περιλαμβάνει
διαφορετικές διαδικασίες και αλληλεπίδραση διαφορετικών τύπων
εξοπλισμού.
• Η απόδοση ενός συστήματος HVAC μετριέται με διάφορους τρόπους:
– την ποιότητα του αέρα εσωτερικού χώρου, την κατανάλωση ενέργειας και τη
θερμική άνεση.
» [4] Sinopoli J., Advanced Technology for Smart Buildings, Artech House, 2016.

17. FDD σε Έξυπνα Κτίρια
• Γενικευμένα σε υψηλό επίπεδο, οι μέθοδοι FDD για κτίρια
μπορούν να ταξινομηθούν σε τρεις κύριες κατηγορίες:
– Μέθοδοι με γνώμονα το μοντέλο, που προορίζονται για κτίρια που
αναπτύσσονται αποκλειστικά βάσει φυσικών μοντέλων, όπου οι
σχέσεις περιγράφονται αυστηρά ποσοτικά.

18. FDD σε Έξυπνα Κτίρια
• Γενικευμένα σε υψηλό επίπεδο, οι μέθοδοι FDD για κτίρια
μπορούν να ταξινομηθούν σε τρεις κύριες κατηγορίες:
– Μέθοδοι που βασίζονται σε δεδομένα, οι οποίες εξάγουν τις σχέσεις
και τα μοντέλα πρόβλεψης με βάση την ιστορική και συνεχή συλλογή
δεδομένων (συνήθως αλγόριθμοι μηχανικής μάθησης)

19. FDD σε Έξυπνα Κτίρια
• Γενικευμένα σε υψηλό επίπεδο, οι μέθοδοι FDD για
κτίρια μπορούν να ταξινομηθούν σε τρεις κύριες
κατηγορίες:
– Υβριδικές μέθοδοι, οι οποίες παρουσιάζουν μεθόδους που
αντιπροσωπεύουν συνδυασμό προσεγγίσεων που βασίζονται
σε μοντέλα και δεδομένα. Συνδυάζουν στοιχεία τόσο από τις
μεθόδους που βασίζονται σε δεδομένα όσο και από αυτές που
βασίζονται σε μοντέλα.

20. Μερικά θέματα και ανησυχίες για την εφαρμογή
FDD σε έξυπνα κτίρια
• Μερικά θέματα FDD στα έξυπνα κτίρια [4]:
– Έλλειψη δεδομένων:
• Η FDD χρειάζεται δεδομένα από τα συστήματα BAS. Εάν δεν υπάρχουν αρκετοί
αισθητήρες,οι αισθητήρες είναι ανακριβείς ή το κτίριο έχει ένα παλαιό σύστημα
ελέγχου, μπορεί να προκύψουν προβλήματα με την απόκτηση των απαιτούμενων
δεδομένων.
– Πώς να χειριστείτε τις πληροφορίες FDD:
• Οι διαχείριστές εγκαταστάσεωνπρέπει να αποφασίσουν τον καλύτερο τρόπο χειρισμού
των πληροφοριών FDD. Ένα σφάλμα υποδεικνύει ότι το σύστημα μπορεί να είναι
λειτουργικό,αλλά δεν λειτουργεί με τον καλύτερο δυνατό τρόπο.
» [4] SinopoliJ., AdvancedTechnologyfor Smart Buildings, Artech House, 2016.

21. Μερικά θέματα και ανησυχίες για την εφαρμογή
FDD σε έξυπνα κτίρια
• Μερικά θέματα FDD στα έξυπνα κτίρια [4]:
– Εναλλακτικοί τρόποι ανάπτυξης FDD:
• Σε κάποιο σημείο στο μέλλον, οι κατασκευαστέςθα ενσωματώσουντις FDD
στους ελεγκτές τους, ξεκινώνταςαπό τον μεγάλο εξοπλισμό, όπως οι ψύκτες.
– Έλλειψη εφαρμογών για αναδυόμενα συστήματα:
• Οι FDD δεν απευθύνονταιεπί του παρόντος σε νεώτερες πηγές ενέργειας,όπως
ηλιακή,αιολικήή γεωθερμική,και δεν αγγίζουντη διαχείρισηενέργειαςή την
ανταπόκρισηστη ζήτηση.
» [4] Sinopoli J., Advanced Technology for Smart Buildings, Artech House, 2016.

22. Αξιολόγηση βλαβών σε έξυπνα κτίρια
• Η αξιολόγηση βλαβών (ή η εκτίμηση
αντικτύπου) είναι ένα από τα σημαντικότερα
βήματα της διαδικασίας αυτοματοποιημένης
ανίχνευσης και διάγνωσης βλαβών (AFDD).
• Η σοβαρότητα της βλάβης και οι επιπτώσεις
της στην κατανάλωση ενέργειας είναι
απαραίτητα για να δοθεί προτεραιότητα
στην επισκευή.
https://pixabay.com/illustrations/dete
ctive-searching-man-search-1424831/

23. Αξιολόγηση βλαβών σε έξυπνα κτίρια
• Ωστόσο, η αξιολόγηση του αντίκτυπου (ενέργειας
και κόστους) ή της σοβαρότητας της βλάβης είναι
δύσκολη, διότι σε πολλές περιπτώσεις οι
πληροφορίες που απαιτούνται για την
αξιολόγηση δεν είναι εύκολα διαθέσιμες.
• Ο αντίκτυπος του σφάλματος μπορεί να
χρησιμοποιηθεί για να δοθεί προτεραιότητα στις
επισκευές, γεγονός που θα έχει ως αποτέλεσμα
μειωμένη ενέργεια και κόστος, βελτιωμένη άνεση
και διάρκεια ζωής του εξοπλισμού και μειωμένο
κόστος εξυπηρέτησης.
https://pixabay.com/illustrations/dete
ctive-searching-man-search-1424831/

24. Παραδείγματα αυτοματοποιημένων FDD σε
έξυπνα κτίρια
• Η αυτοματοποιημένη μέθοδος FDD μπορεί να
χρησιμοποιηθεί για την παρακολούθηση των
βλαβών των συστημάτων φωτισμού [5].
• Η μέθοδος AFDD χρησιμοποιεί τον αισθητήρα
έντασης φωτός για να μετρήσει το κατά προσέγγιση
επίπεδο του φωτός και τη στατιστική του κατανομή.
» [5] Woohyun Kim & Srinivas Katipamula (2017): A Review of Fault
Detection and Diagnostics Methods for Building Systems, Science
and Technology for the Built Environment, DOI:
10.1080/23744731.2017.1318008
https://pixabay.com/photos/light-bulb-idea-
creativity-socket-3104355/

25. Παραδείγματα αυτοματοποιημένων FDD σε
έξυπνα κτίρια
• Τα όρια ανίχνευσης εντοπίζονται στο σημείο όπου το
αποτέλεσμα των αισθητήρων έντασης φωτός αρχίζει να
μειώνεται.
• Επιπλέον, η παρακολούθηση της υγείας σε πραγματικό
χρόνο πραγματοποιείται βάσει του ρεύματος εισόδου,
της τάσης εισόδου και της θερμοκρασίας του πίνακα,
για να προβλεφθεί η υποβάθμιση ισχύος εξόδου φωτός
ενός LED σε πραγματικό χρόνο [5].
» [5] Woohyun Kim & Srinivas Katipamula(2017): A Review of Fault
Detection and Diagnostics Methods for Building Systems, Science and
Technologyfor the Built Environment,DOI:
10.1080/23744731.2017.1318008
https://pixabay.com/photos/light-bulb-idea-
creativity-socket-3104355/

26. Παραδείγματα αυτοματοποιημένων FDD σε
έξυπνα κτίρια
• Η μέθοδος AFDD αναπτύσσεται επίσης για συστήματα
κλιματισμού και συστήματα αντλιών θερμότητας που
διαθέτουν συμπιεστή σταθερής και μεταβλητής
ταχύτητας [5].
• Σύμφωνα με αυτή τη μέθοδο, εντοπίζονταιπέντε
διαφορετικά σφάλματα: 1) απώλεια απόδοσης του
συμπιεστή, 2) χαμηλή ή υψηλή ποσότηταψυκτικού
μέσου, 3) βρώμικος συμπυκνωτής ή εξατμιστήρας, 4)
ελαττωματική συσκευή επέκτασης και 5) περιορισμός
γραμμής υγρών.
» [5] Woohyun Kim & Srinivas Katipamula(2017): A Review of Fault
Detection and DiagnosticsMethodsfor Building Systems, Science and
Technologyfor the Built Environment,DOI:
10.1080/23744731.2017.1318008.
https://pixabay.com/illustrations/air-
conditioning-air-conditioner-3679756/

27. Παραδείγματα αυτοματοποιημένων FDD σε
έξυπνα κτίρια
• Τα μοντέλα απόδοσης για την χωρητικότητα και την
κατανάλωση ενέργειας για κανονικές συνθήκες
αναπτύσσονται για την εκτίμηση της αναμενόμενης
τιμής αναφοράς.
• Μια σύγκριση μεταξύ της τρέχουσας εκτιμώμενης
απόδοσης και των κανονικών αναμενόμενων τιμών
χρησιμοποιείται για να προσδιοριστεί εάν ένα
σφάλμα, αν εντοπιστεί, είναι αρκετά σοβαρό ώστε να
δικαιολογεί την συντήρηση [5].
» [5] Woohyun Kim & Srinivas Katipamula (2017): A Review of Fault
Detection and Diagnostics Methods for Building Systems, Science and
Technology for the Built Environment, DOI:
10.1080/23744731.2017.1318008.
https://pixabay.com/illustrations/air-
conditioning-air-conditioner-3679756/

28. Η τρέχουσα κατάσταση των διαγνωστικών στα
κτίρια
• Υπάρχουν αρκετάεμπορικά προϊόντα και υπηρεσίεςAFDD που
διατίθενταιστην αγορά.
• Ωστόσο, η διείσδυση τους δεν είναι τόσο διαδεδομένηόσο θα
περίμενε κανείς [5].
• Η αξιόπιστη ανίχνευσηχαμηλού κόστους για κάποιους τύπους
μετρήσεων (ροή αέρα, πίεση, ισχύς, κλπ.) εξακολουθεί να έχει
ελλείψεις.
• Βελτίωμένητην τελευταίαδεκαετίαείναι η ανάπτυξη
αλγορίθμων AFDD χαμηλού κόστους που μειώνουν τον αριθμό
των αισθητήρωνπου απαιτούνται για την ανίχνευσηενός
συνόλου σφαλμάτων ή υποβάθμισηςτων επιδόσεων ενός
συστήματος.
» [5] Woohyun Kim & Srinivas Katipamula (2017): A Review of Fault Detection and
Diagnostics Methods for Building Systems, Science and Technology for the Built
Environment, DOI: 10.1080/23744731.2017.1318008.
https://pixabay.com/photos/pros-and-
cons-weigh-compare-baskets-
2028471/

29. Η τρέχουσα κατάσταση των διαγνωστικών στα
κτίρια
• Ορισμένες πρόσφατες μελέτες έχουν επίσης καταφέρει να
ανιχνεύσουν πολλαπλές ταυτόχρονες βλάβες, ενώ
προηγούμενες μέθοδοι AFDD δεν χειρίστηκαν πολλαπλά
σφάλματα που συνέβησαν ταυτόχρονα.
• Περιστασιακά, το ελαττωματικό στοιχείο προκαλεί
σφάλματα σε άλλα εξαρτήματα του συστήματος και η
μέθοδος AFDD πρέπει να είναι σε θέση να διαγνώσει
ταυτόχρονα όλες τις πηγές σφάλματος.
• Εάν διαγνωστεί και επιδιορθωθεί μόνο ένα σφάλμα, το
σύστημα θα συνεχίσει να λειτουργεί με κάποιο σφάλμα
που δεν διαγνώστηκε και θα μπορούσε να προκαλέσει την
σφάλμα στα επισκευασμένα εξαρτημάτα.
https://pixabay.com/photos/pros-and-
cons-weigh-compare-baskets-
2028471/

30. Η τρέχουσα κατάσταση των διαγνωστικών στα
κτίρια
• Ορισμένες πρόσφατεςμέθοδοι AFDD
ασχολούνται με την επιλογή ενός κατάλληλου
ορίου για την αποτροπή συχνών συναγερμών
σφάλματος.
• Τα υψηλά ποσοστά ψευδών συναγερμών και η
έλλειψη καλών στρατηγικών επιλογής ορίων
εμποδίζουν την κατασκευαστική βιομηχανία να
υιοθετήσειτις πιο πρόσφατες στρατηγικές AFDD.
https://pixabay.com/photos/pros-and-
cons-weigh-compare-baskets-
2028471/

31. Η τρέχουσα κατάσταση των διαγνωστικών στα
κτίρια
• Αν τα όρια θέτονται πολύ κοντά στις κανονικές
συνθήκες, το σύστημα AFDD θα ήταν πολύ
ευαίσθητο, πράγμα που θα οδηγούσε σε ψευδείς
συναγερμούς.
• Εάν τα όρια ορίζονται πολύ μακριά από τις κανονικές
συνθήκες, το σύστημα AFDD θα χάσει σφάλματα
που δυνητικά θα μπορούσαν να μειώσουν την
απόδοση του συστήματος.
• Ως εκ τούτου, είναι σημαντικό να ορίζονται εύλογα
όρια ώστε να εντοπιστεί η παρουσία σφάλματος.
https://pixabay.com/photos/pros-and-
cons-weigh-compare-baskets-
2028471/

32. Σας ευχαριστώ για την προσοχή σας.
https://pixabay.com/illustrations/thank-you-polaroid-letters-2490552/

33. Αποποίηση Ευθύνης
Για περισσότερες πληροφορίες σχετικά με το πρόγραμμα VET4SBO, επισκεφθείτετην ιστοσελίδα του έργου στη
διεύθυνση https://smart-building-operator.euή επισκεφθείτε μας στη διεύθυνση
https://www.facebook.com/Vet4sbo .
Κατεβάστε την εφαρμογή για φορητές συσκευές στη διεύθυνση:
https://play.google.com/store/apps/details?id=com.vet4sbo.mobile .
Το έργο αυτό (2018-1-RS01-KA202-000411) χρηματοδοτείταιμε την υποστήριξη της Ευρωπαϊκής Επιτροπής
(Πρόγραμμα Erasmus+). Η δημοσίευσηαυτή αντικατοπτρίζει μόνο τις απόψεις του δημιουργού και η Επιτροπή δεν
μπορεί να θεωρηθεί υπεύθυνη για οποιαδήποτε χρήση των πληροφοριών που περιέχονται σε αυτήν.