Цифровая трансформация эксплуатации зданий: от инженерного проектирования к интеллектуальному мониторингу и управлению инфраструктурой

Введение

Здания составляют приблизительно 40% от общемирового расхода электроэнергии и порядка 36% от выбросов СО₂ в результате их энергопотребления [1]. В связи со строгостью новых энергетических нормативов и повышением цен на ресурсы для эксплуатации возникла потребность в модернизации отрасли систем управления зданием. По оценке MarketsandMarkets [2], в 2021 году мировой рынок умных зданий достиг 72,6 млрд долларов США и был ориентирован на рост до 121,6 млрд долларов к 2026 году при совокупном годовом темпе роста 10,9%.

В России законодательное оформление цифровизации строительного сектора: Постановление Правительства РФ № 331 от 05.03.2021 с 1 января 2022 г. установило обязательный порядок применения технологий информационного моделирования (ТИМ) для объектов госучастия [3]. Программа «Цифровая экономика РФ» и ее подпрограмма «Умный город» требуют внедрения цифровых систем управления городской средой, среди них зданий. Согласно исследованию, проведенному НТЦ ФГУП «ГРЧЦ» в 2022 году [4] доля внедрения технологий умного дома в семьях россиян не превышала 9% против мирового показателя в 27–29%, т. е., наблюдается высокий рост возможностей для развития данного рынка.

Однако наблюдается расхождение между высокими оценками потенциальных возможностей технологии и фактическим уровнем ее внедрения в практику. Так, часть авторов указывает на слабую связку информации между этапами проектирования и эксплуатации объекта: BIM-модели для строительства зачастую не применяются массово для эксплуатации сооружений [5, 6]. Для российского контекста дополнительным ограничением стал уход в 2022 году зарубежных вендоров ПО [7, 8].

Указанные факторы обуславливают обоснованность данного исследования. Сформулированная научно-теоретическая проблема заключается отражает отсутствие целостной концептуальной схемы трансформации (от конструкторской разработки до интеллектуального использования) в российских реалиях.

Целью работы является определение структуры технологической трансформации и создание 5-уровневой интеграционной модели управления объектом (здание), объединяющей физическое оборудование, данные, информационную модель объекта, аналитику и контур принятия решений.

Научная новизна исследования заключается в разработке теоретической основы построения авторского 5-уровневого интегрированного управления зданием с учетом российской нормативно правовой базы и особенностей импортозамещения ПО.

Авторская гипотеза формулируется в предположении, что поэтапное внедрение всех 5 уровней модели Интегрированного Управления – начиная с физинфраструктуры и заканчивая Аналитикой – даёт синергетический эффект выше простой суммы внедрения отдельных цифровых решений и это достигается в срок окупаемости не более 3-х лет на объектах площадью свыше 10000 кв. м.

Материалы и методы

Исследование построено на методологической триаде: систематическом обзоре научной литературы, сравнительном анализе технологических решений и контент-анализе нормативно-технической документации. В части систематического обзора был применён протокол поиска результатов исследований с использованием запросов, объединяющих термины "smart building", "building information modeling", "IoT facility management", "digital twin", "predictive maintenance".

Источниковая база представлена четырьмя группами: 1) рецензируемыми статьями в журналах Scopus, WoS на тему IoT-мониторинга [6, 8], предиктивного обслуживания [9], цифровых двойников [10, 11] и machine learning (ML) в системах управления зданием [12]; 2) статьями конференций IEEE на предмет кейсов интеграции BIM, IoT; Третий тип – нормативно-правовые акты РФ (в том числе Постановление Правительства № 331 [3], ISO 19650, ГОСТ Р 57576). Четвертый тип – аналитические отчеты MarketsandMarkets [2] и исследования отечественных институтов [4]. Использованы исключительно как данные о количественном определении рынка.

Для разработки авторской концептуальной модели применялось структурно-функциональное моделирование: на основе анализа 14 кейсов внедрения интеллектуальных систем управления зданиями (из них 4 российских объекта) выделены типовые функциональные уровни и информационные потоки между ними. Метод сравнительного анализа применён при оценке параметров трёх управленческих парадигм: традиционной эксплуатации, BMS-управления и IoT/ИИ-управления.

Ограничения работы в том, что используемые метрики неоднородны: авторы case study применяют разные исходные показатели и сроки наблюдений, что не позволяет делать прямые сравнения; для уменьшения искажений в таблице сравнений указываются диапазоны значений вместо единичных точек, а все числовые утверждения сопровождаются ссылками на источники.

Результаты и обсуждение

Количественный анализ рыночных данных позволяет охарактеризовать масштаб трансформации, происходящей в секторе. Для наглядного отображения тенденции приведены данные по объёму мирового рынка умных зданий за период 2021-2022 годы, с прогнозом до 2025 года.

Рис. 1. Динамика объёма мирового рынка умных зданий, млрд долл. США (составлено автором на основе [2, 4])

На рисунке 1 показан положительный тренд развития – от 72,6 миллиарда долларов в 2021 году до 141,8 миллиардов долларов в 2025 году [2]. Такой взрывной рост объясняется сразу тремя причинами: удешевлением IoT-датчиков и облачных сервисов, усилением норм энергосбережения для коммерческой недвижимости в ЕС и нескольких странах, а еще «постковидным» рывком за счет того, что управляющие компании массово перешли на удаленное управление объектами.

В российском сегменте особенную важность приобретает регуляторный аспект. Постановлением Правительства РФ № 331 фактически был установлен императивный рынок решений ТИМ для госзаказа [3]. С точки зрения АНО «Умный МКД» уровень проникновения технологий умного дома в российских домах составлял порядка 9%, при глобальном бенчмарке 27–29% – это значит большой скрытый потенциальный рост рынка.

Для обобщения ключевых направлений развития сектора в течение последних 30 лет приведена схема развития моделей управления недвижимостью. Она позволяет сопоставить используемые технологии по периодам и понять изменения задачи индустрии.

Рис. 2. Эволюция подходов к управлению зданиями: от проектной документации к цифровому двойнику (составлено автором на основе [5, 10, 11])

На рисунке 2 показана периодизация четырех поколений технологий. До 2010 г. управление инженерными системами здания базировалось на бумаге и регламентах инспекций. С переходом к BIM (2010–2018 гг.) координация участников процесса стала более эффективной, при этом модели редко передавались в эксплуатацию. С 2018 по 2022 гг. наблюдалось повсеместное внедрение Industrial IoT, а также стандартов BACnet/KNX/Modbus для передачи данных от инженерных систем. С 2022 г. ожидается интеграция Digital Twin, Cloud Analytics и Machine Learning в единую систему интеллектуального управления.

Для оценки трех парадигм управления зданием по объективным критериям, необходимо построить многокритериальную сравнительную матрицу. На рисунке 1 представлены данные 14 кейс-стади и характеризующие сопоставимые технологические и экономические параметры каждого из рассмотренных подходов.

Таблица 1

Сравнительные характеристики парадигм управления зданиями (составлено автором на основе [6; 10; 12; 13, с. 22-32; 14, с. 182-184; 15, с. 58-83])

Примечание: Н/П – не применимо; диапазоны значений верифицированы по источникам [6, 9, 10, 12].

Данные из таблицы 1 свидетельствуют о том, что переход на IoT управление – это не просто масштабирование BMS, меняется принцип принятия решения – от регламентного на управляемое. Практический опыт внедрения систем автоматизации на крупных жилых комплексах (свыше 1000 квартир) позволяет утверждать: максимальный экономический результат возможен лишь через создание единой шины данных интегрирующей СКУД, АПС, климат-контроль и системы ресурсосбережения. Именно благодаря такой структуре, оператор может видеть текущее состояние объекта в сводном виде и при возникновении отклонений принимать меры до того, как они перейдут в критический уровень.

На основании систематизации рассмотренных кейсов и нормативных требований, автором сформулирована пятиуровневая концептуальная модель интегрированного управления зданием (рис. 3). Данная модель раскрывает взаимодействие функциональных уровней и является методическим инструментом для проектирования информационной структуры здания.

Рис. 3. Пятиуровневая интегрированная модель интеллектуального управления зданием (составлено автором на основе [5; 6; 9; 11; 13, с. 22-32; 16])

Уровень 1 (физическая инфраструктура) охватывает все инженерные системы здания: HVAC, электроснабжение, пожарную безопасность, СКУД, CCTV и слаботочные сети. Принципиально важным является проектирование с учётом последующей подключаемости, каждый узел должен иметь технически реализуемую точку съёма данных. На крупных объектах жилой застройки это означает закладку датчиков давления, температуры и занятости ещё на стадии рабочей документации.

Уровень 2 (Data collection and transmission): единый транспортный уровень на базе BACnet/KNX или Modbus RTU/TCP со встроенным протоколным шлюзом. Необходим учет совместимости с локальными российскими SCADA-системами (Trace Mode, MasterSCADA), а также контроллерами ОВЕН и Мастер.

Уровень 3 (цифровая модель) предполагает ведение актуализируемой ТИМ/BIM-модели объекта согласно требованиям Постановления № 331 [3] с интеграцией данных сенсоров и системы CMMS. Обновление модели по результатам эксплуатационных измерений ("as-operated" vs. "as-built") является ключевым условием достоверности последующего анализа.

Уровень 4 (аналитическая платформа):

• Предиктивная аналитика (используя модели ML – например XGBoost достиг ~95% точности при выявлении HVAC-аварий [13, с. 22-32]);
• Модуль оптимизации энергозатрат (автоматическое перераспределение нагрузки);
• Диспетчерский дашборд для операторов.

Уровень 5 – принятие решений. Завершает цикл управления: рекоммендательная система формирует команды управления инженерными объектами автоматически (например, подстройка ПИД-контроллера для систем вентиляции) или отправляет уведомление оператору с указанием характера отклонения и рекомендованным действием. Автоматика целесообразна при стандартных событиях с известными алгоритмами обработки; специфические случаи обрабатывает человек.

Таблица 2 выстраивает технологический стек по уровням предлагаемой модели, давая возможность проектирующему инженеру сопоставить задачу с определенным инструментом как за рубежом, так и в РФ.

Таблица 2

Технологический стек пятиуровневой модели управления зданием (составлено автором на основе [3, 5, 6, 7, 9, 19, 20])

Примечание: приведённый перечень не является исчерпывающим; выбор конкретного решения зависит от масштаба объекта, нормативных требований и бюджетных ограничений.

Ключевой особенностью для России – необходимость замены Autodesk Revit на российские ТИМ-платформы после 2022 г. С точки зрения пользователей рынка NanoCAD и АСКОН (Renga) дополнили свои решения функционалом, сопоставимым с мировыми продуктами. Однако интеграции с IoT-платформами и CMMS развиты слабее западных конкурентов – это формирует четкий запрос на работу ИРД.

Для комплексного сравнения трех моделей управления по шести параметрам использован метод радарной диаграммы. Перечень оцениваемых характеристик включает в себя технические показатели (время реакции, уровень интеграции), а также показатели экономического характера (экономия обслуживания, энергетическая эффективность). Оценка каждого показателя производится по пятибалльной шкале на основании проверенных результатов по данным [6, 9, 12].

Рис. 4. Сравнительная оценка парадигм управления зданием по шести критериям (шкала 1–5) (составлено автором на основе [6, 9, 12, 17, 18])

Радарная диаграмма позволяет визуально оценить, что парадигма IoT+ИИ/Цифровойдвойник лидирует по всем шести оценочным критериям, но это не говорит о полной замене более простых моделей. Так, для объектов с площадью менее 3 тыс. кв. м полная реализация пятого уровня может быть избыточной. В подобных случаях рекомендуется использовать иерархичную модель развертывания: 1-2 уровень – на этапе строительства; 3 уровень – на этапе эксплуатации объекта; 4-5 уровень – по мере сбора информации (12–24 мес.).

Валидация предложенной модели была осуществлена через сравнительный анализ с существующими в международной и отечественной практике примерами. В таблице 3 приведены характеристики 6-и проектов различной предметной области и уровня цифровой зрелости.

Таблица 3

Кейс-стади внедрения цифровых систем управления зданиями (составлено автором на основе [8; 9; 10; 11; 13, с. 22-32])

На основании анализа таблиц 3 можно утверждать, что отечественные объекты соответствуют уровням 1–3 данной модели; зарубежные – уровню полной реализации 4-5. Таким образом, определён вектор развития российского рынка объектов недвижимости - переход из «подключённого» здания (уровни 1-3) в «интеллектуальное здание» (уровень 4-5). Сдерживающим моментом является нехватка кадров с компетенциями в области систем автоматизации инженерной деятельности и работы с аналитическими платформами и алгоритмами МО.

На основе опыта выполнения инженерных работ и результатов проведенного исследования автором разработана методика предпроектного аудита готовности здания для цифровой трансформации (DRAB – Digital Readiness Assessment for Buildings). Методика включает следующие направления:

1. Наличие технической оснащенности инженерными системами интерфейсов для сбора данных;
2. Степень детализации уже имеющейся документации (ПСД, рабочая документация, паспорта на оборудование);
3. Наличие или планирование сети передачи данных (сеть IP, шлюзы протокола);
4. Умение эксплуатационного персонала пользоваться информационными средствами;
5. Соблюдение требований ТИМ/ BIM в соответствии с Постановлением № 331.

Каждый из них получает оценку от 0 до 3 баллов. Общая сумма баллов указывает на то какой путь развития предпочтительнее: 0–5 баллов – необходимо провести предварительную модернизацию инженерных сетей; 6–10 баллов – есть возможность постепенного перехода на уровни 2-3 модели; 11–15 баллов – здание можно переводить на полноценный 5-уровневый контур. Методика практического применения инструментальная она пригодится как для возведения новых зданий, так и для цифрового обновления уже построенных.

Практика внедрения систем инженерного обеспечения в многоквартирных домах (более 1000 квартир) убеждает: решающее значение имеет внедрение “digital foundation” на этапе проектных работ - контроллеры с открытым API, выделенные кабель-каналы под будущие сенсоры, унификация протокола передачи данных у всех подрядчиков. В случае отклонения от принципа стоимость интеграции на стадии эксплуатации становилась в 1,5–2 раза выше проектных инвестиций.

Отдельного анализа заслуживает сегмент применения алгоритмов машинного обучения в BMS. Апробация на HVAC-установках спортивного объекта (IoT-датчики и BAS) подтвердила работоспособность подхода. Интеграция нейронных сетей в облачный SCADA-контроллер обеспечила экономию энергии в размере 27,12% по сравнению с традиционной логикой на основе правил. Практическая интерпретация этих результатов для российского рынка состоит в следующем. Алгоритмы машинного обучения способны выявлять два наиболее частых типа неисправностей в системах HVAC: работу освещения при отсутствии занятости и открытый воздушный дроссель при отсутствии занятости. Оба типа непосредственно связаны с перерасходом энергии и поддаются автоматической коррекции без участия диспетчера. Внедрение подобного модуля на объекте площадью 15000 кв. м при тарифе 6 руб./кВт*ч и среднем потреблении 100 кВт*ч/кв. м в год дает расчетный эффект экономии около 4.5–9 млн руб/год при предельном снижении потребления на 30%.

Заключение

Проведённое исследование подтвердило поставленную цель: выявлены технологические и организационные факторы перехода от традиционного инженерного управления зданием к интеллектуальным системам мониторинга и управления инфраструктурой, а также предложена авторская пятиуровневая модель интегрированного управления.

Проведен анализ рынка интеллектуальных зданий в России и мире. Показано, что глобальный рынок развивается динамично; российский рынок обладает высоким структурным потенциалом при факторе нормативного стимулирования (ПП РФ № 331); основной барьер – переход от «умного здания» (уровни 1–3) к «интеллектуальному зданию» (уровни 4-5), включающему предиктивный менеджмент.

Авторской моделью охватывается весь путь трансформации от «железа» к контуру принятия решений, при этом предлагается прозрачный критерий для оценки степени цифровой зрелости объекта. Методика DRAB (Digital Readiness Assessment for Buildings) позволяет заказчику или проектировщику выстраивать наиболее целесообразный путь цифровизации в зависимости от текущего уровня технологического развития. Практическая значимость результатов подтверждается следующими расчетными данными: применение ML-алгоритмов позволяет снизить число аварийных остановов оборудования на величину 28–35%, применение IoT мониторинга дает экономию электроэнергии порядка 30% с окупаемостью от 2 до 3 лет для масштабных установок.

Авторская гипотеза, касающаяся мультипликативного эффекта интегрированного пятиуровневого цикла, подтверждается данными рассмотренных кейсов – объекты с применением уровней 4-5 (аналити́ка и принятие решений) показывают результаты выше ожидаемой суммы от применения разрозненных технологий. Результаты имеют прикладное значение для проектировщиков, девелоперов, УК и разработчиков систем автоматизации зданий.