Humlegårdens hissar krånglar mindre – med IoT

Foto: Humlegården

Krånglande hissar gör ingen hyresgäst glad. Humlegården Fastigheter använder sig av en självlärande IoT-lösning där uppkopplade hissar signalerar avvikelser direkt till driftteamet – innan det blir ett problem.

Ett av de vanligaste problemen i en fastighet kan vara krånglande hissar. Om byggnaden dessutom bara har en enda hiss blir det naturligtvis ramaskri om den inte funkar.

Humlegården Fastigheter AB har sedan några år tillbaka gått från akutlösningar till att ligga steget före när det gäller hissarna i deras kontorsfastigheter. Mattias Dahlberg är chef för teknik på Humlegården. Han konstaterar att traditionellt hissunderhåll vanligen sköts genom ett serviceavtal, där leverantören regelbundet kollar statusen och byter ut komponenter.

Mattias Dahlberg, Humlegården

När något akut uppstår, ringer man en tekniker som får komma och åtgärda. Däremot har man ingen möjlighet att följa hur hissarna beter sig eller hitta avvikelser. Men 2016 deltog Humlegården som enda svenska företag i ett pilotprojekt tillsammans med sin hissleverantör.

– Det var ett internationellt projekt som syftade till att samla in och analysera realtidsinformation från hissar i hela världen, för att på så vis kunna utföra underhåll på hissarna innan ett fel inträffar. Det förbättrar dels den tekniska driften, minimerar oplanerade driftstopp och sparar pengar. Men framförallt ger det en bättre upplevelse för våra kunder.

Självlärande system som drar slutsatser
Hissar är redan idag tekniskt avancerade installationer, och därför är det inte särskilt komplicerat att koppla upp dem till ett moln, menar Mattias Dahlberg. Det är vad som händer sedan som är det riktigt spännande, nämligen att hitta användbara mönster i all den enorma mängd data som samlas in. Och det är här som AI kommer in.

I pilotprojektet användes IBM Watson IoT-plattform för att bearbeta data från många olika hissövervakningsenheter och utifrån det lära sig olika mönster. Mönster som man nu har nytta av i den dagliga driften.

– Om en avvikelse registreras i en av våra hissar kan systemet snabbt jämföra med liknande avvikelser i andra, och ge information om huruvida det rör sig om ett akut problem eller inte.

AI avgör akutfall
Mattias Dahlberg tar ett exempel: En viss hiss brukar ta sig från första till sjätte våningen på tio sekunder. AI-systemet lägger plötsligt märke till att hissen tar några sekunder längre än vanligt – något som en människa knappast skulle märka. Men systemet kan analysera om det finns snarlika fall med andra uppkopplade hissar av samma modell.

– Om dessa fall inneburit att akuta driftfel kan uppstå, triggar det en signal till leverantören att de ska skicka ut en servicetekniker. Och om avvikelsen inte lett till några driftstopp, blir det istället en arbetsorder till driftteamet om att de ska kolla upp hissen vid nästa servicetillfälle.

Upptäcker problem innan de inträffar
Ett annat, ganska vanligt problem är krånglande hissdörrar. Snö- och slaskväder gör att grus och sand ofta fastnar i det spår som hissdörren löper i. Något som gör att dörren hakar upp sig när den ska stänga – ofta få den hålla på fram och tillbaka några gånger innan den stänger sig som den ska, och så kanske det fortgår ett tag tills dörren strejkar helt och någon måste ringa en reparatör.

– Nu går det istället en signal till driftteamet som kan komma ut på direkten. Och det fina här är ju att vi själva inte längre behöver kontakta leverantörens drifttekniker.

På det här viset sparas pengar, tid och mindre irritation från hyresgästerna. Visst kan en hiss fortfarande gå sönder akut menar Mattias Dahlberg, men de händelserna har definitivt minskat.

– Nu ligger vi steget före och de allra flesta avvikelser upptäcks och avhjälps innan de blir ett riktigt problem.

Arbeta datadrivet på fler sätt
Nu tittar Humlegården Fastigheter på hur man kan dra ännu mer nytta av all information som samlas i de olika IoT-systemen. Nyckeln är att klura vad man ska ha den till. En sak man kan utläsa av all data, är hur folk rör sig i fastigheten. Exempelvis vilka våningsplan hyresgästerna åker till och vid vilka tider.

– Om många åker till våning åtta på torsdagar, skulle man kunna anpassa städningen efter det. Via passersystem kan vi också se om många kommer samtidigt till jobbet med ett visst pendeltåg, och då kan vi se till att hissarna är nerkörda till bottenplan vid den tiden. Vi funderar hela tiden på hur vi kan skapa kund- och affärsnytta med all data som finns. För potentialen är ju enorm!

Text: Pernilla Fredholm
redaktionen@forvaltarforum.se

 

Dela artikeln: LinkedIn

För dig som arbetar med förvaltning och utveckling av alla typer av fastigheter.

Prenumerera på
vårt kostnadsfria nyhetsbrev










Inköpsportal - tipsa oss

Inköpsportal - ansökan
Logotyp, minst 200 pixlar bred *

Maximum file size: 209.72MB

Bild, minst 540 pixlar bred *

Maximum file size: 209.72MB

Kontaktspersonsbild, minst 200 pixlar bred *

Maximum file size: 209.72MB

Inköpsportal - tipsa en kollega