Sisäilman laadun heikkenemisen ehkäiseminen data-analytiikan menetelmin

Abstract

Sisäilman laadun heikkeneminen on ollut ongelma siitä asti, kun ihmiset ovat eläneet sisätiloissa. Sisäilma saastuu erilaisista yhdisteistä, kuten orgaanisista yhdisteistä, pienhiukkasista ja liiallisesta kosteudesta. Sisäilman saastuminen johtaa ihmisten hyvinvoinnin heikkenemiseen, opiskelun tai työnteon tehokkuuden heikkenemiseen ja näiden kautta taloudellisiin tappioihin. Rakennuksia joudutaan purkamaan tai korjaamaan liian usein, mikä maksaa valtiolle turhaa rahaa. Ilmastointilaitteita käytetään joko liikaa tai liian vähän, jolloin energiankulutus kasvaa. Nämä ongelmat voitaisiin ehkäistä seuraamalla ja kehittämällä ilmanlaatua. Aluksi täytyy mitata pienhiukkasten konsentraatioita ja havainnoimalla sisäilmaa. Mittareista tulee paljon ja erilaista dataa, eli big dataa. Dataa täytyy analysoida, jotta saadaan tietoa sisäilman tilasta. Analyysin tekemiseen on useita työkaluja, kuten koneoppisen avulla luotavat ennustavat mallit. Näiden mallien avulla ilmanvaihtojärjestelmät voidaan ohjata optimaaliseen suorittamiseen, jolloin säästyy energiaa, terveyttä ja rahaa. Tutkittua analytiikkaa ilmanlaadun kontekstissa voidaan esittää kuusiportainen prosessi tiedon hankintaan. Ensin tunnistetaan tietotarpeet, jonka jälkeen mitataan dataa, jota sittemmin analysoidaan. Sen jälkeen arvioidaan prosessia ja tuloksia, jotta saadaan tarkkaa tietoa, jota voidaan käyttää päätöksenteon tukena. Tutkimustuloksia voidaan soveltaa esimerkiksi kunnan palveluissa tai yrityksen liiketoiminnassa.