The effects of AI based predictive maintenance from life cycle perspective

Projektnamn: The effects of AI based predictive maintenance from life cycle perspective
Projektledare: Shoaib Azizi , Hållbarhet, utvärdering och styrning, SEED, och Farzin Golzar , Kraft- och värmeteknologi, ITM
Deltagande företag: KTH
Projektperiod: 2026-2028
Finansiering: Digital Futures 

Detta forskningsprojekt syftar till att utveckla och validera ett integrerat ramverk som kombinerar AI-baserat prediktivt underhåll med livscykelanalys (LCA) för smarta byggnader. Med hjälp av KTH Live-In Lab som testbädd analyseras realtidsdata från över 150 sensorer som samlar in information var tionde minut. Projektet fokuserar på att utveckla maskininlärningsmodeller som kan förutsäga fel i HVAC-, rör- och andra tekniska system för att förlänga komponenternas livslängd, minska underhållskostnader och förbättra driftseffektiviteten. Ramverket kopplar även prediktivt underhåll till dynamisk LCA för att bedöma miljömässiga och ekonomiska effekter, inklusive avvägningar kopplade till sensoranvändning och digital infrastruktur. Genom att utvärdera både nyttor och miljöbelastningar från ICT-system under hela deras livscykel adresserar projektet en viktig forskningslucka inom hållbar digitalisering av byggnader. Det tvärvetenskapliga samarbetet förenar expertis inom byggnadsteknik, miljövetenskap och digitalisering, med stöd av avancerade simuleringsverktyg och KTH:s beräkningsinfrastruktur.

Kontakt