Met data-analyse, sensortechnologie en algoritmen worden afwijkingen van normale operationele parameters herkend. In FDD-methodes worden fouten gediagnosticeerd door de detectie van symptomen. Over het algemeen bestaat dit proces uit vier fasen:
- Voorverwerking: ruwe data (bijvoorbeeld uit het gebouwbeheersysteem (GBS)) wordt omgezet in een verwerkbaar format voor FDD;
- Symptoomdetectie: de aan- of afwezigheid van symptomen duidt op storingen;
- Foutdiagnose: de fouten die de gedetecteerde symptomen veroorzaken, worden geïdentificeerd en het effect op de prestatie wordt gekwantificeerd;
- Correctie: in deze fase worden beslissingen genomen over reparatie en aanpassingen.
Energie-efficiëntie en comfort
FDD biedt verschillende voordelen. Het draagt bij aan de energie-efficiëntie doordat het identificeren en corrigeren van fouten onnodig energiegebruik voorkomt. Doordat goed functionerende HVAC-systemen zorgen voor een optimaal binnenklimaat verbetert FDD het comfort binnen gebouwen. Het vroegtijdig detecteren van fouten maakt tijdig onderhoud mogelijk, waardoor grotere problemen en stilstand kunnen worden voorkomen. Dat kan op zijn beurt dure reparaties voorkomen en zelfs de levensduur van HVAC-apparaten verlengen.
Slim onderhoud
In het Brains4Buildings (B4B) project wordt onderzoek gedaan naar ‘zelf-diagnosticerende installaties voor energie-efficiency en slim onderhoud’. Dit onderzoek richt zich op het ontwikkelen van slimme diagnosesystemen om energieverliezen in gebouwen te verminderen door een continue geautomatiseerde identificatie van storingen in het functioneren van het gebouw. Die identificatie kan ook worden ingezet voor de planning van prestatiegericht onderhoud.