aalto1 untyped-item.component.html
A tool for building management system semi-automatic point mapping and metadata inference
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Master's thesis
Electronic archive copy is available via Aalto Thesis Database.
Authors
Date
Department
Major/Subject
Mcode
ELEC3025
Language
en
Pages
71+11
Series
Abstract
Building management system point mapping is a prerequisite for effective building control and enables building automation vendors to provide analytics-related services. Traditionally, the data points have been manually mapped by domain experts. However, as the number of automated buildings has increased, the tasks of mapping and metadata creation have become labor-intensive and costly. Therefore, to support the manual mapping efforts, recent research has focused on creating automatic and semi-automatic point mapping utilities.
This thesis develops a point mapping tool which can categorize data points. Additionally, unlike pre-existing solutions, the tool can infer metadata tags for the corresponding automation devices and processes. The tool is prototyped using a dataset collected from several heating, ventilation, and air conditioning processes. During the development, various text mining and machine learning approaches are evaluated on the primary inputs (i.e. point names and time-series streams) of the tool.
The results of this thesis show a major trade-off between mapping extensiveness and generalizability. Time-series approaches are scalable, but not as informative as the textual alternatives. However, due to the lack of standardization, the available textual information significantly varies between different automation systems.
The developed tool functions well for points that fulfill assumptions made on the textual data. Furthermore, the tool can be extended beyond the prototype dataset. However, as the tool is system-specific, it is not a global solution to the mapping problem. Moreover, the results show that points cannot be automatically yet comprehensively mapped using only point name and time-series data. Therefore, either manual mapping or additional software components are required to complement the automatically created point mappings.
Tehokas rakennuksien ohjaus edellyttää rakennusautomaatiojärjestelmän datapisteiden kartoittamista ja määrittelyä. Lisäksi tämä mahdollistaa analytiikkapalveluiden tuottamisen. Perinteisesti asiantuntijat ovat manuaalisesti sekä kartoittaneet että määritelleet datapisteet. Tämä lähestymistapa on kuitenkin tullut yhä kuormittavammaksi ja kalliimmaksi, kun rakennusautomaatio on yleistynyt. Viime vuosina onkin alettu tutkia, miten pistekartoitusta saataisiin automatisoitua.
Tämän diplomityön tavoitteena on kehittää prototyyppi ohjelmistotyökalulle, joka kykenee kategorisoimaan rakennusautomaatiojärjestelmän pisteet. Toisin kuin jo olemassa olevat ratkaisut, työkalun on tarkoitus tuottaa lisäksi metadataa pisteisiin liittyvistä automaatiolaitteista ja -prosesseista. Prototyyppi kehitetään hyödyntäen ilmanvaihtoprosesseihin liittyvää pistenimi- ja aikasarjadataa. Kehitysprosessin aikana kokeillaan useita eri tekstilouhintaan ja koneoppimiseen pohjautuvia menetelmiä.
Työn tulokset osoittavat selkeän kompromissin pistekartoituksen laajuuden sekä yleistettävyyden välillä. Aikasarjamenetelmät ovat skaalautuvia, mutta eivät yhtä informatiivisia kuin tekstianalyysiin pohjautuvat vastineensa. Toisaalta saatavissa oleva tekstimuotoinen data vaihtelee merkittävästi eri automaatiojärjestelmien välillä, sillä järjestelmät eivät noudata yksittäistä standardia.
Kehitetty työkalu toimii hyvin pisteillä, joista on saatavilla oletetun kaltaista tekstimuotoista dataa. Lisäksi prototyyppi voidaan jatkokehittää toimimaan työssä käytetyn datasetin ulkopuolelle. Työkalu toimii kuitenkin ainoastaan järjestelmässä, jota varten se on kehitetty. Näin ollen se ei ole yleisluontoinen ratkaisu rakennusautomaatiojärjestelmien pistekartoitukseen. Työn tuloksista voidaan myös huomata, että täysin automaattista ja kattavaa pistemäärittelyä ei voida tehdä pelkästään pistenimien ja aikasarjadatan pohjalta. Tämän takia työkalun ohella tarvitaan myös täydentävää manuaalista tai ohjelmistopohjaista määrittelyä.
Description
Supervisor
Ihasalo, HeikkiThesis advisor
Ekkerhaugen, MatiasLähteenmäki, Janne