Mitä Vellamo tekee?
Vellamo on moniagenttijärjestelmä, joka automatisoi koneoppimiseen perustuvan ilmanvaihdon ohjauksen kehittämisen alusta loppuun. Se rakentaa ja kouluttaa rakennuksen ja ilmanvaihtokoneen mittausdatasta ohjausmallin, joka osaa säätää ilmanvaihtokonetta säästäen energiaa ja säilyttäen sisäilmaolosuhteet hyvänä. Näin syntyvä koneoppimismalli osaa sopeutua muuttuviin tilanteisiin ja päättää kulloinkin parhaan toiminnon.
Vellamo sisältää laajoihin kielimalleihin perustuvia AI-agentteja, ennalta määritettyjä tarkistuksia ja koneoppimismalleja. Agentit tulkitsevat käyttäjän luonnollisella kielellä antaman tavoitteen, toteuttavat työvaiheet ja reagoivat, jos jokin vaihe epäonnistuu tai tulos ei täytä vaatimuksia. Ennalta määritetyt tarkistukset käsittelevät ja tarkastavat datan sekä arvioivat mallien laatua. Näin kehityskulkuun tulee deterministisyyttä myös agenttien rinnalle. Vellamon lopullisena tuotoksena on kaksi ilmanvaihtoa ohjaavaa koneoppimismallia: ennustemalli oppii, miten rakennus ja ilmanvaihtokone käyttäytyvät, ja vahvistusoppimismalli harjoittelee ohjausta tällä digitaalisella kaksosella, jolloin syntyy optimoitu ohjausstrategia.
Miten Vellamo toimii?
Lyhyesti: Kerro tavoite ja anna rakennuksen data, niin agentit rakentavat ennustemallin rakennuksesta, kouluttavat sen avulla ohjausmallin ja arvioivat tuloksen. Sisäilma pysyy hyvänä, energiaa kuluu vähemmän, eikä koneoppimisen asiantuntemusta tarvita.
Vaihe vaiheelta:
- Tavoite annetaan luonnollisella kielellä, esimerkiksi: ”Luo ilmanvaihdon optimointimalli, joka minimoi energiankulutuksen pitäen sisäilmaolosuhteet laadukkaina.”
- Agentit rakentavat mallin tilasta ja sitä palvelevasta ilmanvaihdosta. Ne tarkistavat datan laadun ja luovat ennustemallin, joka kuvaa, miten sisäilman olosuhteet reagoivat ilmanvaihdon säätöihin.
- Ohjausmalli harjoittelee ennustemallin avulla. Vahvistusoppimismalli kokeilee valtavasti erilaisia säätöjä erilaisissa tilanteissa ja oppii, miten sisäilma pysyy hyvänä pienimmällä energiankulutuksella.
- Tulokset arvioidaan, ja tarvittaessa koulutus ajetaan uudestaan. Arviointi tehdään ennalta määrätyillä mittareilla.
Ilmanvaihdon optimointi voidaan näin ottaa käyttöön ilman, että jokaiselle laitteelle rakennetaan ja koulutetaan malli erikseen käsityönä. Koska koko kehitysketju on automatisoitu, sama toimintatapa voidaan toistaa muihin ilmanvaihtokoneisiin ja rakennuksiin, tarvitaan vain data uudesta kohteesta, ja prosessi pysyy samana, hallittuna ja jäljitettävänä. Vellamo agenttitehdasta voidaan tulevaisuudessa laajentaa myös muihin käyttötarkoituksiin.
Lue lisää, miten Vellamo rakennettiin Koja-Chillerille AI Championin tutkijavaihdon aikana.
Lue lisää Vellamon idean juurista Alina Suvannon tarinasta Koja Groupin sivuilla.
