当你待在办公室、健身房或者其他社交场合，有多少时间你会抱怨“太热”或者“太冷”？如今，关于空调系统温度不适的投诉数不胜数。我们经常看到维修人员跑来跑去，根据工作指令修理管道系统和空调组件。

目前，最大的挑战是在复杂的暖通空调系统中快速找到指定的设施/系统信息。最近的一个项目中，我和我的学生XueYang通过利用BIM和其他支持暖通空调故障诊断的设施信息数据源，解决了这个问题。

当前故障检修中的挑战

面对用户诸如“太热、太冷、太闷、太潮湿、太吵”的抱怨，找出暖通空调问题所在之处，不是一件容易的事。修理人员往往要检查可能导致同一问题发生的好几个系统组件。他们不得不在FMS档案、指挥中心、设备层等地方来回奔波，收集特定信息作为证据。

由于能力有限，维修人员很难很快做出决策，从而导致延误或误解。针对此，我们发明了一个方法，能自动快速地发现问题所在，并检索到所需修理的设施设备信息。

方法概述

方法的核心是一个数据模式，其包含一个存储库中排除故障所需的IFC，一体化竣工设计，BAS和CMMS数据。该方法利用数据模式来运行三个模块。一切起始于载入包含BIM竣工模型中的暖通空调系统信息的IFC文件，如图1所示。我们使用了Java编程语言和IFC查看器界面来展示模型内容。

图1.载入包含设备和暖通空调系统信息的IFC文件（图片来源：ASCE,JCCE）

（a）输入要求；

（b）和（c）输入工作命令。

修理人员能通过运行以下模块来减少搜索空间，并确定要检查的子设备。

模块1:工作命令背景

典型的工作命令包括一个特定房间（空间ID）的日期/时间（问题类型）。然而对于维修人员来说，这些信息是不足以找到问题起因的。起因可能是暖通空调系统中的一个组件，比如风机、加热盘管，或是空间相关的问题（空间类型、居住者设定值）。维修人员需要知道以下信息：

空间的外在条件（所有空气、所有水等）问题的发生范围（单区域、多区域等）后台运行的控制系统（气动系统、电系统等）在问题发生的时间段，该空间是否有类似的工作命令模式。

系统能通过工作命令形成算法，自动推理和提取以上信息，帮助维修人员发现潜在原因，排除部分组件。

算法首先将IFC表示转化成图形表示，生成暖通空调系统中组件的图形，并使用这些图形去确认每个特定组件属于中央系统还是终端系统（图2）。在后续模块中，这些信息可帮助找出发生问题的原因。

图2.两个空间的图形表示，能区分和标识组件属于中央系统还是终端系统（图片来源：ASCE,JCCE）

模块2:寻找可能原因

当一个维修人员知道了工作命令的背景，他能很容易地排除无关组件。模块2利用一组矩阵来映射暖通空调组件种类的问题类型列表，并自动识别该工作命令下发生问题的通常原因。然而，最终的原因列表将是通用的，不特定于给定的设施，因而需要进一步定制。

模块3:组件信息

在这一步中，维修人员将知道什么类型的组件和因素可能是导致问题的原因所在，但他们需要明白指定系统中是否这些组件都存在，并知道组件中各参数的相应值。算法利用底层数据模式去集成BAS（设定点，电流传感器数值等），CMMS（过去是否在相同位置发生过问题）和一体化竣工设计信息（组件位置，拓扑关系等）中的数据，生成BIM模型。接下来，检查所有组件实例，完善问题类型列表。

结果将以可视化的形式提供给维修人员。当维修人员选择一个特定组件，他能得到该组件在楼层平面图和3D视图中的具体位置，带颜色编码的CMMS工作命令数据，BAS数据，2D原理图中的控制关系等信息。例如，图3展示了选定一个送风风扇后的显示信息。

图3.送风风扇的信息

测验结果和结论

我们想知道这个方法对于帮助维修人员维修各类暖通空调系统的普适性。我们使用了7个BIM竣工模型（它们的主要区别在于暖通空调系统和控制类型）进行了不同工作命令下的测试（图4）。

图4.模型测试

研究结果表明,该方法能够平均减少68%的搜索空间，并在各类工作命令下都实现了高精度和查全率。

那么，我们的发明将如何帮助维修人员？他们能在实地考察前使用这个方法。现在，他们不再需要苦苦追踪管线工作情况和在各数据源间来回奔波。这个方法能帮助他们缩小需检查的空间范围，确定要跟踪的组件，提前计划好实地考察的内容，他们将不会忽略根本原因，也不会在追踪和定位组件上浪费时间。

（作者：SemihaErgan纽约大学工程理工学院助理教授，XueYang欧特克BIM360顾问，翻译：Miracle）

来源：BIMERCN

筑龙BIM

筑龙BIM网是以BIM为基础，涵盖行业资讯、案例展示、交流互动、品牌推广、人才培养等服务的专业平台。请在微信公众账号中搜索 筑龙BIM或者zhulongbim，或用手机扫描左侧二维码，即可获取每日精彩内容。