Mere end 15 millioner europæiske husstande – svarende til ca. 17 % – er i dag påvirket af fugtproblemer. I Danmark alene drejer det sig om omkring 400.000 ejendomme, og problemet vokser i takt med klimaforandringer, stigende nedbør og aldrende kloaksystemer.
Traditionelt foregår fugtdiagnose manuelt ved hjælp af simple måleinstrumenter og subjektive vurderinger. Det øger risikoen for fejldiagnoser og dyre fejlbehandlinger.
Institut for Fugtteknik ønskede derfor at udvikle en metode, der både er mere præcis, hurtigere og kan anvendes af flere faggrupper. Målet var at kombinere målinger fra forskellige instrumenter med AI-modeller, der kan tolke data og levere en ensartet rapportering.
I projektets første faser har Alexandra Instituttet arbejdet med at analysere, hvilke fugtdata der kan trækkes ud af bygningsdele, og hvordan disse kan anvendes i machine learning-algoritmer til at identificere fire forskellige fugttyper.
– Vi har kombineret sensorbaserede målinger, clustering-analyser og maskinlæring for at give en mere præcis diagnose – både af omfang og af årsag, siger Alexandre Alapetite, Principal Software Solutions Architect i Alexandra Instituttets AI Lab.
Som supplement har man udviklet en 3D-/AR-baseret platform, hvor brugeren kan navigere rundt i en digital model af bygningen og få visuel indsigt i placering og udbredelse af fugt. Det er særligt rettet mod mindre erfarne fagpersoner.
Institut for Fugttekniks erfaring er, at fagpersoner er skarpe til at bruge måleinstrumenterne, men at de ofte har svært ved at skrive en rapport efterfølgende. Der er mange variable, som man skal holde op mod hinanden.
“Vi har derfor spurgt os selv: Kunne vi ikke bruge AI til at lave fortolkningsdelen efter udtagning af prøver? Det har vi løst ved at lægge vores metode ind i en AI-model. Når man har taget de tre målinger, genererer modellen automatisk en rapport der giver langt større træfsikkerhed,” siger Søren Als.
Metoden kan identificere fire forskellige fugttyper og er afprøvet gennem 600 undersøgelser. Undersøgelserne viser, at træfsikkerheden stiger med over 80 procent sammenlignet med manuel fortolkning.
Virksomheden har taget et vigtigt skridt mod at udvikle et fuldt it-system, som kan anvendes af bygherrer, arkitekter og rådgivere. På sigt ønsker de at certificere partnere, så metoden kan skaleres bredt ud.
Søren Als beskriver det som et markant gearskifte for dem til 6. gear, fordi Alexandra Instituttets eksperter kom ind med dybe kompetencer og på inspirerende vis har bidraget til, at Institut for Fugtteknik kan udfordre og forny den branche, de er en del af.
Projektet har fundet sted i samarbejde med Black Capital Technology gennem et AI Boost-projekt via Erhvervshus Hovedstaden.
AI-Boost er støttet af EU og Danmarks Erhvervsfremmebestyrelse.
Sådan har andre brugt ny teknologi til at styrke deres forretning
Institut for Fugtteknologi har fået hjælp til at analysere data, udvikle algoritmer og skabe en 3D-/AR-platform, der gør det lettere at diagnosticere og formidle komplekse fugtproblemer.
Ranlev Industri Automations nyeste løsning gør det muligt for fremstillingsvirksomheder at overvåge produktionen så nøjagtigt, at klimaaftrykket pr. produktenhed kan beregnes.
RUNI har fået testet en løsning med vibrationssensorer for at opdage slid på maskindele i tide. Sammen med Alexandra Instituttets eksperter blev forskelle i vibrationer brugt til at identificere problemer før nedbrud. Løsningen krævede kun et simpelt setup og gav vigtig indsigt.