Idé till användarfall: Optimering av städrutiner

Denna idé till användarfall togs fram i projektet Digital Vision Kista under en serie med intervjuer och workshops med företrädare från 20 olika verksamheter inom Stockholms stad. Idéen ska ses som en utgångspunkt för vidare arbete.

Aktörernas mål

Fastighetsförvaltare hos BIM Alliance medlemsbolag har som mål att ha en proaktiv tillsyn och underhåll av byggnader genom att övervaka tekniska system och komponenter samt att kunna tillhandahålla information till hyresgäster.

Drifttekniker hos BIM Alliance medlemsbolag har som målsättning att effektivt kunna hitta och åtgärda tekniska problem som exempelvis filterbyten och pumpstatus samt att få realtidsdata för att göra informerade beslut.

Aktörernas behov

I rollen som fastighetsförvaltare hos ett av BIM Alliance medlemsbolag finns ett behov av att i den digitala tvillingen se realtidsdata från sensorer i tekniska system. Detta för att kunna agera proaktivt och göra informerade beslut om underhåll och byten av komponenter som pumpar och filter.

I rollen som drifttekniker hos ett av BIM Alliance medlemsbolag finns ett behov att i den digitala tvillingen kunna se en karta över alla tekniska installationer med tillhörande realtidsdata. Detta för att snabbt och effektivt kunna hitta tekniska problem och vidta åtgärder.

Steg för steg - optimering av städrutiner

1. En fastighetsförvaltare hos ett BIM Alliance medlemsbolag loggar in i den digitala tvillingen och öppnar en karta över fastigheten. 
2. Hen väljer att visa all användningsstatistik över lokalerna i fastigheten och väljer att koppla städningen av lokalerna till användningsstatistiken från realitidssensorerna i lokalerna så att en lokal blir städad efter ha använts i 20 timmar istället för varje vecka. 
3. Hen kopplar detta realitidsdata till städbolagets städinstruktioner som i början av varje arbetspass informerar lokalvårdaren om vilka lokaler som ska städas.

Vilka data användes i användarresan?

• Sensorer som övervakar tekniska system (till exempel pumpar, filter i ventilationssystem)
• Energidata från solceller, elbilsladdare, värmepumpar
• Energiförbrukningsdata (historisk) från energibolag och fjärrvärmeleverantörer
• Real Estate Core för standardisering och tolkning av energidata
• Plattformar som BRIKKS och Local Life för datalagring och visualisering
• Trafikflödesdata från exempelvis Waze eller liknande system för att optimera användning av offentlig och privat infrastruktur
• Geografiska data över fastigheter och träd i omgivningen