Idé till användarfall: Optimering av underhållsplanering av förskolor

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

Affärsområdeschef för förskola inom kommunal skolförvaltare har som mål att effektivisera underhållsplanering och drift för att minska kostnader och förbättra kvalitet.

Aktörernas behov 

Affärsområdeschef förskola utrycker ett behov av att kunna få en dynamisk översikt över underhållsbehov och status på fastigheter i den digitala tvillingen. Detta för att kunna fatta informerade beslut om klustring av underhållsarbeten och strategisk planering.

I affärsområdeschefrollen förskola finns ett behov att i den digitala tvillingen få tillgång till realtidsdata för fastighetsklimat och fastighetsdrift. Detta för att kunna planera och utföra underhållsarbete mer effektivt och kostnadseffektivt.

Steg för steg - Optimering av underhållsplanering

1. Affärsområdeschef förskola loggar in på den digitala tvillingen och zoomar in på det aktuella området.
2. Hen går till fliken "Underhållsbehov" och väljer "Visa dynamisk översikt".
3. Systemet visar vilka fastigheter som har tak som behöver bytas inom de närmaste fem åren.
4. Hen väljer att klustra fyra fastigheter med takbyte inom de närmaste fem åren till ett projekt och schemalägger detta via plattformen.
5. Genom att använda realtidsdata för fastighetsklimat (temperatur, fukt, radon m.m.) analyserar hen vilka delar av fastigheterna som behöver ytterligare underhåll före andra enligt klassiska underhållscykler.
6. Hen får en notifikation om att en fasad i söderläge behöver målas om tidigare än planerat, baserat på analys av väder- och fastighetsdata.
7. Hen dokumenterar beslutet och sparar alla ändringar i systemet för framtida referens och för att informera underhållsteamet.

Vilka data användes i användarresan?

• Masterdatalista med fastighetsdata, temperatur, fukt, nox-värden, radon, drifttider, flöden etc.
• Ekonomiska data
• Nöjd kundindex (NKI)
• Befolkningsprognosdata
• Energiindex och väderdata från SMHI
• Data från fastighetsautomation (Myrspoven, Schneider Electric)
• Punktmoln och 3D-modeller