Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10662/17213
Títulos: Iterative optimization of a social inmotics-based method in order to make buildings smart and resilient
Autores/as: Montalbán Pozas, María Beatriz
Muriel Holgado, Beatriz
Lucas Bonilla, Marta
Barroso Ramírez, Sergio
Bustos García de Castro, Pablo
Palabras clave: Edificios inteligentes y resilientes;Consumo de energía del edificio;Calidad Ambiental Interior;Supervisión;Inmótica social;Indicadores clave de rendimiento;Smart and resilient buildings;Building energy consumption;Indoor Environmental Quality;Monitoring;Social inmotics;Key performance indicators
Fecha de publicación: 2022
Editor/a: Elsevier
Resumen: The current situation of inefficiency in buildings operation, inadequate occupants’ habits and the low Indoor Environmental Quality suggests a methodology that addresses the implementation of social inmotics. The method allows the continuous optimization of the building performance and occupants’ awareness through an iterative process. In each iteration the experts propose strategies that will be evaluated in the next cycle through key performance indicators. This method develops an open source, scalable, low-cost cyber-physical system using real time data. The results have been obtained from successive approaches, implementation of protocols and empirical validation in different scenarios until reaching the version of the system installed in a public university building, the School of Technology (University of Extremadura, Spain). By testing this methodology, social inmotics through the use of disruptive technologies is proving to find solutions that increase energy savings and improve Indoor Environmental Quality in adaptive and resilient buildings. Some of the results show that electricity and water consumption with respect to occupancy density have decreased, important and unexpected consumption peaks as the data servers, the cafeteria, or breakdowns have been detected, and users’ participation improve the initial situation. Furthermore, this paper provides key performance indicators for this building typology.
La situación actual de ineficiencia en el funcionamiento de los edificios, inadecuados hábitos de los ocupantes y baja Calidad Ambiental Interior sugiere una metodología que aborde la implementación de la inmótica social. El método permite la optimización continua del rendimiento del edificio y la conciencia de los ocupantes a través de un proceso iterativo. En cada iteración los expertos proponen estrategias que serán evaluadas en el próximo ciclo a través de indicadores clave de desempeño. Este método desarrolla un sistema ciberfísico de código abierto, escalable y de bajo costo utilizando datos en tiempo real. Los resultados se han obtenido a partir de sucesivas aproximaciones, implementación de protocolos y validación empírica en diferentes escenarios hasta llegar a la versión del sistema instalado en un edificio universitario público, la Escuela Técnica Superior de Tecnología (Universidad de Extremadura, España). Al probar esta metodología, la inmótica social a través del uso de tecnologías disruptivas está demostrando encontrar soluciones que aumentan el ahorro de energía y mejoran la calidad ambiental interior en edificios adaptables y resilientes. Algunos de los resultados muestran que los consumos de electricidad y agua respecto a la densidad de ocupación han disminuido, se han detectado picos de consumo importantes e inesperados como los servidores de datos, la cafetería o averías, y la participación de los usuarios mejora la situación inicial. Además, este documento proporciona indicadores clave de rendimiento para esta tipología de edificio.
Descripción: Financiación de acceso abierto gracias al acuerdo CRUE-CSIC con Elsevier.
URI: http://hdl.handle.net/10662/17213
DOI: 10.1016/j.scs.2022.103876
Colección:DCONS - Artículos
DTCYC - Artículos

Archivos
Archivo Descripción TamañoFormato 
j_scs_2022_103876.pdf9,62 MBAdobe PDFDescargar


Este elemento está sujeto a una licencia Licencia Creative Commons Creative Commons