Tình huống thực tế tại tòa nhà văn phòng hạng A

Sáng thứ Ba, tòa nhà văn phòng hạng A tại Quận 1 chìm trong tiếng chuông báo lỗi liên tục. Quản lý tòa nhà phải theo dõi đồng thời ba hệ thống: BIM cho thấy mặt bằng tầng 12 vẫn nguyên vẹn, BMS báo nhiệt độ tăng đột biến tại khu vực văn phòng mở, trong khi dữ liệu từ 1.847 cảm biến IoT hoặc im lặng hoặc xuất hiện dưới dạng chuỗi số rời rạc không rõ nguồn gốc. Không ai xác định được chính xác khu vực nào đang tiêu thụ điện gấp đôi mức bình thường hay thiết bị nào đang gây rò rỉ.

Thế giới cũ: Dữ liệu phân mảnh và thiếu liên kết

Trong mô hình truyền thống, cấu trúc không gian được lưu dưới dạng tệp IFC rời rạc xuất từ Revit, sau đó dán nhãn thủ công và nhập vào BMS dưới dạng danh sách tĩnh. Quan hệ thiết bị được quản lý qua bảng Excel với mã thiết bị và vị trí tầng. Ngữ cảnh sử dụng được nhập tay từ hệ thống đặt phòng. Dòng chảy năng lượng chỉ thể hiện qua biểu đồ từ đồng hồ tổng và đồng hồ nhánh, không có liên kết ngữ nghĩa nào ngoài số tầng và mã khu vực.

Thế giới mới: Mô hình ngữ nghĩa và đồ thị tri thức

Khi tòa nhà được chuyển sang mô hình ngữ nghĩa, toàn bộ không gian được biểu diễn bằng ifcOWL và BOT. Mỗi phòng trở thành một cá thể có URI cố định, liên kết trực tiếp với thiết bị thông qua Brick Schema. Một truy vấn SPARQL liên hợp có thể đồng thời hỏi “tất cả AHU nào đang điều khiển không gian có occupancy lớn hơn 0,5 và tiêu thụ điện cao hơn 15% so với baseline” mà không cần mở thêm phần mềm.

OWL reasoning tự động phát hiện cảm biến nhiệt độ gắn sai vị trí vì nó không nằm trong vùng topological containment đã được định nghĩa trước đó.

Phản ứng khi xảy ra rò rỉ năng lượng

Ở thế giới cũ, quản lý phải chờ đến cuối tháng để nhận báo cáo tiêu thụ bất thường, sau đó cử nhân viên kiểm tra từng khu vực. Trong đồ thị tri thức, graph embedding được huấn luyện trên dữ liệu lịch sử kết hợp lịch sử bảo trì cho thấy cụm thiết bị tại tầng 8 có độ tương đồng cao với cụm từng bị rò rỉ gas lạnh năm trước. Hệ thống đánh dấu cụm đó với mức độ tin cậy 0,87 và tự động tạo ticket bảo trì trước khi chênh lệch tiêu thụ vượt ngưỡng 8%.

Lịch bảo trì được tối ưu hóa

Lịch bảo trì truyền thống được lập theo mốc thời gian cố định, dẫn đến lãng phí nguồn lực. Đồ thị tri thức kết hợp Brick Schema với dữ liệu occupancy từ hệ thống kiểm soát ra vào để tính toán chu kỳ bảo trì dựa trên số giờ vận hành thực tế và mức độ rủi ro suy giảm hiệu suất. Kết quả là tổng số giờ bảo trì giảm 23% mà tỷ lệ sự cố không tăng.

Thách thức khi triển khai tại Việt Nam

Chi phí chuyển đổi không chỉ nằm ở phần mềm. Việc xây dựng ontology đòi hỏi nguồn nhân lực hiểu đồng thời IFC, Brick Schema và thực tế vận hành tòa nhà. Rủi ro lớn nhất là sự đứt gãy trong vận hành khi đội ngũ quản lý chưa sẵn sàng tin tưởng các truy vấn SPARQL thay vì file Excel quen thuộc.