Het project ontrolt diverse trajecten zoals de ontwikkeling van gamificatie zodat mensen leren over hun woongedrag, een Massive Open Online Course (MOOC) voor medewerkers van woningcorporaties en sociale huisvestigingsmaatschappijen en de upgrade van de online tool Samen Duurzamer Wonen die ENLEB ontwikkelde. Van pilotwoningen in de grensregio zullen energieverbruiksdata verzameld worden waarmee algoritmes getraind kunnen worden. De algoritmes kunnen zelfstandig besluiten nemen, bijv. de verwarming lager zetten of het uitdoen van licht als er niemand aanwezig is. Verder kunnen er opdrachten aan bewoners worden gegeven om bijv. de wasmachine te vullen, zodat de machine een dag later bij zonnig weer kan draaien. Hierbij wordt er per pilotwoning gekeken wat het effect is op het woongedrag en vooral of er een reductie is van de energiekosten en de CO2-uitstoot van woningen. 

#Focusproject

Dynamics 365 Guides (Microsoft) zou op een eenvoudige manier moeten toelaten dat bestaande 3D-modellen en animaties gebruikt worden in de Mixed Reality. Bestaande 3D-modellen zijn echter vaak niet beschikbaar. Een 3D-scan van een bestaande machine of toestel zou een oplossing kunnen zijn. Het is daarbij niet vanzelfsprekend om een 3D-scan met heel erg veel datapunten om te zetten naar een goed 3D-model dat geschikt is voor MR.

Aan de hand van een basiscase in het eerste half jaar wordt nagegaan welke stappen en skills nodig zijn om een Dynamics 365 Guides trainingsinstructie te maken voor een opstelling op de Campus in Diepenbeek. Deze stappen en skills worden vervolgens in de 2de helft van het eerste jaar getest in een bachelorproef in elke Bachelor studierichting van de cluster Elektromechanica getest op ten minste 2 sectoreigen cases.

Dit project wil nagaan in welke mate de combinatie van moderne sensoren en Machine Learning technieken kan bijdragen tot een efficiëntere aansturing van de bestaande installaties om zo een energiebesparing te realiseren, zonder vergaande investeringen te moeten doen. Daarnaast zal ook gekeken worden naar de kwaliteit van de lucht. 

Als proof-of-concept zullen 2 lokalen worden gebruikt die voorzien zijn van enkel verwarming  en 2 lokalen die zowel ventilatie als verwarming hebben. In de eerste fase van het project zal een nulmeting worden uitgevoerd gedurende een stookseizoen (10/2022 tot 04/2023). De verzamelde data zal gebruikt worden om een Machine Learning model te trainen dat de energiebehoefte per lokaal kan voorspellen (verwarming en/of ventilatie). Deze voorspelling zal dan gebruikt worden om de verwarmingselementen in het lokaal en/of zijn ventilatie-unit aan te sturen gedurende het volgende stookseizoen (10/2023 tot 04/2024). Door vergelijken van beide meetsessies zal bepaald worden wat de invloed is van de ontwikkelde Machine Learning algoritmes op de energie-efficiëntie van de verwarming en de temperatuur en de luchtkwaliteit (CO2-concentratie) in de leslokalen.

Tot slot zal bepaald worden in welke mate de toegepaste technieken een energiebesparing kunnen opleveren wanneer ze breder worden toegepast op een utiliteitsgebouw.