Lösningarna kan fungera som beslutstöd i tidiga skeden både för kravställning och val av utformning, energislag, material och operationell energiprestanda. Metoden kan också i ett senare skede utvidgas till att omfatta fler kriterier t ex, investeringskostnad gentemot driftskostnad. En intervjustudie av bostadsutvecklare, lokalutvecklare och projektörer planeras i syfte att undersöka kriterier och användbarheten av pareto-lösningar av olika alternativ i tidiga skede.
Projektet Analys av livscykelegenskaper i tidiga skeden är avslutat och du kan läsa slutrapporten
Maskininlärning, genetiska algoritmer och artificiell intelligens används i allt större utsträckning för att göra datadrivna optimeringar, prognoser och underlag för beslut. Det är speciellt lämpade att använda för att utforska olika alternativa lösningar för problem som skall uppfylla flera multipla kriterier och som saknar en unik lösning. Exempelvis att samtidigt minimera den inbyggda energin genom att minska användningen av isolering och den operationella energiprestandan. Man måste göra en s.k. trade-off mellan de båda kriterierna. Många sådan val görs idag tidigt i byggprocessen ofta redan i programskedet när storleken, formen, val av energikälla och ingående material görs för att göra en första uppskattning av byggkostnaderna.
Projektet bedrivs i samarbete med Luleå tekniska universitet, avdelningen för industriell och hållbart byggande och NCC. Projektet kommer också att samarbeta med Smart Built Environments testbädd - Smarta plan-, bygg- och förvaltningsprocesser över hela livscykeln för import/export av BIM och GIS data.
Projektledare är Thomas Olofsson, Luleå Tekniska Universitet.
ID: U4-2017-07 Beviljat i: Utlysning 4 - Livscykelperspektiv, juridik och organisation 2017 Projektledare: Thomas Olofsson