Sensor Intelligence til intelligente bygninger
FrostLogic Explore læser fra din BMS, dine energimålere og IoT-sensorer og returnerer en prioriteret kø af beslutninger — anomalidetektion, prognoser med konfidensgrænser, kontinuerlig compliance og what-if-simulering. Funderet i dine data. Intet opfundet.
Brugt af operatører i hele Norden



Den reelle flaskehals
Moderne erhvervsejendom genererer mere telemetri pr. time, end et kraftværk fra 1995 gjorde på et år. Instinktet, når man ser den flodbølge, er at købe flere dashboards. Det er præcis det forkerte træk. Flaskehalsen er ikke længere måling. Det er handlingen at beslutte — roligt, med tillid — hvad hvert signal betyder, og hvad der skal gøres ved det.
En portefølje på 40 bygninger producerer typisk 50.000+ tidsseriepunkter i timen. Ingen menneskelig operatør kan læse det. Et dashboard, der viser det hele, gør operatøren en bjørnetjeneste: signal-til-støj-forholdet for "alt grønt" er nul, og brummeren ved "alt alarmerer" ignoreres inden for en uge.
Sensorer driver. De sætter sig fast. De går offline lydløst. De modsiger deres naboer. En model trænet på dårlige input giver selvsikre, forkerte svar — den slags forkert, der er dyrt netop fordi det ser rigtigt ud.
De fleste platforme viser, hvad der sker. Operatører skal vide, hvad de skal gøre næste gang, i hvilken rækkefølge og hvorfor. Den rigtige grænseflade er ikke et dashboard. Det er en kø — tyve poster, prioriteret, hver med en klar foreslået handling. Dashboardet er spørgsmålet. Køen er svaret.
En moderne bygning har mere end nok data. Den mangler beslutninger pr. kilobyte. Sensor Intelligence er det lag, der hæver det forhold.
Hvad Explore gør
Én platform. Tre opgaver. Alle funderet i de data, du allerede har.
Anomalidetektion på tværs af seks metoder, med alvorlighedsscore og ét-klik triage. Kritisk drift dukker op, før det bliver en udrykning.
Præcise prognoser med eksplicitte konfidensgrænser, plus what-if-simulering af enhver driftsændring, før du forpligter dig til den.
Live evidens for BREEAM, LEED, Nordic Swan og flere — indsamlet fra de sensorer, du allerede har, ikke rekonstrueret ved audit-tid.
Mønsterbaseret AI
Ingen enkelt teknik overlever kontakt med en rigtig bygning. Frostdynamics™-engine lægger fire i lag — hver fanger fejltilstandene fra de andre — i en samlet beslutningspipeline.
Z-scores, sæsondekomponering, change-point-detektion. Billig, hurtig og korrekt i de oplagte tilfælde — et trin, et regimeskift, en tydelig outlier. Forkert i de tilfælde, der gemmer sig i støjen. Derfor stopper vi ikke her.
En varme-masse-energi-balancemodel krydstjekker hvert råt signal mod, hvad fysikken faktisk tillader. Hvis tilluftstemperaturen påstår at have bevæget sig 4 °C på 30 sekunder uden input, siger fysikken nej — og platformen stoler på fysikken frem for proben.
Kausal filtrering skelner den ene opstrøms ændring, der lige er sket, fra de tolv nedstrøms signaler, den uundgåeligt bevæger. Operatøren ser én ticket — rodårsagen — ikke en storm af alarmer om dens ekko.
Site-specifikke indlærte baselines opdaterer sig, når brugsmønstre skifter, lejere ændrer sig, udstyr ældes. De lærer den bygning, du har nu. De tilsidesætter aldrig fysikken — det er hele pointen med lagdelingen.
Hver metode har en kendt fejltilstand. Engine spiller dem mod hinanden, så fejltilstandene ikke akkumulerer — de udligner hinanden.
Anomalidetektion
En traditionel BMS fyrer alle alarmer af med samme vægt. Inden for uger lærer operatører at slå brummeren fra — og rigtige fejl forsvinder i støjen. Den prioriterede kø vender modellen om: hver anomali scores, klassificeres og falder ned i en enkelt rangeret liste. Tyve poster, ikke to tusinde. Hver bærer en foreslået handling og et klart "hvorfor".
Langsom, vedvarende afvigelse fra den forventede baseline. Proben er stadig online. Værdierne er stadig "inden for interval". Men gabet vokser — og hvis du træner en prognose på dette signal, vil du være selvsikkert forkert i måned tre. Rent statistiske platforme overser det. Fysik-bevidste metoder fanger det på dag tre.
Proben returnerer den sidste gode måling for evigt. Variansen er nul, hvilket en kompetent statistisk metode flagger øjeblikkeligt — men BMS-alarmer, konfigureret på tærskler, gør det ikke. En frossen sensor er en værre fejl end en død, fordi dashboardet siger nominel.
Et statistisk usandsynligt forbrugsspring, der ikke kan forklares af belægning, vejr eller planlagt last. Klassificeret efter alvorlighed, mappet til den mindste opstrøms udstyrsgruppe, der kan have forårsaget det. Afslører fejlstrøm, setpunktsdrift og dårligt opførende anlæg, før det dukker op på en regning.
Virkeligheden er afveget fra prognosen ud over dens konfidensbånd. Enten er prognosen forkert (modelproblem), eller bygningen opfører sig på en uforudset måde (driftsproblem). Platformen fortæller dig hvilken — og handler på den anden, gentræner på den første.
Rapporteringskadencen er stoppet eller forringet. Rettelsen er som regel triviel — men et manglende signal korrumperer enhver model, der byggede på det, lydløst. At fange det tidligt handler mest om at reagere på fraværet af data, hvilket er sværere end at reagere på data.
To sensorer, som fysikken siger må bevæge sig sammen, begynder at modsige hinanden. Hver er inden for sit individuelle bånd — BMS'en lader begge passere. Men én af dem er forkert, og den historiske præcision for hver fortæller dig hvilken. Det er her, de mest subtile, mest dyre fejl bor.
Anomalilivscyklus
Hver løst anomali bliver træningsdata for den næste. Operatør-tilsidesættelser, omklassificeringer og falsk-positiv-flag føres alle tilbage til modellen — så køen bliver mere relevant, jo længere du kører den.
Prognoser og AI-ræsonnement
En prognose er kun nyttig, hvis operatøren tror på den. Tro kommer fra to ting: et konfidensbånd, der fortæller sandheden om usikkerhed, og et ræsonneringslag, der kan svare "hvorfor dette tal, ikke det" på et sprog, operatøren allerede bruger.

Prognoser kører på fire horisonter som standard — 1 time, 24 timer, 7 dage, 90 dage — hver med et eksplicit konfidensbånd. Bredere bånd, mindre sikkerhed: operatøren kan se på et blink, om der skal handles på et tal eller blot ses an.
Stil engine et spørgsmål på almindeligt sprog. Få et svar funderet i din telemetri, med de underliggende metrikker linket. Intet er opfundet — er data ikke der, siger systemet det. Det er den disciplin, de fleste bygnings-AI'er mangler: forskellen mellem en nyttig assistent og en selvsikker løgner.
Compliance og ESG
Explore mapper dine sensorer til certificeringskriterier og overvåger dem kontinuerligt. Evidens indsamles, mens det sker, ikke rekonstrueret én gang om året. Overtrædelser alarmerer i realtid. Auditorer får en eksport, ikke en panikrunde.
Nordic Swan i dag. BREEAM, LEED og EU-tilpassede rammeværker på det samme fundament.
Brancher vi betjener
HVAC, anomali, komfort, compliance.
UdforskNet-anomalier, efterspørgselsprognoser.
UdforskProcestelemetri, prædiktivt vedligehold.
UdforskOvervågning af kritisk udstyr og compliance.
UdforskMulti-site-porteføljer under ét beslutningslag.
UdforskMiljø- og flådetelemetri.
UdforskImplementering · Sikkerhed · Dataopbevaring
Kører i din Kubernetes-cluster eller private cloud. Din infrastruktur, dine SLA'er, din governance. Du ejer data og trænede modeller.
Hostet af os i Hetzners EU-baserede, ISO 27001-certificerede datacentre. GDPR-native. Hurtig onboarding, ingen infrastrukturopsætning hos jer.
Ingen PII — kun bygnings- og drifts-sensordata. Funderet inferens, deterministiske guardrails. Ingen vendor lock-in.
Ressourcer
Hvorfor i år, ikke næste
Sensor intelligence har stille og roligt været billigt at implementere et stykke tid. Grunden til, at operatører lander det nu, er, at omkostningen ved at ikke implementere det er holdt op med at være abstrakt.
Krav om kontinuerlig måling er ikke længere et fremtidigt krav — det er et nutidigt. Bygninger, der ikke kan producere kontinuerlig evidens, indleverer svagere rapporter, og interessenter læser dem mere kritisk hvert kvartal.
Energi er ikke længere en linje bagest i budgettet. En 4 % stille drift i en portefølje på 40 bygninger er en seks-cifret årlig omkostning, ikke en fodnote. At fange det på dag tre i stedet for måned seks er forskellen mellem en service-ticket og et budgetmøde.
BREEAM In-Use, LEED O+M, Nordic Swan — hvert rammeværk har bevæget sig mod kontinuerlig-evidens-vægtning i de seneste to recertificeringscyklusser. Årlig stikprøveevidens fungerer stadig, men scorer dårligere, end den plejede. Det gab vil ikke indsnævres.
Book en 20-minutters demo. Vi forbinder til et udsnit af dine data og viser dig, hvad Explore afslører — live.
Senior engineer på det første opkald. Ingen procurement-stil introduktionsrunde. Svar inden for én arbejdsdag.