AI og IoT for VVS-energiuddannelsen
Målgruppe
2
3
Fagområde
2
Varighed
6 timer 00 minutter
Uddannelse
47
Materialet kan bruges på VVS-energiuddannelsen (GF2 – i faget Erhvervsinformatik) og på VVS-energiuddannelsen (HF – i faget Teknologiforståelse)
Beskrivelse
Der er store ressourcebesparelser og et stort effektiviseringspotentiale i at implementere IoT-teknologier til registrering af bygningsdata. Store data er dog kun interessant, hvis det også er muligt at håndtere dem. Det kan AI anvendes til, men det er vigtigt at forholde sig kritisk til de generede resultater og konklusioner.
I første del af undervisningsmaterialet introduceres begrebet IoT og en række konkrete eksempler på sensorer og netværk diskuteres. Videnscenter for Håndværk og Bæredygtighed og ConTech Lab https://molio.dk/nyheder-og-viden/netvaerk/contech-lab har udviklet 2 undervisningsvideoer, som er relevante for VVS-energiuddannelsen:
1: Forstå hvordan IoT kan skabe værdi for dem selv og deres kunder
2: Montere og installere IoT-sensorer
For at eleverne kan få udstyret i hænderne, har Videnscenter for Håndværk og Bæredygtighed samlet et klassesæt med IoT-sensorer, et trådløst netværk samt en LoRaWan gateway. Udstyret kan lånes kvit og frit via http://bookmtc.dk. Klassesættet er fuldt installeret og eleverne kan online følge de registrerede data på http://iot-portal.vchb.dk
Efter at eleverne har sat egne sensorer op, introduceres generativ AI og hvordan AI kan bruges til at lave en indeklimaanalyse. Efterfølgende arbejder de med deres egne datasæt, som downloades fra http://iot-portal.vchb.dk.
Undervisningsforløbet kan let tilpasses efter egne ønsker.
Læringsmål
- Du har kendskab til opbygningen af et IoT-netværk og -sensorer.
- Du kan installere simple IoT-sensorer, sikre måling af valide data og udvælge sensorer til en konkret opgave.
- Du kan give konkrete eksempler på, hvordan IoT, inden for byggeriet, kan anvendes til at sikre ressourcebesparende løsninger og måle indeklima.
- Du har gennemført en simpel opsamling, analyse og visualisering data opsamlet IoT-sensorer.
- Du har kendskab til generativ AI og praktisk erfaring med anvendelse af AI til databehandling.
- Du er introduceret til strategier, som kan sikre IoT-løsninger mod cybertrusler.
Indhold:
Første undervisningsgang (PowerPoint vedlagt):
- Intro til undervisningsforløbet ”AI og IoT for VVS-energiuddannelsen”
- Internet of things(IoT) i videoen præsenteres IoT som begreb og forskellige typer af sensorer. Videoen er udviklet af Molio og Videnscenter for håndværk og bæredygtighed.
- Præsentation af konkrete eksempler på IoT-løsninger, som kan installeres via smartphones.
- Præsentation af et IoT-økosystem med udgangspunkt setup udlånt af Videnscenter for Håndværk og Bæredygtighed.
- Selvstændig opgave omkring netværksteknologier inden for IoT.
- Præsentation af videnscenterets IoT-portal (http://iot-portal.vchb.dk) og visualisering af data fra bygningsdrift.
- I video 2 instrueres eleverne i, hvordan sensorer opsættes og hvordan data tilgås og visualiseres på IoT-platformen.
- Instruktion til elevopgave og opsætning af sensorer til registrering af data.
Anden undervisningsgang (1-2 uger efter første undervisning – PowerPoint vedlagt):
- Download af data fra iot-portalen og analyse af indsamlede data. Eleverne vurderer, hvorvidt datasættet understøtter deres hypotese og om de har identificeret eventuelle fejlkilder.
- Eleverne sikres grundlæggende kendskab til generativ AI efterfulgt af elevopgave, hvor elevernes datasæt analyseres med brug af AI.
- Dialog om Center for datasikkerheds artikler med fokus på IoT.
- Elevopgave med udgangspunkt i ConTechLabs økosystem inden for IoT med henvisning til firmaer inden for hardware, software og services.
- Præsentation af mere specialiserede IoT-løsninger.
- Elevopgave hvor eleverne designer deres egen IoT-løsning. Opgaven kan skaleres i omfang og kompleksitet.
Metoder og undervisningsprincipper i forløbet:
Undervisningsforløbet er tilrettelagt som et klassisk undervisningsforløb, hvor du som lærer gennem korte oplæg præsenterer teorien og aktiverer deltagernes læring gennem praktiske opgaver. Forløbet kan også tilrettelægges som flipped learning, hvor du som lærer, ved korte introduktioner til undervisningsmaterialets videoer og øvelser, kan lade deltagerne arbejde selvstændigt.
