Aperçu : Améliorer l’efficacité grâce à un workflow structuré

Ce cas d’usage montre comment arkEMIS a permis d’identifier et de corriger une inefficacité opérationnelle au niveau d’une centrale de traitement d’air (AHU) desservant des bureaux.

Grâce au workflow Détecter–Mesurer–Analyser–Améliorer–Contrôler, des décisions basées sur les données ont été prises, générant des économies d’énergie mesurables.L’AHU a commencé à présenter une surconsommation anormale

Le module de machine learning Sentinel Trend (Détecter) a identifié une surconsommation atteignant +28 % en avril

Les données mensuelles ont montré une augmentation progressive au T1 (Mesurer)

Une analyse en heatmap a révélé un fonctionnement continu, y compris hors horaires et week-ends, malgré une faible occupation

Cela a mis en évidence un problème clair de mauvaise planification opérationnelle

Solution : Application du workflow structuré

Avec arkEMIS, le problème a été traité via une approche data-driven :

Analyser :
L’Operations Analyzer a confirmé que le fonctionnement continu était la cause principale de la surconsommation

Améliorer :
Des simulations ont montré qu’un arrêt hors horaires permettrait jusqu’à 50 % d’économies
→ Mesure recommandée : ajustement de la programmation (sans coût)

Résultats et progrès

Après mise en œuvre :
 

• Passage à un fonctionnement basé sur l’occupation

• Stabilisation de la consommation après une hausse continue

• 20 % de réduction du coût énergétique journalier

• Potentiel identifié jusqu’à 50 % d’économies

• Suivi continu assurant la pérennité des gains

Conclusion

Ce cas démontre comment arkEMIS permet de :
 

• Identifier rapidement les inefficacités cachées

• Prendre des actions correctives basées sur la donnée

• Générer des économies significatives sans investissement CAPEX