In dit labo leert de student omgaan met de moderne manier van beheer wat de regeling van energiestromen binnen gebouwen betreft, maar door de moderne evolutie van het 'Internet of Things' gaat dit snel verder dan dit en worden verdere scenario's betreffende comfort en algemene monitoring van tal van parameters mogelijk.

Concreet spreken we hier dus over gebouwbeheersystemen, waarbij o.a. licht, verwarming, ventilatie en andere comfortparameters gestuurd en gemeten worden.

Hierin is een snelle evolutie aan de gang, waarbij de sensoren en regelingen steeds slimmer worden, waardoor er daadwerkelijk over ‘Smart Buildings’ kan gesproken worden.

De student leert in dit labo ‘hands-on’ werken met de huidige stand der techniek binnen gebouwbeheer.

Daarnaast wordt –door de grote hoeveelheden data die door de moderne sensoren aangeleverd wordt– meteen gebruik gemaakt om de student te leren omgaan met deze grote databestanden, om (statistisch) op zoek te gaan naar anomalieën of tendensen.

• De student leert om te gaan met de veelgebruikte mini-PC Raspberry Pi, en dit zowel hardware- als softwarematig.
• De student leert om te gaan met verschillende sensoren die typisch in de wereld van het gebouwenbeheer gebruikt worden, steeds in het kader van Energietoepassingen en comfort.
• De student leert beheer-scenario’s te schrijven om op basis van metingen van intelligente sensoren, acties te ondernemen om het energiegebruik binnen een gebouw tot een minimum te herleiden.
• De student leert binnenkomende data te onderwerpen aan een “preprocessing” om onnodig grote datastromen te voorkomen.
• De student leert grote databestanden te analyseren om de juiste conclusies en acties uit te filteren. Deze databestanden worden binnen dit labo gegenereerd.
  
  
  

• Het cursusmateriaal (met link naar een specifieke OneNote voor dit vak) en de dropzone voor de opdrachten wordt via Digitap ter beschikking gesteld.
  • Korte kennisclips waarin verschillende deelfacetten van het labo / de software worden uitgelegd, en die ter voorbereiding of naslag geraadpleegd kunnen worden.
  • Het gebruik van OneNote biedt mogelijkheden om het materiaal dynamisch aan te passen en uit te breiden doorheen het labo. Zo worden ook de wekelijkse oefeningen via dezelfde OneNote gedeeld. Hiertoe kunnen klasopdrachten en thuisopdrachten behoren, die tegen volgende les dienen voorbereid en/of ingediend te worden.
• Eigen laptop, laptopspecificaties terug te vinden in de startbrochure van de opleiding.
• Labo specifieke hardware, voor het labo Smart Buildings, die door de lectoren ter beschikking wordt gesteld en die eigendom blijft van de opleiding.

Permanente evaluatie: verplichte aanwezigheid en bijhorende consequenties 

• Aanwezigheid is verplicht tijdens de labo’s omdat tijdens 1) deze contactmomenten praktische beroepsvaardigheden worden aangeleerd die uitsluitend onder begeleiding kunnen plaatsvinden tijdens de ingeroosterde bijeenkomsten en 2) de onderwijsactiviteit een vormende waarde heeft en een inhaalmoment of evenwaardige vervangopdracht niet mogelijk is
• Bij afwezigheid krijg je een 0-score voor dat onderdeel van de permanente evaluatie.

Permanente evaluatie: laattijdig indienen van opdrachten en bijhorende consequenties

•  Het laattijdig (na de deadline) indienen van een opdracht resulteert in een 0-score voor die opdracht. Kan je omwille van medische redenen of overmacht jouw opdracht niet tijdig indienen? Dan moet je het ziekteattest of het bewijs van overmacht binnen de 2 kalenderdagen uploaden in iBaMaFlex via de module ‘mijn afwezigheden’. Bij ‘gevolgen’ kies je de optie ‘Ander’ en schrijf je ‘deadline opdracht’. Je dient de opdracht binnen de 2 kalenderdagen in nadat deze wettige reden is opgehouden te bestaan. Opgelet: attesten voor deelname aan een rijexamen, privéafspraken, etc. vallen niet onder de noemer overmacht.