Logo: to the web site of Uppsala University

This thesis investigates the relationship between fault reports and sensor data on temperature and ventilation in a university building, the Ångström Laboratory in Uppsala, Sweden. The aim is to identify patterns that can support more efficient and sustainable property management. By combining user-generated fault reports with objective sensor data such as indoor temperature, carbon dioxide levels, occupancy, outdoor temperature, and wind speed, the study offers a comprehensive analysis of building performance and user experience.

The results reveal that fault reports are often concentrated in specific areas and during certain periods, particularly in autumn, winter and summer forming so-called hotspots. These hotspots frequently correspond with extreme weather conditions or increased occupancy levels. While many fault reports could be confirmed by deviations in sensor data, a significant number lacked corresponding measurements and were assessed as subjective or inaccurate. Overall, 51 percent of the reviewed fault reports aligned with measurable anomalies.

The study concludes that integrating sensor data with user feedback enhances the understanding of building performance, supports proactive maintenance strategies, and can reduce energy use and operational disruptions. Such data-driven insights are essential for improving indoor comfort and advancing sustainable building operations in educational environments.

Denna rapport analyserar sambandet mellan felanmälningar och sensordata för temperatur och ventilation i Ångströmlaboratoriet, en universitetsbyggnad i Uppsala. Syftet är att identifiera mönster och avvikelser som kan användas för att förbättra fastighetsförvaltningen. Arbetet genomförs i samarbete med Uppsala universitet, med tillhandahållet underlag från Akademiska Hus. Det är en del av ett större forskningsprojekt om digitala tvillingar och datadriven förvaltning.

Studien kombinerar subjektiva felanmälningar från byggnadsanvändare med objektiva mätdata från sensorer som registrerar inomhustemperatur, koldioxidhalt, närvaro, utomhustemperatur och vindhastighet. Genom kvantitativ analys identifieras så kallade hotspots som är platser och tider med hög förekomst av felanmälningar.

Resultaten visar tydliga säsongsmönster där flest felanmälningar sker under hösten, vintern och sommaren, ofta i samband med låg eller hög utomhustemperatur och hög närvaro i byggnaden. I vissa fall kunde avvikelser bekräftas i sensordata, medan andra felanmälningar visade sig sakna mätbara avvikelser och därmed klassificeras som felaktiga eller subjektiva. Totalt visade analysen att 51 procent av de granskade felanmälningarna överensstämmer med registrerade avvikelser i sensordata, vilket indikerar behovet av att bättre förstå användarnas upplevelser i relation till tekniska data. Studien visar att en kombinerad analys av användarfeedback och sensordata kan bidra till mer effektiv drift, bättre inomhuskomfort och minskad energianvändning. Resultaten kan användas för att förebygga återkommande problem och förbättra både användarnöjdhet och hållbarhet i byggnadsförvaltning.