Cet article explique comment identifier si une donnée incohérente dans Sensinov est liée à un dysfonctionnement de capteur ou à un usage réel du bâtiment, afin d’adopter la bonne action d’exploitation ou de maintenance.

1.Principe et contexte fonctionnel (logique métier)

La supervision GTB repose sur la fiabilité des données terrain.
Une donnée incohérente ne signifie pas systématiquement un défaut matériel : elle peut traduire un usage réel non prévu, un changement d’exploitation ou une configuration inadaptée.

L’enjeu est de distinguer :

• une donnée erronée (capteur, communication, paramétrage),
• d’une donnée juste mais surprenante (usage réel, comportement utilisateur, événement ponctuel).

Une mauvaise interprétation peut conduire à des actions inutiles ou à masquer un problème réel.

2.Fonctionnement et usage principal

Lorsqu’une valeur semble incohérente, l’analyse doit se faire de manière structurée, en croisant la donnée avec le contexte d’usage, les autres indicateurs et l’historique.

3.Indices orientant vers un problème de capteur

Valeur physiquement impossible ou non plausible

Exemples :

• Température très élevée ou négative sans justification physique.
• Valeur figée sur une longue durée.
• Sauts brusques sans transition.

Action recommandée :

• Comparer avec des capteurs similaires sur le même périmètre.
• Vérifier la date de dernière mise à jour de la donnée.
• Planifier une vérification terrain ou un remplacement si nécessaire.
• Objectif : illustrer une incohérence manifeste de mesure.
• Doit montrer : valeur instantanée et historique court mettant en évidence l’anomalie.
• À éviter : périodes trop longues ou données sans contexte.

Incohérence entre plusieurs capteurs

Exemples :

• Deux zones identiques avec des valeurs très divergentes.
• Température intérieure incompatible avec l’état de chauffage ou de climatisation.
• Consommation élevée alors que l’équipement est déclaré à l’arrêt.

Action recommandée :

• Vérifier la cohérence logique entre états, commandes et mesures.
• Identifier un capteur mal positionné ou défaillant.
• Vérifier l’affectation correcte du point de mesure.
• Objectif : faciliter la comparaison entre plusieurs points.
• Doit montrer : courbes ou valeurs côte à côte sur une même période.
• À éviter : comparaison de périmètres ou d’usages différents.
  

4.Indices orientant vers un usage réel du bâtiment

Donnée cohérente dans le temps mais inattendue

Exemples :

• Consommation nocturne stable.
• Température élevée récurrente sur une zone spécifique.
• Fonctionnement prolongé en dehors des plages prévues.

Action recommandée :

• Vérifier les plages horaires et scénarios actifs.
• Échanger avec l’exploitant ou l’utilisateur du site.
• Ajuster la programmation si l’usage réel a évolué.
• Objectif : montrer un écart entre programmation et comportement observé.
• Doit montrer : courbe de donnée avec plages horaires visibles.
• À éviter : écrans sans référence temporelle.

Corrélation avec un événement ou une activité terrain

Exemples :

• Pic de consommation lié à un événement ponctuel.
• Variation thermique liée à une occupation exceptionnelle.
• Ouverture prolongée de portes ou vitrines.

Action recommandée :

• Croiser la donnée avec le calendrier d’exploitation.
• Identifier les événements non intégrés dans la GTB.
• Décider si l’événement doit être intégré dans les scénarios futurs.
• Objectif : relier une variation de donnée à un contexte réel.
• Doit montrer : variation claire sur une période identifiée.
• À éviter : absence d’annotation temporelle.
  

Cas d’usage concrets terrain

• Une température anormalement basse révèle un capteur débranché après intervention.
• Une consommation nocturne élevée correspond à une activité de nettoyage non prise en compte.
• Une valeur figée met en évidence une perte de communication réseau.
  

Points de vigilance et erreurs fréquentes ⚠️

• Conclure trop vite à un défaut matériel.
• Modifier un seuil ou une alarme sans analyser l’usage réel.
• Ne pas comparer avec des données similaires.
• Ignorer le contexte d’exploitation du site.
  

À retenir

• Une donnée incohérente n’est pas toujours une donnée fausse.
• La comparaison et le contexte sont essentiels pour l’analyse.
• Capteur et usage réel doivent toujours être évalués conjointement.
• Une analyse rigoureuse améliore la fiabilité de la supervision et des décisions.