Настроены0 параметров

Настроить фильтр

Регион
Раздел
Подраздел
+

Предложения по развитию методологии оценки умных многоквартирных домов

Подготовлено Лабораторией цифровизации жилья.

 

Фото: www.northcliffe.ru

 

Основная задача оснащения зданий интеллектуальными системами и цифровыми сервисами — повышение уровня безопасности, комфорта и удовлетворенности резидентов путем качественного взаимодействия со зданием (качества проживания), а также рост эффективности работы сотрудников управляющих компаний и, как следствие, увеличение маржинальности УК как бизнес-единицы.

Несмотря на то, что есть определенный комплекс сервисов, который является обязательным в нынешних условиях развития рынка, существует множество вариантов решения этой задачи.

Методология в сегодняшнем виде несет характер не оценочного инструмента, а методического материала по внедрению определенных сервисов.

Из-за стремления девелопера заслужить высокий цифровой класс это в конечном итоге приведет к тому, что на рынке недвижимости появится множество объектов, интеллектуальная начинка которых будет сделана под требования методологии.

Рынку нужны стандартные и масштабируемые решения, но они должны быть вариабельны, исходя из класса жилья и индивидуальных требований девелопера к своему продукту.

  

Фото: www.m-strana.ru

 

В условиях отсутствия эталонных решений важно увеличивать количество комплексных решений, которые будут предлагать различные сценарии взаимодействия с инфраструктурой объекта. Разнообразие позволит выявить лучшие практики, которые в последующем можно будет масштабировать без ущерба для рынка.

Рассматривая системы здания как отдельные элементы, мы полностью исключаем вариативность применения систем, тем самым ограничивая девелоперов и поставщиков решений в создании новых пользовательских сценариев.

Исходя из этого, предлагаем несколько способов модификации методологии, которые позволят без сужения разнообразия комплексно оценить интеллект здания:

 

Фото: www.almode.ru

 

1. Методология должна предусматривать сквозные сценарии

2. Оценка класса дома должна происходить по комплексу рассмотренных решений:

- функционал мобильного приложения пользователя;

- функционал умной квартиры;

- функционал информационной системы управляющей компании;

- оснащение здания инженерными системами.

3. В методологию необходимо внести определенный набор систем сервисов, использование которых обязательно, так как прямым образом влияет на формирование рынка:

- приборы учета;

- СКУД;

- домофония;

- мобильное приложение: заявки, двусторонняя коммуникация с УК, оплата;

- информационная система УК.

4. Для отдельных групп/функций необходимо назначить цену в баллах.

5. По комплексу отдельных решений может формироваться сумма баллов, итоговое рассмотрение которых должно определять цифровой класс дома.

 

Фото: www.almode.ru

 

Результат анализа может выглядеть так:

Дому N присвоен класс цифровизации Y по сумме баллов: инженерные системы здания — Х1, информационная система УК — Х2, умная квартира — Х3, мобильное приложение пользователя Х4.

С учетом того, что ключевым критерием оценки будет являться соблюдение требования о сквозных сценариях и минимальному набору функций, исключается вероятность того, что благодаря высокому покрытию одной из категорий дому будет присвоен высокий цифровой класс.

 

Фото: www.almode.ru

 

Общие предложения

1. Перегруппировать разделы в логику: безопасность, жизнеобеспечение, комфорт.

2. Сделать шаблонный список поставщиков решений и ввести возможность вписать своего, если не нашли в списке.

Распределить поставщиков на следующие категории:

- поставщик устройств;

- IoT-платформа;

- разработчик информационной системы УК;

- разработчик приложения жителя.

  

Фото: www.almode.ru

 

3. Для более корректной статистики необходимо кратно увеличить число респондентов.

4. Для более корректного и точного заполнения анкеты важно предусмотреть «человеческие» названия функций, по некоторым из которых должны предусматриваться подсказки по заполнению или проверке данных.

5. Предусмотреть для респондентов возможность оставлять контакты для проведения более глубоких исследований.

6. Ввести требование для подтверждения класса спустя некоторое время после заселения объекта.

7. Инициировать анализ того, как и кому будут переданы сданные в эксплуатацию объекты (своим УК или сторонним).

  

 

 

 

 

 

Другие публикации по теме:

Опубликована третья редакция методологии присвоения классов умным многоквартирным домам

Эксперты: умная новостройка невозможна без инфраструктуры и сотрудничества с провайдерами

Умное освещение зданий и мест общего пользования обсудят на РСН–2023

Эксперты: системы умного дома востребованы жильцами МКД, но само качество цифрового сервиса пока оставляет желать лучшего

Умный дом: три этапа создания комфортного цифрового жилья

Реестр умных новостроек

Защита проекта первого в России умного дома класса «A» состоится 22 июля

Более 40 целевых показателей проекта «Умный город» утвердят до конца года

Умные новостройки российских застройщиков отмечены дипломами портала ЕРЗ.РФ

В эфире «ЗАСТРОЙЩИКИ ВЫБИРАЮТ» IT-компании представили свои решения для умных домов

Опубликованы Реестр умных многоквартирных домов и новая методология присвоения классов «Умный МКД»

Первые застройщики страны получили дипломы о присвоении новостройкам класса «Е» умного дома

Утверждена методология присвоения классов умного дома многоквартирным новостройкам

Методология присвоения новостройкам классов умного многоквартирного дома

+

Список регионов, в которых разрешена господдержка низкомаржинальных проектов жилищного строительства

В соответствии с пп. б п. 3(3) «Правил возмещения кредитным организациям недополученных доходов по кредитам, выданным в целях реализации проектов жилищного строительства», утвержденного Постановлением Правительства РФ от 30 апреля 2020 №629, этот список формируется на основании данных Росстата за I квартал 2020 года о регионах, в которых среднедушевые денежные доходы населения на 15% и более ниже среднедушевых денежных доходов населения в целом по РФ.

     

Фото: www.storm24.media

  

№ п/п Территория

Доход, ₽

1

Российская Федерация

31 518,00

2

Республика Адыгея

26 147,00

3

Курская область

26 102,00

4

Вологодская область

26 011,00

5

г. Севастополь

25 978,00

6

Тверская область

25 941,00

7

Калининградская область

25 923,00

8

Еврейская автономная область

25 877,00

9

Ярославская область

25 830,00

10

Брянская область

25 364,00

11

Смоленская область

25 075,00

12

Иркутская область

24 593,00

13

Тамбовская область

24 577,00

14

Омская область

24 315,00

15

Забайкальский край

24 198,00

16

Челябинская область

23 980,00

17

Владимирская область

23 661,00

18

Орловская область

23 561,00

19

Республика Бурятия

23 464,00

20

Ивановская область

23 449,00

21

Рязанская область

23 349,00

22

Костромская область

23 222,00

23

Псковская область

23 131,00

24

Астраханская область

23 035,00

25

Оренбургская область

22 956,00

26

Новгородская область

22 872,00

27

Кемеровская область

22 698,00

28

Удмуртская Республика

22 517,00

29

Республика Дагестан

22 488,00

30

Ульяновская область

22 402,00

31

Республика Хакасия

21 949,00

32

Ставропольский край

21 927,00

33

Волгоградская область

21 826,00

34

Пензенская область

21 665,00

35

Кировская область

21 442,00

36

Республика Северная Осетия — Алания

21 269,00

37

Чеченская Республика

21 151,00

38

Саратовская область

21 037,00

39

Алтайский край

20 607,00

40

Курганская область

20 031,00

41

Республика Крым

19 276,00

42

Республика Мордовия

19 240,00

43

Кабардино-Балкарская Республика

19 054,00

44

Республика Марий Эл

18 946,00

45

Чувашская Республика

18 433,00

46

Республика Алтай

18 333,00

47

Республика Калмыкия

16 895,00

48

Карачаево-Черкесская Республика

16 637,00

49

Республика Тыва

14 076,00

50

Республика Ингушетия

13 468,00

Источник: Росстат

       

 

Фото: www.ohranatruda.ru

  

 

 

 

 

Другие публикации по теме:

Эксперты: снижение доступности жилья обусловлено разрывом между доходами граждан и ценами на недвижимость

Росстат: реальные располагаемые доходы населения в 2020 году упали на 3,5% (графики)

Росстат: реальные располагаемые доходы населения в III квартале 2020 года упали на 4,8% (график)

Росстат: реальные располагаемые доходы населения во втором квартале 2020 года упали сразу на 8% (график)