Un peu d’air : Quand les données améliorent la qualité de l’air intérieur

L’atmosphère des réunions est-elle étouffante ?

Vous souffrez de maux de tête pendant les réunions, vous vous sentez fatigué et léthargique devant les PowerPoints et les monologues interminables ? Si cela vous rappelle trop votre vécu, nous avons une bonne nouvelle à vous annoncer : ce n’est pas de votre faute. Et (en général) ce n’est pas non plus celle de vos collègues ou de leurs présentations. Dans bien des cas, le coupable de cette « migraine de réunion » est un air vicié.

Plus le taux de dioxyde de carbone (CO2) dans l’air est élevé, plus la qualité de l’air diminue. Les niveaux de CO2 mesurés en ppm (partie par million) déterminent la qualité de l’air.¹ Des niveaux de CO2 dépassant 1 000 à 1 200 ppm peuvent avoir des conséquences néfastes sur la santé et entraîner une somnolence, de la fatigue et une baisse des performances cognitives (ainsi qu’un puissant désir de quitter le travail en avance).

Mesurer la concentration de CO2 dans l’air

Il y a quelque temps, j’ai utilisé Splunk pour installer un petit système qui mesure la concentration de CO2 dans les salles de réunion. L’objectif était de déterminer la qualité de l’air pendant chaque réunion et atelier, afin de mettre en évidence l’importance de la ventilation. Le système comprend un simple dispositif USB de mesure du CO2 (environ 70 €) et un Raspberry Pi (environ 60 €) jouant le rôle de serveur, qui collecte les données et les envoie à Splunk. Vous trouverez les résultats à long terme de mes mesures de CO2 dans l’encadré ci-dessous :

La fin de l’exercice financier (février 2020) – une période où les réunions s’enchaînent – ainsi que le début du confinement en mars 2020 ressortent nettement sur le graphique.

Une bouffée d’air pur... que l’on peut superviser

On recommande souvent de « ventiler fréquemment » les espaces intérieurs pour améliorer l’hygiène de l’air.² Il reste toutefois que « ventiler fréquemment » est une recommandation aussi vague que « se laver les mains soigneusement ». Les plans d’hygiène des écoles d’Allemagne mettent l’accent sur l’importance du renouvellement de l’air et recommandent une ventilation forcée fréquente. Pourtant, le débit minimal recommandé de la ventilation varie d’une région à l’autre. De plus, il peut être difficile d’imposer une même réglementation uniforme sans connaître les dimensions des salles de classe et le nombre d’élèves qu’elles accueillent.

La mesure du taux de CO2 constitue un moyen fiable de déterminer le pourcentage d’air pur dans une pièce. En extérieur, l’air frais contient environ 400 ppm de CO2. La quantité de CO2 expirée par un humain est estimée à 40 000 ppm. Une fois que le mélange atteint une proportion > 1 000 ppm, on peut raisonnablement supposer que la qualité de l’air intérieur est mauvaise et qu’il faut l’améliorer.

Les données nous permettent de déterminer la fréquence idéale de mouvement d’air et l’efficacité des mesures de ventilation prises. Certaines pièces reçoivent une arrivée constante d’air frais, par exemple grâce à une porte ouverte sur un couloir, ou un système de conduites de ventilation. En mesurant les taux de CO2, nous pouvons établir si la qualité de l’air s’améliore réellement, car il est toujours possible que l’air introduit ne soit pas aussi frais qu’on le pense.

Heureusement, nous sommes parvenus à mesurer le taux de CO2 à l’aide de capteurs abordables et à utiliser Splunk pour collecter les données pertinentes en toute sécurité, les analyser automatiquement en temps réel et émettre les alertes appropriées. Imaginez que des enseignants reçoivent des notifications sur leur smartphone (ou leur montre ou tout autre dispositif connecté) les avertissant que les taux de CO2 dans la salle de classe atteignent un niveau critique et qu’il faut aérer. Vous pourriez également imaginer un scénario dans lequel il suffirait de scanner un QR code (grâce à Splunk AR) sur une porte pour obtenir des informations sur la qualité de l’air de la pièce avant même d’y entrer. Ne serait-ce pas fantastique ?

Voici une citation extraite du manuel d’hygiène intérieure dans les bâtiments scolaires de l’Agence environnementale allemande (Umweltbundesamt) :

« Des feux de ventilation, semblables aux feux de circulation, peuvent permettre de visualiser la qualité de l’air intérieur car les êtres humains ne possèdent pas d’organe sensoriel capable de percevoir le niveau de CO2 dans l’air. Cela peut être un moyen de ‘mettre en pratique un entraînement comportemental à la ventilation’. »³

Un simple investissement de 150 € par salle permettrait de rendre les salles de conférence, les salles de classe et bien d’autres espaces intérieurs fermés plus sûrs. De plus, les effets négatifs de l’air vicié, comme la migraine de réunion, la fatigue et la baisse des performances cognitives, ainsi que la transmission des aérosols et gouttelettes, peuvent être réduits.

Exemple : mesure des niveaux de CO2 dans les salles de classe

Examinons de plus près un exemple spécifique :

Le tableau de bord ci-dessous présente une vue d’ensemble de toutes les salles de classe d’une école fictive et de leur taux de CO2 en temps réel, ainsi que les prédictions sur les 10 prochaines minutes (en l’absence d’apport d’air frais). J’ai ajouté les données météorologiques ainsi que le nombre d’élèves/smartphones pour améliorer l’évaluation de la situation. Sur chaque salle, les chiffres indiquent le taux actuel. Les feux tricolores correspondent à la prévision : on peut ainsi prendre rapidement des mesures lorsqu’ils passent au jaune ou au rouge.

Si la plupart des dispositifs de mesure du CO2 s’accompagnent déjà de leurs feux tricolores, la mise en œuvre de Splunk permet de traiter les scénarios d’utilisation suivants :

1. Conservation à long terme des données sur le CO2
2. Alertes en temps réel sur des appareils mobiles
3. Possibilité de prévoir la qualité de l’air sur les X prochaines minutes et d’émettre des alertes précoces
4. Possibilité d’ajout de données externes (données météorologiques, nombre d’élèves, événements tels que des mouvements de portes ou de fenêtres)

Exemple : visualisation des prévisions

L’exemple suivant montre une visualisation de prévision, qui sert de base à la configuration de nos alertes. Si la courbe « prédiction » dépasse les 1 000 ppm au cours des 30 prochaines minutes, une alerte se déclenche :

Vous pouvez également créer votre propre expérience à l’aide de la Splunk Machine Learning Toolkit 

(MLTK) et affiner vos prévisions à l’aide de l’algorithme « StateSpaceForecast ».

La Splunk Machine Learning Toolkit peut vous aider à opérationnaliser le modèle. Dans les recherches, il sera compatible avec « appliquer le modèle » et utilisable dans des alertes. 

Je recommanderais de créer des alertes mobiles supplémentaires et des tableaux de bord mobiles dès que les tableaux de bord seront prêts et que les alertes auront été testées. Cela permettra aux utilisateurs enregistrés de recevoir des alertes (sous la forme de notifications push) directement sur leur smartphone (ou autre dispositif connecté) et de consulter le tableau de bord correspondant.

Voici un exemple de notification push sur iPhone et le tableau de bord correspondant :

On peut même créer des tableaux de bord en réalité augmentée de façon très simple. Il ne faut pas plus qu’un QR code sur la porte ou la fenêtre pour accéder à toutes les informations utiles sur l’atmosphère. L’utilisateur a la possibilité de positionner les données à sa guise :

Implémentation technique :

Vous êtes prêt à faire l’essai ? Voici des instructions courtes des étapes de la mise en œuvre technique d’un système de mesure du CO2 automatisé basé sur Splunk :

Matériel requis :

1. Mini capteur de CO2 (p. ex. TFA Dostmann AirCO2ntrol ou tout autre capteur de CO2 lisible via IC2 ou USB) Mon expérience personnelle avec ce dispositif en fonctionnement continu est excellente : j’ai collecté des données sur une période de 2 ans sans aucune panne. L’écran indique les données et de petites LED d’alertes, aux couleurs classiques de feux tricolores (vert, orange, rouge) indiquent le niveau de risque, ce que je trouve très avantageux.
2. Raspberry Pi 4, évidemment. Il existe également d’autres types de mini-ordinateurs, comme l’Arduino, mais ce qui fait tout l’intérêt du Raspberry Pi selon moi, est qu’il possède toutes les capacités d’un véritable serveur Linux. De plus, le Splunk Universal Forwarder est disponible pour Linux sur l’Armv6. Si vous prévoyez de travailler sur un projet de plus grande envergure avec de multiples salles, vous pouvez utiliser des Arduinos, plus économiques, et des capteurs de CO2 connectés qui transmettent leurs données à Splunk via HEC (collecteur d’événements HTTP).

Logiciel

with open('/var/log/co2monitor.log', 'a') as out:

                    out.write(eventtime + "," "TMP,%3.1f" % (tmp) + "," "M01" + '\n')

                    out.write(eventtime + "," "CO2,%4i" %(co2)  + "," "M01" + '\n')

      Vous devrez désactiver la fonction « decrypt » si votre dispositif (équipé d’un firmware plus récent) envoie des données non chiffrées. Autrement, vous pouvez utiliser un module python.*

    3. Splunk Universal Forwarder pour transmettre les données. Une autre option consiste à envoyer directement les données via HEC mais en cas de panne du réseau vous n’aurez aucune mémoire tampon. 

    4. Un serveur Splunk accessible.

Installation

1.  Installez Splunk Universal Forwarder sur Raspbian
2. Mettez le script en place, modifiez-le et testez-le
3.  Connectez le dispositif de mesure du CO2 en USB (à l’aide du câble fourni) au Raspi
4. Lancez le script :

sudo nohup /opt/jobs/monitor.py /dev/hidraw0 &

   5. Set up Splunk Input: 

[monitor:///var/log/co2monitor.log]

disabled = false

sourcetype = metrics_csv

index = raspi

   6. Sur le serveur Splunk :

•     Créez les tableaux de bord
•     Mettez en place le machine learning (ou simplement la prédiction)
•     Utilisez Cloud Gateway pour mobile et créez des alertes et des tableaux de bord mobiles

Conclusion :

Un investissement modeste et un peu de savoir-faire Splunk suffisent à analyser et superviser les données de concentration du CO2 dans les espaces clos et à faire des prédictions. En d’autres termes, cela vous permettra de transformer les données en air intérieur de meilleure qualité.

En mettant en œuvre ce type de systèmes, les responsables de bureaux et les chefs d’établissements scolaires peuvent garantir le respect des recommandations minimales de ventilation intérieure et d’apport en air frais. Cela pourrait mettre définitivement un terme à la fatigue et à la migraine des réunions et contribuer à une meilleure conformité aux réglementations d’hygiène et de sécurité concernant la ventilation. La supervision et la compilation des données à long terme permettraient enfin de documenter ces résultats.     

^{1. Plus d’infos sur le concept de capteurs pour le dioxyde de carbone ici : https://en.wikipedia.org/wiki/Carbon_dioxide_sensor}

^{2. https://www.epa.gov/coronavirus/ventilation-and-coronavirus-covid-19}

^{3. https://www.umweltbundesamt.de/sites/default/files/medien/publikation/long/3689.pdf}

^{* Merci à Alexander Sötz pour le conseil !}

^{**Cet article est une traduction de celui initialement publié sur le blog Splunk anglais.}