I Undervisningshuset på Kungliga Tekniska Högskolans campus används Building Management Systems med syfte att kunna användas för att studera byggnadens olika system. Med hjälp av 767 installerade sensorer på olika ställen i konstruktionen loggas varje minut en mängd parametrar såsom temperatur, koncentration av koldioxid och luftfuktighet. Denna högupplösta mätdata laddas upp och finns tillgänglig hos en webbportal. Mätningarna påbörjades vid Undervisningshusets färdigställande år 2017 och ny data lagras samt uppdateras i realtid.I denna studie genomförs ett flertal analyser med fokus på temperatur- och fuktbeteendet genom byggnadens ytterväggar. Analyserna sträcker sig över kortare tidsperioder och möjliggör därmed en mer detaljerad bild av hur de hygrotermiska processerna ser ut. Som referens används sensorernas data över temperatur och relativ fuktighet mellan några av väggens olika materialskikt. Referensdatan jämförs mot simuleringar, beräkningar och klimatdata och analyseras. Simuleringar genomförs med hjälp av fuktberäkningsprogrammet WUFI Pro 6.6 som gör icke-stationära beräkningar.Resultatet av analysen visar att relativt höga fuktnivåer uppnås dagtid, framför allt i mineralullen utanför ångspärren, särskilt under sommaren. Nivåerna varierar kraftigt över dygnet och risk finns att fukten kondenserar intill ångspärren under natten, till följd av den tidsinställda kylning av byggnaden som aktiveras. Någon skaderisk bedöms inte föreligger, då den åter förångas när temperaturen ökar.Skillnader mellan fasadernas orientering och riktningar identifieras och bedöms främst bero på inverkan från solinstrålning men även vind, nederbörd och omgivning.Simuleringarna i WUFI återger en god bild av de hygrotermiska processerna med hänsyn till angivna begynnelsevillkor. De antaganden som görs ger dock en alltför simpel gestaltning av verkligheten vilket försvårar jämförelser med uppmätt data. Viktigt är också att använda sig av klimatdata som speglar verkligheten samt tar hänsyn till extrema väderhändelser om syftet är att göra rättvisa jämförelser mellan beräknade och uppmätta värden.

Undervisningshuset on campus of Royal Institute of Technology in Stockholm uses Building Management Systems and the purpose of it is to use it when studying the different systems of the building. Using 767 sensors installed in different places in the construction, several parameters such as temperature, concentration of carbon dioxide and humidity are recorded every minute. This high-resolution data is then uploaded and accessible through a web portal. The measuring started in the year of 2017 when Undervisningshuset has been built and new data is recorded and updated in real time.In this study, a number of analyses are performed mainly focusing on temperature and moisture processes through the outer walls of the building. The analyses cover shorter time periods and enables a more detailed representation of the hygrothermal processes. Temperature and moisture data from the sensors between a few of the layers inside the outer wall are used as reference data, which is in turn compared to simulations, computations and climate data. Simulations are made using the moisture calculation program WUFI Pro 6.6 which performs non-steady state computations.The results show that relatively high moisture levels were obtained during the summer days, mostly inside the mineral wool layer close to the diffusion barrier. The levels varied greatly throughout the day and there could be a risk of condensation close to the diffusion barrier during nighttime, as a result of the nighttime cooling of the building. Although, the risk of moisture damage is probably low because of the rising temperatures causing the moisture to evaporate.Differences between the orientations of the facade are identified, probably due to the differences in sun exposure but also wind, rain and surroundings.Simulations in WUFI give a good representation of the hygrothermal processes in the wall, given the initial conditions used. However, the approximations used results in a much too simplified version of reality which makes comparison with measured data more difficult. It is also important to use climate data that reflects reality and takes extreme weather events into account if the aim is to make fair comparisons between calculated and measured data.