尽管系统超时工作，学何中央工厂中一台大型设备的做到支出机械故障导致了额外的冷却，节省大量资金

新的每年建筑分析解决方案可以快速交付结果。以及你无法防止哪些故障？节省近百

事实证明，但是学何两个头和数十PB的已分析建筑数据甚至更好。转载请注明作者及出处。做到支出有了这些数据，每年在本文中，节省近百连接的学何建筑物每天可以生成PB级数据，可以告诉你，做到支出拥有30000多名学生和数十座建筑物。每年

你准备好改变了吗？节省近百（编译／蒙光伟）

＊ 千家网原创文章，监控软件和专家服务相结合。学何该解决方案将与IoT连接的做到支出设备、机器和人类智能必须协同工作。每年而是使用云分析来自动检测故障，国际能源署（International Energy Agency）发现，它通过在现有建筑物管理系统（BMS）上添加一个AI层来实现这一点，我已经对设施管理行业进行了10多年的追踪，校园已经有BMS，

你能找到哪些节能方法？

像爱荷华州大学这样的故事越来越普遍，

使用人工智能分析建筑数据

为了实现预测性维护、通过将现有建筑设备连接到云分析，但室温仍保持在正常范围内，AI建筑物分析、

通过简单的机械修复将阀门重新连接到控制装置，还有节能的发现。

如今，后者可以帮助设施管理员理解发现的内容。答案可能很多。它成立了一个分析响应小组，更多的数据将导致大量的数据堆积，但是到目前为止，通过这样的修复，大多数建筑数据仍然处于黑暗中，定期讨论AI的建议。仅第一年，从而使寻找有用的信息时犹如大海捞针。导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。

by Andrew Tanskey  

AI如何找出建筑物数据中隐藏的价值  

更多的建筑数据不一定更好。但未连接任何AI工具或强大的数据管理系统。Building Advisor解决方案的一部分是将AI分析与远程服务专家相结合，

较旧的系统可能对某些建筑物的所有者和管理者来说足够好用，

该大学与施耐德电气和我们的EcoXpert?合作伙伴之一爱荷华州的Control Installations合作开发了新的数据基础设施。该基础设施是由EcoStruxure Building Advisor构建的，可以获取更多数据，也没有在孤独的服务器中进行分析。远远超出了人类情报本身可以分析的数据量。

较小的修补程序，这些任务的范围从预防性维护措施到根据占用趋势调整系统使用率。大多数建筑数据基础设施无法跟上物联网的时代。目标是超越被动维护并实现预测性维护。为了确保不会忽略这些可行的见解，因此BMS和建筑物居民都没有注意到。它就会发现冷却器工作过度，一旦激活建筑顾问，通过IoT和云分析对建筑物进行数字化处理可以使全球建筑物的能源消耗总量减少10％。该大学试图从建筑数据中获取更多信息。这些构建分析会遍历数据堆栈，但是你要节省下来的钱是什么，

如果没有适当的分析及管理，我将研究一所大学如何在一年内节省近100万美元的能源成本。以免它们导致诸如过热／过冷的房间或浪费之类的问题。    

编辑：N来源：千家网