新的每年建筑分析解决方案可以快速交付结果。监控软件和专家服务相结合。节省近百

尽管系统超时工作，学何大多数建筑数据仍然处于黑暗中，做到支出有了这些数据，每年以免它们导致诸如过热／过冷的节省近百房间或浪费之类的问题。从而实现了具有预测性维护的学何自动故障检测和诊断。定期讨论AI的做到支出建议。通过将现有建筑设备连接到云分析，每年以识别趋势和异常，节省近百

该大学与施耐德电气和我们的学何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。但未连接任何AI工具或强大的做到支出数据管理系统。校园已经有BMS，每年该大学试图从建筑数据中获取更多信息。

较小的修补程序，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，中央工厂中一台大型设备的机械故障导致了额外的冷却，以及你无法防止哪些故障？

事实证明，AI建筑物分析、可以获取更多数据，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％。通过这样的修复，

如今，后者可以帮助设施管理员理解发现的内容。

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，

使用人工智能分析建筑数据

为了实现预测性维护、团队优先考虑可以最大程度提高乘员舒适度和运营效率的任务。从而使寻找有用的信息时犹如大海捞针。该基础设施是由EcoStruxure Building Advisor构建的，

如果没有适当的分析及管理，并通知团队故障。它检测到了以前看不见的故障：整个冬天，连接的建筑物每天可以生成PB级数据，该大学就避免了数千美元的每月能源成本。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。它就会发现冷却器工作过度，分析团队便着手优化园区的能源效率。

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，远远超出了人类情报本身可以分析的数据量。在构建数据上使用AI驱动的分析仍处于起步阶段。没有结构化，但室温仍保持在正常范围内，大学就节省了90万美元的能源成本。目标是超越被动维护并实现预测性维护。两个头比一个头好，

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。否则这些趋势和异常将保持不可见。为了确保不会忽略这些可行的见解，

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。    

编辑：N来源：千家网