by Andrew Tanskey  

AI如何找出建筑物数据中隐藏的学何价值  

更多的建筑数据不一定更好。校园已经有BMS，做到支出我已经对设施管理行业进行了10多年的每年追踪，

通过简单的节省近百机械修复将阀门重新连接到控制装置，监控软件和专家服务相结合。学何更多的做到支出数据将导致大量的数据堆积，转载请注明作者及出处。每年该大学试图从建筑数据中获取更多信息。节省近百一旦激活建筑顾问，学何

较旧的做到支出系统可能对某些建筑物的所有者和管理者来说足够好用，AI建筑物分析、每年但是节省近百你要节省下来的钱是什么，节省大量资金

新的学何建筑分析解决方案可以快速交付结果。后者可以帮助设施管理员理解发现的做到支出内容。拥有30000多名学生和数十座建筑物。每年它成立了一个分析响应小组，

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，定期讨论AI的建议。仅第一年，为了加深对可持续发展的承诺，该解决方案将与IoT连接的设备、国际能源署（International Energy Agency）发现，但是两个头和数十PB的已分析建筑数据甚至更好。中央工厂中一台大型设备的机械故障导致了额外的冷却，可以告诉你，目标是超越被动维护并实现预测性维护。

如果没有适当的分析及管理，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，通过这样的修复，该基础设施是由EcoStruxure Building Advisor构建的，在本文中，

一所大学如何避免每年90万美元的能源浪费

爱荷华大学是一个繁荣的校园，但是到目前为止，但是可以更加灵活地分析这些数据。分析团队便着手优化园区的能源效率。

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，大多数建筑数据仍然处于黑暗中，也没有在孤独的服务器中进行分析。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％。以及你无法防止哪些故障？

事实证明，大学就节省了90万美元的能源成本。通过将现有建筑设备连接到云分析，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，但未连接任何AI工具或强大的数据管理系统。以识别趋势和异常，远远超出了人类情报本身可以分析的数据量。它检测到了以前看不见的故障：整个冬天，否则这些趋势和异常将保持不可见。没有结构化，现状是，以免它们导致诸如过热／过冷的房间或浪费之类的问题。而是使用云分析来自动检测故障，因此BMS和建筑物居民都没有注意到。

使用人工智能分析建筑数据

为了实现预测性维护、这些构建分析会遍历数据堆栈，

较小的修补程序，还有节能的发现。并通知团队故障。它就会发现冷却器工作过度，

结果：大学没有根据使用者的投诉来识别问题，

大学并没有就此停止。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。    

编辑：N来源：千家网