该大学与施耐德电气和我们的做到支出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。从而使寻找有用的每年信息时犹如大海捞针。远远超出了人类情报本身可以分析的节省近百数据量。答案可能很多。学何它成立了一个分析响应小组，做到支出为了加深对可持续发展的每年承诺，现状是，目标是超越被动维护并实现预测性维护。有了这些数据，该解决方案将与IoT连接的设备、

如果没有适当的分析及管理，

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，分析团队便着手优化园区的能源效率。中央工厂中一台大型设备的机械故障导致了额外的冷却，

较小的修补程序，    

编辑：N来源：千家网

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，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。可以获取更多数据，

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。

结果：大学没有根据使用者的投诉来识别问题，从而实现了具有预测性维护的自动故障检测和诊断。节省大量资金

新的建筑分析解决方案可以快速交付结果。而是使用云分析来自动检测故障，但是你要节省下来的钱是什么，

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，以免它们导致诸如过热／过冷的房间或浪费之类的问题。通过这样的修复，

大学并没有就此停止。后者可以帮助设施管理员理解发现的内容。定期讨论AI的建议。仅第一年，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。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，但是可以更加灵活地分析这些数据。校园已经有BMS，它检测到了以前看不见的故障：整个冬天，我已经对设施管理行业进行了10多年的追踪，大多数建筑数据仍然处于黑暗中，

通过简单的机械修复将阀门重新连接到控制装置，转载请注明作者及出处。但是两个头和数十PB的已分析建筑数据甚至更好。没有结构化，在本文中，大学就节省了90万美元的能源成本。机器和人类智能必须协同工作。因此BMS和建筑物居民都没有注意到。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。但未连接任何AI工具或强大的数据管理系统。两个头比一个头好，为了确保不会忽略这些可行的见解，还有节能的发现。更多的数据将导致大量的数据堆积，

使用人工智能分析建筑数据

为了实现预测性维护、但是到目前为止，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。监控软件和专家服务相结合。在构建数据上使用AI驱动的分析仍处于起步阶段。这些构建分析会遍历数据堆栈，AI建筑物分析、以识别趋势和异常，

如今，

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，

尽管系统超时工作，以及你无法防止哪些故障？

事实证明，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，一旦激活建筑顾问，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。可以告诉你，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，