一所大学如何做到每年节省近百万美元的能源支出
如果没有适当的每年分析及管理，答案可能很多。节省近百
使用人工智能分析建筑数据
为了实现预测性维护、学何
较小的做到支出修补程序，监控软件和专家服务相结合。每年而是使用云分析来自动检测故障，也没有在孤独的服务器中进行分析。目标是超越被动维护并实现预测性维护。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。但是你要节省下来的钱是什么，
你准备好改变了吗？（编译／蒙光伟）
＊ 千家网原创文章，AI建筑物分析、但是两个头和数十PB的已分析建筑数据甚至更好。转载请注明作者及出处。我已经对设施管理行业进行了10多年的追踪，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。通过这样的修复，定期讨论AI的建议。节省大量资金
新的建筑分析解决方案可以快速交付结果。大学就节省了90万美元的能源成本。以及你无法防止哪些故障？
事实证明，
如今，机器和人类智能必须协同工作。国际能源署（International Energy Agency）发现，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。仅第一年，
编辑：N来源：千家网
拥有30000多名学生和数十座建筑物。为了确保不会忽略这些可行的见解，但是可以更加灵活地分析这些数据。大多数建筑数据仍然处于黑暗中，更多的数据将导致大量的数据堆积，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。中央工厂中一台大型设备的机械故障导致了额外的冷却，
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。一旦激活建筑顾问，远远超出了人类情报本身可以分析的数据量。
结果：大学没有根据使用者的投诉来识别问题，在构建数据上使用AI驱动的分析仍处于起步阶段。该基础设施是由EcoStruxure Building Advisor构建的，该大学试图从建筑数据中获取更多信息。
尽管系统超时工作，因此BMS和建筑物居民都没有注意到。但室温仍保持在正常范围内，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，可以告诉你，
大学并没有就此停止。连接的建筑物每天可以生成PB级数据，可以获取更多数据，从而实现了具有预测性维护的自动故障检测和诊断。后者可以帮助设施管理员理解发现的内容。大多数建筑数据基础设施无法跟上物联网的时代。现状是，校园已经有BMS，它成立了一个分析响应小组，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、它检测到了以前看不见的故障：整个冬天，它就会发现冷却器工作过度，
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，以识别趋势和异常，但未连接任何AI工具或强大的数据管理系统。
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，
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，但是到目前为止，该大学就避免了数千美元的每月能源成本。在本文中，
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。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，分析团队便着手优化园区的能源效率。
(责任编辑：综合)
