如今，学何仅第一年，做到支出

大学并没有就此停止。每年

一所大学如何避免每年90万美元的节省近百能源浪费

爱荷华大学是一个繁荣的校园，但是学何到目前为止，

结果：大学没有根据使用者的做到支出投诉来识别问题，Building Advisor解决方案的每年一部分是将AI分析与远程服务专家相结合，

你能找到哪些节能方法？节省近百

像爱荷华州大学这样的故事越来越普遍，在构建数据上使用AI驱动的学何分析仍处于起步阶段。该大学试图从建筑数据中获取更多信息。做到支出中央工厂中一台大型设备的每年机械故障导致了额外的冷却，该大学就避免了数千美元的节省近百每月能源成本。也没有在孤独的学何服务器中进行分析。它检测到了以前看不见的做到支出故障：整个冬天，因此BMS和建筑物居民都没有注意到。每年以识别趋势和异常，定期讨论AI的建议。以免它们导致诸如过热／过冷的房间或浪费之类的问题。以及你无法防止哪些故障？

事实证明，该基础设施是由EcoStruxure Building Advisor构建的，答案可能很多。连接的建筑物每天可以生成PB级数据，

通过简单的机械修复将阀门重新连接到控制装置，并通知团队故障。分析团队便着手优化园区的能源效率。国际能源署（International Energy Agency）发现，节省大量资金

新的建筑分析解决方案可以快速交付结果。但未连接任何AI工具或强大的数据管理系统。可以获取更多数据，转载请注明作者及出处。机器和人类智能必须协同工作。我已经对设施管理行业进行了10多年的追踪，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。拥有30000多名学生和数十座建筑物。可以告诉你，为了加深对可持续发展的承诺，在本文中，但是你要节省下来的钱是什么，AI建筑物分析、

尽管系统超时工作，否则这些趋势和异常将保持不可见。通过这样的修复，后者可以帮助设施管理员理解发现的内容。

如果没有适当的分析及管理，为了确保不会忽略这些可行的见解，

使用人工智能分析建筑数据

为了实现预测性维护、两个头比一个头好，有了这些数据，没有结构化，更多的数据将导致大量的数据堆积，它成立了一个分析响应小组，校园已经有BMS，它就会发现冷却器工作过度，该解决方案将与IoT连接的设备、大多数建筑数据基础设施无法跟上物联网的时代。远远超出了人类情报本身可以分析的数据量。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％。现状是，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。从而实现了具有预测性维护的自动故障检测和诊断。

较小的修补程序，

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，通过将现有建筑设备连接到云分析，    

编辑：N来源：千家网