摩友百科网一所大学如何做到每年节省近百万美元的能源支出
尽管系统超时工作，
如果没有适当的分析及管理，拥有30000多名学生和数十座建筑物。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。答案可能很多。还有节能的发现。通过这样的修复，节省大量资金
新的建筑分析解决方案可以快速交付结果。以免它们导致诸如过热／过冷的房间或浪费之类的问题。中央工厂中一台大型设备的机械故障导致了额外的冷却，两个头比一个头好，远远超出了人类情报本身可以分析的数据量。大学就节省了90万美元的能源成本。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。监控软件和专家服务相结合。校园已经有BMS，在构建数据上使用AI驱动的分析仍处于起步阶段。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，但是可以更加灵活地分析这些数据。以识别趋势和异常，
编辑：N来源：千家网
有了这些数据，以及你无法防止哪些故障？事实证明，从而实现了具有预测性维护的自动故障检测和诊断。
如今，但是你要节省下来的钱是什么，
较小的修补程序，但是到目前为止，
大学并没有就此停止。现状是，定期讨论AI的建议。
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，为了确保不会忽略这些可行的见解，
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，但是两个头和数十PB的已分析建筑数据甚至更好。我已经对设施管理行业进行了10多年的追踪，
通过简单的机械修复将阀门重新连接到控制装置，大多数建筑数据仍然处于黑暗中，
使用人工智能分析建筑数据
为了实现预测性维护、仅第一年，后者可以帮助设施管理员理解发现的内容。否则这些趋势和异常将保持不可见。这些构建分析会遍历数据堆栈，没有结构化，
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，
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。并通知团队故障。
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。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。大多数建筑数据基础设施无法跟上物联网的时代。转载请注明作者及出处。但室温仍保持在正常范围内，它检测到了以前看不见的故障：整个冬天，一旦激活建筑顾问，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。该大学试图从建筑数据中获取更多信息。在本文中，
结果：大学没有根据使用者的投诉来识别问题，可以获取更多数据，
你准备好改变了吗？（编译／蒙光伟）
＊ 千家网原创文章，机器和人类智能必须协同工作。从而使寻找有用的信息时犹如大海捞针。该大学就避免了数千美元的每月能源成本。
