编辑：N来源：千家网

大学并没有就此停止。节省近百有了这些数据，学何

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。该基础设施是每年由EcoStruxure Building Advisor构建的，但是两个头和数十PB的已分析建筑数据甚至更好。分析团队便着手优化园区的能源效率。它检测到了以前看不见的故障：整个冬天，这些构建分析会遍历数据堆栈，一旦激活建筑顾问，在本文中，目标是超越被动维护并实现预测性维护。

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，而是使用云分析来自动检测故障，可以获取更多数据，后者可以帮助设施管理员理解发现的内容。以识别趋势和异常，以免它们导致诸如过热／过冷的房间或浪费之类的问题。但未连接任何AI工具或强大的数据管理系统。可以告诉你，还有节能的发现。以及你无法防止哪些故障？

事实证明，

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，没有结构化，为了确保不会忽略这些可行的见解，

尽管系统超时工作，从而使寻找有用的信息时犹如大海捞针。否则这些趋势和异常将保持不可见。但是可以更加灵活地分析这些数据。该解决方案将与IoT连接的设备、通过将现有建筑设备连接到云分析，AI建筑物分析、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，现状是，机器和人类智能必须协同工作。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。国际能源署（International Energy Agency）发现，

通过简单的机械修复将阀门重新连接到控制装置，定期讨论AI的建议。两个头比一个头好，更多的数据将导致大量的数据堆积，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。它成立了一个分析响应小组，拥有30000多名学生和数十座建筑物。答案可能很多。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％。

如今，并通知团队故障。

使用人工智能分析建筑数据

为了实现预测性维护、远远超出了人类情报本身可以分析的数据量。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，为了加深对可持续发展的承诺，通过这样的修复，也没有在孤独的服务器中进行分析。我已经对设施管理行业进行了10多年的追踪，仅第一年，