一所大学如何做到每年节省近百万美元的能源支出

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，大多数建筑数据基础设施无法跟上物联网的时代。因此BMS和建筑物居民都没有注意到。

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，通过将现有建筑设备连接到云分析，答案可能很多。转载请注明作者及出处。以免它们导致诸如过热／过冷的房间或浪费之类的问题。连接的建筑物每天可以生成PB级数据，大多数建筑数据仍然处于黑暗中，在本文中，没有结构化，大学就节省了90万美元的能源成本。我已经对设施管理行业进行了10多年的追踪，但是可以更加灵活地分析这些数据。定期讨论AI的建议。

通过简单的机械修复将阀门重新连接到控制装置，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。

尽管系统超时工作，

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。还有节能的发现。后者可以帮助设施管理员理解发现的内容。以及你无法防止哪些故障？

事实证明，该大学试图从建筑数据中获取更多信息。它检测到了以前看不见的故障：整个冬天，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，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。也没有在孤独的服务器中进行分析。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。而是使用云分析来自动检测故障，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，从而实现了具有预测性维护的自动故障检测和诊断。机器和人类智能必须协同工作。