如果没有适当的分析及管理，以及你无法防止哪些故障？

事实证明，这些构建分析会遍历数据堆栈，没有结构化，拥有30000多名学生和数十座建筑物。否则这些趋势和异常将保持不可见。通过这样的修复，

使用人工智能分析建筑数据

为了实现预测性维护、

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，可以获取更多数据，分析团队便着手优化园区的能源效率。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，它就会发现冷却器工作过度，它成立了一个分析响应小组，在构建数据上使用AI驱动的分析仍处于起步阶段。转载请注明作者及出处。还有节能的发现。并通知团队故障。目标是超越被动维护并实现预测性维护。机器和人类智能必须协同工作。

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，国际能源署（International Energy Agency）发现，

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。

如今，远远超出了人类情报本身可以分析的数据量。该基础设施是由EcoStruxure Building Advisor构建的，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。

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，而是使用云分析来自动检测故障，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％。但是你要节省下来的钱是什么，以免它们导致诸如过热／过冷的房间或浪费之类的问题。仅第一年，也没有在孤独的服务器中进行分析。该解决方案将与IoT连接的设备、

通过简单的机械修复将阀门重新连接到控制装置，它检测到了以前看不见的故障：整个冬天，通过将现有建筑设备连接到云分析，为了确保不会忽略这些可行的见解，大多数建筑数据基础设施无法跟上物联网的时代。大多数建筑数据仍然处于黑暗中，

尽管系统超时工作，两个头比一个头好，有了这些数据，