每栋建筑都有其用途。无论是您购物、工作或社交的建筑物——它们每天都在改变我们的生活。因此，我们 90% 的时间都在室内度过也就不足为奇了。然而，我们的建筑物如何运作的基础取决于使用它们的人的安全、保障和福祉。
例如，自 2020 年初以来，我们使用办公室的方式发生了巨大变化。我们变得更加灵活，通常只在有明确目的和优势的情况下才会去办公室。建筑物本身并没有什么不同——但我们现在需要改进建筑物的运行方式以满足我们的新要求。然而，它们并没有发挥应有的作用。
据麦肯锡全球研究所的研究 估计，如果大规模嵌入数据和分析，每年可以创造价值 9.5 万亿美元至 15.4 万亿美元的价值，这显示了孤岛对各行业的真正影响。因此，我们需要开始评估我们的数据并理解它。只有这样，我们才能提高乘员的安全性和舒适度，节省成本并实现可持续发展目标。
通往数据价值的阶梯
当我们拥有无法理解或无法关联的数据时，我们可能根本就没有数据。孤立的数据正在削弱我们的智能建筑，但挑战在于我们需要管理运营技术的组合，将多个数据源和不同的系统整合在一起以推动价值。目前，这些单点解决方案中的每一个的数据都是孤立和断开连接的。这阻碍了建筑经理、开发商和业主看到更大的图景，将他们限制在小的、渐进的变化中，而这些变化无助于实现他们在智能投资中的全部潜力。
从这里开始，就有可能提升数据价值阶梯，释放“智能”的真正好处。从表面上看，数据可以是描述性的，告诉我们现在正在发生什么。然后，这种洞察力会告诉我们如何提升水平；诊断、预测、规范，最后是认知数据的顶峰，其中人工智能和自动化发挥了自己的作用。
建筑物和数据之间需要有联系，因为它提供了有关建筑物如何使用的宝贵见解……
建筑物和数据之间需要有联系，因为它提供了有关建筑物使用方式的宝贵见解。您可以对建筑物的能源进行快速预览并了解其性能，但是在您了解其他数据的背景以及这些数据如何影响建筑物之前，这将无济于事——它们都是相互关联的。将孤立的数据理解为一个连接的网络意味着我们可以以不同的方式处理每座建筑，以提出更节能、更节省成本的建议。通过连接孤岛，我们可以丰富数据以提供诊断数据以及有助于攀登价值阶梯的描述性数据。
更重要的是，许多建筑容纳了多名住户，他们有着不同的需求和期望。当我们在一个新的混合世界中工作时尤其如此，灵活性是许多人关注的焦点。需求因建筑物而异，行业中的平均数据不适用，因为它与单个建筑物的要求有关。
然而，有些事情将保持不变：需要降低能源使用量、实现碳净零排放、改善室内空气质量并为居住者提供令人印象深刻的舒适体验。当建筑物的数据处于孤岛状态、未得到充分利用并且无法提供建筑物真正可提供的 360 度全方位视图时，所有这一切都更难实现。
以技术拓宽潜力
为了发挥这种潜力，我们必须深入到智能技术的表层以下，以释放它们产生的洞察力。当我们将智能技术系统连接在一起以创建智能解决方案的生态系统或平台时，就会发生这种情况，着眼于更大的图景。然后可以分析由此产生的数据和见解，以对建筑物乃至整个企业进行巨大改进。
为实现这一目标，数据需要在云端连接并轻松访问。然后决策者可以整体分析数据并确定需要改进的地方。他们可以将此分析重点放在维护、节能和可持续发展等流程上——当时需要关注的任何地方。然后，他们可以确定可以自主进行这些调整并改善租户体验的智能技术。从这些基础上，建筑和办公决策者可以创造出真正智能的东西。
一旦建筑数据被嵌入并利用人工智能 (AI) 和机器学习 (ML) 等技术，我们就可以真正获得回报并提高居住者的安全性和舒适度，同时节省成本并实现可持续发展目标。
让数学来完成工作
通过使用技术，包括带有 AI 的数据和跟踪软件以及跟踪室内空气质量和能源消耗的直观仪表板，我们的建筑物可以使用智能算法进行预测。
基于历史模式，算法可以预测不同运行条件下的负载曲线以及工厂和设备级的能源性能。每个主要设备，包括冷却器、锅炉、泵、冷却塔和能量存储，都有一个能量模型来预测设备在不同操作条件下的性能。优化算法每 10-15 分钟运行一次，以决定“调度决策”。在这里，它决定打开或关闭哪些设备，以及为各种冷却、加热和发电系统运行的系统级设置点。这不断地降低成本并减少能源。
分析和人工智能解决方案历来专注于一次解决一个目标，无论是清洁空气、能源效率、安全性，还是舒适性和体验。然而，测量、跟踪和根据数据采取行动使我们能够控制我们想要实现的每一个目标。
现在使数据民主化，以便将来节省
在经济持续不稳定的时期，企业正在竭尽全力确保低成本和高投资回报。然而，我们必须记住，降低成本、提高能源效率和清洁空气是可以并存的。借助 AI、ML 和民主化数据，我们可以开始看到我们建筑的变化，这将改善我们的未来。
本文作者：Mark Bouldin 是一位数字化转型专家，专注于使用 AI 和 ML 打造健康、高效和可持续的建筑。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
