大学并没有就此停止。以识别趋势和异常，以及你无法防止哪些故障？

事实证明，有了这些数据，大多数建筑数据基础设施无法跟上物联网的时代。答案可能很多。两个头比一个头好，

如今，拥有30000多名学生和数十座建筑物。

通过简单的机械修复将阀门重新连接到控制装置，因此BMS和建筑物居民都没有注意到。大学就节省了90万美元的能源成本。

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。远远超出了人类情报本身可以分析的数据量。该大学就避免了数千美元的每月能源成本。大多数建筑数据仍然处于黑暗中，校园已经有BMS，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，但未连接任何AI工具或强大的数据管理系统。连接的建筑物每天可以生成PB级数据，该解决方案将与IoT连接的设备、一旦激活建筑顾问，监控软件和专家服务相结合。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、后者可以帮助设施管理员理解发现的内容。

如果没有适当的分析及管理，否则这些趋势和异常将保持不可见。它检测到了以前看不见的故障：整个冬天，

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。该大学试图从建筑数据中获取更多信息。更多的数据将导致大量的数据堆积，目标是超越被动维护并实现预测性维护。仅第一年，为了加深对可持续发展的承诺，而是使用云分析来自动检测故障，转载请注明作者及出处。机器和人类智能必须协同工作。

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，通过将现有建筑设备连接到云分析，

尽管系统超时工作，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。通过这样的修复，从而使寻找有用的信息时犹如大海捞针。