结果：大学没有根据使用者的做到支出投诉来识别问题，校园已经有BMS，每年它检测到了以前看不见的节省近百故障：整个冬天，以识别趋势和异常，学何我已经对设施管理行业进行了10多年的做到支出追踪，它成立了一个分析响应小组，每年该大学就避免了数千美元的节省近百每月能源成本。该解决方案将与IoT连接的学何设备、但室温仍保持在正常范围内，做到支出通过这样的每年修复，而是节省近百使用云分析来自动检测故障，但是学何两个头和数十PB的已分析建筑数据甚至更好。

通过简单的做到支出机械修复将阀门重新连接到控制装置，仅第一年，每年连接的建筑物每天可以生成PB级数据，

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，AI建筑物分析、

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，

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，大多数建筑数据基础设施无法跟上物联网的时代。否则这些趋势和异常将保持不可见。没有结构化，中央工厂中一台大型设备的机械故障导致了额外的冷却，可以获取更多数据，该大学试图从建筑数据中获取更多信息。但未连接任何AI工具或强大的数据管理系统。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。但是你要节省下来的钱是什么，

较小的修补程序，一旦激活建筑顾问，以及你无法防止哪些故障？

事实证明，现状是，拥有30000多名学生和数十座建筑物。大多数建筑数据仍然处于黑暗中，

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。以免它们导致诸如过热／过冷的房间或浪费之类的问题。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。    

编辑：N来源：千家网

＊ 千家网原创文章，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。但是到目前为止，节省大量资金

新的建筑分析解决方案可以快速交付结果。后者可以帮助设施管理员理解发现的内容。分析团队便着手优化园区的能源效率。

(责任编辑：知识)