由克里斯·彭罗斯
W虽然COVID-19流行远未结束,束缚它放置在许多公司让所有的员工离开办公室已经开始放松。新疫苗和继续使用的个人防护装备(PPE),如口罩,让更多的员工回到办公室。但这并不意味着他们回到现状时,建筑占用。
流行后,混合动力是新的正常工作,与79%高管采用这样的模型为员工定制他们的工作时间,也许几天来办公室一个星期。导致胃灼热的许多设施经理次匹配他们的建筑管理系统(BMS)来满足能源需求波动从这些灵活的时间表也需要发展他们的系统更加灵活和有效的。
好消息是,最近的进步BMS技术被证明是有效地交付自动化和响应能力所需的速度和规模。特别是由于实时分析通过AI-enabled边缘计算的增长,有时结合低延迟和高带宽5 g网络,即使是最大的设施网络可以动员提高能源效率和减少运营成本的混合工作模式。
设施经理在BMS敏捷性
今天的不幸的现实是,大多数BMS系统仍然依靠手动或预定程序的调整高耗能系统如暖通空调、照明、和其他环境控制。可能是足够的pre-COVID时代满负荷时可预测的工作时间。但现在随着企业员工回到办公室在可预测的方式,这些不规则的入住率负载加扰方程和切入底线与效用成本浪费和不必要的磨损系统。
不确定性超出办公室隔间,进入仓库,可以占到近的能源成本10%公司的年度收入。全球供应链中断从COVID-19很难预测库存,因此难以持续计多少仓库空间需要维护与公用事业和环境服务和管理,库存。
所有这些不仅削弱了底线;可持续发展也是一个打击,最终威胁环境和企业合规的公司努力创新2030年温室气体减排目标建立了由联邦政府今年。
幸运的是,设施经理可以利用新物联网传感器和执行器的发展,加上BMS自动化更多的可见性和控制通过实时analytics-dynamically环境条件匹配快速转移和不可预知的占用和使用的变化。这为办公室带来节能校准系统的灵活性调整时间表,天气预报,每小时能量率,和基础设施状况。最先进的系统利用边缘AI来帮助做所有这一切。
人工智能响应性的挑战与优势
边缘AI当边缘处理计算——数据达到或接近其来源是增强与人工智能(AI)和机器学习(ML)算法,将在本地分析工作量。特别是物联网设备和传感器增殖在智能建筑,边缘AI避免了成本和延迟来自来回收集和传输所有数据离线云服务进行处理。当在规模、设施管理人员可以跨多个建筑协调控制和节约成本,如果必要的。额外的储蓄来自覆盖边缘AI功能到现有系统的能力没有昂贵的需要拆开,替换遗留组件。这些平台可以进一步利用提供预测的见解。例如,数据和分析来自高频振动传感器可以检测到不规则的暖通空调风扇可能会失败,然后提供一个算法规定修补好一个漏洞,主动避免昂贵的破裂和消极的租户的经验。
结论
混合时间的“新常态”流行后的劳动力,促使BMS急需的革命功能。由边缘AI的实时分析能力和网络带宽和低延迟从5克,新自动化和可伸缩的BMS系统武装与增强建立管理者实时可见性和敏捷性来满足能源效率和成本节约目标即使在最不可预测的混合的工作环境。
彭罗斯的首席运营官雾角。他负责带领迷失的营销努力在业务发展、技术销售、战略合作伙伴关系,第三方分布、全球营销、广告和公共关系。彭罗斯也导致公司战略规划。迷失的边缘人工智能和机器学习的领导者,是第一个edge-native AI和市场分析的解决方案。彭罗斯和他的团队创建和提供世界各地的解决方案,以帮助客户在垂直行业中实现自己的理想的业务成果。
