在大流行后世界促使79%的企業高管不得不采用混合工作模式,允許員工每周只進入辦公室幾天,從而使得設施經理發現自己面臨諸多挑戰:如何調整他們的建筑管理系統(BMS)在適應這些新的靈活時間表導致的電力需求波動時更加具有彈性。
事實是,大多數建筑物繼續與BMS系統斗爭,這些系統主要是監測性的,并且根據操作條件自動調整的能力有限,實時調整的能力更弱。這導致組織在無人使用的區域浪費大量能源,并承受過高的公用事業成本。這也是實現各國政府為企業制定的2030年溫室氣體減排目標的絆腳石。幸運的是,面對當今越來越不可預測的辦公時間表,利用人工智能、邊緣計算和實時分析的正確解決方案可以提高能源效率并降低運營成本。
對敏捷性的更高要求
在COVID之前,大多數大型和混合用途建筑依靠日常工作時間來指導BMS系統為照明和暖通空調等耗能系統進行調度——通常預計周一至周五上午7:00至下午5:00會有人入住,這本身就是一種浪費。現在,隨著員工以不同程度的入住率返回辦公室,設施經理的任務是適應這些不規則的時間表。
在許多方面,對于建筑管理人員來說,當前重返工作場所比疫情最嚴重時更加棘手——當時,由于公共衛生法規的存在,大樓的入住率變得可預測且一致較低,幾乎沒有什么其他選擇,只能讓所有員工留在家里。現在,越來越多的人返回工作場所,但以零星和不可預測的方式,這給設施人員和他們的BMS架構帶來了敏捷性的挑戰。
由于大流行引起的全球供應鏈中斷可能導致庫存水平波動以及需要通過電力和暖通空調維持多少倉庫空間來容納它,不可預測性甚至擴展到倉庫能源成本,這可能占近10%公司的年收入。雖然這些供應鏈中斷預計是暫時的,但作為混合工作模式永久趨勢的一部分,不規則的辦公時間很可能會在大流行之后繼續成為“新常態”。
用Edge AI迎接挑戰
盡管存在這些現實,但當今很少有建筑物配備超出觀察或預編程范圍的BMS資產。手動跟上不一致的占用水平可能既費時又昂貴,而且對環境造成浪費。為了讓組織保持高效、競爭力和可持續發展,這種情況必須改變。
幸運的是,由于越來越多的數據驅動選項可以通過更實時的可見性和控制動態調整建筑條件,BMS敏捷性變得更加容易。這些系統提供高級分析功能,可以跟蹤和調整辦公室時間表、入住率、天氣預報、每小時能源費率和HVAC機器健康狀況——所有這些都為業主創造了運營效率和更高的利潤。
一些最強大的系統涉及支持人工智能的邊緣計算或邊緣人工智能,其中數據在數據源處或附近進行處理。特別是隨著物聯網設備和傳感器在智能建筑中的激增,邊緣AI避免了收集數據和將數據來回傳輸到異地云服務進行處理所帶來的成本和延遲。額外的節省來自這樣一個事實,即建筑運營商可以將新的邊緣AI安裝到現有系統上,而無需昂貴的拆除和更換舊組件。
預測性維護和其他好處
由邊緣AI提供支持的智能BMS架構可以將效率提升到能耗系統的實時管理之外,并進入節省收入的預測分析和預防性維護領域。例如,來自高頻振動傳感器的運行數據可以檢測用于冷卻的建筑物冷卻器中的異常情況,并應用分析來預測未來的故障點。這提供了主動解決問題的機會,避免了會對租戶體驗產生負面影響的昂貴的故障維修和服務中斷。
無論用例是暖通空調、照明還是其他一些建筑系統,支持邊緣AI的預測功能都可以延長昂貴設備的最大有效資產壽命。考慮到混合工作模式會因響應不斷變化的占用因素而進行更頻繁的操作調整,從而增加了系統的磨損和撕裂,這一點尤其正確。作為獎勵,對這些不斷變化的占用模式的分析還可以幫助確定進行計劃維護和計劃服務中斷的最佳和最少中斷時間。
最后,由于醫療衛生事件仍然是一個問題,邊緣AI甚至可以通過使用機器視覺、紅外傳感器和流視頻分析來驗證居住者的PPE使用情況(例如戴口罩),從而增強建筑物的健康安全狀況;或檢測體溫升高,這可能是感染的跡象。這些只是增強的BMS功能可以為設施經理帶來的一些優勢,以應對醫療衛生事件之后面臨風險的勞動力的復雜占用時間表。
總結
大流行后勞動力的混合工作時間表的“新常態”正在推動BMS功能的急需革命。在邊緣AI的力量的帶領下,這些系統正在為建筑經理提供增強的可見性和實時敏捷性,以應對不斷變化的條件并進行自動調整,以提高租戶安全性、能源效率和成本節約。
(原標題:如何利用邊緣AI提升辦公建筑的適應性和效率)
版權與免責聲明:
凡本站注明“來源:智能制造網”的所有作品,均為浙江興旺寶明通網絡有限公司-智能制造網合法擁有版權或有權使用的作品,未經本站授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智能制造網”。違反上述聲明者,本站將追究其相關法律責任。
本站轉載并注明自其它來源(非智能制造網)的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉載時,必須保留本站注明的作品第一來源,并自負版權等法律責任。如擅自篡改為“稿件來源:智能制造網”,本站將依法追究責任。
鑒于本站稿件來源廣泛、數量較多,如涉及作品內容、版權等問題,請與本站聯系并提供相關證明材料:聯系電話:0571-89719789;郵箱:1271141964@qq.com。