【智慧城市網 企業關注】數據太多和沒有數據一樣沒用。以下是如何將智能建筑數據轉換為可靠、有用和可操作的信息。
在你職業生涯中的某個時刻，你可能會坐在電腦前，盯著一個一排排數字的電子表格，心想:“這對我完全沒用。我不知道這到底想告訴我什么。”
這是一個舉世公認的事實：太多的數據和沒有數據一樣糟糕。
“數據本身沒有內在價值，”WSP 構建技術系統的副總裁 Isaac Chen 說。 “將數據轉化為信息是我們的目標。”
那么，在這個構建系統日益復雜的環境中，您如何做到這一點呢？ 挑戰實際上是雙重的：首先，您如何創建一個強大的、可互操作的、集成的智能樓宇自動化系統，以您需要的格式提供您想要的數據？ 其次，您如何從該系統中提取和呈現數據，使其具有可操作性，并且不會因分析而癱瘓？
這些都是棘手的問題，由于大多數建筑物已經有一個系統這一事實變得更加棘手。
“大多數商業建筑建于 2000 年之前，大多數控制系統甚至比這更古老，”Building Intelligence Group 的創始人兼總裁 Paul Ehrlich 說。 “舊的和過時的系統與全新的系統混合在一起。”
可互操作的集成智能
因此，讓我們假設您現有的系統——無論是您控制各種構建系統、測量結果、分析數據并將其呈現給您——需要一些工作。 你從哪里開始？ 你會把它全部拆掉重新開始嗎？ 您是否購買了新的分析和控制包并聘請了昂貴的系統集成商將它們整合在一起？ 你只是在已有的基礎上添加層嗎？
每棟建筑在如何處理可互操作的建筑系統方面都會有所不同。 這將取決于您現有的系統、您與供應商的現有合同、您的預算、您自己的專業知識以及您設施管理部門的專業知識。
“作為一個行業，我們傾向于將越來越多的工具疊加在一起，”Environmental Systems Design 的 Energy + Eco 運營總監 Saagar Patel 說。 “這就是問題所在，因為你有冗余數據流。 你有太多不同的技術疊加在一起。”
這是一個您可能非常熟悉的問題：構建系統的任務蠕變。 多年來，零碎地添加了一些東西，以至于原來的系統——更重要的是，它應該如何運作——幾乎無法辨認。
而且它并沒有變得更容易。 例如，物聯網 (IoT) 技術和設備通常被視為解決樓宇自動化問題的靈丹妙藥。 畢竟，這些設備應該是即插即用的。
DLB Associates 董事總經理 David Quirk 表示：“物聯網為更多設備和傳感器選擇打開了大門，因為它更容易在所有設備上改裝傳感器，并顯著擴展這些傳感器和設備的特性和功能。”
所以物聯網改進了功能，但它是否改進了互操作性，尤其是與如何提取或呈現數據相關的互操作性？ 專家表示，目前的答案有點模糊，他們認為某些物聯網設備有時會產生比它們解決的問題更多的問題。
“在某些方面，物聯網正在讓事情變得更具挑戰性，”Quirk 說。 “它們只能在各自的云平臺上互操作。 現在唯一的共同點是一切都在匯聚到基于 IP 的協議。”
Patel 對此表示贊同：“物聯網處于熵增狀態，完全混亂，但以一種好的方式，”他說。 “我們都在努力找出推動物聯網發展的最佳方式。”
Chen 表示，業界正在使用一個新術語來描述一種思考整合新舊系統的方式：網絡物理系統 (CPS)。 根據美國國家科學基金會的說法，網絡物理系統雖然不是建筑物所獨有，但將傳感、計算、控制和網絡集成到物理對象和基礎設施中，將它們連接到互聯網并相互連接。 從建筑的角度來看，CPS 本質上是一種將設備和系統集成到整體智能建筑中的思考方式。 因此，盡管專家們一致認為我們仍處于樓宇自動化系統時代，但整體智能建筑才是未來。 這就是您應該如何看待您的建筑系統。
數據輸入，數據輸出
但是，所有這些系統產生的數據是什么？
“設施經理一直負責所有建筑系統、HVAC、控制、配電、電梯、管道等，”Ehrlich 說。 “挑戰在于他們從未在這些系統中獲得過大量數據。” 或者數據將無法操作，因為它只是原始數據——沒有趨勢，沒有分析，沒有辦法了解數據在現實世界中的含義。
如今，問題幾乎正好相反：數據太多，或者數據未分類、未分析，然后在很大程度上被忽略了。
“數據不會告訴你哪里出了問題，”Quirk 說。 “它只會給你積分。”
管理數據的首要步驟之一是確定誰需要查看什么。
“最大的問題之一是沒有找到合適的利益相關者，”Quirk 說。 “你需要知道每個利益相關者需要什么樣的信息，以及他們需要這些信息的呈現方式。”
Patel 同意：“數據要求基于利益相關者，”他說。 “數據的呈現方式取決于誰想要查看哪些數據。 了解可能有權訪問數據的每個人的需求和愿望非常重要。”
Patel建議設置系統，使用基于網絡的儀表板管理數據，這樣當能源經理登錄時，該人只能看到與能源效率或碳排放相關的數據，而不是電梯預防性維護計劃。
對這些數據進行分類或分類以正確傳播是一項艱巨的任務。 Chen 說數據分為三個層次。 首先是原始數據，也稱為聚合數據，或者，如果你真的想更喜歡的話，就是“數據湖”。 數據湖是收集來自傳感器、外部系統(如氣候和天氣數據)、空氣質量讀數等所有數據的“地方”。 第二層是數據庫，聚合數據開始以一種格式進行排序，然后可以進行分析。 第三是數據分析引擎。 Chen 說，這就是橡膠與道路相遇的地方。 分析提供了設施經理做出決策所需的信息。 這不是電子表格中臭名昭著的行和列，而是您坐在計算機前或查看移動設備時希望看到的內容。 “這就是讓你的生活更輕松的原因，”他說。
Patel 說，一種幫助您正確收集、聚合、傳播和分析數據的解決方案是基于監視器的調試。 這本質上是一個持續的、實時的調試過程，在這個過程中，建筑物不斷被微調。 將人工智能或機器學習結合到分析引擎中，這種做法在今天仍然是小眾的，但每天都在增加采用，這意味著建筑物實際上可以自我微調。
歸根結底，數據管理歸結為衡量需要衡量的內容、解析這些指標，并將這些信息交到合適的專家手中，以做出正確的決策。
Ehrlich 說：“如果我們正確地使用數據，設施經理將會發現巨大的好處。”
故障檢測還是告警疲勞？
任何成功的基于監視器的調試程序的關鍵組成部分是故障檢測和診斷 (FDD) 系統。 FDD 可以告訴你什么時候出現故障——比如風門卡在打開狀態——但也可以告訴你特定的測量值——比如室內濕度——是否超出預期范圍。
設置有用的 FDD 系統的最大挑戰之一是所謂的“警報疲勞”——基本上，如果系統過于敏感并且對每一件小事都發出警報，用戶最終會忽略警報或完全關閉它們，因為他們 變得太麻煩了。
“由于這些問題，我們傾向于放棄這些系統，”Patel說。 “這些工具沒有設置好就忘了吧。”
因此，為了有效，FDD 需要適當調整。
“你必須開發一個強大的過濾系統，”Quirk 說。 “你必須對 FDD 進行委托，否則它將成為垃圾。 這意味著要在幾個季節中調整系統。 如果你簡化這個過程，它永遠不會正常工作，你也永遠不會從中得到用處。”
FDD 應該是一個讓你的生活更輕松，而不是更困難的系統。 理想情況下，它會從您所有的傳感器和復雜的建筑系統中獲取數據，并將其歸結為您需要了解的信息，以便在出現問題時告訴您。 但同樣，它確實需要在前端做一些工作才能使其有用。 這涉及對系統的敏感性進行優先排序，并確定哪些事件嚴重到足以成為警報事件，以及哪些事件可能包含在一天結束或每周的摘要電子郵件中。
要做到這一點，“機器學習和人工智能是你的朋友，”Chen說。 “他們可以幫助建立關于什么應該是最重要的模型。 它們可以幫助確定任何事件的實際成本并阻止誤報。” Chen 提到了他參與的一家醫院的一個項目，該項目將關鍵警報減少到僅 10%，因此設施管理人員基本上可以忽略其他 90%，從而提高工作效率。 “這種方式更易于管理，”他說。
這就是問題所在：通過結合智能系統和分析，創建一個使數據易于管理和實用的系統。 你不僅不能管理你不測量的東西，如果你不分析它并使其可操作，你就不能真正使用你測量過的東西。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
