智能建筑预测关键系统何时即将失败

在破裂之前修复盖蒂象一下，一栋建筑物告诉您 - 在发生之前 - 供暖即将失败。一些公司正在使用机器学习来做到这一点。这就是所谓的预测维护。

总部位于意大利米兰的软件公司CGNAL最近分析了意大利医院的供暖和通风单元的一年数据。现在，传感器通常内置在供暖，通风和空调单元中，并且团队具有诸如温度，湿度和用电之类的记录，与经营剧院和急救室的电器以及走廊有关。

他们从2015年上半年开始培训了一种机器学习算法，寻找类似设备的读数的差异。然后，他们对下半年的数据进行了测试 - 它可以预测故障发生吗？该系统预测，在124个真实故障中，有76个，其中44个中的41个设备的温度上升到可耐受的水平上升，伪正率为5％。

“我们从医院开始，因为供暖，通风和空调系统至关重要，”建筑管理公司EFM的Carlo Annis说，该公司与CGNAL合作进行了实验。这些预测算法可以在设施崩溃之前有助于解决故障 - 同时避免不必要的工作。

伦敦大学学院的David Shipworth说：“这是一种不错的技术，可以应用于现有的遥测[遥感]数据集。”他说，随着单位年龄的增长，功能的差异可能会变得不那么明显。“正常操作和错误操作之间的障碍将变得越来越模糊。”

其他公司也正在处理这种数据。芬兰的启动LeanHeat将无线温度，湿度和压力传感器放入公寓中，以远程控制加热和监控设备的健康。首席执行官Jukka Aho说，它的系统现在安装在近400个公寓楼中。

“一旦我们拥有这些传感器，很快就有证据表明建筑物无法最佳控制，” Aho说。

LeanHeat的型号并没有简单地根据外部温度调整加热，而是考虑了天气如何变化。温度从10度降至零 - 还是从下面的10度降低？

在美国，初创企业Augury在机器中安装声学传感器，以聆听功能的可听见变化，并发现了潜在的迫在眉睫的失败。首席执行官萨尔·尤斯科维茨（Saar Yoskovitz）说，奥杜里（Augury）已在包括医院，发电厂，数据中心和大学校园在内的设施中“诊断出”机器。

随着传感器的成本继续下降，希普沃思说，市场上将有更多这样的系统。他说：“在接下来的几年中，我们将看到一系列不同的机器学习方法。”

阅读更多： 处理云数据以加热房屋的计算机

本文来自作者[lejiaoyi]投稿，不代表言希号立场，如若转载，请注明出处：https://lejiaoyi.cn/kepu/202506-594.html