写点什么

智慧楼宇:东京建物引入“ZETA+AI”物联监测方案,实现楼宇预测性维护

作者:ZETA开发者
  • 2022 年 9 月 23 日
    上海
  • 本文字数:1819 字

    阅读完需:约 6 分钟

智慧楼宇:东京建物引入“ZETA+AI”物联监测方案,实现楼宇预测性维护

数字化的浪潮席卷全球,带来了全新的楼宇管理模式,智慧楼宇已经成为建筑智能化的发展趋势。物联网技术、AI 人工智能以及云计算的兴起,给智慧楼宇增添了新的发展活力,并产生了巨大的效益。


目前,大楼管理主要是依赖人力后期维护和预防性维护,属于“被动式”管理,依靠人力完成工作,而劳动成本率 57.7%即为“劳动密集型”,成本高效率低,加之面临人力短缺的现实问题,企业营业利润率低至 2.4%。因此,提高楼宇维护作业效率是当务之急。



NO.1 人力作业为主,运营成本高

传统的大楼监测基本上由“人、纸、笔”组成,需要大量人力来完成。人工作业存在劳动强度大、巡检不及时、人工经验有误差以及误检漏检等问题,长此以往,运营成本居高不下。


NO.2 各种管理系统分散,效率低下

传统楼宇监测系统孤立分散,集成化水平低,需要对设备进行定期的检查、维修、更换、保养工作,备件采购成本高,任务繁重,过多占用运维资源,工作效率低下。


近年来,为应对智能化管理的趋势,越来越多的企业借助于物联网和人工智能技术,对大楼和传感器状态进行实时监控和数据分析,这使得楼宇管理进行“主动式”的预测性维护成为可能。



自 2018 年起,日本东京建物在八重洲大楼、日本桥大楼等,部署了“ZETA 网络监测方案”,在关键监测点位安装 ZETA 传感器,采集水位、水压、液压、电流等运行数据,对大楼进行全方位集约化监控。


与此同时,管理方还引进了 Amazon Lookout for Equipment,通过独特的机器学习模型,实时分析传入的传感器数据,并识别机器故障的早期预警信号,帮助管理方提前做出决策,实现预测性维护,进而降低长期运营成本并提高工作效率。


01

“7×24H 实时监管”

智能化监测减少人力检查工作


遍布楼宇内部的 ZETA 网络、传感器,配合亚马逊云计算服务(以下简称为 AWS),构成了楼宇智能监测的软硬一体化管理体系。这些工具可以 7×24H 不间断地监控大楼和设备状态,还可以预测所需的维护任务,不仅降低了人工作业量,还减少了不必要的检查、维保次数,避免过度保养增加采购成本。



供水泵压力测试图

以大楼内的水泵水压和杂废水输送泵的电流监测为例,通过 ZETA 4-20mA 采集终端和基恩士压力传感器的设备组合监测,实时监测水压和水泵的电流变化,确保稳定的测量,智能化的监测方式大大减少了日常人力检查工作。


02

“状态可视、云端应用”

及时准确发现问题并通知预警


楼宇管理系统中,由于涉及到数量众多的监测点位和终端设备,会遇到一些网络问题和安全响应问题,影响正常的数据通信和实时监测。


云应用传感器可视化功能


HAKKEN 是一款基于 ZETA 服务器的 ZETA 通信状态可视化,并排查问题的云应用。通过 ZETA 服务器 API 检索、分析、展示数据,可以快速发现问题,及时获取准确信息。同时,还能以邮件等形式发送预警通知信息,帮助管理方有效预防并精准处理问题。


03

“ZETA+AI 检测设备早期异常”

从事后维修转为事前预测性维护


Amazon Lookout for Equipment 可以基于楼宇现有的 ZETA 传感器,将传感器数据发送到 AWS,AI 工具会自动分析数据,评估正常或健康的模式;然后借助从数据中学习到的知识进行训练,建立一个为楼宇管理环境定制的模型,并反馈预测结果,以检测异常的设备行为。



类似于污水泵水压和电流监测等点位检查,以前通过人工每天检查一次,发现问题较晚,成本高、效率低,为大楼维护带来极大不便。



随着“ZETA+AWS”方案的实施,通过引入机器学习 ML,输入水泵正常运行的负载数据进行学习,可以通过 AI 分析快速准确地预测到人工无法检测到的设备异常,平台会自动判定设备的“正常”和“异常”行为。传统的传感器监测只能通过水泵运行数据超出预先设定阈值时,以实时发出警报或停止设备等方式来降低故障发生后造成的损失。


而导入机器学习以后,可以在没有发生超出预先设定阈值的情况下,提前 3 天就对异常现象发出预警;再通过对模型的监督学习,发现同样的异常现象,ML 甚至可以提前 10 天发出预警。这样可以帮助管理人员实现“主动响应式”的预测性维护,在故障发生之前防患于未然。这个结果预示着未来的设备管理维护,完全可以通过传感器数据和 AI 学习由现有的预防性维护进化到预测性维护。



此外,Amazon Lookout for Equipment 可以让管理方从 ZETA 传感器中获得更多价值,这些工具从端侧采集到边缘计算,能够准确识别出那些可能导致机器故障的早期预警信号,帮助客户及时做出决策,改善管理流程,从而真正地实现大楼管理的预测性维护。


未来,东京建物将结合 ZETA 楼宇监测方案,与各种物联网方案、人工智能及云计算系统深度整合,助力实现楼宇管理的智慧化。

发布于: 刚刚阅读数: 7
用户头像

ZETA开发者

关注

还未添加个人签名 2022.09.08 加入

还未添加个人简介

评论

发布
暂无评论
智慧楼宇:东京建物引入“ZETA+AI”物联监测方案,实现楼宇预测性维护_人工智能_ZETA开发者_InfoQ写作社区