AIoT untuk Pengurusan Fasiliti: Cara AI Pinggir Mengurangkan Bil Tenaga sebanyak 15 hingga 30 Peratus

Pengurus fasiliti dituntut untuk mengurangkan bil tenaga, mencapai sasaran kelestarian dan memastikan peralatan yang semakin berusia terus beroperasi, selalunya dengan bilangan kakitangan yang sama. Menambah papan pemuka jarang membantu kerana data biasanya sudah tersedia; yang sukar ditangani secara manual ialah mengambil tindakan tepat pada masanya. Inilah jurang yang diatasi oleh AIoT. Dengan menggabungkan sensor IoT dan kecerdasan buatan yang berjalan di pinggir rangkaian, bangunan boleh mengesan pembaziran, meramalkan kerosakan dan melaraskan sistemnya sendiri secara automatik. Tinjauan saintifik yang disemak rakan sebaya tentang pengurusan tenaga bangunan berasaskan AI melaporkan penjimatan tenaga yang lazimnya berada dalam julat 15 hingga 30 peratus, dan panduan ini menerangkan punca penjimatan tersebut.

Apakah Sebenarnya Maksud AIoT dan AI Pinggir

AIoT ialah gabungan Internet of Things (IoT) dan kecerdasan buatan: sensor yang bersambung mengumpulkan data, dan model AI mengubah data tersebut menjadi keputusan. Secara berasingan, IoT memberitahu anda apa yang sedang berlaku. AI pula menentukan tindakan yang perlu diambil terhadapnya dalam masa nyata.

AI pinggir ialah bahagian yang paling penting bagi fasiliti. Daripada menghantar setiap bacaan ke awan dan menunggu hasilnya, analisis dijalankan pada peranti yang berada pada atau berhampiran peralatan itu sendiri, seperti meter, get laluan atau pengawal dengan kecerdasan terbina dalam. Bangunan bertindak balas dalam beberapa milisaat dan bukannya minit, serta terus bertindak balas walaupun sambungan internet terputus.

Contoh yang jelas dapat menerangkan perbezaannya. Pengawal pinggir yang memantau sistem air dingin boleh mempelajari bahawa keperluan penyejukan akan berkurangan lalu menurunkan tahap operasi penyejuk sebelum beban benar-benar menurun, bukannya bertindak selepas bil menjadi lebih tinggi. Model yang sama membandingkan setiap bacaan dengan corak yang telah dipelajarinya, supaya nilai luar biasa mencetuskan amaran sebaik sahaja muncul dan bukannya hanya dikesan dalam semakan bulanan.

Mengapa Pinggir Rangkaian, Bukan Sekadar Awan

Analitik awan masih berguna untuk trend jangka panjang dan pelaporan merentas tapak, tetapi menyerahkan setiap keputusan kepada awan membawa kos yang nyata. Menjalankan kecerdasan di pinggir rangkaian menangani empat daripadanya serentak.

• Kependaman. Kawalan gelung tertutup pada penyejuk atau keputusan pelepasan beban tidak boleh menunggu perjalanan data pergi balik ke pelayan jauh.
• Lebar jalur dan kos. Menghantar data mentah berfrekuensi tinggi daripada ratusan titik menelan belanja yang besar; pinggir menghantar kesimpulan, bukannya hingar.
• Daya tahan. Logik pinggir terus mengoptimumkan operasi dan memberikan amaran semasa gangguan rangkaian, iaitu ketika fasiliti paling terdedah kepada risiko.
• Kawalan data. Data operasi yang sensitif boleh kekal di tapak, sesuatu yang penting bagi persekitaran kritikal misi dan yang tertakluk pada peraturan.

Dari Mana Datangnya Angka 15 hingga 30 Peratus

Bangunan menyumbang hampir 40 peratus daripada penggunaan tenaga global, maka peningkatan peratusan yang sederhana sekalipun membawa penjimatan mutlak yang besar. Angka utama ini bukanlah hasil ajaib atau satu langkah tunggal. Tinjauan bebas tentang pengurusan tenaga bangunan berasaskan AI mengaitkan penjimatan tersebut dengan beberapa sumber yang saling mengukuhkan, dengan bangunan pejabat dilaporkan berada pada hujung julat yang lebih tinggi dalam dapatan yang diterbitkan.

• Pengoptimuman HVAC. Pemanasan, pengudaraan dan penyejukan lazimnya merupakan beban terkawal terbesar. AI yang mempelajari penghunian dan tingkah laku terma mengurangkan tempoh operasi tanpa menjejaskan keselesaan.
• Pengesanan anomali. Model pinggir mengenal pasti lebih awal motor yang mula menyimpang, gegelung yang kotor atau peredam yang tersekat, sebelum masalah tersebut meningkatkan bil secara senyap selama berbulan-bulan.
• Pengurusan permintaan dan puncak. Meramalkan permintaan puncak membolehkan tapak mengalihkan atau melepaskan beban tidak kritikal serta mengelakkan penalti tarif yang mahal.
• Pentauliahan berterusan. Daripada pelarasan sekali sahaja, sistem mengekalkan peralatan pada titik operasi yang cekap apabila keadaan berubah.

Hasil sebenar bergantung pada jenis bangunan, garis dasar dan jumlah peralatan yang dikawal. Penyampaian yang jujur ialah suatu julat, bukannya janji, tetapi arah hasilnya konsisten dalam seluruh literatur.

Membina Susunan Teknologi AIoT untuk Pengurusan Fasiliti

Pelaksanaan AIoT yang berkesan terdiri daripada beberapa lapisan. Meter digital dan sensor IoT merekodkan data mentah elektrik, terma dan persekitaran. Get laluan pinggir menjalankan inferens berhampiran peralatan. Platform menggabungkan, menyimpan dan memvisualisasikan hasilnya serta menyalurkan keputusan kembali kepada kawalan. Platform PecStar® iEMS dan meter siri PMC kami menyediakan lapisan pengukuran dan pinggir, manakala aliran data yang sama menggerakkan analitik AIoT untuk pengurusan fasiliti kami.

Yang penting, teknologi ini dibina di atas sistem yang sudah digunakan oleh fasiliti, bukannya menggantikannya. AIoT bersepadu dengan sistem pengurusan tenaga untuk kos dan penggunaan, sistem pengurusan bangunan untuk HVAC dan kawalan, serta pemantauan keadaan untuk kesihatan aset. Oleh itu, satu lapisan kecerdasan menyokong beberapa hasil serentak dan bukannya mewujudkan sistem terasing yang baharu.

Pengukuran memastikan penjimatan dapat dibuktikan. Oleh sebab platform merekodkan garis dasar secara berterusan, setiap pengoptimuman boleh disahkan berbanding operasi sebenar bangunan sebelumnya, bukannya dianggarkan. Asas bukti yang sama menyokong pelaporan kelestarian dan memberikan pasukan kewangan angka pulangan yang boleh dipertanggungjawabkan, yang lazimnya membantu mendapatkan peruntukan bagi fasa pelaksanaan seterusnya.

Bermula Tanpa Membongkar Sistem Sedia Ada

Cara terpantas untuk memperoleh manfaat jarang memerlukan pembinaan semula menyeluruh. Protokol terbuka membolehkan peranti pinggir ditambah pada papan suis dan pengawal sedia ada. Dengan itu, fasiliti boleh bermula dengan beban berkos tertinggi atau berisiko tertinggi serta membuktikan penjimatan berdasarkan garis dasar yang direkodkan sebelum meluaskan liputan. Projek rintis dengan skop tertentu pada satu sistem penyejuk atau penyuap kritikal lazimnya mengenal pasti kos terbesar yang boleh dielakkan dalam beberapa minggu, dan menyediakan asas perniagaan untuk pelaksanaan berperingkat di seluruh tapak atau portfolio.

Dua perkara praktikal menentukan sama ada sesuatu pelaksanaan dapat bertahan lama. Pertama ialah penyepaduan: peranti pinggir mesti berkomunikasi menggunakan protokol terbuka yang sama dengan peralatan sedia ada, atau projek akan tersekat pada batasan get laluan proprietari. Kedua ialah keselamatan, kerana setiap peranti yang bersambung meluaskan permukaan serangan. Oleh itu, pengesahan peranti, pembahagian rangkaian dan komunikasi tersulit mesti dimasukkan dalam reka bentuk sejak hari pertama, bukannya ditambah kemudian. Pelaksanaan kedua-duanya dengan betul membezakan projek rintis yang berkembang daripada projek yang akhirnya tidak lagi digunakan.

Laksanakan AI Pinggir di Fasiliti Anda

EcoXplore beribu pejabat di Singapura dengan pasukan kejuruteraan di lima pasaran ASEAN, dan kami mereka bentuk, melaksanakan serta menyepadukan AIoT daripada sensor pada panel hingga analitik pada skrin. Untuk menilai bahagian yang boleh dikurangkan bil tenaganya melalui AI pinggir dan merancang pelaksanaan berperingkat, hubungi pasukan kami bagi penilaian tapak.