IBM：拥抱物联网，开启“感知建筑”新纪元.doc

《IBM：拥抱物联网，开启“感知建筑”新纪元.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、IBM：拥抱物联网，开启“感知建筑”新纪元　　IBM坚信，“自动化建筑”和“智能建筑”正快速让位于“感知建筑”。在20世纪80和90年代，自动化建筑让地产和设施管理团队能够通过数字仪表板可视化建筑的关键指标。这有助于了解大致趋势，并允许更好地评估建筑的能源报告。但是，这些仪表板是静态的、历史的和聚合的，并且没有提供可操作的洞察。他们可以告诉我们哪些建筑产生了最多的浪费，但却不能告诉我们为什么会这样，或者应该怎么办。　　IBM：拥抱物联网，开启“感知建筑”新纪元　　IBM坚信，“自动化建筑”和“智能建筑”正快速让位于

2、“感知建筑”。在20世纪80和90年代，自动化建筑让地产和设施管理团队能够通过数字仪表板可视化建筑的关键指标。这有助于了解大致趋势，并允许更好地评估建筑的能源报告。但是，这些仪表板是静态的、历史的和聚合的，并且没有提供可操作的洞察。他们可以告诉我们哪些建筑产生了最多的浪费，但却不能告诉我们为什么会这样，或者应该怎么办。　　　　图1：自20世纪80年代以来，各种仪器设备的渗透增加、分析技术不断进步，更智能的建筑成为常态，感知建筑的时代已经到来。　　随着技术的成熟、各种仪器设备的渗透增加、分析技术不断进步，更智能的建筑

3、成为常态。在2000-2015年期间，可以将特定的传感器信息与分析工具相关联，可在房间和指定的资产级别创建可操作的洞察。然而，由于只能分析主要的数据点，并且很少有机构使用了能够分析大量非结构化数据的工具，因此分析洞察仍然处于较为空泛的层面，并且仅限于与历史指标进行比较。　　IBM认为，感知建筑的时代已经到来。感知建筑自主集成物联网（IoT）设备，学习系统，和用户行为，以优化运行，并具有三个核心能力：　　·通过将前沿的分析技术应用于物联网（IoT）设备及仪表化设备所收集到的近乎实时的数据，配合应用程序接口（API）的

4、上下文信息（比如天气数据），提供洞察的能力。　　·学习、带着目标的推理、通过语音和文本与人类自然交互的能力。基于天气、房间的占用情况，以及历史记录，建筑可以学习总结出正常的运行模式，今儿自主识别和诊断异常模式，并为提供建议，以便管理人员、机器人或者系统采取行动。该建议会被添加到知识库中，其有效性也将用于进一步改进未来给出的行动建议。　　·在商定好的界限及授权内，服从于人的干预及管制的前提下，对建筑采取措施并实行改变的能力。　　　　图2：感知建筑可自主集成物联网（IoT）设备、学习系统，和用户行为。感知建筑的最终状态

5、　　在感知时代，建筑能够知晓自身的，以及最终用户的状态，促进不同建筑系统之间的写作，例如“来访人员证件”打印、智能指路标识，并且能够在指定的范围内与第三方无缝交互，实现预设的结果。　　最终的状态是，感知建筑可以意识到自身的能耗表现，以及直达每张桌面层面的用户舒适度水平。建筑能够相应调节不同区域的温度，同时与附近其他的建筑共享能源资源。他们将通过短消息（SMS）向用户提供主动服务，例如，向没有空调的特定房间租用风扇、提供冰淇淋和冷饮等。　　感知建筑能够根据能源供应量，平衡能源需求的峰值和估值，以实现总体的能耗目标。必

6、要时，还将与能源供应商进行能源交易，以确保电网的总体平衡。　　建筑用户将能够通过短消息（SMS）与建筑进行交互，并接收建筑根据经验及当前环境发来的通知与提示等增值服务。例如，预定了房间的客户，可能会收到一条SMS短消息询问“您需要在抵达时为您提供茶点吗？”机器人和无人机将越来越多地跟进并执行那些不需要人工干预的任务。　　虽然其中一些例子看起来距离我们还有很长时间才能实现，但有一些现在已成为可能-快速行动者及早期采用者正在积极践行着。IBM也正在与客户，以及生态系统合作伙伴一同创建解决方案，为建筑的使用者改善工作居住

7、场所的体验。IBM的认知解决方案为酒店的礼宾台或银行的在线客户支持提供数据驱动的洞察，以改善客户服务。认知解决方案使用语音、文本和机器人执行以往由人类承担的日常任务，释放生产力，从而完成更多具有高附加值、以客户为中心的任务。　　认知技术所带来的洞察力，无论从实效性，还是效率上，都正在改变当今的运营。IBM曾与某个设施管理服务提供商合作，改服务提供商在一项重要合同中一直无法达到“服务水平协议（SLAs）”的要求。通过分析服务记录，并对不同情景进行建模，IBM能够得出合理的、直接的改变建议，从而帮助这家服务提供商达到S

8、LAs的所有要求。分析还表明，这家服务提供商可以少用30%的工作人员，就可完成目标。使建筑可以感知并反应　　在认知时代，物联网（IoT）及认知解决方案从建筑日复一日的运行中捕获数据，以实现新的建筑自动化水平，有效地帮助建筑“思考”、回应并学习。最常见的应用包括：　　·预测性维护–分析并丰富从诸如锅炉、泵、冷却器和电梯等连接的资产传输来的数据，以识别异常情况，