為什么預測性維護對健康建筑有意義

數(shù)據(jù)驅(qū)動的運營策略可以降低成本，提高生產(chǎn)力，并支持更好的整體環(huán)境。

物聯(lián)網(wǎng)(IoT)技術(shù)的興起為維護計劃增加了新的維度。來自物聯(lián)網(wǎng)設備的數(shù)據(jù)可以為設施管理人員提供洞察力，以有效地運行和維護其財產(chǎn)，且當與提供分析的智能建筑平臺相結(jié)合時，可以更有效地識別和解決問題。

分析不僅僅是反應性設備警報或報告。它們是基于相關(guān)數(shù)據(jù)得出的結(jié)果，這些數(shù)據(jù)以一種易于理解的格式清晰地呈現(xiàn)出來，解釋了問題、問題發(fā)生的時間、持續(xù)時間、相關(guān)操作條件的狀態(tài)，甚至成本影響。分析顯示了構(gòu)建系統(tǒng)在現(xiàn)實中是如何工作的，而不是依賴于操作假設。

智能建筑系統(tǒng)運營商使用結(jié)合分析的預測性或數(shù)據(jù)驅(qū)動的維護策略，以確保高效的維護實踐。

反應性、預防性、更好的是預測性

從歷史上看，建筑人員會在問題發(fā)生時進行糾正，或者稱為反應性、糾正性或運行到故障維護。工作人員只會在物品損壞時維修，沒有損壞時就不管了。

這種策略可能代價高昂。根據(jù)專業(yè)零售商店維護協(xié)會(現(xiàn)為ConnexFM)2012年的HVAC基準報告，設備出現(xiàn)故障后的被動服務呼叫平均成本是主動呼叫的三倍，每次呼叫大約多400美元。

20世紀初，隨著汽車大規(guī)模生產(chǎn)的出現(xiàn)，預防性或計劃性維修被引入。這促使其他行業(yè)發(fā)展自己的做法。計劃維護在很大程度上依賴于根據(jù)制造商的規(guī)格來猜測在維護到期之前必須花費多少設備時間或使用時間。這種策略在預測每個故障時也不可行，也不劃算，因此其使用僅限于基于運行時或間隔時間的問題。

雖然預防性維護可以降低反應性成本，但也會因為啟動不必要的檢查或維修而增加標準運營成本?；趯υO備可能需要維修的時間的估計，預防性維護既不能根據(jù)實際情況和使用情況預測設備退化，也不能防止設備故障。

另一方面，預測性維護，也被稱為數(shù)據(jù)驅(qū)動或基于條件的維護，通過使用客觀數(shù)據(jù)來識別可能影響未來設備性能的問題，為建筑維護注入智能。其避免了許多與被動維護相關(guān)的昂貴問題，同時允許利益相關(guān)者制定用于監(jiān)控和維護設備、舒適性和成本的策略。

預測性維護的優(yōu)勢

當特定指標顯示性能下降、能耗增加或即將發(fā)生故障的跡象時，應進行系統(tǒng)維護。預測性維護可以在任何人注意到之前，以及在維修和運營成本上升之前發(fā)現(xiàn)問題。其可以查明問題的根本原因，簡化診斷和修復，并減少第二次訪問。該策略還可以識別設計問題，例如操作順序不正確、管道或管道尺寸過小、組件不匹配或分區(qū)不當。

預測性維護有助于確定問題的確切性質(zhì)，并協(xié)助派遣具有正確信息和部件的正確技術(shù)人員。預測性維護的其他優(yōu)勢包括:減少上門服務。減少解決問題的總時間。提高首次修復率。減少正在進行的調(diào)試。降低整體維護成本。降低重大故障的風險。增加直接修復，因為在早期階段就發(fā)現(xiàn)了問題。減少停機時間、延遲和中斷。為最終用戶提供一致的舒適度和環(huán)境。更準確地分配維護預算和資源。更好的設備性能和更長的設備使用壽命。降低維護成本。更容易符合法規(guī)要求。提高能源效率。

預防性維護計劃需要充分可靠的建筑數(shù)據(jù)。獲取建筑數(shù)據(jù)的最佳方式是通過物聯(lián)網(wǎng)傳感器。

進入物聯(lián)網(wǎng)傳感器

物聯(lián)網(wǎng)傳感器有多種形狀和尺寸可供選擇，可以在初始安裝期間或之后安裝在多種系統(tǒng)上。這些系統(tǒng)包括暖通空調(diào)、能源、照明、門禁、灌溉和占用。

智能建筑管理平臺使用機器學習(ML)算法來分析設備和物聯(lián)網(wǎng)數(shù)據(jù)，以確定性能趨勢，從而實現(xiàn)有針對性的維護和早期干預，以防止出現(xiàn)重大問題。然而，需要一種宏觀方法來結(jié)合從不同環(huán)境和條件中攝取的大量數(shù)據(jù)，以創(chuàng)建一個大圖來預測故障概率和運營績效的可能改進。

所有的建筑都是獨一無二的，許多問題在定期維護中都無法發(fā)現(xiàn)。通過分析和ML檢測到的情況，為供應商提供了一個全面的計劃，以修復和維護顯示故障、磨損和效率降低跡象的設備。這最終減少了設備損壞的影響，包括對設施管理人員和居住者的成本及干擾。

預測性維護和預防性維護之間的真正區(qū)別在于，前者使用特定于設備實際狀況的實時數(shù)據(jù)驅(qū)動方法。這意味著只有在必要時才會進行人工檢查、更換和維修。預測性維護基于數(shù)據(jù)預測問題，從而采取措施防止設備故障。此外，隨著機器學習驅(qū)動的智能建筑管理平臺對建筑及其用途的了解越來越多，將產(chǎn)生越來越準確和具體的預測。

預測性維護超越了建筑系統(tǒng)。例如，準確的占用率預測使運營商能夠預測每個區(qū)域的清潔和衛(wèi)生需求，并相應地分配資源。

關(guān)于占用率

混合工作的普及意味著工作場所必須以新的方式來滿足不斷變化的需求，并保持高效和安全。占用率預測是預測性維護的強大工具。智能建筑管理平臺可以使用傳感器收集的數(shù)據(jù)來預測未來的占用率。這些信息有助于提高辦公面積的效率，并確保樓宇自動化策略支持健康的室內(nèi)環(huán)境，即使占用率變化很大。

通過占用率預測，智能樓宇管理平臺可以:自動調(diào)整暖通空調(diào)設置，以保持舒適度和空氣質(zhì)量在一個適當?shù)乃?，以容納人數(shù)。自動調(diào)節(jié)照明，以滿足居住者的需要。消除閑置區(qū)域不必要的加熱、冷卻、通風和照明。確定需要改進的領(lǐng)域。提供信息以提高空間利用率。

占用率預測可以為工作場所應用程序提供有價值的數(shù)據(jù)，員工可以通過這些應用程序預訂隔間、會議室、辦公桌和辦公室。這些預測類似于酒店如何使用每日、每月、每季度和每年的入住率模型來根據(jù)其預測分配房間。

了解實際占用率和計劃占用率可以讓建筑物更高效地運行。例如，燈可以只在需要時打開，當居住者需要調(diào)節(jié)空氣時，暖通空調(diào)系統(tǒng)可以停止運行。擁有基于實際占用場景的歷史數(shù)據(jù)可以進行適當?shù)念A測。

預測性維護是未來的趨勢

分析和機器學習是建筑維護的未來。數(shù)據(jù)驅(qū)動的預測性維護計劃可以通過取代無關(guān)的例行檢查和防止設備退化來徹底改變建筑物的運作方式。其允許更主動地監(jiān)控系統(tǒng)運行狀況、優(yōu)化性能的機會以及總體上的健壯決策。此外，基還優(yōu)先考慮維護對性能、能量和舒適性的影響。

整合預測性維護計劃需要對智能建筑平臺進行投資。移動優(yōu)先平臺具有尖端的故障檢測和診斷、機器學習、物聯(lián)網(wǎng)設備、應用程序和用戶友好界面，確保團隊可以將建筑維護提升到一個新的水平。

任何分析或智能建筑平臺的好壞取決于接收到的數(shù)據(jù)。物聯(lián)網(wǎng)傳感器和集成系統(tǒng)數(shù)據(jù)收集得越多，結(jié)果就越好。設計和實施特定解決方案需要開放通信協(xié)議、數(shù)據(jù)集成和系統(tǒng)互操作性方面的深厚領(lǐng)域?qū)I(yè)知識。必須與了解智能建筑復雜性的合作伙伴一起評估單個項目的需求，以通過實用的預測性維護方法獲得數(shù)據(jù)驅(qū)動、面向未來的解決方案的全部優(yōu)勢。----------------------------------峰會預告

近期，由千家網(wǎng)主辦的2022年第23屆中國國際建筑智能化峰會將正式拉開帷幕，本屆峰會主題為“數(shù)智賦能，碳索新未來”，屆時將攜手全球知名建筑智能化品牌及專家，共同分享AI、云計算、大數(shù)據(jù)、IoT、智慧城市、智能家居、智慧安防等熱點話題與最新技術(shù)應用，并探討如何打造“更低碳、更安全、更穩(wěn)定、更開放”的行業(yè)生態(tài)，助力“雙碳”目標的實現(xiàn)。

歡迎建筑智能化行業(yè)同仁報名參會，分享交流！

報名方式

成都站（12月20日）：https://www.huodongxing.com/event/5657854318600

西安站（12月22日）：https://www.huodongxing.com/event/4638585444400

廣州站（2023年1月3日）：https://www.huodongxing.com/event/2638587914600

上海站（待定）：https://www.huodongxing.com/event/3638582473900

北京站（待定）：https://www.huodongxing.com/event/4638577546900

更多2022年峰會信息，詳見峰會官網(wǎng)：http://summit.qianjia.com/

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。