自動化だけでは十分ではない: 建物には AI 主導のインテリジェンスが必要です

#建物は、IoT デバイスの最も熱心なユーザーの 1 つです。特にスマート ビルディングは、接続されたデバイスを使用して、温度、照明、空気の質、騒音、振動、占有率、エネルギー消費量に至るまであらゆるものを測定しますが、それは氷山の一角にすぎません。

ビルオートメーションの規模は拡大しており、米国だけでも 600 万以上の商業ビルがあり、推定 22 億台の接続デバイスが導入されています。 2022 年には、世界のビルディング オートメーション システム市場は約 800 億米ドルに達すると予想されます。

このタイプの自動化は、多数の IoT デバイスに依存します。条件付きアクションの応答の多くは自動です。火災が検出されると、多くの場合、音声コマンドによって警報が自動的に作動し、消防署に通知されます。これはモノのインターネットの出現前にも当てはまり、現在では火災警報器はインターネット経由で接続され、さらに携帯電話通信経由でも接続されています。

特にビルオートメーションにおけるモノのインターネットの価値は、次の 2 つの主要な領域にあります。

• 屋内デバイスによって生成されるデータと、このデータがどのように分析および利用されるかです。
• ビルオートメーションシステムによる運用管理。

豊富で継続的なデータのストリームは、建物の運用に関する貴重な洞察を提供しますが、問題があります。大規模な機器群が生成する膨大な量のデータは、人間だけでは適切に解析して理解することができません。これらのセンサー (およびカメラ) の導入による潜在的な利益を実現するには、データ フローを継続的に監視および評価する人工知能 (AI) と機械学習 (ML) が必要です。

オートメーションだけでは仕事を遂行できない

2020 年まで、ビルオートメーションを含むスマート ビルディング システムの焦点は施設管理の責任でした。その後、施設管理に加えて、従業員の健康管理や ESG プログラムにも焦点が移ります。これにより、ML 対応機能の必要性が生まれます。

たとえば、AI システムは空気の質を調べて、占有制限との相関関係を見つけることができます。また、従業員間の物理的距離を最大化し、空気の質を改善して従業員が病気になる可能性を減らすために、占有率と換気に関連する会議室とキュービクルを再割り当てする方法も学習できます。

人工知能は、水道管の使用状況や水温を分析して、レジオネラ属菌やその他の有害な病原菌のリスクが高まったときに警告を発するのにも役立ちます。レジオネラ菌は、特定の温度範囲内の温水で増殖します。

新しい AI 機能の関連性は、エネルギー消費の追跡や管理などの従来の機能を排除するものではありません。 AI 駆動のプラットフォームを使用すると、建物は使用されていないエリアを閉鎖し、時間ごとに異なるカーテン設定を試してエネルギー使用を最小限に抑えることができます。実験と学習を同時に行ってください。これは最終的な問題であり、エネルギー価格の影響で 2022 年にはさらに重要になるでしょう。

AI は、どのテーブルが使用されているか、どのトイレの使用量が増加しているかを特定することで、清掃効率にも役割を果たすことができます。コロナ禍の時代、施設管理者は清掃に注力している。

人工知能は、物理的なセキュリティをサポートするシステムを大幅に強化することもできます。システムが通常のアクセスと移動の動作を理解すると、異常な動作を特定し、セキュリティ警告を発することができます。他の AI 駆動アプリケーションは、強迫状況、放棄された物体を検出し、武器を特定し、射撃を正確に特定し、緊急ロックアウトを実行できます。

スマート感染症制御システムは、地域の感染率データの活用方法を学習できます。 AI システムは、20 年間壁を見つめて、差し迫った構造崩壊を示す可能性のあるコンクリートの変化の兆候を探すなど、人間にはできないことを実行できます。

スマート ビルディングへの人工知能の適用

もちろん、新しい AI 駆動システムの標準的な開始点は、AI を学習させることです。このプロセスは、システムが直面する現実を表すデータベースから始まります。しかし、多くの人は、スマート ビルディング システム用の適切な基本トレーニング データが存在しないことに気づくでしょう。その答えは、物理的な建物で「実験」を実行してトレーニング データを作成することかもしれません。

たとえば、エネルギー消費量に関しては、時間帯やオフィスの占有状況に基づいてカーテンと空調を実験的に調整することでシステムをトレーニングすることができます。これにより、手動でオーバーライドすることなく空調料金を削減できます。このようなシステムは、太陽光の検出だけでなく、温度センサーや占有率の測定値にも依存する可能性があります。

従うべき基本的なベスト プラクティスがいくつかあります。真実のデータセットを収集するときは科学的厳密さを使用し、複数のソースからデータを収集して、サンプルが代表的であるという信頼性を高めます。

人工知能を活用したシステムは、特定のオフィスエリアの占有パターンから学習し、スペース計画における人的ミスの削減に役立ちます。スペースのアップグレードには費用がかかり、柔軟性を維持することが重要です。パンデミック中、スペースの利用と占有は明らかに健康問題となっています。従業員は現在、小さな休憩室ではなく、屋外のバルコニーやテラスに集まっておしゃべりしたりコーヒーを飲んだりすることを好むかもしれません。

人工知能によるビル管理の行方

人工知能システムは、施設管理の変化を提案し、ビル管理をより予測的に行うことができます。応答性に関して言えば、予期せぬ課題にもより効果的に対応できます。最近の例では、2020 年以前は、発熱に苦しんでいる従業員を特定して感染の可能性を減らすことは不可能でしたが、この問題は現在の能力の範囲内で解決できます。

基本的な事実を正しく理解するには、慎重な検討と時間の投資が必要です。多くの商業ビルには、建築家からビルの所有者や管理者に配信される仮想レプリカであるデジタル ツインが搭載されています。出発点として、デジタル ツインは、AI を活用した施設管理とスマート ビルディング管理の実験場となる可能性があります。

私たちは、IT、施設管理、人事、セキュリティがより統合され、AI の活用がさらに進むと予想しています。情報サイロを結合して AI アプリケーションのデータ フローを作成すると、さまざまなメリットが得られる可能性があります。

健康的な職場、物理的なセキュリティ、省エネの重要性により、単純な自動化を超えて、最新データの強力な基盤に構築された信頼性の高い人工知能ベースのビルディング オペレーティング システムの開発が急務となっています。これらのアプリケーションはどれも強力なビジネスケースを裏付けており、全体として、施設管理はスマート ビルディングを運用し、ビルディングをよりスマートにするために AI 駆動型アプリケーションに注目すべきであるという説得力のある議論です。

以上が自動化だけでは十分ではない: 建物には AI 主導のインテリジェンスが必要ですの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。