人工知能をビル管理に適切に活用するにはどうすればよいでしょうか?

ビル管理者は、自分が担当する施設に高度な自動化システムを導入することに必ずしも満足しているわけではありません。しかし、コンピューター技術の進歩、パンデミックによる業務、特に公衆衛生や職場でのエクスペリエンスに関するユーザーの期待の変化により、業界は前例のない速度で新しいテクノロジーを採用するようになっています。

ビル管理者は、前例のない効率を達成する機会を認識していますが、それに伴うテクノロジーに関する決定は、管理者の能力をはるかに超えています。彼らの専門知識は通常、IoT、ネットワークなどの人工知能ではなく、HVAC、照明制御、冷凍に関するものです。

人工知能は、特に革新的なテクノロジーですが、その複雑さと意思決定方法の可視性の欠如により、特に恐ろしい場合もあります。ビルオートメーションに人工知能を導入する際の最初の課題は、多くの場合、「人工知能はどこへ行くのか?」という基本的な質問に答えることです。今日、人工知能は建物のエネルギー効率を高め、より健康的で、より自律的で、より安全にするために使用されており、建物のニーズに応えています。 occupants は、クラウド コンピューティングとして誕生したテクノロジーです。これらのシステムの背後にある機械学習アルゴリズムは、アルゴリズムをトレーニングするためと、アルゴリズムを呼び出して洞察を提供するため、つまり推論と呼ばれるプロセスの両方に、かなりのコンピューティング能力を必要とします。最近まで、屋内インフラにはこれらのことを効率的に行うためのリソースがほとんどありませんでした。

ただし、リモート データ センターの外でスマート ビルディング アプリケーションを実行するには、独自の制限があります。接続性、帯域幅のコスト、セキュリティ、遅延 (データをクラウドに送信して戻すのにかかる時間) はすべて、システムの効率に影響を与える可能性があります。機械またはビルディング オートメーション システム全体が故障しそうになった場合、アラームと自動応答が可能な限りタイムリーに発信される必要があります。

新世代のエッジ コンピューティング テクノロジは、この問題を大幅に軽減します。インフラストラクチャは、コンピューティング集約型のワークロードに必要な処理能力を備えた施設に設置されます。

7 年前に設立された FogHorn のような企業は、建設業務のデジタル変革に新たな可能性を生み出すエッジ AI テクノロジーを開発しました。 Johnson Controls は 2022 年初めに FogHorn を買収し、現在エッジ テクノロジーを OpenBlue ビルディング オートメーション プラットフォームに統合しています。

これらのエッジ デバイスは、ローカルの機能ギャップを埋めることにより、建物を可能な限り効率的に運営するという目標にとって重要なアーキテクチャ コンポーネントを提供します。スマート オートメーション テクノロジの導入を検討しているビル管理者は、AI をオンプレミスに導入するかクラウドに導入するかという問題にほぼ必然的に直面するようになりました。この問題に直面している人のために、考慮すべき簡単な経験則がいくつかあります。

すでに述べたように、リアルタイムまたはほぼリアルタイムで実行する必要がある操作は、一般的なエッジ ユース ケースです。運用上の問題を検出し、自動的に警告したり応答したりできるインテリジェントな自動化システムは、遅延ができるだけ小さいときに最も効果的に機能する傾向があります。

システムをローカルに制御したい場合は、エッジで行うのが最善です。マシンをシャットダウンしたり、クラウドから制御システムを調整したりするには、多くの場合、セキュリティと遅延の問題が伴います。

次に、データ送信とストレージのコストも考慮する必要があります。たとえば、コンピューター ビジョン AI モデルを使用して、複数のカメラからの高忠実度の画像を分析する、人気の AI アプリケーションであるビデオ監視システムを考えてみましょう。すべてのデータをクラウドに送信して保存すると、すぐにコストが高くなる可能性があります。

他のユースケースはそれほど明確ではありません。多くの場合、建設管理者は、AI 分析に基づいて自社の運営方法をより深く理解したり、施設の「デジタル ツイン」バージョンでシミュレーション演習を実行したりしたいと考えています。この種の厳密なデータ分析は通常、リアルタイムで行う必要がないため、顧客が最も強力なハードウェアおよびソフトウェア ツールを活用してあらゆる規模の作業を実行できるクラウドで実行するのが最適です。

複数の建物の運営を担当しており、それらの間で情報を関連付ける必要がある場合、エッジで AI を実行することも最良の選択肢ではない可能性があります。この場合、クラウドにより一元化されたデータクリアリングハウスとコマンドセンターが可能になります。実際には、ハイブリッド アプローチが採用されることがよくあります。このアプローチでは、一部の初期処理が Edge AI を介して単一の建物内で実行され、その後、複数の建物からの集約データ (場合によっては他のデータ ソースと組み合わせて) に対してクラウド AI が実行されます。

これらは建設管理者が単独で決定する必要はないということを覚えておくことが重要です。テクノロジー プロバイダーはお客様と協力して、お客様固有のニーズを最も満たす場所に AI が確実に導入されるようにする必要があります。そして建設管理者は、AI とその基盤となる機械学習アルゴリズムの複雑さに触れる必要はなく、むしろ舞台裏で AI に任せることができます。

「仕事復帰」ポリシーを大規模に開始している多くの組織と同様に、オラクルはパンデミックの余波がスマート ビルディング システムを導入するユニークな時期であると考えています。パンデミックによる閉鎖が数年続いた後、従業員は、アメニティがすぐに利用でき、コラボレーションツールが遍在し、空気の質が監視され、混雑が制限され、手の届く物理的な職場で働くことを主張しています。エネルギーと水の使用、廃棄物の削減の観点から。建物の占有率が依然として史上最低水準にあるため、稼働させる必要のないシステムをシャットダウンすることで、効率を大幅に向上させることができます。

こうした職場のダイナミクスと期待の変化は、モノのインターネット (IoT) テクノロジー、それらを接続する高度なネットワーク、およびそれらを制御する人工知能システムへの新たな投資を占有率に基づいて評価する機会になる可能性があります。従業員 経験のニーズ、所有権の場所、およびその重要性 (研究室かオフィススペースなど) に基づいて決定を下します。

以前とは異なり、ビル管理者は自動制御システムへの投資における重要な考慮事項として、スケジュールよりも稼働率の指標を優先しています。彼らは、全員が戻ってくることを当然のこととは考えていません。多くの企業がハイブリッド勤務方針を採用しており、初めてオフィスは魅力的で生産性の高い職場環境として自宅と競合する必要があります。

経験豊富な建設管理者は、こうした最新の業務に必要な新しいスキルを学ぼうと躍起になっています。彼らは、エッジで実行されているかクラウドで実行されているかにかかわらず、人工知能のサポートがあれば、従業員にオフィスへの復帰を促し、同僚や顧客と直接会うための安全で持続可能な環境を提供できるという利点があることを知っています。 -face コミュニケーションをとり、実際のウォータークーラーの周りに集まり、会議にカメオ出演する猫や子供が減ります。

以上が人工知能をビル管理に適切に活用するにはどうすればよいでしょうか?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。