目前，BMS仅用于观测目的，而不是应用行动来解决此类观测中浮出水面的挑战。为了增强他们目前的BMS，建筑经理可以利用 EdgeAI 平台执行机器学习(ML)和边缘AI实时进行优化调整，以适应不断变化的环境因素，如大气温度或建筑物的入住率。然后，大楼管理人员能够从数据流中获得相关见解，更有效地解决问题，同时将可能影响租户体验的占用安全和舒适度考虑在内–例如计划维护。通过使用 EdgeAI 能源管理解决方案，大楼管理人员能够预测电力和公用事业停机或电涌，从而防止出现任何计划外停机。
通过从大量传感器和环境因素(例如温度、湿度和入住率传感器、天气预报和一天中的时间能源率)收集数据， EdgeAI 平台可以将能源管理提升到一个全新的水平，以优化供暖和制冷、气流循环和照明等功能。这种方法产生了经济高效的智能节能策略，有助于降低与数据传输、带宽限制和相关计算成本相关的成本。作为一种预算友好的监测能源使用情况的方法， EdgeAI 平台可以全天候调整BMS，以适应建筑或建筑空间的活动水平和需求。
预测维护
大楼管理人员还可以利用 EdgeAI 改进BMS功能，以实现预测性和指令性维护，以便根据设备状况识别潜在风险。EdgeAI平台可以监控从机器收集的操作数据，并通过额外的传感器(如高频振动传感器)监控，并实时应用高级分析来预测故障。如果检测到潜在故障，系统可以通过向控制单元发送信号以及报警建筑物管理人员来自动干预，以根据当前的机器健康和维护模式维修或更换设备(例如冷水机组)。通过利用这些信息，大楼管理人员可以主动安排和进行维护服务，从而减少计划外停机时间并提高整体建筑效率。这也使大厦管理人员能够为住户提供前所未有的主动服务——创造更方便、更可信、更舒适的工作或生活体验。预测性维护的长期好处还包括最大限度地延长昂贵设备(例如HVAC系统)的有效资产寿命，显著减少可能对企业业绩不利的重大故障和停机时间。
