在大流行后世界促使 79% 的企业高管不得不采用混合工作模式，允许员工每周只进入办公室几天，从而使得设施经理发现自己面临诸多挑战：如何调整他们的建筑管理系统 (BMS) ) 在适应这些新的灵活时间表导致的电力需求波动时更加具有弹性。
事实是，大多数建筑物继续与 BMS 系统斗争，这些系统主要是监测性的，并且根据操作条件自动调整的能力有限，实时调整的能力更弱。这导致组织在无人使用的区域浪费大量能源，并承受过高的公用事业成本。这也是实现各国政府为企业制定的 2030 年温室气体减排目标的绊脚石。幸运的是，面对当今越来越不可预测的办公时间表，利用人工智能、边缘计算和实时分析的正确解决方案可以提高能源效率并降低运营成本。
对敏捷性的更高要求
在 COVID 之前，大多数大型和混合用途建筑依靠日常工作时间来指导 BMS 系统为照明和暖通空调等耗能系统进行调度——通常预计周一至周五上午 7:00 至下午 5:00 会有人入住，这本身就是一种浪费。现在，随着员工以不同程度的入住率返回办公室，设施经理的任务是适应这些不规则的时间表。
在许多方面，对于建筑管理人员来说，当前重返工作场所比疫情最严重时更加棘手——当时，由于公共卫生法规的存在，大楼的入住率变得可预测且一致较低，几乎没有什么其他选择，只能让所有员工留在家里。现在，越来越多的人返回工作场所，但以零星和不可预测的方式，这给设施人员和他们的BMS架构带来了敏捷性的挑战。
由于大流行引起的全球供应链中断可能导致库存水平波动以及需要通过电力和暖通空调维持多少仓库空间来容纳它，不可预测性甚至扩展到仓库能源成本，这可能占近 10%公司的年收入。虽然这些供应链中断预计是暂时的，但作为混合工作模式永久趋势的一部分，不规则的办公时间很可能会在大流行之后继续成为“新常态”。
用 Edge AI 迎接挑战
尽管存在这些现实，但当今很少有建筑物配备超出观察或预编程范围的 BMS 资产。手动跟上不一致的占用水平可能既费时又昂贵，而且对环境造成浪费。为了让组织保持高效、竞争力和可持续发展，这种情况必须改变。
幸运的是，由于越来越多的数据驱动选项可以通过更实时的可见性和控制动态调整建筑条件，BMS 敏捷性变得更加容易。这些系统提供高级分析功能，可以跟踪和调整办公室时间表、入住率、天气预报、每小时能源费率和 HVAC 机器健康状况——所有这些都为业主创造了运营效率和更高的利润。
一些最强大的系统涉及支持人工智能的边缘计算或边缘人工智能，其中数据在数据源处或附近进行处理。特别是随着物联网设备和传感器在智能建筑中的激增，边缘 AI 避免了收集数据和将数据来回传输到异地云服务进行处理所带来的成本和延迟。额外的节省来自这样一个事实，即建筑运营商可以将新的边缘 AI 安装到现有系统上，而无需昂贵的拆除和更换旧组件。
预测性维护和其他好处
由边缘 AI 提供支持的智能 BMS 架构可以将效率提升到能耗系统的实时管理之外，并进入节省收入的预测分析和预防性维护领域。例如，来自高频振动传感器的运行数据可以检测用于冷却的建筑物冷却器中的异常情况，并应用分析来预测未来的故障点。这提供了主动解决问题的机会，避免了会对租户体验产生负面影响的昂贵的故障维修和服务中断。
无论用例是暖通空调、照明还是其他一些建筑系统，支持边缘 AI 的预测功能都可以延长昂贵设备的最大有效资产寿命。考虑到混合工作模式会因响应不断变化的占用因素而进行更频繁的操作调整，从而增加了系统的磨损和撕裂，这一点尤其正确。作为奖励，对这些不断变化的占用模式的分析还可以帮助确定进行计划维护和计划服务中断的最佳和最少中断时间。
最后，由于 COVID-19 仍然是一个问题，边缘 AI 甚至可以通过使用机器视觉、红外传感器和流视频分析来验证居住者的 PPE 使用情况(例如戴口罩)，从而增强建筑物的健康安全状况;或检测体温升高，这可能是感染的迹象。这些只是增强的 BMS 功能可以为设施经理带来的一些优势，以应对 COVID-19 之后面临风险的劳动力的复杂占用时间表。
总结
大流行后劳动力的混合工作时间表的“新常态”正在推动 BMS 功能的急需革命。在边缘 AI 的力量的带领下，这些系统正在为建筑经理提供增强的可见性和实时敏捷性，以应对不断变化的条件并进行自动调整，以提高租户安全性、能源效率和成本节约。
