降低能源成本以及让住户保持舒适且工作效率高推动了及早采用建筑物自动化系统的需要。自动化通常可实现每年在公共事业成本方面每平方英尺节省 0.20 美元到 0.40 美元。假设每座建筑物的平均面积是 75,000 平方英尺，这意味着每年可节省 15,000 美元到 30,000 美元。

自动化不但可以节省金钱，而且可让业主更好地控制室内环境中，为工作人员和客户营造更健康、更舒适的氛围。

照明、加热、通风和空调 (HVAC) 等系统是建筑物住户的整体舒适度和体验的关键所在；如果这些系统出现故障，则会导致工作效率低下和收入损失 - 空气质量提高 94% 可带来员工报告的工作效率提高 40%。

但建筑物自动化系统存在限制。自动化作为工业解决方案开始，而仍在使用中的传统系统是为专职的现场设施工程师而设计的。这些系统缺乏流式传输和存储跨建筑群分析趋势所需的大量数据的能力。因此，持续的系统问题可能悄无声息地发生。

但是，现在正在将物联网和云技术应用到建筑物和让建筑物持续工作的设备。新的解决方案使设施管理员能够更深入地了解他们的设备运行状况的良好程度、它们是否符合其能源目标、它们是否让住户保持舒适等等。

提供用于进行基于云的建筑物管理的解决方案可提供下面三个关键业务优势：降低的成本、更高的工作效率和增强的安全性 —如图 1 所示。

连接未连接的设备

但是，即使建筑物系统的智能化程度提高了，它们仍然处于孤立状态。HVAC、电源、照明、安全和其它系统通常分散在各种不兼容的平台、协议和管理工具中。在一座建筑物中要获得深入见解、优化能源使用和监控设备的运行状态就已经是耗时耗力且成本高昂的了，更不用说跨许多建筑物。

基于云的建筑物管理解决方案提供商 Riptide 开发了企业投资组合管理系统来解决这些难题。该系统以英特尔^® 技术为基础，可集成来自一座（或多座）建筑物内个别自动化系统的数据，使管理员能够从集中位置查看实时结果和管理设置。

“我们将建筑物自动化看作一个系统，但实际上它包含许多工业子系统，”Riptide 销售和营销副总裁 Marti Ogram 解释道，“电力、HVAC、制冷和照明由独立的供应商提供，因此各有自己的行业标准和协议。我们统一所有这些协议，并将它们集中在一个环境中。”

这意味着建筑物管理员可以可以在一个平台上设置温度、照明和通风的预定义时间表。他们具有所有系统和每座建筑物的设备和能源使用情况的实时可见性，并且能够实施控制。

Riptide 通过跨单座建筑物或建筑群的不同控制系统（无论由哪家供应商供货）的智能传感器收集数据。数据可以通过现场网关来处理，这可让管理员快速控制他们的照明和温度设置。它还可确保管理员在与云的连接中断的情况下保持控制。

来自所有传感器的完整数据集安全地发送到云，在云中分析数据以找出慢慢发酵的问题、向维修技术人员提供通知并获得了解设备和能源趋势。（请参见下面的图 2。）

云计算和高性能的英特尔处理器使 Riptide 能够快速分析和传递信息。“旧的传统系统不适应使用客户端/服务器架构。我们需要云计算能力来完成繁重的数据分析和机器学习任务，” Ogram 说道。

Riptide 解决方案之类的设备管理解决方案还允许在将新传感器或新建筑物添加到建筑群中时轻松扩展。因为它们不再局限于内部部署的服务器的能力，所以建筑物业主可以收集的信息比过去多得多。

防止发生故障

除了增加能力和提高速度之外，基于云的分析还使建筑物业主可以在早期找出设备问题，防止发生故障并节省时间和金钱。

例如，当空调压缩机开始出现故障时，它会消耗更多能源来保持继续运转。对此问题毫不知情的业主将收到更高额的电子帐单，却不知道原因所在。最后，在一个酷热的日子里，压缩机完全停止工作，导致住户酷热难当，建筑物管理员十万火急安排维修。

借助 Riptide 的系统，数据分析可以揭示初期故障并通过移动应用将警报发送给维修技术人员。技术人员就会知道存在问题，并先了解有关问题的更多信息，再开车奔赴现场。

通过查看分析，技术人员可能了解到这部压缩机已经使用 10 年了，在这些年里进行过三次维修。因此，技术人员会将新的装置带到建筑物，而不是浪费时间和金钱修理旧压缩机。该问题将在发生故障之前，第一次上门就得到解决。

找出趋势

大数据还可为建筑物业主提供有关他们的能源使用情况的新见解。他们可以根据需要对数据进行交叉分析：针对工业标准对设备性能进行基准性能测试、检查住户遵守既定准则的情况、测量在一天内不同时间点的能源使用情况或将一座建筑物的性能与另一座建筑物的性能进行比较。

Nordstrom 的管理员使用 Riptide 的分析来管理他们的控制系统，在 300 家门店中消除了不必要的照明。通过使用 Riptide 解决方案来确定最合适进行修复的最早时间，这个优质的连锁零售企业实现了其最大的维护预算行项目（HVAC 维修）降低了 25%。

通过检查大数据趋势，建筑物业主可以估计他们的未来能源使用情况并预测设备维修，帮助他们制定更准确的运营预算。他们还将更好地了解住户和客户如何使用他们的系统，使他们能够做出有关控制和未来设备采购的更明智决策。

传感器收集的信息越多，其作用越大。Riptide 现在开始与英特尔及其他合作伙伴协作，将机器学习技术应用到它已收集的海量数据。随着时间的推移，它提供的见解将预测设备故障并根据天气情况和入住率自我调整建筑物系统。