數字化的浪潮席卷全球，帶來了全新的樓宇管理模式，智慧樓宇已經成為建筑智能化的發展趨勢。物聯網技術、AI人工智能以及云計算的興起，給智慧樓宇增添了新的發展活力，并產生了巨大的效益。

目前，大樓管理主要是依賴人力后期維護和預防性維護，屬于“被動式”管理，依靠人力完成工作，而勞動成本率57.7%即為“勞動密集型”，成本高效率低，加之面臨人力短缺的現實問題，企業營業利潤率低至2.4%。因此，提高樓宇維護作業效率是當務之急。

NO.1 人力作業為主，運營成本高

傳統的大樓監測基本上由“人、紙、筆”組成，需要大量人力來完成。人工作業存在勞動強度大、巡檢不及時、人工經驗有誤差以及誤檢漏檢等問題，長此以往，運營成本居高不下。

NO.2 各種管理系統分散，效率低下

傳統樓宇監測系統孤立分散，集成化水平低，需要對設備進行定期的檢查、維修、更換、保養工作，備件采購成本高，任務繁重，過多占用運維資源，工作效率低下。

近年來，為應對智能化管理的趨勢，越來越多的企業借助于物聯網和人工智能技術，對大樓和傳感器狀態進行實時監控和數據分析，這使得樓宇管理進行“主動式”的預測性維護成為可能。

自2018年起，日本東京建物在八重洲大樓、日本橋大樓等，部署了“ZETA網絡監測方案”，在關鍵監測點位安裝ZETA傳感器，采集水位、水壓、液壓、電流等運行數據，對大樓進行全方位集約化監控。

與此同時，管理方還引進了Amazon Lookout for Equipment，通過獨特的機器學習模型，實時分析傳入的傳感器數據，并識別機器故障的早期預警信號，幫助管理方提前做出決策，實現預測性維護，進而降低長期運營成本并提高工作效率。

01

“7×24H實時監管”

智能化監測減少人力檢查工作

遍布樓宇內部的ZETA網絡、傳感器，配合亞馬遜云計算服務（以下簡稱為 AWS），構成了樓宇智能監測的軟硬一體化管理體系。這些工具可以7×24H不間斷地監控大樓和設備狀態，還可以預測所需的維護任務，不僅降低了人工作業量，還減少了不必要的檢查、維保次數，避免過度保養增加采購成本。

供水泵壓力測試圖

以大樓內的水泵水壓和雜廢水輸送泵的電流監測為例，通過ZETA 4-20mA采集終端和基恩士壓力傳感器的設備組合監測，實時監測水壓和水泵的電流變化，確保穩定的測量，智能化的監測方式大大減少了日常人力檢查工作。

02

“狀態可視、云端應用”

及時準確發現問題并通知預警

樓宇管理系統中，由于涉及到數量眾多的監測點位和終端設備，會遇到一些網絡問題和安全響應問題，影響正常的數據通信和實時監測。

云應用傳感器可視化功能

HAKKEN是一款基于ZETA服務器的ZETA通信狀態可視化，并排查問題的云應用。通過ZETA服務器API檢索、分析、展示數據，可以快速發現問題，及時獲取準確信息。同時，還能以郵件等形式發送預警通知信息，幫助管理方有效預防并精準處理問題。

03

“ZETA+AI檢測設備早期異常”

從事后維修轉為事前預測性維護

Amazon Lookout for Equipment可以基于樓宇現有的ZETA傳感器，將傳感器數據發送到AWS，AI工具會自動分析數據，評估正常或健康的模式；然后借助從數據中學習到的知識進行訓練，建立一個為樓宇管理環境定制的模型，并反饋預測結果，以檢測異常的設備行為。

類似于污水泵水壓和電流監測等點位檢查，以前通過人工每天檢查一次，發現問題較晚，成本高、效率低，為大樓維護帶來極大不便。

隨著“ZETA+AWS”方案的實施，通過引入機器學習ML，輸入水泵正常運行的負載數據進行學習，可以通過AI分析快速準確地預測到人工無法檢測到的設備異常，平臺會自動判定設備的“正常”和“異常”行為。傳統的傳感器監測只能通過水泵運行數據超出預先設定閾值時，以實時發出警報或停止設備等方式來降低故障發生后造成的損失。

而導入機器學習以后，可以在沒有發生超出預先設定閾值的情況下，提前3天就對異常現象發出預警；再通過對模型的監督學習，發現同樣的異常現象，ML甚至可以提前10天發出預警。這樣可以幫助管理人員實現“主動響應式”的預測性維護，在故障發生之前防患于未然。這個結果預示著未來的設備管理維護，完全可以通過傳感器數據和AI學習由現有的預防性維護進化到預測性維護。

此外，Amazon Lookout for Equipment可以讓管理方從ZETA傳感器中獲得更多價值，這些工具從端側采集到邊緣計算，能夠準確識別出那些可能導致機器故障的早期預警信號，幫助客戶及時做出決策，改善管理流程，從而真正地實現大樓管理的預測性維護。

未來，東京建物將結合ZETA樓宇監測方案，與各種物聯網方案、人工智能及云計算系統深度整合，助力實現樓宇管理的智慧化。