“ZETA+AWS Industrial AI”物联网监测方案，实现楼宇预测性维护

数字化的浪潮席卷全球，带来了全新的楼宇管理模式，智慧楼宇已经成为建筑智能化的发展趋势。物联网技术、AI人工智能以及云计算的兴起，给智慧楼宇增添了新的发展活力，并产生了巨大的效益。

目前，大楼管理主要是依赖人力后期维护和预防性维护，属于“被动式”管理，依靠人力完成工作，而劳动成本率57.7%即为“劳动密集型”，成本高效率低，加之面临人力短缺的现实问题，企业营业利润率低至2.4%。因此，提高楼宇维护作业效率是当务之急。

NO.1 人力作业为主，运营成本高传统的大楼监测基本上由“人、纸、笔”组成，需要大量人力来完成。人工作业存在劳动强度大、巡检不及时、人工经验有误差以及误检漏检等问题，长此以往，运营成本居高不下。NO.2 各种管理系统分散，效率低下传统楼宇监测系统孤立分散，集成化水平低，需要对设备进行定期的检查、维修、更换、保养工作，备件采购成本高，任务繁重，过多占用运维资源，工作效率低下。近年来，为应对智能化管理的趋势，越来越多的企业借助于物联网和人工智能技术，对大楼和传感器状态进行实时监控和数据分析，这使得楼宇管理进行“主动式”的预测性维护成为可能。

自2018年起，日本东京建物在八重洲大楼、日本桥大楼等，部署了“ZETA网络监测方案”，在关键监测点位安装ZETA传感器，采集水位、水压、液压、电流等运行数据，对大楼进行全方位集约化监控。

与此同时，管理方还引进了Amazon Lookout for Equipment，通过独特的机器学习模型，实时分析传入的传感器数据，并识别机器故障的早期预警信号，帮助管理方提前做出决策，实现预测性维护，进而降低长期运营成本并提高工作效率。

01“7×24H实时监管”智能化监测减少人力检查工作

遍布楼宇内部的ZETA网络、传感器，配合亚马逊云计算服务（以下简称为 AWS），构成了楼宇智能监测的软硬一体化管理体系。这些工具可以7×24H不间断地监控大楼和设备状态，还可以预测所需的维护任务，不仅降低了人工作业量，还减少了不必要的检查、维保次数，避免过度保养增加采购成本。

供水泵压力测试图以大楼内的水泵水压和杂废水输送泵的电流监测为例，通过ZETA 4-20mA采集终端和基恩士压力传感器的设备组合监测，实时监测水压和水泵的电流变化，确保稳定的测量，智能化的监测方式大大减少了日常人力检查工作。

02“状态可视、云端应用”及时准确发现问题并通知预警

楼宇管理系统中，由于涉及到数量众多的监测点位和终端设备，会遇到一些网络问题和安全响应问题，影响正常的数据通信和实时监测。

云应用传感器可视化功能HAKKEN是一款基于ZETA服务器的ZETA通信状态可视化，并排查问题的云应用。通过ZETA服务器API检索、分析、展示数据，可以快速发现问题，及时获取准确信息。同时，还能以邮件等形式发送预警通知信息，帮助管理方有效预防并精准处理问题。

03“ZETA+AI检测设备早期异常”从事后维修转为事前预测性维护

Amazon Lookout for Equipment可以基于楼宇现有的ZETA传感器，将传感器数据发送到AWS，AI工具会自动分析数据，评估正常或健康的模式；然后借助从数据中学习到的知识进行训练，建立一个为楼宇管理环境定制的模型，并反馈预测结果，以检测异常的设备行为。

类似于污水泵水压和电流监测等点位检查，以前通过人工每天检查一次，发现问题较晚，成本高、效率低，为大楼维护带来极大不便。

随着“ZETA+AWS”方案的实施，通过引入机器学习ML，输入水泵正常运行的负载数据进行学习，可以通过AI分析快速准确地预测到人工无法检测到的设备异常，平台会自动判定设备的“正常”和“异常”行为。传统的传感器监测只能通过水泵运行数据超出预先设定阈值时，以实时发出警报或停止设备等方式来降低故障发生后造成的损失。

而导入机器学习以后，可以在没有发生超出预先设定阈值的情况下，提前3天就对异常现象发出预警；再通过对模型的监督学习，发现同样的异常现象，ML甚至可以提前10天发出预警。这样可以帮助管理人员实现“主动响应式”的预测性维护，在故障发生之前防患于未然。这个结果预示着未来的设备管理维护，完全可以通过传感器数据和AI学习由现有的预防性维护进化到预测性维护。

此外，Amazon Lookout for Equipment可以让管理方从ZETA传感器中获得更多价值，这些工具从端侧采集到边缘计算，能够准确识别出那些可能导致机器故障的早期预警信号，帮助客户及时做出决策，改善管理流程，从而真正地实现大楼管理的预测性维护。

未来，东京建物将结合ZETA楼宇监测方案，与各种物联网方案、人工智能及云计算系统深度整合，助力实现楼宇管理的智慧化。