DE112021005718T5

DE112021005718T5 - Systeme und verfahren zum konfigurieren eines gebäudemanagmentsystems

Info

Publication number: DE112021005718T5
Application number: DE112021005718.9T
Authority: DE
Inventors: Terrill R. Laughton; Vineet Binodshanker Sinha; Mike Sheffer; Todd A. Dishman; Karl F. Reichenberger
Original assignee: Johnson Controls Tyco IP Holdings LLP
Current assignee: Johnson Controls Tyco IP Holdings LLP
Priority date: 2020-10-30
Filing date: 2021-10-29
Publication date: 2023-08-10
Also published as: US20220137569A1; US11272011B1; US11902375B2; US20220138362A1; US20220137575A1; US20220137570A1; US20220303339A1; US12063274B2; US20230353637A1; WO2022094281A1; US12058212B2; US20220138492A1

Abstract

Ein System zur Inbetriebnahme eines Modells, umfassend eine oder mehrere Verarbeitungsschaltungen, die konfiguriert sind zum Identifizieren einer ersten Vielzahl von Datenpunkten in dem Gebäude, automatischen Markieren mindestens eines Teils der ersten Vielzahl von Datenpunkten mit einem oder mehreren ersten Tags unter Verwendung von Kontextdaten, die aus den Datenpunkten extrahiert und/oder mit diesen assoziiert sind, wobei die eine oder die mehreren Entitäten eines oder mehrere von Gebäudeausrüstung, Gebäuderäumen, Personen oder Ereignissen umfassen, Identifizieren mindestens einen von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung und zum Erzeugen eines oder mehrerer vorgeschlagener Tags für den mindestens einen Datenpunkt, Empfangen einer Rückmeldung von der manuellen Überprüfung, und Empfangen einer zweiten Vielzahl von Datenpunkten in dem Gebäude und automatischen Markieren mindestens eines Teils der zweiten Vielzahl von Datenpunkten mit einem oder mehreren zweiten Tags unter Verwendung der Rückmeldung von der manuellen Überprüfung.

Description

QUERVERWEISS ZU VERWANDTEN PATENTANMELDUNGEN
Die vorliegende Anmeldung beansprucht den Nutzen und die Priorität der vorläufigen US-Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020. Die vorliegende Anmeldung beansprucht auch den Nutzen und die Priorität der US-Patentanmeldung Nr. 17/170,615 , eingereicht am 8. Februar 2021, die den Nutzen und die Priorität der vorläufigen US-Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020, beansprucht. Die vorliegende Anmeldung beansprucht auch den Nutzen und die Priorität der US-Patentanmeldung Nr. 17/170,634 , eingereicht am 8. Februar 2021, die den Nutzen und die Priorität der vorläufigen US-Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020, beansprucht. Die vorliegende Anmeldung beansprucht auch den Nutzen und die Priorität der US-Patentanmeldung Nr. 17/170,668 , eingereicht am 8. Februar 2021, die den Nutzen und die Priorität der vorläufigen US-Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020, beansprucht. Die vorliegende Anmeldung beansprucht auch den Nutzen und die Priorität der US-Patentanmeldung Nr. 17/170,539 , eingereicht am 8. Februar 2021, die den Nutzen und die Priorität der vorläufigen US-Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020, beansprucht. Die vorliegende Anmeldung beansprucht auch den Nutzen und die Priorität der US-Patentanmeldung Nr. 17/170,533 , eingereicht am 8. Februar 2021, die den Nutzen und die Priorität der vorläufigen US-Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020, beansprucht. Die vorliegende Anmeldung beansprucht auch den Nutzen und die Priorität der US-Patentanmeldung Nr. 17/324,966 , eingereicht am 19. Mai 2021, die den Nutzen und die Priorität der vorläufigen US- Patentanmeldung Nr. 63/108,137 , eingereicht am 30. Oktober 2020, beansprucht. Die gesamten Offenbarungen jeder dieser Patentanmeldungen sind hierin durch Bezugnahme aufgenommen.
HINTERGRUND
Die vorliegende Offenbarung betrifft allgemein das Gebiet von Gebäudemanagementplattformen wie beispielsweise ein Gebäudemanagementsystem. Insbesondere betrifft die vorliegende Offenbarung nach verschiedenen veranschaulichenden Implementierungen Systeme und Verfahren zum Selbstkonfigurieren und Inbetriebnehmen von Räumen wie beispielsweise Gebäuden. Gebäudemanagementplattformen können Entitäten wie beispielsweise Steuerungen, Sensoren oder Wassererhitzer beinhalten, die in einem Raum eingesetzt werden. Die Erstinbetriebnahme von neuen Gebäuden und/oder Räumen davon kann zeitintensiv und mit erheblichen Kosten verbunden sein.
KURZDARSTELLUNG
Eine Implementierung der vorliegenden Offenbarung ist ein System zur schnellen Inbetriebnahme eines Datenanalytikmodells für ein Gebäude, umfassend eine oder mehrere Verarbeitungsschaltungen, die jeweils einen oder mehrere Prozessoren und Speicher beinhalten, wobei die Speicher darauf gespeicherte Anweisungen aufweisen, die, wenn sie von dem einen oder den mehreren Prozessoren ausgeführt werden, die eine oder die mehreren Verarbeitungsschaltungen veranlassen zum Identifizieren einer ersten Vielzahl von Datenpunkten in dem Gebäude, automatischen Markieren mindestens eines Teils der ersten Vielzahl von Datenpunkten mit einem oder mehreren ersten Tags unter Verwendung von Kontextdaten, die aus den Datenpunkten extrahiert und/oder mit diesen assoziiert sind, wobei das eine oder die mehreren Tags die Datenpunkte mit einer oder mehreren Entitäten assoziieren, wobei die eine oder die mehreren Entitäten eines oder mehrere von Gebäudeausrüstung, Gebäuderäumen, Personen oder Ereignissen umfassen, Identifizieren mindestens einen von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung und Erzeugen eines oder mehrerer vorgeschlagener Tags für den mindestens einen Datenpunkt, Empfangen einer Rückmeldung von der manuellen Überprüfung, und Empfangen einer zweiten Vielzahl von Datenpunkten in dem Gebäude und automatischen Markieren mindestens eines Teils der zweiten Vielzahl von Datenpunkten mit einem oder mehreren zweiten Tags unter Verwendung der Rückmeldung von der manuellen Überprüfung.
In einigen Ausführungsformen beinhaltet das automatische Markieren mindestens des Teils der ersten Vielzahl von Datenpunkten ein Ausführen eines maschinellen Lernmodells, das unter Verwendung historischer Informationen zu den Kontextdaten trainiert wurde, um mindestens eines von dem einen oder den mehreren ersten Tags zu erzeugen. In einigen Ausführungsformen beinhaltet das Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten ein Abrufen beschreibender Daten, die eine Entität beschreiben, und ein Analysieren der beschreibenden Daten, um semantische Informationen aus den beschreibenden Daten zu extrahieren, die ein oder mehrere Attribute der Entität beschreiben. In einigen Ausführungsformen beinhaltet das Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten ein Durchführen einer Signalanalyse an Betriebsdaten, die mit einem Datenpunkt der ersten Vielzahl von Datenpunkten assoziiert sind, um eine Gültigkeit eines Tags, das mit dem Datenpunkt assoziiert ist, zu bestimmen. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, eine Vertrauensmetrik zu erzeugen, die eine Wahrscheinlichkeit beschreibt, dass ein vorgeschlagenes Tag des einen oder der mehreren vorgeschlagenen Tags gültig ist, und die Vertrauensmetrik mit dem vorgeschlagenen Tag zur Überprüfung bereitzustellen. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, die Vertrauensmetrik mit einer Schwelle zu vergleichen und den mindestens einen von der ersten Vielzahl von Datenpunkten basierend auf dem Vergleich zu markieren. In einigen Ausführungsformen beinhaltet das Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung ein Vergleichen der Vertrauensmetrik mit einer Schwelle und ein Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten basierend auf dem Vergleich.
In einigen Ausführungsformen beinhaltet die Rückmeldung eine manuelle Einstellung von Informationen, die mit dem einen oder den mehreren vorgeschlagenen Tags assoziiert sind. In einigen Ausführungsformen beinhaltet die Rückmeldung eine Benutzervalidierung eines Tags des einen oder der mehreren vorgeschlagenen Tags. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, eine Vertrauensmetrik zu erhöhen, die eine Wahrscheinlichkeit beschreibt, dass das Tag des einen oder der mehreren vorgeschlagenen Tags basierend auf der Benutzervalidierung gültig ist. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, das eine oder die mehreren vorgeschlagenen Tags unter Verwendung eines maschinellen Lernmodells zu erzeugen und das maschinelle Lernmodell als Reaktion auf die Rückmeldung von der manuellen Überprüfung zu aktualisieren. In einigen Ausführungsformen beinhaltet das Erzeugen des einen oder der mehreren vorgeschlagenen Tags (i) dynamisches Steuern einer Umgebungsvariablen des Gebäudes, (ii) Überwachen von Sensormessungen und (iii) Erzeugen des einen oder der mehreren vorgeschlagenen Tags basierend auf den überwachten Sensormessungen. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, mindestens eines von dem einen oder den mehreren ersten Tags zu validieren durch (i) dynamisches Steuern einer Umgebungsvariablen des Gebäudes, (ii) Überwachen von Sensormessungen und (iii) Bestimmen einer Gültigkeit des mindestens einen von dem einen oder den mehreren ersten Tags basierend auf den überwachten Sensormessungen.
In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, einen ersten Datenpunkt von mindestens einer der ersten oder der zweiten Vielzahl von Datenpunkten als unzuverlässig zu identifizieren und einen zweiten Datenpunkt von mindestens einer der ersten oder der zweiten Vielzahl von Datenpunkten als Ersatz für den ersten Datenpunkt zu identifizieren, um einen Gebäudeausrüstungsgegenstand zu steuern oder den Betrieb von mindestens einem Teil des Gebäudes zu beurteilen. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, eine Datenzustandsmetrik zu erzeugen, die eine Gültigkeit mindestens eines Teils der ersten oder der zweiten Vielzahl von Datenpunkten beschreibt, wobei die Datenzustandsmetrik zum Teil basierend auf dem Identifizieren des ersten Datenpunkts als unzuverlässig bestimmt wird. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, einen Alarm in Bezug auf den unzuverlässigen ersten Datenpunkt zu unterdrücken. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen zum Identifizieren einer Anomalie, die mit einem ersten Datenpunkt von mindestens einer der ersten oder der zweiten Vielzahl von Datenpunkten assoziiert ist, und Bestimmen einer Ursache der Anomalie, wobei die Ursache mindestens eines von einem falschen Tag, einem Vorrichtungsfehler, einer unerwarteten Konfiguration oder einer Änderung in mindestens einem von einem Raum der Gebäuderäume oder einer Nutzung des Raums umfasst.
In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen zu mindestens einem von (i) automatischem Aktualisieren des falschen Tags oder (ii) automatischem Aktualisieren einer Vorrichtungskonfiguration einer Vorrichtung, die mit dem ersten Datenpunkt assoziiert ist, veranlassen, um die Anomalie zu beheben. In einigen Ausführungsformen beinhaltet das Bestimmen der Ursache der Anomalie ein Auffordern eines Benutzers, ein mit dem ersten Datenpunkt assoziiertes Tag zu überprüfen. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen zum Identifizieren, aus der ersten Vielzahl von Datenpunkten, einer oder mehrerer Vorrichtungen, die richtig markiert sind, Modifizieren des Betriebs der einen oder der mehreren Vorrichtungen, Überwachen von Sensormessungen, die mit einem Datenpunkt assoziiert sind, der durch den modifizierten Betrieb der einen oder der mehreren Vorrichtungen beeinflusst wird, und Bestimmen eines neuen vorgeschlagenen Tags für den Datenpunkt basierend auf den überwachten Sensormessungen. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, ein oder mehrere Vertrauensniveaus, die mit dem automatischen Markieren der ersten und der zweiten Vielzahl von Datenpunkten assoziiert sind, zu bestimmen und eine Datenzustandsmetrik zu erzeugen, die eine Gültigkeit von mindestens einem Teil von Daten, die sich auf das Gebäude beziehen, zum Teil basierend auf dem einen oder den mehreren Vertrauensniveaus beschreibt. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, einen oder mehrere fehlende Datenpunkte oder Datenquellen zu bestimmen, die sich auf die Datenzustandsmetrik auswirken, und einen Vorschlag zu erzeugen, um den einen oder die mehreren fehlenden Datenpunkte oder Datenquellen zu erhalten. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, einen Driftzustand für einen ersten Datenpunkt von mindestens einer von der ersten oder der zweiten Vielzahl von Datenpunkten, in dem ein Verhalten des ersten Datenpunkts von einem erwarteten Verhalten zu einem unerwarteten Verhalten übergeht, basierend auf einem Tag des ersten Datenpunkts zu identifizieren.
In einigen Ausführungsformen umfasst das Identifizieren des Driftzustands ein Berechnen einer Kovarianz zwischen dem ersten Datenpunkt und einem zweiten Datenpunkt und ein Bestimmen einer Änderung der Kovarianz. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, eine Anomalie zu bestimmen, die mit einem ersten Datenpunkt von mindestens einer von der ersten oder der zweiten Vielzahl von Datenpunkten assoziiert ist, durch ein Vergleichen von Daten, die mit dem ersten Datenpunkt assoziiert sind, mit historischen Daten, die mit mindestens einem von dem ersten Datenpunkt oder einem oder mehreren verwandten Datenpunkten assoziiert sind. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, eine Änderung in einem Trend zu identifizieren, der mit einem ersten Datenpunkt von mindestens einer von der ersten oder der zweiten Vielzahl von Datenpunkten assoziiert ist, und historische Betriebsdaten von mindestens einem von dem Gebäude oder einem anderen Gebäude, das eine Schwelle gemeinsamer Merkmale mit dem Gebäude aufweist, zu analysieren, um Informationen zu erzeugen, die eine Grundursache der Trendänderung beschreiben. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen, einen Vorschlag zum Ändern eines oder mehrerer Attribute, die mit einer Regel zum Auslösen von Fehlern assoziiert sind, basierend auf den Informationen, die die Grundursache beschreiben, zu erzeugen. In einigen Ausführungsformen beinhaltet die Änderung in dem Trend eine Änderung einer Kovarianz zwischen dem ersten Datenpunkt und einem zweiten Datenpunkt, der mit einer zugehörigen Entität assoziiert ist, und wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, ein Fehleridentifikationsmodell unter Verwendung von Kontextdaten, die mit mindestens einem von dem ersten Datenpunkt oder dem zweiten Datenpunkt assoziiert sind, zu aktualisieren. In einigen Ausführungsformen veranlassen die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen zu mindestens einem von, einen oder mehrere Datenpunkte für ein anderes Gebäude basierend auf mindestens einem von der ersten oder der zweiten Vielzahl von Datenpunkten oder der Rückmeldung von der manuellen Überprüfung zu erzeugen oder zu aktualisieren.
In einigen Ausführungsformen ist der mindestens eine von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung mit einer Entität eines ersten Typs assoziiert und wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Vorlage zum Integrieren anderer Entitäten des ersten Typs in das Datenanalytikmodell zu erzeugen, wobei die Vorlage Daten beinhaltet, die eine Kovarianz zwischen einem erwarteten Verhalten der anderen Entitäten des ersten Typs und einem erwarteten Verhalten der einen oder der mehreren Entitäten innerhalb des Gebäudes, das den ersten Typ aufweist, beschreiben.
Figurenliste
Die vorstehenden und andere Aspekte und Merkmale der vorliegenden Offenbarung werden für einen Fachmann aus der folgenden detaillierten Beschreibung der beispielhaften Ausführungsformen unter Bezugnahme auf die beigefügten Zeichnungen deutlicher, in denen:

1A ist ein Blockdiagramm einer intelligenten Gebäudeumgebung nach einer beispielhaften Ausführungsform;
1B ist ein anderes Blockdiagramm der intelligenten Gebäudeumgebung von 1A nach einer beispielhaften Ausführungsform;
2 ist ein Flussdiagramm eines Verfahrens zum automatischen Markieren einer Vielzahl von Datenpunkten nach einer beispielhaften Ausführungsform;
3 ist ein Flussdiagramm eines Verfahrens zum Extrahieren semantischer Informationen aus beschreibenden Daten nach einer beispielhaften Ausführungsform;
4 ist ein Flussdiagramm eines Verfahrens zum sichtbar machen eines Tags zur manuellen Überprüfung und/oder zum Bestimmen einer Gültigkeit eines Tags nach einer beispielhaften Ausführungsform;
5 ist ein Flussdiagramm eines Verfahrens zum Auswählen von Datenpunkten zur manuellen Überprüfung basierend mindestens zum Teil auf einer Vertrauensmetrik nach einer beispielhaften Ausführungsform;
6 ist ein Flussdiagramm eines Verfahrens zum Erzeugen vorgeschlagener Tags für einen oder mehrere Datenpunkte nach einer beispielhaften Ausführungsform;
7 ist ein Flussdiagramm eines Verfahrens zum Aktualisieren einer Gebäudezustandsmetrik nach einer beispielhaften Ausführungsform;
8 ist ein Flussdiagramm eines Verfahrens zum Aktualisieren eines oder mehrerer Datenpunkte nach einer beispielhaften Ausführungsform;
9 ist ein Flussdiagramm eines Verfahrens zum Erzeugen eines Vorschlags bezüglich eines oder mehrerer Datenpunkte nach einer beispielhaften Ausführungsform;
10A-10B sind Flussdiagramme eines Verfahrens zum Identifizieren einer Anomalie und/oder zum Durchführen einer Aktion, die mindestens zum Teil auf einer Anomalie basiert, nach einer beispielhaften Ausführungsform;
11 ist eine grafische Benutzerschnittstelle zum Kennzeichnen eines Datenpunkts nach einer beispielhaften Ausführungsform;
12 ist eine andere grafische Benutzerschnittstelle zum Kennzeichnen eines Datenpunkts nach einer beispielhaften Ausführungsform;
13 ist eine grafische Benutzerschnittstelle zum Adressieren eines Fehlers, der mit einem Ausrüstungsgegenstand assoziiert ist, nach einer beispielhaften Ausführungsform;
14 ist eine grafische Benutzerschnittstelle zum Korrigieren eines Tags, das mit einer Entität assoziiert ist, nach einer beispielhaften Ausführungsform;
15 ist eine grafische Benutzerschnittstelle zum Erhöhen eines Vertrauens, das mit einem Entitäts-Tag assoziiert ist, nach einer beispielhaften Ausführungsform;
16 ist eine grafische Benutzerschnittstelle zum Markieren von Daten nach einer beispielhaften Ausführungsform;
17 ist eine grafische Benutzerschnittstelle zum Identifizieren eines Ersatzes/Stellvertreters für eine Datenquelle nach einer beispielhaften Ausführungsform;
18 ist eine grafische Benutzerschnittstelle zum Durchführen einer Aktion in Bezug auf fehlende Daten nach einer beispielhaften Ausführungsform;
19 ist eine grafische Benutzerschnittstelle zum Visualisieren von Datenpunkten nach einer beispielhaften Ausführungsform;
20 ist ein Diagramm, das einen Prozess zum dynamischen Verifizieren eines oder mehrerer Datenpunkte nach einer beispielhaften Ausführungsform veranschaulicht;
21 ist ein Diagramm, das ein Gebäude nach einer beispielhaften Ausführungsform veranschaulicht, das unter Verwendung einer Graphdatenstruktur als ein digitaler Zwilling dargestellt ist.

DETAILLIERTE BESCHREIBUNG
Nachfolgend werden beispielhafte Ausführungsformen detaillierter unter Bezugnahme auf die beigefügten Zeichnungen beschrieben.
In verschiedenen Ausführungsformen beinhalten Gebäudemanagementplattformen wie beispielsweise ein Gebäudemanagementsystem digitale Darstellungen von physischen Räumen. Zum Beispiel kann ein Gebäudemanagementsystem einen digitalen Zwilling eines Gebäudes beinhalten, der die Personen, Orte, Vermögenswerte und Ereignisse innerhalb des Gebäudes darstellt. In verschiedenen Ausführungsformen werden digitale Zwillinge während des Baus eines Gebäudes erzeugt. Zum Beispiel kann ein Architekt ein Gebäudeinformationsmodell (BIM) erzeugen, das von Bauherren zum Bau eines Gebäudes und von Servicepersonal zur Wartung des Gebäudes verwendet wird. Zusätzlich oder alternativ können für bestehende Gebäude digitale Darstellungen wie digitale Zwillinge erzeugt werden. Zum Beispiel kann ein Gebäudemanagementsystem eines bestehenden Gebäudes eine digitale Darstellung des Gebäudes erzeugen. Es kann jedoch schwierig sein, eine digitale Darstellung eines Gebäudes (neu, bestehend oder anderweitig) zu erzeugen. Zum Beispiel kann die manuelle Identifizierung der Vermögenswerte in einem Gebäude schwierig und zeitaufwändig sein. Als ein weiteres Beispiel sind einige Quellen vorhandener Gebäudedaten möglicherweise nicht leicht in eine digitale Darstellung übersetzbar und erfordern möglicherweise eine manuelle Übertragung. Weiter kann es schwierig und zeitaufwändig sein, die Vorrichtungen der Gebäude/Räume so zu konfigurieren, dass sie richtig miteinander und mit dem Gebäudemanagementsystem arbeiten. Im Allgemeinen kann es wünschenswert sein, das manuelle Erzeugen digitaler Darstellungen von Gebäuden zu vermeiden (z. B., um Eingabefehler aufgrund der Menge der einzugebenden Daten usw. zu reduzieren). Daher werden Systeme und Verfahren zum Konfigurieren eines Gebäudemanagementsystems benötigt. Insbesondere werden Systeme und Verfahren benötigt, um das Aufnehmen von Gebäudedaten, das Erzeugen einer digitalen Darstellung, das Verifizieren und Validieren von Daten in der digitalen Darstellung und das Ableiten neuer Informationen basierend auf der digitalen Darstellung zu erleichtern. Virtuelle Darstellungen, digitale Darstellungen, intelligente Entitäten und digitale Zwillinge werden in der vorliegenden Offenbarung austauschbar verwendet; mit anderen Worten, wenn sich die vorliegende Offenbarung auf virtuelle Darstellungen oder intelligente Entitäten bezieht, versteht es sich, dass die diskutierten Merkmale unter Verwendung digitaler Zwillinge oder eines beliebigen anderen digitalen Gegenstücks implementiert werden könnten (z. B. in Echtzeit, nahezu in Echtzeit, regelmäßig, als Reaktion auf Ereignisse oder auf andere Weise aktualisiert werden könnten). Zusätzlich können die Systeme und die Verfahren der vorliegenden Offenbarung in verschiedenen Ausführungsformen digitale Zwillinge für übergeordnete Entitäten verwenden (z. B. wie beispielsweise Gebäude oder Gelände, die bestimmte Räume, Vermögenswerte wie beispielsweise Gebäudeausrüstung, Personen und/oder Ereignisse beinhalten oder anderweitig damit in Beziehung stehen) und/oder für untergeordnete Entitäten, wie beispielsweise digitale Zwillinge bestimmter Räume (z. B. Zimmer, Etagen usw.), Personen, Vermögenswerte (z. B. bestimmte Gebäudeausrüstungsgegenstände oder Gebäudeausrüstungsgruppen) und Ereignisse. Alle diese Implementierungen werden im Rahmen der vorliegenden Offenbarung in Betracht gezogen.
Eine Lösung kann eine Gebäudemanagementplattform wie beispielsweise eine Cloud-Gebäudemanagementplattform beinhalten. Die Gebäudemanagementplattform kann automatisch Datenpunkte markieren, die mit einer digitalen Darstellung eines Gebäudes assoziiert sind (z. B. unter Verwendung von Kontextdaten, die mit den Datenpunkten assoziiert sind, usw.). In verschiedenen Ausführungsformen assoziieren die Tags einen oder mehrere Datenpunkte mit einer oder mehreren Entitäten, wie beispielsweise Gebäudeausrüstung, Gebäuderäumen, Personen und/oder Ereignissen. In verschiedenen Ausführungsformen identifiziert die Gebäudemanagementplattform Datenpunkte zur manuellen Überprüfung. Zum Beispiel kann die Gebäudemanagementplattform einen Datenpunkt identifizieren, der ein Tag mit geringem Vertrauen aufweist (z. B. ein Tag mit einer geringen Wahrscheinlichkeit, dass es gültig ist, usw.) und kann den Datenpunkt zusammen mit einem vorgeschlagenen Tag für den Datenpunkt einem Benutzer sichtbar machen. In verschiedenen Ausführungsformen beziehen sich Datenpunkte auf ein oder mehrere Datenelemente (z. B. Messungen usw.), die mit einer Entität assoziiert sind. Zum Beispiel kann ein Datenpunkt eine von einem Temperatursensor erzeugte Sensormessung beinhalten. Als ein anderes Beispiel kann ein Datenpunkt Zeitreihensensormessungen beinhalten, die Temperaturmessungen darstellen, die von einem Temperatursensor im Laufe des Betriebs des Temperatursensors erzeugt werden.
In verschiedenen Ausführungsformen führt die Gebäudemanagementplattform ein oder mehrere Modelle (z. B. maschinelle Lernmodelle, lineare Regressionsmodelle usw.) aus, um die verschiedenen hierin beschriebenen Operationen durchzuführen. In verschiedenen Ausführungsformen aktualisiert die Gebäudemanagementplattform das eine oder die mehreren Modelle basierend auf Benutzerrückmeldung. Zum Beispiel kann die Gebäudemanagementplattform einen Datenpunkt einem Benutzer als möglicherweise ein falsches Tag aufweisend sichtbar machen, der Benutzer kann verifizieren, dass das Tag richtig ist, und die Gebäudemanagementplattform kann ein Modell zum Vorhersagen der Gültigkeit von Datenpunkten basierend auf der Benutzerrückmeldung aktualisieren (z. B. sodass die Gebäudemanagementplattform in Zukunft ähnliche Datenpunkte nicht als möglicherweise ein falsches Tag aufweisend sichtbar macht usw.).
In verschiedenen Ausführungsformen trainiert die Gebäudemanagementplattform einen maschinellen Lernalgorithmus anhand historischer Informationen, um Tag-Vorschläge für Datenpunkte zu erzeugen. Zum Beispiel kann die Gebäudemanagementplattform historische Betriebsinformationen für ein Gebäude abrufen, kann einen maschinellen Lernalgorithmus unter Verwendung der historischen Betriebsinformationen trainieren und kann den trainierten maschinellen Lernalgorithmus an Kontextdaten ausführen, die mit einem Datenpunkt assoziiert sind, um ein vorgeschlagenes Tag dafür den Datenpunkt zu erzeugen. In verschiedenen Ausführungsformen analysiert die Gebäudemanagementplattform beschreibende Informationen, die eine Entität beschreiben, um semantische Informationen zu extrahieren, die ein oder mehrere Attribute der Entität beschreiben. Zum Beispiel kann die Gebäudemanagementplattform einen Algorithmus zur Verarbeitung natürlicher Sprache (NLP) an beschreibenden Informationen ausführen, die mit einer eingebetteten Gebäudesteuerung assoziiert sind, um einen Namen und/oder eine Kennung für die Gebäudesteuerung zu extrahieren. In verschiedenen Ausführungsformen führt die Gebäudemanagementplattform eine Signalanalyse an Betriebsdaten durch, die mit einem Datenpunkt assoziiert sind, um eine Gültigkeit eines Tags zu bestimmen, das mit dem Datenpunkt assoziiert ist. Zum Beispiel kann die Gebäudemanagementplattform Thermostatsteuerungsdaten und Temperaturmessungen analysieren, um ein Tag zu verifizieren, das den Thermostat mit einem bestimmten Raum verknüpft (z. B. durch Identifizieren einer Änderung einer Temperatur des Raums, die einer Änderung des Temperatursollwerts entspricht, der in den Steuerungsdaten beinhaltet ist, usw.).
In verschiedenen Ausführungsformen zeigt die Gebäudemanagementplattform eine Vertrauensmetrik an, die eine Wahrscheinlichkeit beschreibt, dass ein vorgeschlagenes Tag für einen Benutzer gültig ist. Zum Beispiel kann die Gebäudemanagementplattform ein vorgeschlagenes Tag erzeugen, kann eine Vertrauensmetrik erzeugen, die mit dem vorgeschlagenen Tag assoziiert ist (z. B. wenn ein höheres Vertrauensniveau angeben kann, dass die Gebäudemanagementplattform über mehr Daten verfügt, die das vorgeschlagene Tag verifizieren usw.), und kann die Vertrauensmetrik zusammen mit dem vorgeschlagenen Tag einem Benutzer anzeigen (z. B. dadurch dem Benutzer ermöglichen, Tags, die niedriges Vertrauen aufweisen, zu untersuchen und/oder zu überschreiben usw.). In verschiedenen Ausführungsformen kann ein Benutzer Informationen, die mit einem von der Gebäudemanagementplattform erzeugten, vorgeschlagenen Tag assoziiert sind, manuell einstellen. Zum Beispiel kann die Gebäudemanagementplattform ein vorgeschlagenes Tag erzeugen, das mit einem ersten Raum assoziiert ist, und ein Benutzer kann das Tag so einstellen, dass es mit einem zweiten Raum assoziiert ist. In verschiedenen Ausführungsformen kann ein Benutzer ein von der Gebäudemanagementplattform erzeugtes vorgeschlagenes Tag verifizieren. Zum Beispiel kann die Gebäudemanagementplattform ein vorgeschlagenes Tag erzeugen und das vorgeschlagene Tag einem Benutzer anzeigen und der Benutzer kann verifizieren, dass das vorgeschlagene Tag richtig ist. In einigen Ausführungsformen kann die Gebäudemanagementplattform eine Vertrauensmetrik basierend auf Benutzerrückmeldung bezüglich eines vorgeschlagenen Tags aktualisieren. Zum Beispiel kann die Gebäudemanagementplattform den Wert einer Vertrauensmetrik, die mit einem Tag assoziiert ist, basierend darauf erhöhen, dass ein Benutzer das Tag verifiziert (z. B. bestätigt, dass das Tag richtig ist usw.). In einigen Ausführungsformen erzeugt die Gebäudemanagementplattform eine Datenzustandsmetrik, die eine Gültigkeit von Daten beschreibt, die mit einem Gebäude assoziiert sind (z. B. wie akkurat eine Anzahl von Tags in einer digitalen Darstellung eines Gebäudes ist usw.), basierend auf einer oder mehreren Vertrauensmetriken (z. B. durch Kombinieren der Vertrauensmetriken usw.). In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform einen oder mehrere fehlende Datenpunkte und/oder eine oder mehrere fehlende Datenquellen identifizieren (z. B. fehlende Daten, die sich auf eine Datenzustandsmetrik auswirken usw.). Zum Beispiel kann die Gebäudemanagementplattform bestimmen, dass einer digitalen Darstellung Temperaturdaten für eine bestimmte Etage eines Gebäudes fehlen, und kann einen Vorschlag erzeugen, um die fehlenden Temperaturdaten zu erhalten (z. B. durch Verwenden eines Ersatzes/Stellvertreters für die Daten durch Modellierung der Daten usw.).
In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform ein vorgeschlagenes Tag dynamisch erzeugen. Zum Beispiel kann die Gebäudemanagementplattform eine Umgebungsvariable eines Gebäudes dynamisch steuern, Sensormessungen überwachen und basierend auf den überwachten Sensormessungen ein vorgeschlagenes Tag erzeugen. Zusätzlich oder alternativ kann die Gebäudemanagementplattform einen ähnlichen Prozess durchführen (z. B. eine Umgebungsvariable dynamisch steuern usw.), um ein oder mehrere Tags zu validieren.
In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform einen Ersatz für einen oder mehrere unzuverlässige Datenpunkte identifizieren. Zum Beispiel kann die Gebäudemanagementplattform einen zweiten Datenpunkt identifizieren, der einem ersten Datenpunkt ähnlich ist, und kann Informationen von dem zweiten Datenpunkt verwenden, um einen Gebäudeausrüstungsgegenstand zu steuern, der mit dem ersten Datenpunkt assoziiert ist. In verschiedenen Ausführungsformen führt die Gebäudemanagementplattform als Reaktion auf das Identifizieren eines Datenpunkts als unzuverlässig (z. B. eine niedrige Vertrauensmetrik aufweisend usw.) eine oder mehrere Aktionen durch. Zum Beispiel kann die Gebäudemanagementplattform einen oder mehrere Alarme unterdrücken, die mit einem unzuverlässigen Datenpunkt assoziiert sind.
In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform eine oder mehrere Aktionen als Reaktion auf das Identifizieren einer Anomalie ausführen, die mit einem Datenpunkt assoziiert ist. Zum Beispiel kann die Gebäudemanagementplattform bestimmen, ob sich die Anomalie auf ein falsches Tag, einen Vorrichtungsfehler, eine unerwartete Konfiguration und/oder eine Änderung in mindestens einem Raum eines Gebäudes oder einer Nutzung eines Raums bezieht. Zusätzlich oder alternativ kann die Gebäudemanagementplattform falsche Tags automatisch aktualisieren und/oder eine Vorrichtungskonfiguration, die mit einem Datenpunkt assoziiert ist, automatisch aktualisieren, um eine Anomalie zu adressieren. In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform einen Driftzustand identifizieren, der mit einem Datenpunkt assoziiert ist. Zum Beispiel kann die Gebäudemanagementplattform eine Signalanalyse an Temperaturdaten durchführen, um zu identifizieren, ob die Temperaturdaten von einem erwarteten Bereich in einen unerwarteten Bereich übergehen. Als ein anderes Beispiel kann die Gebäudemanagementplattform eine Kovarianz zwischen einer Anzahl von Datenpunkten berechnen und einen Driftzustand basierend auf einer Änderung der Kovarianz identifizieren (z. B., wenn zwei historisch korrelierte Vorrichtungsmessungen beginnen, auseinanderzulaufen usw.).
In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform historische Betriebsdaten analysieren, um eine Anomalie zu identifizieren. Zum Beispiel kann die Gebäudemanagementplattform Betriebsdaten für einen ersten Datenpunkt mit Betriebsdaten für einen zweiten verwandten Datenpunkt vergleichen, um zu identifizieren, ob der erste und der zweite Datenpunkt im Betrieb voneinander abweichen. In einigen Ausführungsformen erzeugt die Gebäudemanagementplattform einen Trend für einen oder mehrere Datenpunkte. Zum Beispiel kann die Gebäudemanagementplattform historische Temperaturmessungen analysieren, die mit einem Zimmer assoziiert sind, um einen Trend in den Temperatursollwerten zu identifizieren, die mit dem Zimmer assoziiert sind. In verschiedenen Ausführungsformen erzeugt die Gebäudemanagementplattform eine Grundursache (z. B. einen Grund, warum ein Ereignis aufgetreten ist usw.), die mit erkannten Anomalien assoziiert ist.
In verschiedenen Ausführungsformen erzeugt die Gebäudemanagementplattform Vorschläge zum Modifizieren eines oder mehrerer Attribute zum Auslösen eines Fehlers. Zum Beispiel kann die Gebäudemanagementplattform eine Grundursache eines Hochtemperaturfehlers als einen Temperaturschwellenwert identifizieren, der falsch gesetzt ist, und kann einen Vorschlag erzeugen, den Temperaturschwellenwert auf einen anderen Wert zu aktualisieren. In verschiedenen Ausführungsformen automatisiert die Gebäudemanagementplattform den Prozess des Erzeugens und Einsetzens einer digitalen Darstellung eines Gebäudes, wodurch die Notwendigkeit eines manuellen Eingreifens reduziert oder beseitigt wird. In verschiedenen Ausführungsformen kann die Gebäudemanagementplattform externe Datenquellen (z. B. BIM-Daten, Unternehmensmanagementdaten, Personaldaten usw.) aufnehmen und interpretieren, semantische Informationen aus externen Datenquellen extrahieren, Konfigurationsinformationen dynamisch bestimmen, digitale Darstellungen automatisch mit abgeleiteten Informationen anreichern und/oder digitale Darstellungen für Räume erzeugen. In einigen Ausführungsformen können die digitalen Darstellungen verwendet werden, um Gebäudeausrüstung und/oder andere in Gebäuden/Räumen enthaltene Vermögenswerte zu konfigurieren und/oder zu steuern, und können den Zeit- und Kostenaufwand für die Inbetriebnahme und Konfiguration neuer Gebäude und Räume erheblich senken.
Nun bezugnehmend auf 1A-1B ist ein Blockdiagramm einer intelligenten Gebäudeumgebung 100 nach einer beispielhaften Ausführungsform gezeigt. Die intelligente Gebäudeumgebung 100 ist gezeigt als eine Cloud-Gebäudemanagementplattform 140 beinhaltend. In verschiedenen Ausführungsformen erleichtert die Cloud-Gebäudemanagementplattform 140 eine schnelle Inbetriebnahme und/oder Konfiguration von Gebäudemodellen. Die Cloud-Gebäudemanagementplattform 140 kann konfiguriert sein, um Informationen aus einer Vielzahl unterschiedlicher Datenquellen zu sammeln. Die Cloud-Managementplattform 140 kann basierend auf den gesammelten Informationen digitale Darstellungen, die als „digitale Zwillinge“ bezeichnet werden, von physischen Räumen, Ausrüstung, Personen und/oder Ereignissen erzeugen. In verschiedenen Ausführungsformen werden die digitalen Darstellungen in einem Entitätsgraphen gespeichert. Kurz gesagt, ein Entitätsgraph ist eine Datenstruktur, die Entitäten (z. B. Räume, Ausrüstung, Personen, Ereignisse usw.) und Beziehungen zwischen den Entitäten darstellt. In verschiedenen Ausführungsformen erleichtert die Datenstruktur des Entitätsgraphen fortgeschrittene künstliche Intelligenz und maschinelles Lernen, die mit den Entitäten assoziiert sind. In verschiedenen Ausführungsformen beinhalten Entitäten innerhalb der Entitätsgraphdatenstruktur „Agenten“ oder Softwareentitäten, die konfiguriert sind, um Aktionen in Bezug auf die digitalen Zwillinge/reale Entitäten durchzuführen, mit denen sie assoziiert sind, oder sind mit diesen assoziiert. In einigen Implementierungen können die Agenten konfiguriert sein, Methodologien der künstlichen Intelligenz/des maschinellen Lernens zu implementieren. Die Agenten können konfiguriert sein, um die Kommunikation und ein Sammeln von Informationen zwischen den verschiedenen Datenquellen zu erleichtern. Jede der Datenquellen kann als entsprechende Agenten implementiert sein, diese beinhalten oder anderweitig verwenden, um Kommunikation unter oder zwischen den Datenquellen und der Cloud-Gebäudemanagementplattform 140 zu erleichtern.
In verschiedenen Ausführungsformen sammelt die Cloud-Gebäudemanagementplattform 140 Daten von Gebäuden 10. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Daten von Gebäuden 10 wie beispielsweise einer Schule, einem Krankenhaus, einer Fabrik, einem Bürogebäude und/oder dergleichen sammeln. Es versteht sich, dass die vorliegende Offenbarung nicht auf die Anzahl oder Typen von Gebäuden 10 beschränkt ist, die in 1B gezeigt sind. Wenn neue Vorrichtungen/Komponenten/Räume/Gebäude/Ereignisse/Regelkreise hinzugefügt oder anderweitig in die intelligente Gebäudeumgebung 100 eingearbeitet werden, können neue digitale Darstellungen (und assoziierte Agenten usw.) dynamisch erzeugt und in die Entitätsgraphdatenstruktur eingearbeitet werden. Darüber hinaus versteht es sich, dass, obwohl die Cloud-Gebäudemanagementplattform 140 in Bezug auf ein Cloud-/verteiltes Verarbeitungssystem beschrieben ist, die Funktionalität der Cloud-Gebäude-managementplattform 140 lokal implementiert werden kann. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 als ein standortferner Server, eine Gruppe von standortfernen Servern und/oder ein oder mehrere standortgebundene Server implementiert werden. In einigen Implementierungen können die Merkmale der Cloud-Gebäudemanagementplattform 140 und/oder des BMS 102 in einem System kombiniert werden. Alle solche Permutationen liegen innerhalb des Umfangs der vorliegenden Offenbarung.
Gebäude 10 können Entitäten 12 beinhalten. Entitäten 12 können Räume, Ausrüstung, Personen und/oder Ereignisse beinhalten. In einigen Ausführungsformen beinhalten die Entitäten 12 Räume wie beispielsweise Etagen, Zimmer, Zonen, Gelände, Gebäude und dergleichen. In einigen Ausführungsformen beinhalten die Entitäten 12 Personen wie beispielsweise Mitarbeiter, Besucher, Fußgänger, Personal und dergleichen. In einigen Ausführungsformen beinhalten die Entitäten 12 Ausrüstung, wie beispielsweise Inventar, Vermögenswerte, Möbel, Fahrzeuge, Gebäudekomponenten, Vorrichtungen und dergleichen. Zum Beispiel können die Entitäten 12 Vorrichtungen wie beispielsweise Vorrichtungen des Internets der Dinge (IoT) beinhalten. IoT-Vorrichtungen können eine Vielfalt von physischen Vorrichtungen, Sensoren, Aktuatoren, Elektronik, Fahrzeugen, Haushaltsvorrichtungen und/oder anderen Gegenständen beinhalten, die in der Lage sind, Daten über ein elektronisches Netzwerk zu übertragen (z. B. intelligente Lichter, intelligente Haushaltsvorrichtungen, intelligente Haushaltshubvorrichtungen usw.). In einigen Ausführungsformen beinhalten die Entitäten 12 Ereignisse, wie beispielsweise Besprechungen, Fehleranzeigen, Alarme und dergleichen. In verschiedenen Ausführungsformen empfängt die Cloud-Gebäudemanagementplattform 140 Informationen, die mit den Gebäuden 10 und/oder den Entitäten 12 assoziiert sind, und erzeugt auf der Grundlage der empfangenen Informationen einen Entitätsgraphen. Der Entitätsgraph kann digitale Zwillinge beinhalten, die digitale Darstellungen von realen Räumen, Ausrüstung, Personen, Ereignissen und/oder dergleichen sind. Entitätsgraphen werden nachfolgend unter Bezugnahme auf 21 ausführlicher beschrieben.
Die intelligente Gebäudeumgebung 100 kann ein Gebäudemanagementsystem (BMS) 102 beinhalten. In verschiedenen Ausführungsformen kommuniziert das BMS 102 mit der Cloud-Gebäudemanagementplattform 140, um ein Management und die Steuerung der Gebäude 10 und/oder der verschiedenen hierin beschriebenen Operationen zu erleichtern. Das BMS 102 kann konfiguriert sein, um Ausrüstung in oder um ein Gebäude oder einen Gebäudebereich (z. B. Gebäude 10 usw.) herumzusteuern, zu überwachen und/oder zu managen. Zum Beispiel kann das BMS 102 ein HVAC-System, ein Sicherheitssystem, ein Beleuchtungssystem, ein Brandmeldesystem und ein beliebiges anderes System beinhalten, das in der Lage ist, Gebäudefunktionen oder -vorrichtungen oder eine beliebige Kombination davon zu managen. Weiter kann jedes der Systeme Sensoren und andere Vorrichtungen (z. B. IoT-Vorrichtungen) für den ordnungsgemäßen Betrieb, Wartung, Überwachung und dergleichen der jeweiligen Systeme beinhalten. In einigen Ausführungsformen ist jedes der Gebäude 10 mit einem BMS 102 assoziiert. Zusätzlich oder alternativ kann ein einzelnes BMS 102 mehrere Gebäude 10 managen. Zum Beispiel kann ein erstes BMS 102 ein erstes Gebäude 10 managen, ein zweites BMS 102 kann ein zweites Gebäude 10 managen und ein drittes BMS 102 kann das erste und das zweite Gebäude 10 (z. B. über das erste und zweite BMS 102 in einer Master-Slave-Konfiguration usw.) sowie ein drittes Gebäude 10 managen. In verschiedenen Ausführungsformen kommuniziert das BMS 102 mit Gebäudeteilsystemen 120.
Die Gebäudeteilsysteme 120 können ein Brandschutzteilsystem 122, ein Aufzugs-/Rolltreppenteilsystem 124, ein elektrische Gebäudeteilsystem 126, ein Informationskommunikationstechnologie (IKT)-Teilsystem 128, ein Sicherheitsteilsystem 130, ein HVAC-Teilsystem 132 und/oder ein Beleuchtungsteilsystem 134 beinhalten. In verschiedenen Ausführungsformen beinhalten die Gebäudeteilsysteme 120 weniger, zusätzliche oder alternative Teilsysteme. Zum Beispiel können die Gebäudeteilsysteme 120 zusätzlich oder alternativ ein Kühlteilsystem, ein Werbe- oder Beschilderungsteilsystem, ein Kochteilsystem, ein Verkaufsteilsystem, ein Drucker- oder Kopierdienstteilsystem oder einen beliebigen anderen Typ von Gebäudeteilsystem beinhalten, der steuerbare Ausrüstung und/oder Sensoren verwendet, um ein Gebäude 10 zu überwachen oder zu steuern. In einigen Ausführungsformen beinhaltet jedes der Gebäude 10 Gebäudeteilsysteme 120. Zusätzlich oder alternativ können sich mehrere Gebäude 10 mindestens einige der Gebäudeteilsysteme 120 teilen.
Jedes der Gebäudeteilsysteme 120 kann eine beliebige Anzahl von Vorrichtungen (z. B. IoT-Vorrichtungen), Sensoren, Steuerungen und Verbindungen beinhalten, um Funktionen und Steuerungsaktivitäten zu erleichtern. Zum Beispiel kann das HVAC-Teilsystem 132 einen Kühler, einen Boiler, eine beliebige Anzahl von Lufthandhabungseinheiten, Vorwärmern, Feldsteuerungen, Überwachungssteuerungen, Aktuatoren, Temperatursensoren und andere Vorrichtungen zum Steuern der Temperatur, Feuchtigkeit, Luftströmung oder anderer variabler Bedingungen innerhalb von Gebäuden 10 beinhalten. Das Beleuchtungsteilsystem 134 kann eine beliebige Anzahl von Beleuchtungskörpern, Vorschaltvorrichtungen, Beleuchtungssensoren, Dimmern oder anderen Vorrichtungen beinhalten, die konfiguriert sind, um die einem Gebäuderaum bereitgestellte Lichtmenge steuerbar einzustellen. Das Sicherheitsteilsystem 130 kann Belegungssensoren, Videoüberwachungskameras, digitale Videorekorder, Videoverarbeitungsserver, Einbruchserkennungsvorrichtungen, Zugangskontrollvorrichtungen und -server oder andere sicherheitsbezogene Vorrichtungen beinhalten.
Die Cloud-Gebäudemanagementplattform 140 und/oder das BMS 102 können mit einer Vielzahl externer Systeme interagieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 mit entfernten Systemen und Anwendungen 30, Client-Vorrichtungen 40 und/oder Diensten von Drittanbietern 50 interagieren. In verschiedenen Ausführungsformen sind Systeme und/oder Komponenten der intelligenten Gebäudeumgebung 100 konfiguriert, um unter Verwendung eines Netzwerks 20 zu kommunizieren. Das Netzwerk 20 kann Hardware, Software oder eine beliebige Kombination davon beinhalten.
Das BMS 102 ist als eine Kommunikationsschnittstelle 104 und eine Verarbeitungsschaltung 106 beinhaltend gezeigt. Die Kommunikationsschnittstelle 104 kann die Kommunikation zwischen dem BMS 102 und externen Systemen/Anwendungen (z. B. Cloud-Gebäudemanagementplattform 140, entfernte Systeme und Anwendungen 30, Client-Vorrichtungen 40, Dienste von Drittanbietern 50, Gebäudeteilsysteme 120 usw.) erleichtern. Die Kommunikationsschnittstelle 104 kann verdrahtete oder drahtlose Kommunikationsschnittstellen (z. B. Buchsen, Antennen, Sender, Empfänger, Transceiver, Drahtanschlüsse usw.) zum Durchführen von Datenkommunikationen innerhalb der intelligenten Gebäudeumgebung 100 und/oder mit anderen externen Systemen oder Vorrichtungen darstellen oder beinhalten. In verschiedenen Ausführungsformen erfolgt die Kommunikation über die Kommunikationsschnittstelle 104 direkt (z. B. lokale drahtgebundene oder drahtlose Kommunikation). Zusätzlich oder alternativ kann die Kommunikation über die Kommunikationsschnittstelle 104 über das Netzwerk 20 (z. B. ein WAN, das Internet, ein Mobilfunknetz usw.) erfolgen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 unter Verwendung einer drahtgebundenen Verbindung mit dem BMS 102 kommunizieren und kann unter Verwendung einer Mobilfunkverbindung (z. B. eines 4G- oder 5G-Zugangspunkts/einer Kleinzellenbasisstation usw.) mit den Client-Vorrichtungen 40 (z. B. über das BMS 102 usw.). Als ein weiteres Beispiel kann die Kommunikationsschnittstelle 104 eine Ethernet-Karte und einen Anschluss zum Senden und Empfangen von Daten über eine Ethernet-basierte Kommunikationsverbindung oder -netzwerk beinhalten. Als ein weiteres Beispiel kann die Kommunikationsschnittstelle 104 einen Wi-Fi-Transceiver zum Kommunizieren über ein drahtloses Kommunikationsnetzwerk beinhalten. Als noch ein weiteres Beispiel kann die Kommunikationsschnittstelle 104 Mobilfunk- oder Mobiltelefon-Kommunikations-Transceiver beinhalten.
Die Verarbeitungsschaltung 106 kann den Prozessor 108 und den Speicher 110 beinhalten. Die Verarbeitungsschaltung 106 kann kommunikativ mit der Kommunikationsschnittstelle 104 verbunden sein, sodass die Verarbeitungsschaltung 106 und die verschiedenen Komponenten davon Daten über die Kommunikationsschnittstelle 104 senden und empfangen können. Der Prozessor 108 kann als ein Universalprozessor, eine anwendungsspezifische integrierte Schaltung (ASIC), ein oder mehrere feldprogrammierbare Gate-Arrays (FPGAs), eine Gruppe von Verarbeitungskomponenten oder andere geeignete elektronische Verarbeitungskomponenten implementiert werden.
Der Speicher 110 (z. B. Arbeitsspeicher, Speichereinheit, Speichervorrichtung usw.) kann ein oder mehrere Vorrichtungen (z. B. RAM, ROM, Flash-Speicher, Festplattenspeicher usw.) zum Speichern von Daten und/oder Computercode zum Vervollständigen oder Erleichtern der verschiedenen Prozesse, Schichten und Module, die in der vorliegenden Anmeldung beschrieben sind, beinhalten. Der Speicher 110 kann ein flüchtiger Speicher oder ein nichtflüchtiger Speicher sein oder einen solchen beinhalten. Der Speicher 110 kann Datenbankkomponenten, Objektcodekomponenten, Skriptkomponenten oder einen beliebigen anderen Typ von Informationsstruktur zum Unterstützen der verschiedenen Aktivitäten und Informationsstrukturen beinhalten, die in der vorliegenden Anmeldung beschrieben sind. Nach einigen Ausführungsformen ist der Speicher 110 über die Verarbeitungsschaltung 106 kommunizierbar mit dem Prozessor 108 verbunden und beinhaltet Computercode zum Ausführen (z. B. durch die Verarbeitungsschaltung 106 und/oder den Prozessor 108) einer oder mehrerer der hierin beschriebenen Operationen.
In einigen Ausführungsformen sind das BMS 102 und/oder die Cloud-Gebäudemanagementplattform 140 in einem einzelnen Computer (z. B. einem Server, einem Gehäuse usw.) implementiert. In verschiedenen anderen Ausführungsformen sind das BMS 102 und/oder die Cloud-Gebäudemanagementplattform 140 über mehrere Server oder Computer verteilt (die z. B. an verteilten Standorten vorhanden sein können). In einigen Ausführungsformen sind Funktionen des BMS 102 und/oder der Cloud-Gebäudemanagementplattform 140 als Agenten implementiert. Zum Beispiel kann das BMS 102 einen Fehlererkennungsagenten beinhalten, der konfiguriert ist, um Gebäudedaten zu analysieren und Fehler zu erkennen, die mit Gebäudekomponenten assoziiert sind.
Der Speicher 110 kann eine Anwendungsschaltung 112 beinhalten, die eine oder mehrere Gebäudemanagementanwendungen 114 beinhalten kann. Die eine oder die mehreren Gebäudemanagementanwendungen 114 können verschiedene Systeme beinhalten, um bestimmte Prozesse/Ereignisse innerhalb der Gebäude 10 zu überwachen und/oder zu steuern. Zum Beispiel können die eine oder die mehreren Gebäudemanagementanwendungen 114 automatisierte Messung und Validierung (AM&V), Nachfragereaktion (DR), Fehlererkennung und -diagnose (FDD), integrierte Steuerungssysteme und/oder ein Integrationssystem für Gebäudeteilsysteme beinhalten. Die eine oder die mehreren Gebäudemanagementanwendungen 114 können konfiguriert sein, um Eingaben von den Gebäudeteilsystemen 120 und/oder anderen Datenquellen zu empfangen, verbesserte und/oder optimale Steuerungsaktionen für die Gebäudeteilsysteme 120 basierend auf den Eingaben zu bestimmen, Steuerungssignale basierend auf den verbesserten und/oder oder optimale Steuerungsaktionen zu erzeugen und die erzeugten Steuerungssignale für Gebäudeteilsysteme 120 bereitzustellen.
Die Cloud-Gebäudemanagementplattform 140 ist als eine Verarbeitungsschaltung 142 beinhaltend, die einen Prozessor 144 und einen Speicher 146 aufweist, gezeigt. In einigen Ausführungsformen beinhaltet die Cloud-Gebäudemanagementplattform 140 mehrere Verarbeitungsschaltungen 142, die jeweils einen oder mehrere Prozessoren 144 und/oder Speicher 146 aufweisen. Der Prozessor 144 kann ein Universal- oder Spezialprozessor, eine anwendungsspezifische integrierte Schaltung (ASIC), ein oder mehrere feldprogrammierbare Gate-Arrays (FPGAs), eine Gruppe von Verarbeitungskomponenten oder andere geeignete Verarbeitungskomponenten sein. Der Prozessor 144 kann konfiguriert sein, um Computercode oder Anweisungen auszuführen, die im Speicher 146 gespeichert sind oder von anderen computerlesbaren Medien (z. B. CDROM, Netzwerkspeicher, einem entfernten Server usw.) empfangen werden.
Der Speicher 146 kann eine oder mehrere Vorrichtungen (z. B. Speichereinheiten, Speichervorrichtungen, Speichervorrichtungen usw.) zum Speichern von Daten und/oder Computercode zum Abschließen und/oder Erleichtern der verschiedenen in der vorliegenden Offenbarung beschriebenen Prozesse beinhalten. Der Speicher 146 kann Direktzugriffsspeicher (RAM), Nur-Lese-Speicher (ROM), Festplattenspeicher, Zwischenspeicher, nichtflüchtigen Speicher, Flash-Speicher, optischen Speicher oder einen beliebigen anderen geeigneten Speicher zum Speichern von Softwareobjekten und/oder Computeranweisungen beinhalten. Der Speicher 146 kann Datenbankkomponenten, Objektcodekomponenten, Skriptkomponenten oder einen beliebigen anderen Typ von Informationsstruktur zum Unterstützen der verschiedenen Aktivitäten und Informationsstrukturen beinhalten, die in der vorliegenden Offenbarung beschrieben sind. Nach einigen Ausführungsformen ist der Speicher 146 über die Verarbeitungsschaltung 142 kommunizierbar mit dem Prozessor 144 verbunden und beinhaltet Computercode zum Ausführen (z. B. durch die Verarbeitungsschaltung 142 und/oder den Prozessor 144) einer oder mehrerer der hierin beschriebenen Operationen. Es versteht sich, dass Schaltungen, wie sie hierin beschrieben sind, Hardwareschaltungen, Anweisungen, die auf einem oder mehreren maschinenlesbaren Speichermedien gespeichert sind und von einem oder mehreren Prozessoren ausgeführt werden können, um Funktionen zu implementieren, oder eine beliebige Kombination davon beinhalten können.
Der Speicher 146 kann eine Datenmanagementschaltung 148, eine Datenzustandsschaltung 150, eine maschinelle Lernschaltung 152, eine dynamische Analyseschaltung 154, eine historische Analyseschaltung 156, eine Benutzerrückmeldungsschaltung 158, eine Grundursachenschaltung 160, eine Drifterkennungsschaltung 162 und/oder eine Selbstheilungsschaltung 164 beinhalten. Zusätzlich oder alternativ können eine oder mehrere Komponenten des Speichers 146 (z. B. Datenmanagementschaltung 148 usw.) durch andere Systeme implementiert werden, wie beispielsweise lokal durch das Gebäudemanagementsystem 102. Die Datenmanagementschaltung 148 kann zum Sammeln, Managen und/oder Abrufen von Daten konfiguriert sein. In verschiedenen Ausführungsformen empfängt die Datenmanagementschaltung 148 Datenproben von Gebäuden 10 (z. B. über das BMS 102 direkt usw.) und speichert die Datenproben in einem strukturierten Speicher. Zum Beispiel können die Datenproben Datenwerte für verschiedene Datenpunkte beinhalten. Die Datenwerte können gemessene und/oder berechnete Werte sein, abhängig von dem Typ des Datenpunkts. Zum Beispiel kann ein von einem Temperatursensor empfangener Datenpunkt einen gemessenen Datenwert beinhalten, der eine von dem Temperatursensor gemessene Temperatur angibt. Die Datenmanagementschaltung 148 kann Datenproben von Systemen, Komponenten und/oder Vorrichtungen (z. B. IoT-Vorrichtungen, Sensoren usw.) innerhalb der intelligenten Gebäudeumgebung 100 (z. B. entfernten Systemen und Anwendungen 30, Client-Vorrichtungen 40, Dienste von Drittanbietern 50, BMS 102, Gebäudeteilsystemen 120 usw.) und/oder von externen Systemen (z. B. dem Internet usw.) empfangen. Zum Beispiel kann die Datenmanagementschaltung 148 Zeitreihendaten von einem Belegungssensor empfangen, der mit einem der Gebäude 10 assoziiert ist, und die Speicherung der Zeitreihendaten in einem strukturierten Speicher (z. B. in der historischen Leistungsdatenbank 170 usw.) erleichtern. Als ein weiteres Beispiel kann die Datenmanagementschaltung 148 ein elektronisches Kalenderereignis (z. B. eine Besprechungseinladung usw.) von einer der Client-Vorrichtungen 40 empfangen und die Speicherung des elektronischen Kalenderereignisses im Strukturspeicher erleichtern. In einigen Ausführungsformen verwendet die Datenmanagementschaltung 148 einen Entitätsgraphen oder ruft diesen ab, wenn sie empfangene Daten organisiert (z. B., um Daten in dem Entitätsgraphen zu speichern usw.).
Die Datenzustandsschaltung 150 kann Informationen analysieren, die mit einem oder mehreren Datenpunkten assoziiert sind, um eine Metrik zu bestimmen, die eine Gültigkeit von/Vertrauen in Informationen beschreibt, die mit dem einen oder den mehreren Datenpunkten assoziiert sind. Zum Beispiel kann die Datenzustandsschaltung 150 Kontextdaten abrufen, die mit einem Datenpunkt assoziiert sind, und kann eine Vertrauensmetrik erzeugen, die eine Wahrscheinlichkeit beschreibt, dass ein Tag des Datenpunkts gültig ist. Als ein anderes Beispiel kann die Datenzustandsschaltung 150 eine Kovarianz zwischen HVAC-Betriebsinformationen und Temperaturdaten analysieren, die mit einem Raum assoziiert sind, um eine Vertrauensmetrik für ein Tag eines Datenpunkts zu bestimmen, das mit dem Raum assoziiert ist. In verschiedenen Ausführungsformen beschreibt die Vertrauensmetrik eine Wahrscheinlichkeit, dass ein Tag, das mit einem Datenpunkt assoziiert ist, richtig ist. In einigen Ausführungsformen erzeugt die Datenzustandsschaltung 150 eine Datenzustandsmetrik. Zum Beispiel kann die Datenzustandsschaltung 150 eine Anzahl von Vertrauensmetriken abrufen, die mit Datenpunkten eines Gebäudes assoziiert sind, und kann die Vertrauensmetriken aggregieren, um eine Datenzustandsmetrik zu erzeugen, die eine Gültigkeit von Informationen beschreibt, die mit dem Gebäude assoziiert sind. In verschiedenen Ausführungsformen führt die Datenzustandsschaltung 150 eine oder mehrere Aktionen durch, um Vertrauensmetriken und/oder Datenzustandsmetriken zu erzeugen. Zum Beispiel kann die Datenzustandsschaltung 150 eine Vertrauensmetrik aktualisieren, die mit einem Tag eines Datenpunkts assoziiert ist, basierend darauf, dass ein Benutzer das Tag als gültig bestätigt. Als ein anderes Beispiel kann die Datenzustandsschaltung 150 eine Umgebungsbedingung eines Raums dynamisch ändern, eine mit dem Raum assoziierte Sensormessung überwachen und eine Vertrauensmetrik auf Grundlage der überwachten Sensormessung aktualisieren (z. B. das Vertrauen erhöhen, wenn die Sensormessung ein Verhalten widerspiegelt, das aufgrund der Änderung der Umgebungsvariablen zu erwarten wäre, usw.). In verschiedenen Ausführungsformen zeigt die Datenzustandsschaltung 150 einem Benutzer eine Vertrauensmetrik und/oder eine Datenzustandsmetrik an.
Die maschinelle Lernschaltung 152 kann ein oder mehrere maschinelle Lernmodelle trainieren und/oder kann ein oder mehrere maschinelle Lernmodelle ausführen, um eine Ausgabe zu erzeugen. Zum Beispiel kann die maschinelle Lernschaltung 152 ein neuronales Netzwerk unter Verwendung historischer Betriebsdaten trainieren, um vorhergesagte Betriebsdaten zu erzeugen, die die Cloud-Gebäudemanagementplattform 140 in Echtzeit mit Betriebsdaten vergleichen kann, um Abweichungen vom erwarteten Verhalten zu identifizieren. In verschiedenen Ausführungsformen interagiert die maschinelle Lernschaltung 152 mit einer Datenbank maschineller Lernmodelle 190. Zum Beispiel kann die maschinelle Lernschaltung 152 ein in der Datenbank maschineller Lernmodelle 190 gespeichertes maschinelles Lernmodell trainieren. Die maschinelle Lernschaltung 152 kann überwachtes maschinelles Lernen, nicht überwachtes maschinelles Lernen, halbüberwachtes maschinelles Lernen, Verstärkungslernen und/oder dergleichen implementieren. In verschiedenen Ausführungsformen trainiert die maschinelle Lernschaltung 152 ein oder mehrere maschinelle Lernmodelle wie beispielsweise ein künstliches neuronales Netzwerk, einen Entscheidungsbaum, eine Unterstützungsvektormaschine, ein Regressionsanalysemodell, ein Bayes'sches Netzwerk, einen genetischen Algorithmus und/oder dergleichen. Zusätzlich oder alternativ kann die maschinelle Lernschaltung 152 ein oder mehrere semantische Extraktionsmodelle wie beispielsweise ein LSTM-Modell mit Zeicheneinbettung ausführen, um semantische Informationen aus Zeichenfolgen zu extrahieren. In verschiedenen Ausführungsformen führt die maschinelle Lernschaltung 152 ein oder mehrere maschinelle Lernmodelle aus, um einen Fehler zu identifizieren, eine Grundursache zu bestimmen, vorgeschlagene Tags zu erzeugen, Ausrüstungsvorlagen zu erzeugen, Vorrichtungs-/Ausrüstungskonfigurationen dynamisch zu aktualisieren und/oder dergleichen. In verschiedenen Ausführungsformen aktualisiert die maschinelle Lernschaltung 152 ein oder mehrere maschinelle Lernmodelle basierend auf Benutzerrückmeldung.
Die dynamische Analyseschaltung 154 kann eine oder mehrere Aktionen durchführen und Konfigurationsinformationen basierend auf der einen oder den mehreren Aktionen erzeugen. Zum Beispiel kann die dynamische Analyseschaltung 154 einen mit einem Raum assoziierten Temperatursollwert einstellen, einen mit dem Raum assoziierten Temperatursensor überwachen und eine Vorrichtungskonfiguration des Temperatursensors basierend auf der Überwachung aktualisieren. In verschiedenen Ausführungsformen stellt die dynamische Analyseschaltung 154 eine Umgebungsvariable ein, die mit einem Raum assoziiert ist, und bestimmt, ob sich eine beobachtete Messung angesichts der eingestellten Umgebungsvariablen wie erwartet verhält. In verschiedenen Ausführungsformen kann die dynamische Analyseschaltung 152 ein Tag verifizieren, das mit einem Datenpunkt assoziiert ist. Zum Beispiel kann die dynamische Analyseschaltung 152 einen Datenpunkt, der ein mit einem Raum assoziiertes Tag aufweist, abrufen, einen Umgebungsparameter des Raums modifizieren und verifizieren, dass das Tag gültig ist, als Reaktion auf ein Beobachten, dass das Datenpunktverhalten basierend auf dem modifizierten Umgebungsparameter wie erwartet ist. In einigen Ausführungsformen kann die dynamische Analyseschaltung 152 vorgeschlagene Tags erzeugen. Zum Beispiel kann die dynamische Analyseschaltung ein vorgeschlagenes Tag für einen nicht markierten Datenpunkt erzeugen, um den nicht markierten Datenpunkt mit einem Raum zu assoziieren, als Reaktion auf ein Beobachten, dass sich der nicht markierte Datenpunkt wie von einem mit dem Raum assoziierten Datenpunkt erwartet verhält. In verschiedenen Ausführungsformen vergleicht die dynamische Analyseschaltung 154 Betriebsdaten (z. B. Sensormessungen usw.) mit historischen Betriebsdaten, um zu bestimmen, ob die Betriebsdaten das erwartete Verhalten widerspiegeln. Zum Beispiel kann die dynamische Analyseschaltung 154 eine Reaktion auf eine Änderung des Temperatursollwerts eines Sensors, der mit einem Raum assoziiert ist, mit historischen Reaktionsdaten vergleichen, die mit ähnlichen Sensoren assoziiert sind, die in ähnlichen Räumen mit ähnlichen Änderungen der Temperatursollwerte eingesetzt sind.
Die historische Analyseschaltung 156 kann historische Betriebsdaten analysieren, um eine oder mehrere Ausgaben zu bestimmen. Zum Beispiel kann die historische Analyseschaltung 156 Betriebsdaten, die mit einem ersten Thermostat assoziiert sind, mit Echtzeit-Betriebsdaten vergleichen, die mit einem zweiten Thermostat assoziiert sind, um zu bestimmen, ob der zweite Thermostat wie erwartet arbeitet. In verschiedenen Ausführungsformen vergleicht die historische Analyseschaltung 156 Betriebsdaten eines Ausrüstungsgegenstands/einer Vorrichtung/eines Sensors mit Betriebsdaten von einem ähnlichen Ausrüstungsgegenstand/Vorrichtung/Sensor. Zum Beispiel kann die historische Analyseschaltung 156 Betriebsdaten von einer ersten AHU mit historischen Betriebsdaten von einer zweiten AHU vergleichen, die eine Anzahl gemeinsamer Eigenschaften mit der ersten AHU aufweist (z. B. Modellnummer, Betriebslast, Laufzeit usw.). In verschiedenen Ausführungsformen erzeugt die historische Analyseschaltung 156 einen oder mehrere Vorschläge. Zum Beispiel kann die historische Analyseschaltung 156 basierend auf einer Analyse historischer Betriebsdaten für einen ähnlichen Datenpunkt ein vorgeschlagenes Tag für einen Datenpunkt erzeugen. In verschiedenen Ausführungsformen interagiert die historische Analyseschaltung 156 mit einer historischen Leistungsdatenbank 170. Zum Beispiel kann die historische Analyseschaltung 156 historische Betriebsdaten aus der historischen Leistungsdatenbank 170 abrufen.
Die Benutzerrückmeldungsschaltung 158 kann Informationen von einem Benutzer senden und/oder empfangen. Zum Beispiel kann die Benutzerrückmeldungsschaltung 158 einem Benutzer ein vorgeschlagenes Tag präsentieren und kann eine Benutzervalidierung des vorgeschlagenen Tags empfangen. In verschiedenen Ausführungsformen aktualisiert die Benutzerrückmeldungsschaltung 158 den Betrieb der Cloud-Gebäudemanagementplattform 140 basierend auf der Benutzerrückmeldung. Zum Beispiel kann die Benutzerrückmeldungsschaltung 158 eine Benutzerrückmeldung empfangen, die eine Einstellung auf einen oder mehrere Parameter angibt, die mit einem vorgeschlagenen Tag assoziiert sind (z. B. eine manuelle Änderung an einer Entität, mit der ein Datenpunkt assoziiert ist, usw.) und kann ein maschinelles Lernmodell aktualisieren, das verwendet wird, um das vorgeschlagene Tag basierend auf der Benutzerrückmeldung zu erzeugen. In verschiedenen Ausführungsformen kann die Benutzerrückmeldungsschaltung 158 eine Vertrauensmetrik und/oder eine Datenzustandsmetrik als Reaktion auf eine Benutzerrückmeldung aktualisieren. Zum Beispiel kann die Benutzerrückmeldungsschaltung 158 eine Benutzervalidierung eines Datenpunkt-Tags empfangen und kann eine mit dem Tag assoziierte Vertrauensmetrik basierend auf der Benutzervalidierung aktualisieren.
Die Grundursachenschaltung 160 kann eine Grundursache identifizieren, die mit einer Anomalie und/oder einem Fehler assoziiert ist. Zum Beispiel kann die Grundursachenschaltung 160 Kontextinformationen analysieren, die mit einer Anomalie assoziiert sind, um einen Grund zu bestimmen, warum die Anomalie aufgetreten ist. In verschiedenen Ausführungsformen führt die Grundursachenschaltung 160 eine Signalanalyse durch, um eine Grundursache zu identifizieren. In verschiedenen Ausführungsformen analysiert die Grundursachenschaltung historische Informationen (z. B. aus der historischen Leistungsdatenbank 170 usw.), um eine Grundursache zu identifizieren (z. B. durch Identifizieren einer Grundursache, die für eine ähnliche Anomalie in den historischen Informationen bestimmt wurde, usw.). In einigen Ausführungsformen führt die Grundursachenschaltung 160 eine Regelmaschine aus, um eine Grundursache zu bestimmen. Zum Beispiel kann die Grundursachenschaltung 160 eine Regelmaschine beinhalten, die Kontextinformationen empfängt, die mit einer Anomalie assoziiert sind, und eine oder mehrere Regeln bewertet, um eine Grundursache zu bestimmen. Zum Beispiel kann die Grundursachenschaltung 160 eine Regel beinhalten, die besagt, dass eine Temperaturanomalie für einen Raum durch einen fehlerhaften Lufteinlasslüfter verursacht wird, wenn der Lufteinlasslüfter eine bestimmte Teilenummer aufweist, älter als 5 Jahre ist und wenn keine andere Temperaturanomalien in demselben Raum erkannt werden. In einigen Ausführungsformen verwendet die Grundursachenschaltung 160 ein maschinelles Lernmodell, um Grundursacheninformationen zu erzeugen. Zum Beispiel kann die Grundursachenschaltung 160 ein tiefes Lernmodell ausführen, um eine Grundursache für eine Temperaturanomalie zu erzeugen.
Die Drifterkennungsschaltung 162 kann Betriebsdaten analysieren, um eine oder mehrere Driftzustände zu erkennen. Zum Beispiel kann die Drifterkennungsschaltung 162 Echtzeit-Betriebsdaten von einem Gebäude mit vorhergesagten Betriebsdaten vergleichen, um zu bestimmen, ob sich die Echtzeit-Betriebsdaten von den vorhergesagten Betriebsdaten unterscheiden. In verschiedenen Ausführungsformen erkennt die Drifterkennungsschaltung 162 unsichere oder unerwartete Bedingungen (z. B. Ereignisse, Ereignissequenzen usw.), die mit einer Entität assoziiert sind. Zum Beispiel kann die Drifterkennungsschaltung 162 erkennen, dass ein Zimmer normalerweise 70°F hat, aber plötzlich auf 50 °F abgefallen ist. Als ein anderes Beispiel kann die Drifterkennungsschaltung 162 erkennen, dass ein Benutzer ein Zimmer normalerweise durch einen ersten Eintrittspunkt betritt, aber plötzlich begann, das Zimmer durch einen zweiten Eintrittspunkt zu betreten. In verschiedenen Ausführungsformen führt die Drifterkennungsschaltung 162 ein oder mehrere Markov-Modelle aus, um Driftzustände zu identifizieren. Zum Beispiel kann die Drifterkennungsschaltung 162 Knoten eines Markov-Modells unter Verwendung historischer Betriebsdaten bevölkern und kann Driftzustände als Ereignisse erkennen, bei denen eine Entität zu einem unsicheren Knoten übergeht (z. B. einem Knoten des Markov-Modells, der als unsicherer Zustand identifiziert wurde usw.).
Die Selbstheilungsschaltung 164 kann fehlende Informationen innerhalb eines Modells der Cloud-Gebäudemanagementplattform 140 identifizieren (z. B. wie fehlende Datenpunkte in einer digitalen Darstellung eines Gebäudes usw.) und kann eine oder mehrere Aktionen durchführen, um die fehlenden Informationen zu adressieren. Zum Beispiel kann die Selbstheilungsschaltung 164 identifizieren, dass Temperaturdaten für einen bestimmtes Zimmer in einem Gebäude fehlen, und kann für einen Benutzer einen Vorschlag erzeugen, einen Ersatz/Stellvertreter für die fehlenden Temperaturdaten zu erhalten (z. B. unter Verwendung eines nahe gelegenen Temperatursensors usw.). In verschiedenen Ausführungsformen erzeugt die Selbstheilungsschaltung 164 für einen Benutzer einen oder mehrere Vorschläge, um fehlende Informationen zu adressieren. Zusätzlich oder alternativ kann die Selbstheilungsschaltung 164 automatisch (z. B. ohne menschliches Eingreifen und/oder mit begrenztem menschlichem Eingreifen usw.) eine oder mehrere Aktionen durchführen, um fehlende Informationen zu adressieren. Zum Beispiel kann die selbstheilende Schaltung 164 fehlende Belegungsdaten für ein Zimmer mit modellierten Daten ersetzen, die basierend auf einer historischen Aufzeichnung der Beleuchtungssteuerungen für das Zimmer erzeugt werden (z. B., wenn das Modell annimmt, dass das Zimmer belegt war, als die Lichter an waren, usw.).
In verschiedenen Ausführungsformen interagiert die Cloud-Gebäudemanagementplattform 140 mit der historischen Leistungsdatenbank 170, der Gebäudemodelldatenbank 180 und/oder der Datenbank für maschinelle Lernmodelle 190. In verschiedenen Ausführungsformen beinhaltet die historische Leistungsdatenbank 170 historische Betriebsdaten wie beispielsweise HVAC-Temperatursollwerte, die als Zeitreihendaten dargestellt sind, Dämpferniveaus, Belegungsdaten, Energieverbrauchsinformationen und/oder dergleichen. Die Gebäudemodelldatenbank 180 kann ein oder mehrere Gebäudemodelle speichern. Zum Beispiel kann die Gebäudemodelldatenbank 180 eine digitale Darstellung eines Gebäudes als eine Graphdatenstruktur speichern. In verschiedenen Ausführungsformen kann die Gebäudemodelldatenbank 180 digitale Darstellungen für mehrere Gebäude speichern und die Cloud-Gebäudemanagementplattform 140 kann eine digitale Darstellung von einem ersten Gebäude verwenden, um über Aktionen in Bezug auf ein zweites Gebäude zu informieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Grundursache aus einem ersten Gebäudemodell identifizieren, die eine Anomalie erklären kann, die mit einem Gebäude assoziiert ist, das mit einem zweiten Gebäudemodell assoziiert ist. Die Modelldatenbank 190 für maschinelles Lernen kann ein oder mehrere Modelle für maschinelles Lernen beinhalten, wie beispielsweise einen Algorithmus für künstliche Intelligenz. In verschiedenen Ausführungsformen speichert die Datenbank maschineller Lernmodelle 190 maschinelle Lernmodelle, die von der Cloud-Gebäudemanagementplattform 140 trainiert wurden. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein neuronales Netzwerk unter Verwendung historischer Betriebsdaten trainieren, um HVAC-Fehler vorherzusagen, und kann das trainierte neuronale Netzwerk in der Modelldatenbank für maschinelles Lernen 190 speichern.
Unter Bezugnahme auf 2 ist ein Verfahren 200 zum automatischen Markieren einer Anzahl von Datenpunkten nach einer beispielhaften Ausführungsform gezeigt. In verschiedenen Ausführungsformen führt die Cloud-Gebäudemanagementplattform 140 das Verfahren 200 durch. Zusätzlich oder alternativ kann das Verfahren 200 von einem anderen System wie beispielsweise dem Gebäudemanagementsystem 102 durchgeführt werden. Bei Schritt 210 kann die Cloud-Gebäudemanagementplattform eine erste Anzahl von Datenpunkten in einem Gebäude identifizieren. In einigen Ausführungsformen beinhaltet Schritt 210 ein Durchführen einer semantischen Extraktion an einem oder mehreren Elementen, wie beispielsweise Zeichenfolgen, um eine Anzahl von Datenpunkten aus den Elementen zu extrahieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein GPT-2-Modell auf Textzeichenfolgen ausführen, um einen oder mehrere Datenpunkte zu identifizieren, die Vorrichtungen aus den Textzeichenfolgen darstellen.
Bei Schritt 220 kann die Cloud-Gebäudemanagementplattform 140 automatisch mindestens einen Teil der ersten Anzahl von Datenpunkten mit einem oder mehreren ersten Tags markieren, wobei Kontextdaten verwendet werden, die aus der ersten Anzahl von Datenpunkten extrahiert und/oder mit dieser assoziiert sind. In verschiedenen Ausführungsformen assoziieren das eine oder die mehreren ersten Tags den Teil der ersten Anzahl von Datenpunkten mit einer oder mehreren Entitäten. In verschiedenen Ausführungsformen beinhalten die eine oder die mehreren Entitäten mindestens eines von Gebäudeausrüstung, Gebäuderäumen, Personen und/oder Ereignissen. In verschiedenen Ausführungsformen beinhalten die Kontextdaten Informationen in Bezug auf ähnliche Datenpunkte und/oder Entitäten, die mit der ersten Anzahl von Datenpunkten interagieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Anzahl von Datenpunkten abrufen, die mit einem ersten Datenpunkt in Beziehung stehen (z. B. über ein Beziehungs-Tag usw.), und kann die Anzahl von Datenpunkten verwenden, um ein Standort-Tag für den ersten Datenpunkt zu erzeugen (z. B. ein Tag, das den ersten Datenpunkt mit einem Raum wie beispielsweise einem Zimmer assoziiert, usw.).
In verschiedenen Ausführungsformen beinhaltet Schritt 220 ein Erzeugen eines Tags unter Verwendung von maschinellem Lernen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein AI-Modell auf einem Identifikator eines Datenpunkts ausführen, um ein oder mehrere Tags bezüglich des Datenpunkts zu bestimmen. In einigen Ausführungsformen beinhaltet Schritt 220 ein Stören eines oder mehrerer Attribute, die mit einem Datenpunkt assoziiert sind, um das eine oder die mehreren ersten Tags zu validieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Umgebungsvariable, die mit einem Datenpunkt assoziiert ist, dynamisch steuern, um zu bestimmen, ob sich der Datenpunkt angesichts einer Änderung der Umgebungsvariablen wie erwartet verhält, um den Datenpunkt zu validieren. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Temperatursollwert ändern, der mit einem Zimmer assoziiert ist, Rückmeldung von einer oder mehreren Personen empfangen, die sich in dem Zimmer befinden (z. B. Rückmeldung bezüglich der Temperatur usw.), und kann bestimmen, ob ein Tag für eine Temperatursteuerung, die anzeigt, dass sich die Temperatursteuerung auf das Zimmer bezieht, gültig ist.
Bei Schritt 230 kann die Cloud-Gebäudemanagementplattform 140 mindestens einen der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt, der eine geringe Vertrauensmetrik (z. B. geringes Vertrauens, dass der Datenpunkt richtig markiert ist usw.) aufweist, identifizieren und kann den Datenpunkt zur manuellen Überprüfung durch einen Benutzer sichtbar machen. In verschiedenen Ausführungsformen beinhaltet Schritt 230 ein Identifizieren eines Datenpunkts zur manuellen Überprüfung unter Verwendung einer Signalanalyse. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Sensorwerte von einer AHU mit erwarteten Sensorwerten vergleichen, die von einem maschinellen Lernmodell erzeugt wurden, um zu bestimmen, ob die Sensorwerte von den erwarteten Sensorwerten abweichen, wodurch angezeigt wird, dass die AHU möglicherweise falsch konfiguriert ist (z. B. falsch markiert ist usw.). In einigen Ausführungsformen beinhaltet Schritt 230 ein Identifizieren eines Tags zur manuellen Überprüfung. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Tag basierend auf einer Vertrauensmetrik identifizieren, die mit dem Tag assoziiert ist, das außerhalb eines akzeptablen Bereichs liegt. Zum Beispiel kann eine Vertrauensmetrik für ein Tag eines Datenpunkts auf einem Niveau von 20 % liegen, und die Cloud-Gebäudemanagementplattform 140 kann das Tag als unter einen Vertrauensmetrikschwelle von 40 % fallend identifizieren. In verschiedenen Ausführungsformen identifiziert die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte und/oder Tags zur manuellen Überprüfung basierend auf einer Vertrauensmetrik, die mit den Datenpunkten und/oder Tags assoziiert ist. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 Vertrauensmetriken für Datenpunkte und/oder Tags unter Verwendung von Kontextdaten, die mit den Datenpunkten und/oder Tags assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einem Datenpunkt, der häufig vom erwarteten Verhalten abweicht (z. B. basierend auf einem Modell zum Vorhersagen des Verhaltens des Datenpunkts usw.), einen niedrigen Vertrauensmetrikwert zuweisen. In verschiedenen Ausführungsformen zeigt die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik neben einem Datenpunkt an. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt zur manuellen Überprüfung identifizieren und kann eine Vertrauensmetrik anzeigen, die mit dem Datenpunkt assoziiert ist, wenn einem Benutzer einen Vorschlag zum Überprüfen des Datenpunkts angezeigt wird.
Bei Schritt 240 kann die Cloud-Gebäudemanagementplattform 140 ein oder mehrere vorgeschlagene Tags für den mindestens einen Datenpunkt erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 anhand eines Namens des Datenpunkts ein Gebäude identifizieren, mit dem der Datenpunkt assoziiert ist, und kann ein vorgeschlagenes Tag erzeugen, um den Datenpunkt mit dem Gebäude zu assoziieren. In verschiedenen Ausführungsformen assoziieren das eine oder die mehreren vorgeschlagenen Tags einen Datenpunkt mit einer Entität, wie beispielsweise einem Gebäuderaum. In verschiedenen Ausführungsformen beinhaltet Schritt 240 ein Ausführen eines maschinellen Lernmodells zum Erzeugen des einen oder der mehreren vorgeschlagenen Tags. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein AI-Modell unter Verwendung einer Kennung ausführen, die mit einem Datenpunkt assoziiert ist, um ein vorgeschlagenes Tag für den Datenpunkt zu erzeugen. In einigen Ausführungsformen beinhaltet Schritt 240 ein dynamisches Steuern einer oder mehrerer Umgebungsvariablen, um ein vorgeschlagenes Tag zu bestimmen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Umgebungsvariable für einen Raum steuern, kann beobachten, dass Sensormessungen, die mit einem Datenpunkt assoziiert sind, eine Änderung der Umgebungsvariablen widerspiegeln, und kann basierend auf der Beobachtung einen Vorschlag erzeugen, den Datenpunkt als mit dem Raum assoziiert zu markieren. In einigen Ausführungsformen beinhalten das eine oder die mehreren vorgeschlagenen Tags ein neues Tag. Zum Beispiel können einem Datenpunkt ein oder mehrere Tags fehlen, und die Cloud-Gebäudemanagementplattform 140 kann ein oder mehrere Tags erzeugen, um das eine oder die mehreren fehlenden Tags zu füllen. Zusätzlich oder alternativ können das eine oder die mehreren vorgeschlagenen Tags eine Einstellung gemäß einem bestehenden Tag beinhalten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Vorschlag erzeugen, ein vorhandenes Tag von der Assoziation einer HVAC-Komponente mit einem ersten Raum zu einer Assoziation der HVAC-Komponente mit einem zweiten Raum zu ändern. In einigen Ausführungsformen beinhaltet Schritt 240 ein Sichtbarmachen des einen oder der mehreren vorgeschlagenen Tags zur manuellen Überprüfung (z. B. Anzeigen eines GUI-Elements für einen Benutzer usw.).
Bei Schritt 250 kann die Cloud-Gebäudemanagementplattform 140 Rückmeldung von der manuellen Überprüfung empfangen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Angabe empfangen, dass ein Benutzer ein vorgeschlagenes Tag bestätigt hat (z. B. durch Auswählen einer „Bestätigungs“-Option in einer GUI durch einen Benutzer usw.). In verschiedenen Ausführungsformen beinhaltet Schritt 250 ein Empfangen einer manuellen Einstellung eines vorgeschlagenen Tags von einem Benutzer. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einem Benutzer ein Tag, das ein erstes Attribut aufweist, vorschlagen und kann eine Rückmeldung von dem Benutzer erhalten, die angibt, dass das Tag ein zweites Attribut anstelle des ersten Attributs aufweisen sollte (z. B. assoziieren eines Ausrüstungsgegenstands mit einem zweiten Gebäuderaum anstatt mit einem ersten Gebäuderaum usw.). In einigen Ausführungsformen beinhaltet Schritt 250 ein Empfangen einer Benutzervalidierung des einen oder der mehreren vorgeschlagenen Tags. Zum Beispiel kann ein Benutzer bestätigen, dass ein vorgeschlagenes Tag richtig ist. In verschiedenen Ausführungsformen kann Schritt 250 ein Erhöhen einer Vertrauensmetrik, die mit einem Datenpunkt und/oder einem Tag assoziiert ist, basierend auf der empfangenen Rückmeldung beinhalten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Vertrauensmetrikwert, der mit einem Datenpunkt assoziiert ist, als Reaktion auf den Empfang einer Benutzerbestätigung, dass ein Tag des Datenpunkts gültig ist, erhöhen. In verschiedenen Ausführungsformen beinhaltet Schritt 250 ein Aktualisieren eines maschinellen Lernmodells basierend auf der empfangenen Rückmeldung. Zum Beispiel kann ein maschinelles Lernmodell bestimmen, dass Datenpunkte, die einen ersten Namen aufweisen, im Allgemeinen mit Ausrüstung eines ersten Typs assoziiert sind, die Cloud-Gebäudemanagementplattform 140 kann eine Benutzerrückmeldung erhalten, die angibt, dass ein Datenpunkt, der den ersten Namen aufweist, mit Ausrüstung eines zweiten Typs assoziiert ist, und kann das maschinelle Lernmodell basierend auf der Benutzerrückmeldung aktualisieren (z. B. sodass ein Vertrauen des maschinellen Lernmodells, das Datenpunkte, die den ersten Namen aufweisen, mit Ausrüstung eines ersten Typs assoziiert, reduziert wird usw.).
Bei Schritt 260 kann die Cloud-Gebäudemanagementplattform 140 eine zweite Anzahl von Datenpunkten in dem Gebäude empfangen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte basierend auf einem maschinellen Lernmodell identifizieren, das basierend auf Benutzerrückmeldung während Schritt 250 aktualisiert wurde (z. B., wenn das Aktualisieren des maschinellen Lernmodells veranlasst hat, das eine Anzahl von Vertrauensmetriken, die mit zuvor markierten Datenpunkten assoziiert sind, unter eine Schwelle fällt usw.). Bei Schritt 270 kann die Cloud-Gebäudemanagementplattform 140 unter Verwendung der Rückmeldung aus der manuellen Überprüfung automatisch mindestens einen Teil der zweiten Anzahl von Datenpunkten mit einem oder mehreren zweiten Tags markieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Rückmeldung erhalten, die angibt, dass Ausrüstung, die zuvor als in einem ersten Gebäude befindlich markiert war, sich tatsächlich in einem zweiten Gebäude befindet, und kann eine Anzahl von Tags aktualisieren, die mit Datenpunkten assoziiert sind, um widerzuspiegeln, dass die Datenpunkte mit dem zweiten Gebäude anstelle des ersten Gebäudes assoziiert sind. In verschiedenen Ausführungsformen beinhaltet Schritt 270 ein Aktualisieren eines oder mehrerer Datenpunkte, die mit einem anderen Gebäude assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 das Verfahren 200 für ein erstes Gebäude durchführen und kann eine während der Ausführung des Verfahrens 200 für das erste Gebäude erhaltene Rückmeldung verwenden, um ein oder mehrere Tags für ein zweites Gebäude zu aktualisieren (z. B. basierend auf der empfangenen Rückmeldung für das erste Gebäude vorgeschlagene Tags für das zweite Gebäude erzeugen usw.).
In einigen Ausführungsformen beinhaltet das Verfahren 200 ein Identifizieren unzuverlässiger Daten und/oder ein Bestimmen eines Ersatzes/Stellvertreters für unzuverlässige Daten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Driftzustand erkennen, der mit einem Ausrüstungsgegenstand assoziiert ist (z. B. unter Verwendung eines Fehlererkennungs- und Diagnosesystems usw.), kann eine Grundursache des Driftzustands identifizieren (z. B. unter Verwendung eines maschinellen Lernmodells, das auf historischen Betriebsdaten trainiert wurde, unter Verwendung einer Regelmaschine usw.) und kann einen Ersatz für Sensordaten identifizieren, die mit dem Ausrüstungsgegenstand assoziiert sind, basierend auf der identifizierten Grundursache. In einigen Ausführungsformen beinhaltet das Identifizieren unzuverlässiger Daten ein Analysieren einer Vertrauensmetrik und/oder einer Datenzustandsmetrik, die mit einer Entität assoziiert sind/ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 identifizieren, dass Energieverbrauchsdaten, die mit einem ersten Gebäude assoziiert sind, möglicherweise unzuverlässig sind, basierend darauf, dass das erste Gebäude einen niedrigen Datenzustandsmetrikwert aufweist. In einigen Ausführungsformen beinhaltet das Verfahren 200 ein Analysieren einer Kovarianz zwischen einer oder mehreren Entitäten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass ein erster Gebäudeausrüstungsgegenstand und ein zweiter Gebäudeausrüstungsgegenstand, die historisch hohe Kovarianzwerte aufweisen, plötzlich entkoppelt werden (z. B. nicht mehr korreliert sind usw.) und kann die Änderung eines Driftzustands identifizieren.
In einigen Ausführungsformen beinhaltet das Verfahren 200 ein Unterdrücken eines oder mehrerer Alarme. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzerrückmeldung (z. B. während Schritt 250 usw.) erhalten, die angibt, dass ein Gebäudeausrüstungsgegenstand unpassend konfiguriert wurde (z. B. ein falsches Tag aufweist usw.), und kann eine Anzahl von Alarmen unterdrücken, die mit dem Gebäudeausrüstungsgegenstand assoziiert sind, da die Alarme auf der falschen Konfiguration des Gebäudeausrüstungsgegenstands beruhten. In einigen Ausführungsformen beinhaltet das Verfahren 200 ein Identifizieren einer Anomalie, die mit einer Entität assoziiert ist, und/oder ein Bestimmen einer Ursache der Anomalie. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Änderung in einem Trend identifizieren, der mit Temperaturmessungen eines Zimmers assoziiert ist (z. B. wo die Temperaturmessungen von historischen Temperaturmessungen abweichen, usw.), und kann eine Grundursache der Trendänderung bestimmen (z. B. ein defekter Dämpfer, eine falsch konfigurierte Temperatursteuerung usw.). In verschiedenen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 identifizierte Anomalien automatisch beheben. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 automatisch eine falsch konfigurierte Temperatursteuerung korrigieren, die eine Temperaturanomalie in einem Zimmer veranlasst. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 die Anomalien einem Benutzer sichtbar machen (z. B. über eine GUI usw.).
In einigen Ausführungsformen beinhaltet das Verfahren 200 ein Einstellen einer oder mehrerer Regeln, die mit einem Gebäudemanagementsystem assoziiert sind. Zum Beispiel kann ein Gebäudemanagementsystem ein Fehlererkennungs- und - Fehlerdiagnosesystem (FDD) beinhalten, das konfiguriert ist, um Alarme basierend auf Ausrüstungsfehlern zu erzeugen, und die Cloud-Gebäudemanagementplattform 140 kann dynamisch eine oder mehrere Regeln einstellen, die von dem FDD-System verwendet werden, um Alarme zu erzeugen. In einigen Ausführungsformen beinhaltet das Verfahren 200 ein Erzeugen einer oder mehrerer Vorlagen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Ausrüstungsvorlage für einen HVAC-Ausrüstungsgegenstand erzeugen, die ein oder mehrere Attribute der HVAC-Ausrüstung spezifiziert (z. B. Tags, die mit der HVAC-Ausrüstung assoziiert sind, normale Betriebsbereiche der HVAC-Ausrüstung, einen Betriebsplan für die HVAC-Ausrüstung usw.).
Unter Bezugnahme auf 3 ist Schritt 210 nach einer beispielhaften Ausführungsform detaillierter gezeigt. Bei Schritt 212 kann die Cloud-Gebäudemanagementplattform 140 beschreibende Daten abrufen, die eine Entität beschreiben. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen „BACnet-Scan“ durchführen, um Kennungen abzurufen, die mit einer oder mehreren Gebäudesteuerungen assoziiert sind, die sich in einem Gebäude befinden. Bei Schritt 214 kann die Cloud-Gebäudemanagementplattform 140 eine semantische Extraktion an den beschreibenden Daten durchführen, um ein oder mehrere Attribute der Entität zu identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen NLP-Algorithmus auf einer Ausrüstungskennung ausführen, um einen Teil eines Gebäudes zu bestimmen, der mit einem Ausrüstungsgegenstand assoziiert ist. Bei Schritt 216 kann die Cloud-Gebäudemanagementplattform 140 basierend auf dem einen oder den mehreren Attributen einen oder mehrere Datenpunkte erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Datenstruktur innerhalb einer Graphdatenstruktur erzeugen, die einen digitalen Zwilling eines Gebäudes darstellt, der einen Datenpunkt darstellt, der mit einem Thermostat assoziiert ist, basierend auf einem Identifizieren einer Thermostatkennung aus den beschreibenden Daten. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt erzeugen, der einen Belegungssensor darstellt, und den Datenpunkt basierend auf dem Identifizieren einer Zimmerkennung in den beschreibenden Daten mit einem Zimmer assoziieren (z. B. über ein Tag usw.). In verschiedenen Ausführungsformen tritt Schritt 216 als Reaktion auf das Bestimmen auf, dass sich kein vorhandener Datenpunkt auf die Entität bezieht (z. B. muss daher ein neuer Datenpunkt erzeugt werden usw.). Bei Schritt 218 kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte basierend auf dem einen oder den mehreren Attributen identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Suche innerhalb einer Graphdatenstruktur unter Verwendung einer Kennung durchführen, die während Schritt 214 identifiziert wurde, um einen Datenpunkt abzurufen, der mit der Entität assoziiert ist. In verschiedenen Ausführungsformen beinhaltet Schritt 218 ein Identifizieren eines oder mehrerer vorhandener Datenpunkte, die mit einem Gebäude assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Ausrüstungskennung aus den beschreibenden Daten identifizieren und kann die Ausrüstungskennung verwenden, um einen Datenpunkt, der mit der Ausrüstungskennung assoziiert ist, aus einem Gebäudemodell wie beispielsweise einem digitalen Zwilling abzurufen.
Unter Bezugnahme auf 4 ist Schritt 220 nach einer beispielhaften Ausführungsform detaillierter gezeigt. Bei Schritt 410 kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte empfangen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt von einem Benutzer empfangen (z. B. über Auswahl des Datenpunkts unter Verwendung einer GUI usw.). Bei Schritt 420 kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell auf Kontextdaten ausführen, die mit dem einen oder den mehreren Datenpunkten assoziiert sind, um ein Tag zu erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein GPT-2-Modell ausführen, das unter Verwendung von Daten trainiert wurde, die Datenpunkte auf deren assoziierten Tags abbilden, um ein Tag für den einen oder die mehreren Datenpunkte zu erzeugen. In einigen Ausführungsformen beinhaltet Schritt 420 ein Erzeugen mehrerer Tags. In verschiedenen Ausführungsformen beinhalten die Kontextdaten Informationen wie beispielsweise einen Standort eines Datenpunkts, einen mit einem Datenpunkt assoziierten Ausrüstungsgegenstand, mit einem Datenpunkt assoziierte historische Betriebsparameter, eine Kennung des Datenpunkts und/oder dergleichen. In einigen Ausführungsformen beinhalten die Kontextdaten eine Vertrauensmetrik (z. B. eine Vertrauensmetrik, die mit einer Wahrscheinlichkeit assoziiert ist, dass ein vorhandenes Tag eines Datenpunkts gültig ist, usw.). In einigen Ausführungsformen beinhaltet Schritt 420 ein Erzeugen einer Vertrauensmetrik für das erzeugte Tag (z. B. basierend auf dem maschinellen Lernmodell usw.).
Bei Schritt 430 kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik, die mit dem Tag assoziiert ist, mit einer Schwelle vergleichen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Tag, das einen Vertrauensmetrikwert von 30 % aufweist, mit einer Schwelle vergleichen. In einigen Ausführungsformen ist die Schwelle statisch (z. B. ein fester Wert usw.). Zusätzlich oder alternativ kann die Vertrauensmetrik dynamisch sein (z. B. eine Änderung basierend auf einem Datenpunkttyp oder einem Ausrüstungstyp, der mit dem Datenpunkt assoziiert ist, usw.). Bei Schritt 434 kann die Cloud-Gebäudemanagementplattform 140 das Tag zur manuellen Überprüfung sichtbar machen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein während Schritt 420 erzeugtes Tag zur manuellen Überprüfung als Reaktion auf das Bestimmen, dass das Tag einen Vertrauensmetrikwert aufweist, der unter einem Schwellenwert liegt, sichtbar machen. In verschiedenen Ausführungsformen beinhaltet Schritt 434 ein Anzeigen einer grafischen Benutzerschnittstelle (GUI) für einen Benutzer. GUIs, die sich auf Datenpunkte und/oder Tags beziehen, werden nachstehend ausführlicher beschrieben.
Bei Schritt 432 kann die Cloud-Gebäudemanagementplattform 140 basierend auf dem Vergleich automatisch mindestens einen von dem einen oder den mehreren Datenpunkten mit dem Tag markieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 automatisch einen Datenpunkt mit dem Tag markieren, der von dem maschinellen Lernmodell als Reaktion auf das Bestimmen erzeugt wird, dass eine mit dem Tag assoziierte Vertrauensmetrik einen Schwellenwert überschreitet. Bei Schritt 440 kann die Cloud-Gebäudemanagementplattform 140 eine Umgebungsvariable des Gebäudes dynamisch steuern. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Temperatursollwert für einen Raum überschreiben, um eine Temperatur des Raums zu ändern. In verschiedenen Ausführungsformen ist die Umgebungsvariable mit dem einen oder den mehreren Datenpunkten und/oder dem Tag assoziiert. Zum Beispiel können der eine oder die mehreren Datenpunkte einen Datenpunkt beinhalten, der mit einem Thermostat in einem Raum assoziiert ist, und Schritt 440 kann ein Einstellen einer Temperatur des Raums beinhalten (z. B. durch Steuern von HVAC-Ausrüstung usw.).
Bei Schritt 450 kann die Cloud-Gebäudemanagementplattform 140 Sensormessungen von Sensoren überwachen, die mit dem Gebäude assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Temperatursensor überwachen, der mit einem Zimmer assoziiert ist (z. B. sich innerhalb des Zimmers befindet usw.). Bei Schritt 460 kann die Cloud-Gebäudemanagementplattform 140 bestimmen, ob die Sensormessungen mit einem erwarteten Verhalten übereinstimmen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine erwartete Kovarianz der Sensormessungen und der Änderung der Umgebungsvariablen mit einer tatsächlichen Kovarianz der Sensormessungen und der Änderung der Umgebungsvariablen vergleichen. Bei Schritt 470 (JA) kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass das Tag gültig ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 automatisch die Jalousien in einem Zimmer schließen, kann (z. B. über eine Kamera usw.) eine Menge an Umgebungslicht im Zimmer messen und kann bestimmen, ob eine Steuerung für die Jalousien auf dem richtigen Zimmer innerhalb eines Gebäudemodells abgebildet ist, basierend auf der Beobachtung, dass die Menge an Umgebungslicht im Zimmer als Reaktion auf das Schließen der Jalousien abnimmt. Bei Schritt 480 (NEIN) kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass das Tag nicht gültig ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Router automatisch von einer Internetverbindung trennen, kann Benutzervorrichtungen überwachen, die sich in einem vom Router versorgten Bereich befinden, um zu bestimmen, ob sie ihre Internetverbindung verlieren, und kann bestimmen, dass der Router falsch konfiguriert ist (z. B., ein falsches Tag aufweist, das den Router mit dem Standort assoziiert usw.), basierend auf der Beobachtung, dass keine der Benutzervorrichtungen wie erwartet ihre Internetverbindung verliert.
Unter Bezugnahme auf 5 ist Schritt 230 nach einer beispielhaften Ausführungsform detaillierter gezeigt. Bei Schritt 232 kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte empfangen. Bei Schritt 234 kann die Cloud-Gebäudemanagementplattform 140 eine oder mehrere Vertrauensmetriken abrufen, wobei jede der einen oder der mehreren Vertrauensmetriken mit mindestens einem von einem Tag des einen oder der mehreren Datenpunkte oder einem Datenpunkt des einen oder der mehreren Datenpunkte assoziiert ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik abrufen, die eine Wahrscheinlichkeit (z. B. ausgedrückt als ein Prozentsatz usw.) beschreibt, dass ein HVAC-Dämpfer richtig konfiguriert ist (z. B. als den richtigen Gebäuderaum bedienend markiert ist usw.).
Bei Schritt 236 kann die Cloud-Gebäudemanagementplattform 140 jede der einen oder der mehreren Vertrauensmetriken mit einer Schwelle vergleichen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik mit einem Schwellenbereich vergleichen, der einen akzeptablen Bereich darstellt (z. B. einen Bereich, bei dem ein Tag eher wahrscheinlich als falsch ist usw.). In einigen Ausführungsformen beinhaltet Schritt 236 ein Vergleichen der Vertrauensmetrik mit einer Anzahl von Bereichen. Bei Schritt 238 kann die Cloud-Gebäudemanagementplattform 140 basierend auf dem Vergleich mindestens einen von dem einen oder den mehreren Datenpunkten zur manuellen Überprüfung auswählen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass eine Anzahl von Datenpunkten, die assoziierte Vertrauensmetriken aufweisen, die unter einer Schwelle von 50 % liegen, manuell auf Genauigkeit überprüft werden sollten.
Unter Bezugnahme auf 6 ist Schritt 240 nach einer beispielhaften Ausführungsform ausführlicher gezeigt. Bei Schritt 610 kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte empfangen. Bei Schritt 620 kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell auf Kontextdaten ausführen, die mit dem einen oder den mehreren Datenpunkten assoziiert sind, um ein vorgeschlagenes Tag zu erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen AI-Klassifikator auf Betriebsdaten ausführen, die mit dem einen oder den mehreren Datenpunkten assoziiert sind, um ein vorgeschlagenes Tag zu erzeugen, das einen Ausrüstungstyp beschreibt, mit dem der eine oder die mehreren Datenpunkte assoziiert sind. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 bei Schritt 630 eine Umgebungsvariable des Gebäudes dynamisch steuern. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 automatisch Lichter in einem bestimmten Raum eines Gebäudes ausschalten, der mit dem einen oder den mehreren Datenpunkten assoziiert ist. Bei Schritt 640 kann die Cloud-Gebäudemanagementplattform 140 Sensormessungen von Sensoren überwachen, die mit dem Gebäude assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Lichtsensor überwachen, der in einem Zimmer positioniert ist.
Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 bei Schritt 650 eine oder mehrere Entitäten identifizieren, die richtig markiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte abrufen, die ein Benutzer zuvor validiert hat (z. B. Validieren eines oder mehrerer Tags, die mit dem einen oder den mehreren Datenpunkten assoziiert sind, usw.). Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt mit einem hohen Vertrauensmetrikwert (z. B. 90 %, 100 % usw.) abrufen. Bei Schritt 660 kann die Cloud-Gebäudemanagementplattform 140 den Betrieb der einen oder der mehreren Entitäten modifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform eine Datenstruktur abrufen, die einen Thermostat darstellt, der richtig markiert ist (z. B. markiert als eine bestimmte Komponente eines HVAC-Systems steuernd usw.) und kann einen mit dem Thermostat assoziierten Temperatursollwert modifizieren. Bei Schritt 670 kann die Cloud-Gebäudemanagementplattform 140 Sensormessungen überwachen, die mit einem Datenpunkt assoziiert sind, der durch den modifizierten Betrieb beeinflusst wird. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Temperatursensor in einem Zimmer überwachen, der durch eine Änderung des Temperatursollwerts beeinflusst wird.
Bei Schritt 680 kann die Cloud-Gebäudemanagementplattform 140 basierend auf den überwachten Sensormessungen ein vorgeschlagenes Tag erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 als Reaktion auf das Beobachten einer Korrelation zwischen Lichtmessungen im Zimmer und einem Befehl zum Ändern der Beleuchtungsbedingungen im Zimmer einen Vorschlag zum Markieren einer Lichtsteuerung als mit einem bestimmten Zimmer assoziiert erzeugen. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Vorschlag zum Einstellen eines Tags für einen Temperatursensor von mit einem ersten Zimmer assoziiert sein zu mit einem zweiten Zimmer assoziiert sein erzeugen, als Reaktion auf das Messen einer Korrelation zwischen einer Änderung eines Temperatursollwerts, der mit einem Thermostat assoziiert ist und von dem bekannt ist, dass er richtig, als sich auf das erste Zimmer beziehend, markiert ist, und Temperaturmessungen, die mit dem Temperatursensor assoziiert sind (z. B. wenn die Temperaturmessungen die Änderung des Temperatursollwerts nicht widerspiegeln usw.).
Unter Bezugnahme auf 7 ist Schritt 250 nach einer beispielhaften Ausführungsform detaillierter gezeigt. Bei Schritt 252 kann die Cloud-Gebäudemanagementplattform 140 Rückmeldung von einem oder mehreren Benutzern bezüglich eines oder mehrerer vorgeschlagener Tags empfangen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzervalidierung eines vorgeschlagenen Tags empfangen. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Einstellung eines vorgeschlagenen Tags von einem Benutzer empfangen (z. B. ein Benutzer, der ein Tag ändert, das einen HVAC-Ausrüstungsgegenstand mit einem ersten Raum assoziiert, um den HVAC-Ausrüstungsgegenstand mit einem zweiten Raum zu assoziieren, usw.). Bei Schritt 254 kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik aktualisieren, die eine Wahrscheinlichkeit beschreibt, dass ein Tag des einen oder der mehreren vorgeschlagenen Tags basierend auf der Rückmeldung gültig ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Vertrauensmetrikwert, der mit dem Tag assoziiert ist, als Reaktion auf den Empfang von Benutzerrückmeldung, die das Tag verifiziert, erhöhen. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Vertrauensmetrikwert, der mit einem Tag assoziiert ist, als Reaktion darauf reduzieren, dass ein Benutzer angibt, dass das vorgeschlagene Tag nicht gültig ist.
Bei Schritt 256 kann die Cloud-Gebäudemanagementplattform 140 eine Gebäudezustandsmetrik basierend auf der aktualisierten Vertrauensmetrik aktualisieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Gebäudezustandsmetrik aktualisieren, die ein aggregiertes Vertrauensniveau der Wahrscheinlichkeit beschreibt, dass Tags in einem Gebäudemodell, das sich auf ein Gebäude bezieht, richtig sind. In verschiedenen Ausführungsformen beinhaltet Schritt 256 ein Berechnen eines aggregierten Werts unter Verwendung einer Anzahl von Vertrauensmetriken, die mit Datenpunkten und/oder Tags in einem Gebäudemodell assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 10.000 Vertrauensmetriken aggregieren, die mit Datenpunkten assoziiert sind, die in einem Gebäudemodell für ein Bürogebäude beinhaltet sind. Bei Schritt 258 kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell aktualisieren, das verwendet wird, um ein Tag des einen oder der mehreren vorgeschlagenen Tags basierend auf der Rückmeldung zu erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell unter Verwendung der Rückmeldung mindestens zum Teil neu trainieren. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 basierend auf der Rückmeldung eine oder mehrere Gewichtungen aktualisieren, die mit Knoten in einem neuronalen AI-Netzwerk assoziiert sind.
Unter Bezugnahme auf 8 ist Schritt 270 nach einer beispielhaften Ausführungsform detaillierter gezeigt. Bei Schritt 272 kann die Cloud-Gebäudemanagementplattform 140 Rückmeldung von einem oder mehreren Benutzern bezüglich eines oder mehrerer vorgeschlagener Tags erhalten, die mit einem Gebäude assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzerrückmeldung empfangen, die ein vorgeschlagenes Tag validiert (z. B. bestätigt, dass das vorgeschlagene Tag richtig ist, usw.). Bei Schritt 274 kann die Cloud-Gebäudemanagementplattform 140 ein Datenanalytikmodell für ein anderes Gebäude als das Gebäude identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Gebäudemodell abrufen, das sich auf ein anderes Gebäude bezieht, das dem Gebäude ähnlich ist (z. B. ein oder mehrere Merkmale gemeinsam hat, wie beispielsweise Größe, Standort, Nutzung usw.). In einigen Ausführungsformen identifiziert die Cloud-Gebäudemanagementplattform 140 das Datenanalytikmodell aus der Gebäudemodelldatenbank 180.
Bei Schritt 276 kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere Datenpunkte für das andere Gebäude identifizieren, die dem einen oder den mehreren Datenpunkten des Gebäudes ähnlich sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 aus dem Datenanalytikmodell für das andere Gebäude einen oder mehrere Datenpunkte abrufen, die mit einem Thermostat assoziiert sind, der von einem ähnlichen Typ wie ein Thermostat in dem Gebäude ist. Bei Schritt 278 kann die Cloud-Gebäudemanagementplattform 140 den einen oder die mehreren Datenpunkte für das andere Gebäude basierend auf mindestens einem von dem einen oder den mehreren Datenpunkten des Gebäudes oder der Rückmeldung aktualisieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Rückmeldung empfangen, die angibt, dass HVAC-Ausrüstung, die zuvor als von einem ersten Typ markiert wurde, tatsächlich von einem zweiten Typ ist, und kann den einen oder die mehreren Datenpunkte für das andere Gebäude basierend auf der Rückmeldung aktualisieren. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass Datenpunkte, die mit einem ersten Ausrüstungstyp assoziiert sind, in einem ersten Gebäudemodell als auf einen ersten Lieferanten bezogen markiert sind, und kann ein zweites Gebäudemodell aktualisieren, um die Datenpunkte des zweiten Gebäudemodells, die mit dem ersten Ausrüstungstyp assoziiert sind, auszurichten, um die Beziehung zum ersten Lieferanten widerzuspiegeln.
Unter Bezugnahme auf 9 ist nach einer beispielhaften Ausführungsform ein Verfahren 900 zum Erzeugen eines Vorschlags in Bezug auf einen oder mehrere Datenpunkte gezeigt. In verschiedenen Ausführungsformen führt die Cloud-Gebäudemanagementplattform 140 das Verfahren 900 durch. Zusätzlich oder alternativ kann jedes andere System wie beispielsweise das Gebäudemanagementsystem 102 das Verfahren 900 durchführen. Bei Schritt 910 kann die Cloud-Gebäudemanagementplattform 140 Sensorinformationen empfangen, die mit einem ersten Datenpunkt eines ersten Typs assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Temperatursensormessungen empfangen, die mit einem Datenpunkt assoziiert sind, der sich auf einen Thermostat eines ersten Modells bezieht. Bei Schritt 920 kann die Cloud-Gebäudemanagementplattform 140 die empfangenen Sensorinformationen mit erwarteten Sensorinformationen vergleichen, die mit einem Datenpunkt des ersten Typs assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 die empfangenen Temperaturmessungen, die mit einem Raum assoziiert sind, mit erwarteten Temperaturmessungen vergleichen, die mit dem Raum assoziiert sind, die von einem maschinellen Lernmodell erzeugt werden, das auf historischen Temperaturdaten für den Raum trainiert wurde. In einigen Ausführungsformen beinhalten die erwarteten Sensorinformationen ein Maß der Varianz und/oder der statistischen Streuung. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 die empfangenen Sensorinformationen mit einem Mittelwert vergleichen, der mit ähnlichen Sensorinformationen in einer historischen Datenbank assoziiert ist, um zu bestimmen, wie viele Standardabweichungen von dem Mittelwert der empfangenen Sensorinformationen es gibt.
Bei Schritt 930 kann die Cloud-Gebäudemanagementplattform 140 basierend auf dem Vergleich bestimmen, dass der erste Datenpunkt unzuverlässig ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass die empfangenen Sensorinformationen um einen Schwellenbetrag (z. B. eine Schwellenkovarianz usw.) abweichen, wodurch angegeben wird, dass der erste Datenpunkt unzuverlässig ist. In einigen Ausführungsformen beinhaltet Schritt 930 ein Vergleichen eines Maßes der Varianz und/oder der statistischen Streuung, das mit den empfangenen Sensorinformationen assoziiert ist, mit einem Schwellenwert für die statistische Streuung, wie beispielsweise einer Schwellenanzahl von Standardabweichungen.
Bei Schritt 940 kann die Cloud-Gebäudemanagementplattform 140 einen zweiten Datenpunkt als Ersatz für den ersten Datenpunkt identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen zweiten Temperatursensor identifizieren, der sich im selben Zimmer wie ein erster Temperatursensor befindet, der als Ersatz/Stellvertreter für den ersten Temperatursensor dienen kann (z. B. dort, wo Temperaturmessungen von dem zweiten Temperatursensor verwendet werden können, um Temperaturmessungen des ersten Temperatursensors in einem Gebäudemodell zu ersetzen usw.). In verschiedenen Ausführungsformen beinhaltet Schritt 940 ein Identifizieren eines zweiten Datenpunkts, der eine oder mehrere Eigenschaften mit dem ersten Datenpunkt teilt. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen zweiten Datenpunkt identifizieren, der ein Tag aufweist, das angibt, dass sich ein mit dem zweiten Datenpunkt assoziierter Ausrüstungsgegenstand im selben Gebäuderaum wie ein erster Datenpunkt befindet, für den der zweite Datenpunkt als ein Ersatz agieren wird. In verschiedenen Ausführungsformen beinhaltet Schritt 940 ein Identifizieren eines zweiten Datenpunkts, der einen höheren Vertrauensmetrikwert als eine Vertrauensmetrik des ersten Datenpunkts aufweist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen zweiten Datenpunkt identifizieren, der einen assoziierten Vertrauensmetrikwert von 80 % aufweist, der größer ist als der Vertrauensmetrikwert von 20 % für einen ersten Datenpunkt.
Bei Schritt 950 kann die Cloud-Gebäudemanagementplattform 140 mindestens eines von einer Zustandsmetrik, die eine Gültigkeit von Informationen innerhalb eines Datenanalytikmodells beschreibt, oder einer Vertrauensmetrik, die eine Wahrscheinlichkeit beschreibt, dass ein Tag des unzuverlässigen ersten Datenpunkts gültig ist, basierend auf einem Bestimmen, dass der erste Datenpunkt unzuverlässig ist, erzeugen und/oder aktualisieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik des ersten Datenpunkts aktualisieren, um anzugeben, dass der erste Datenpunkt unzuverlässig ist (z. B. einen niedrigen Vertrauensmetrikwert aufweist usw.). Bei Schritt 960 kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere zusätzliche Datenpunkte identifizieren, die sich auf mindestens eine von der Zustandsmetrik oder der Vertrauensmetrik auswirken können. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt identifizieren, der sich auf einen Temperatursensor in demselben Zimmer wie ein Thermostat bezieht, und kann eine Vertrauensmetrik abrufen, die mit dem Datenpunkt assoziiert ist. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt identifizieren, der noch eingerichtet werden muss, von dem jedoch erwartet wird, dass er angesichts gegebener Kontextparameter vorhanden ist, die mit einem Raum assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt identifizieren, der mit einem Thermostat assoziiert ist, von dem die Cloud-Gebäudemanagementplattform 140 vorhersagen würde, dass er in einem Zimmer vorhanden ist, der aber noch nicht eingerichtet wurde (z. B. innerhalb eines Gebäudemodells eingerichtet usw.).
Bei Schritt 970 kann die Cloud-Gebäudemanagementplattform 140 einen Vorschlag erzeugen, um den einen oder die mehreren zusätzlichen Datenpunkte zu erhalten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Vorschlag zum Integrieren eines Sicherheitsteilsystems in ein Gebäudemodell erzeugen, um ein Vertrauen zu erhöhen, das mit einer Anzahl von Tags assoziiert ist, die sich auf Anwesenheitssensoren beziehen. In verschiedenen Ausführungsformen beinhaltet Schritt 970 ein Anzeigen einer GUI für einen Benutzer. Zum Beispiel kann Schritt 970 ein Anzeigen einer GUI für einen Benutzer beinhalten, die einen oder mehrere zusätzliche Datenpunkte auflistet, die der Benutzer konfigurieren kann (z. B. zum Gebäudemodell hinzufügen usw.), um einen mit einem Datenpunkt assoziierten Vertrauensmetrikwert zu erhöhen.
In einigen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 bei Schritt 980 einen oder mehrere Alarme in Bezug auf den unzuverlässigen Datenpunkt unterdrücken. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 automatisch eine Anzahl von FDD-Alarmen unterdrücken, die unter Verwendung von Sensormessungen erzeugt wurden, die von dem unzuverlässigen Datenpunkt erhalten wurden. In verschiedenen Ausführungsformen beinhaltet das Unterdrücken eines Alarms ein Entfernen des Alarms von einer Benutzerschnittstelle. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Alarmbenachrichtigung löschen, die sich auf einen Ausrüstungsgegenstand bezieht, der mit dem unzuverlässigen Datenpunkt assoziiert ist.
Bezugnehmend auf 10A-10B ist nach einer beispielhaften Ausführungsform ein Verfahren 1000 zum Identifizieren einer Anomalie und/oder zum Durchführen einer mindestens zum Teil auf der identifizierten Anomalie basierenden Aktion gezeigt. In verschiedenen Ausführungsformen führt die Cloud-Gebäudemanagementplattform 140 das Verfahren 1000 durch. Bei Schritt 1010 kann die Cloud-Gebäudemanagementplattform 140 Kontextinformationen sammeln, die mit einem ersten Datenpunkt eines ersten Gebäudes assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Luftströmungsmessungen abrufen, die mit einer Lufthandhabungseinheit (AHU) assoziiert sind. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Temperatursollwertplan abrufen, der mit einem Raum assoziiert ist. In einigen Ausführungsformen beinhalten die Kontextinformationen historische Betriebsdaten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Dämpfereinstellungen für ein HVAC-System eines ersten Typs aus einem Gebäudemodell für ein anderes Gebäude, das das HVAC-System des ersten Typs aufweist, abrufen. Bei Schritt 1022 kann die Cloud-Gebäudemanagementplattform 140 ein Modell auf den Kontextinformationen ausführen, um einen zukünftigen Betriebszustand zu bestimmen, der mit dem ersten Datenpunkt assoziiert ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell ausführen, um eine zukünftige Anzahl von Temperaturmessungen, die mit einem Raum assoziiert sind, basierend auf dem Temperatursollwertplan für den Raum vorherzusagen.
Bei Schritt 1024 kann die Cloud-Gebäudemanagementplattform 140 die Kontextinformationen mit dem zukünftigen Betriebszustand vergleichen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine gemessene Temperatur von einem Raum mit einer vorhergesagten Temperatur vergleichen, die von einem AI-Modell erzeugt wird. In einigen Ausführungsformen beinhaltet Schritt 1024 ein Bestimmen einer Betriebssequenz für den ersten Datenpunkt. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass ein Rauchmelder nacheinander durch Zustand A, Zustand B und Zustand C gegangen ist. Bei Schritt 1026 kann die Cloud-Gebäudemanagementplattform 140 basierend auf dem Vergleich einen Driftzustand identifizieren, der mit dem ersten Datenpunkt assoziiert ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Driftzustand als Reaktion auf die Bestimmung identifizieren, dass eine gemessene Temperatur für einen Raum um einen Schwellenbetrag von einer vorhergesagten Temperatur abweicht (z. B. basierend auf dem Vergleich in Schritt 1024 usw.). In verschiedenen Ausführungsformen gibt der Driftzustand einen Übergang von einem erwarteten Verhalten zu einem unerwarteten Verhalten an. In einigen Ausführungsformen beinhaltet Schritt 1026 ein Identifizieren eines Driftzustands basierend auf einer Zustandsübergangssequenz. Zum Beispiel kann ein Gebäudemodell eine Matrix von Zustandsübergangssequenzen beinhalten, die als sichere Sequenzen und Driftsequenzen darstellend gekennzeichnet sind, und die Cloud-Gebäudemanagementplattform 140 kann einen Driftzustand identifizieren als Reaktion auf das Identifizieren des ersten Datenpunkts, der eine der Driftsequenzen erfährt.
Zusätzlich oder alternativ zu den Schritten 1022-1026 kann die Cloud-Gebäudemanagementplattform 140 bei Schritt 1028 historische Daten abrufen, die mit mindestens einem von dem ersten Datenpunkt oder einem oder mehreren verwandten Datenpunkten assoziiert sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 historische Sicherheitszugriffsanfragen abrufen, die mit einem Datenpunkt assoziiert sind, der eine Zugriffssteuerungsvorrichtung (z. B. ein intelligentes Türschloss, eine Türsteuerung usw.) darstellt. Bei Schritt 1030 kann die Cloud-Gebäudemanagementplattform 140 die Kontextinformationen mit den abgerufenen historischen Daten vergleichen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Nähe von Mitarbeiterarbeitsräumen zu einer Zugriffssteuerungsvorrichtung in einem historischen Protokoll mit der Nähe von Mitarbeiterarbeitsräumen zu dem Zugriffssteuerungsvorrichtung über die letzte Woche vergleichen (z. B., um zu bestimmen, ob die Gruppe von Personen, die eine bestimmte Tür verwenden, sich im Laufe der Zeit verändert hat usw.).
Bei Schritt 1032 kann die Cloud-Gebäudemanagementplattform 140 basierend auf dem Vergleich eine mit dem ersten Datenpunkt assoziierte Anomalie identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Anomalie als Reaktion auf die Bestimmung identifizieren, dass eine Temperatur eines Raums die historische Temperatur für den Raum um mehrere Standardabweichungen übersteigt. In verschiedenen Ausführungsformen bezieht sich die Anomalie auf den ersten Datenpunkt. Zum Beispiel kann sich der erste Datenpunkt auf einen Temperatursensor für ein Zimmer beziehen und die erste Anomalie kann eine Hochtemperaturanomalie sein.
Zusätzlich oder alternativ zu den Schritten 1022-1026 und/oder den Schritten 1028-1032 kann die Cloud-Gebäudemanagementplattform 140 bei Schritt 1034 einen zweiten Datenpunkt abrufen, der mit einer Entität assoziiert ist, die mit dem ersten Datenpunkt in Beziehung steht. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt abrufen, der mit einem Temperatursensor desselben Typs assoziiert ist wie ein Temperatursensor, der mit einem zweiten Datenpunkt assoziiert ist. In verschiedenen Ausführungsformen teilt die mit dem ersten Datenpunkt in Beziehung stehende Entität eine oder mehrere Eigenschaften (z. B. Entitätstyp, Entitätsstandort usw.) mit einer mit dem zweiten Datenpunkt in Beziehung stehenden Entität.
Bei Schritt 1036 kann die Cloud-Gebäudemanagementplattform 140 eine Kovarianz zwischen dem ersten Datenpunkt und dem zweiten Datenpunkt berechnen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Kovarianz zwischen Temperaturmessungen eines ersten Thermostats, der mit dem ersten Datenpunkt assoziiert ist, und Temperaturmessungen eines zweiten Thermostats, der mit dem zweiten Datenpunkt assoziiert ist, berechnen. Bei Schritt 1038 kann die Cloud-Gebäudemanagementplattform 140 eine Änderung in einem Trend identifizieren, der mit dem ersten Datenpunkt assoziiert ist, basierend auf mindestens einer Änderung in der Kovarianz zwischen dem ersten Datenpunkt und dem zweiten Datenpunkt oder den Kontextinformationen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass zwei Beleuchtungssteuerungen im Allgemeinen den gleichen Zeitplan aufweisen (z. B. gibt es eine hohe Kovarianz in den Zeitplänen der zwei Beleuchtungssteuerungen usw.) und dass sich die Zeitpläne der zwei Beleuchtungssteuerungen plötzlich dramatisch unterscheiden, und kann die Änderung als eine Änderung in einem Trend identifizieren, der mit einem Datenpunkt assoziiert ist, der mit einer der Beleuchtungssteuerungen assoziiert ist.
Bei Schritt 1020 kann die Cloud-Gebäudemanagementplattform 140 eine Anomalie identifizieren, die mit dem ersten Datenpunkt assoziiert ist. In verschiedenen Ausführungsformen beinhaltet Schritt 1020 ein Durchführen eines der Schritte 1022-1038. Zusätzlich oder alternativ kann Schritt 1020 andere Prozesse beinhalten, wie hierin beschrieben. In verschiedenen Ausführungsformen kann die Anomalie einen Driftzustand und/oder eine Trendänderung beinhalten. Bei Schritt 1040 kann die Cloud-Gebäudemanagementplattform 140 historische Betriebsdaten von mindestens einem von dem ersten Gebäude oder einem zweiten Gebäude, das eine Schwelle gemeinsamer Merkmale mit dem ersten Gebäude aufweist, abrufen. In verschiedenen Ausführungsformen beinhaltet Schritt 1040 ein Abrufen von Informationen aus einem Gebäudemodell (z. B. einem Gebäudemodell wie beispielsweise einem digitalen Zwilling des ersten Gebäudes und/oder des zweiten Gebäudes usw.). Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 historische Kohlenmonoxidmessungen aus einem Gebäudemodell abrufen, das mit dem zweiten Gebäude assoziiert ist.
Bei Schritt 1050 kann die Cloud-Gebäudemanagementplattform 140 eine Ursache der Anomalie basierend auf den historischen Betriebsdaten identifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass ein fehlerhafter HVAC-Dämpfer eine mit einem Raum assoziierte Hochtemperaturanomalie veranlasst. In verschiedenen Ausführungsformen beinhaltet die Ursache mindestens eines von einem falschen Tag, einem Vorrichtungsfehler, einer unerwarteten Konfiguration oder einer Änderung in mindestens einem von dem ersten Gebäude, einem Raum des ersten Gebäudes oder einer Nutzung eines Raums des erstes Gebäude. Die Ursache kann zum Beispiel ein Thermostat sein, das als mit einem ersten Zimmer in Beziehung stehend markiert ist, obwohl er in Wirklichkeit mit einem zweiten Zimmer in Beziehung steht. Als ein anderes Beispiel kann die Ursache ein fehlerhafter Ausrüstungsgegenstand sein. Als ein anderes Beispiel kann die Ursache eine Zugangssteuerungsvorrichtung sein, die konfiguriert ist, um eine Zugang-Positiv-Liste (z. B. eine Datenbank, die angibt, wer Zugang zu Räumen innerhalb eines Gebäudes hat usw.) für ein anderes Gebäude als das Gebäude, das mit der Zugangssteuerungsvorrichtung assoziiert ist, zu verwenden (z. B. das falsche Gebäude usw.). Als ein anderes Beispiel kann die Ursache ein Zimmer eines Gebäudes sein, das früher als ein Konferenzzimmer genutzt wurde, jetzt aber als ein Arbeitsraum genutzt wird.
In verschiedenen Ausführungsformen beinhaltet das Verfahren 1000 das Durchführen einer oder mehrerer Aktionen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bei Schritt 1060 einen Vorschlag zum Ändern eines Attributs einer Regel zum Auslösen von Fehlern basierend auf der Ursache erzeugen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass ein akzeptabler Temperaturbereich für ein Zimmer zu eng gesetzt wurde, und kann einen Vorschlag erzeugen, den Bereich akzeptabler Temperaturen für den Raum zu vergrößern (z. B., um zukünftige Fehlalarme usw. zu reduzieren). Bei Schritt 1070 kann die Cloud-Gebäudemanagementplattform 140 einem Benutzer mindestens eines von der Ursache oder der Anomalie anzeigen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einem Benutzer eine GUI anzeigen, die die Nachricht beinhaltet: „Luftfilter muss ersetzt werden, bitte ersetzen, um Luftpartikelalarme zu reduzieren.“ Bei Schritt 1080 kann die Cloud-Gebäudemanagementplattform 140 automatisch das falsche Tag aktualisieren oder automatisch eine Vorrichtungskonfiguration einer Vorrichtung aktualisieren, die mit dem ersten Datenpunkt assoziiert ist, um die Anomalie zu adressieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Tag aktualisieren, das in einem Gebäudemodell beinhaltet ist, um einen Datenpunkt von einer Assoziation mit einem ersten Raum zu einer Assoziation mit einem zweiten Raum zu ändern. Bei Schritt 1090 kann die Cloud-Gebäudemanagementplattform 140 ein Fehleridentifikationsmodell unter Verwendung der Kontextinformationen basierend auf der Ursache aktualisieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein FDD-Modell aktualisieren, um einen oder mehrere Parameter zu ändern, die mit dem Identifizieren eines HVAC-Alarms assoziiert sind, basierend auf dem Bestimmen, dass die Ursache eine falsche untere Temperaturalarmschwelle ist.
Unter Bezugnahme auf 11 ist eine Benutzerschnittstelle 1100 zum Kennzeichnen eines Datenpunkts nach einer beispielhaften Ausführungsform gezeigt. In verschiedenen Ausführungsformen zeigt die Cloud-Gebäudemanagementplattform 140 die Benutzerschnittstelle 1100 als Reaktion auf den Empfang von Daten an, die eine oder mehrere Entitäten darstellen, die in ein Gebäudemodell wie beispielsweise einen digitalen Zwilling eingearbeitet werden sollen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Tabelle empfangen, die Zeichenfolgen und Daten beinhaltet, und kann eine semantische Extraktion an den Zeichenfolgen durchführen, um eine Gebäudeausrüstungskennung innerhalb einer Zeichenfolge zu identifizieren, einen Datenpunkt zu erzeugen, der einem durch die Gebäudeausrüstungskennung identifizierten Gebäudeausrüstungsgegenstand entspricht, und die Daten auf dem Datenpunkt abzubilden. In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1100 einen Datenpunkt 1110 und einen oder mehrere Parameter 1120. Zum Beispiel kann die Benutzerschnittstelle 1100 einen Datenpunkt wie beispielsweise eine Ausrichtungskennung beinhalten, die einen HVAC-Ausrüstungsgegenstand darstellt. Die Parameter 1120 können einem oder mehreren Tags entsprechen, die mit dem Datenpunkt 1110 assoziiert sind. Zum Beispiel kann ein mit einem Thermostat assoziierter Datenpunkt einen ersten Parameter beinhalten, der einen Entitätstyp (z. B. Thermostat usw.) beschreibt, und einen zweiten Parameter, der einen Raum in einem Gebäude beschreibt (z. B. Zimmer 2) und einen dritten Parameter, der ein Gebäude beschreibt (z. B. Gebäude 4E). In verschiedenen Ausführungsformen entsprechen die Parameter 1120 einem oder mehreren Tags, die mit dem Datenpunkt 1110 assoziiert sind.
In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1100 eine Empfehlung für Parameter 1120. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell auf Kontextinformationen ausführen, die mit dem Datenpunkt 1110 assoziiert sind, um ein oder mehrere vorgeschlagene Tags für den Datenpunkt 1110 zu identifizieren, und kann das eine oder die mehreren vorgeschlagenen Tags als Parameter 1120 anzeigen. Zusätzlich oder alternativ kann die Benutzerschnittstelle 1100 es einem Benutzer erleichtern, die Parameter 1120 manuell einzustellen. Zum Beispiel kann ein Benutzer einen anderen Parameter aus einem Dropdown-Menü auswählen, das mit den Parametern 1120 assoziiert ist. In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1100 Vertrauensmetrik 1130, die eine Wahrscheinlichkeit beschreibt, dass die Parameter 1120, die mit dem Datenpunkt 1110 assoziiert sind, akkurat sind. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Kontextinformationen analysieren, die mit dem Datenpunkt 1110 assoziiert sind, um die Vertrauensmetrik 1130 zu erzeugen. In verschiedenen Ausführungsformen wird die Vertrauensmetrik 1130 basierend auf der Kombination/Auswahl von Parametern 1120 aktualisiert. In verschiedenen Ausführungsformen ist die Vertrauensmetrik 1130 ein interaktives Element. Zum Beispiel kann ein Benutzer einen Cursor über die Vertrauensmetrik 1130 bewegen, um zusätzliche Informationen anzusehen, die damit assoziiert sind, wie die Vertrauensmetrik erzeugt wurde und/oder wie ein Wert der Vertrauensmetrik erhöht werden kann.
In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1100 eine oder mehrere Optionen 1140. Die Optionen 1140 können einem Benutzer das Aktualisieren eines Gebäudemodells erleichtern. Zum Beispiel können die Optionen 1140 eine „Ja“-Option und/oder eine „Nein“-Option beinhalten, um den Datenpunkt 1110 unter Verwendung der Parameter 1120 zu markieren. In verschiedenen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 als Reaktion auf eine Benutzerauswahl einer „Ja“-Option ein Gebäudemodell aktualisieren, um den Datenpunkt 1110 unter Verwendung von Parametern 1120 zu markieren. In verschiedenen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 als Reaktion auf eine Benutzerauswahl einer „Nein“-Option ein Gebäudemodell nicht aktualisieren. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik, die mit dem Datenpunkt 1110 assoziiert ist, und/oder ein oder mehrere Tags, die mit dem Datenpunkt 1110 assoziiert sind, basierend auf einer Benutzerinteraktion mit den Optionen 1140 aktualisieren.
Unter Bezugnahme auf 12 ist nach einer beispielhaften Ausführungsform die Benutzerschnittstelle 1200 zum Kennzeichnen eines Datenpunkts gezeigt. In verschiedenen Ausführungsformen zeigt die Cloud-Gebäudemanagementplattform 140 die Benutzerschnittstelle 1200 als Reaktion auf den Empfang von Daten an, die eine oder mehrere Entitäten darstellen, die in ein Gebäudemodell wie beispielsweise einen digitalen Zwilling eingearbeitet werden sollen. Die Benutzerschnittstelle 1200 beinhaltet wie gezeigt einen Datenpunkt 1210 und eine oder mehrere Konfigurationen 1220. Jede der Konfigurationen 1220 kann einen oder mehrere Parameter 1224 und eine Vertrauensmetrik 1226 beinhalten. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 basierend auf einem maschinellen Lernmodell die Konfigurationen 1220. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Konfigurationen 1220 erzeugen, die eine Anzahl möglicher Tags darstellen, die mit dem Datenpunkt 1210 assoziiert sind. In verschiedenen Ausführungsformen kann ein Benutzer eine der Konfigurationen 1220 auswählen, um anzugeben, dass der Benutzer wünscht, die ausgewählte Konfiguration auf den Datenpunkt 1210 anzuwenden.
In verschiedenen Ausführungsformen können die Parameter 1224 einem oder mehreren Tags entsprechen, die mit dem Datenpunkt 1210 assoziiert sind. Zum Beispiel kann ein Datenpunkt, der mit einem Thermostat assoziiert ist, einen ersten Parameter beinhalten, der einen Entitätstyp (z. B. Thermostat usw.) beschreibt, einen zweiten Parameter, der einen Raum innerhalb eines Gebäudes (z. B. Zimmer 2) beschreibt, und einen dritten Parameter, der ein Gebäude (z. B. Gebäude 4E) beschreibt. In verschiedenen Ausführungsformen sind die Parameter 1224 interaktive Elemente. Zum Beispiel kann ein Benutzer auf einen der Parameter 1224 klicken, um eine Vorlage zu öffnen, die mit dem ausgewählten Parame- ter assoziiert ist (z. B. eine Vorrichtungsvorlage für einen Thermostat usw.). Zusätzlich oder alternativ kann ein Bewegen des Mauszeigers über die Parameter 1224 zusätzliche Informationen anzeigen, die mit dem Parameter assoziiert sind. In verschiedenen Ausführungsformen beschreibt die Vertrauensmetrik 1226 eine Wahrscheinlichkeit, dass jede der Konfigurationen 1220 akkurat ist.
In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1200 eine oder mehrere Optionen 1230. Zum Beispiel können die Optionen 1230 eine „Akzeptieren“-Option, eine „Erneut analysieren“-Option und/oder eine „Überspringen“-Option beinhalten. In verschiedenen Ausführungsformen führt die Cloud-Gebäudemanagementplattform 140 eine oder mehrere Aktionen als Reaktion auf eine Benutzerauswahl von Optionen 1230 aus. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Gebäudemodell aktualisieren, um den Datenpunkt 1210 basierend auf einer ausgewählten Konfiguration 1220 gemäß den assoziierten Parametern 1224 mit einem oder mehreren Tags zu markieren. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell basierend auf Benutzerrückmeldung aktualisieren, um eine Genauigkeit zukünftiger Konfigurationsvorschläge zu erhöhen. In einigen Ausführungsformen kann eine Benutzerauswahl einer „Erneut analysieren“-Option die Cloud-Gebäudemanagementplattform 140 veranlassen, mit dem Datenpunkt 1210 assoziierte Informationen (z. B. Kontextinformationen usw.) erneut zu analysieren, um eine oder mehrere neue Konfigurationen 1220 zu erzeugen. In einigen Ausführungsformen kann eine Benutzerauswahl einer „Überspringen“-Option die Benutzerschnittstelle 1200 veranlassen, die Konfiguration des aktuellen Datenpunkts 1210 zu überspringen.
Unter Bezugnahme auf 13 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1300 zum Adressieren eines Fehlers gezeigt, der mit einer Entität assoziiert ist. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1300. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1300 als Reaktion auf das Identifizieren einer ungewöhnlichen Anzahl von Fehlern, die mit einem Ausrüstungsgegenstand assoziiert sind, erzeugen. Es ist gezeigt, dass die Benutzerschnittstelle 1300 Fehler 1310, Entität 1320 und Optionen 1330-1360 beinhaltet. In verschiedenen Ausführungsformen präsentiert die Benutzerschnittstelle 1300 eine Anzahl von Optionen zum Adressieren von Fehlern, die mit einer Entität assoziiert sind. Zum Beispiel kann ein falsch konfigurierter Datenpunkt eine Anzahl von Vorrichtungsfehlern verursachen und die Benutzerschnittstelle 1300 kann eine Anzahl von Optionen vorschlagen, um die falsche Konfiguration zu beheben und/oder die störenden Vorrichtungsfehler zu beseitigen. In verschiedenen Ausführungsformen beschreiben die Fehler 1310 einen oder mehrere Fehler, die mit der Entität 1320 assoziiert sind. In einigen Ausführungsformen sind die Fehler 1310 ein interaktives Element. Zum Beispiel kann ein Benutzer Fehler 1310 auswählen, um eine Fehlerbenutzerschnittstelle anzuzeigen, die die mit der Entität 1320 assoziierten Fehler auflistet. Die Entität 1320 kann eine Entitätskennung und/oder einen Datenpunkt beinhalten, der mit einer Entität wie beispielsweise einem Gebäudeausrüstungsgegenstand assoziiert ist. In verschiedenen Ausführungsformen ist die Entität 1320 ein interaktives Element. Zum Beispiel kann eine Auswahl der Entität 1320 eine GUI-Karte eines Gebäudes öffnen und einen mit der Entität 1320 assoziierten Ausrüstungsgegenstand hervorheben.
Die Optionen 1330-1360 können eine oder mehrere Aktionen beinhalten, die ein Benutzer ergreifen kann, um Fehler zu beheben, die mit der Entität 1320 assoziiert sind. Zum Beispiel können die Optionen 1330-1360 eine erste Aktion 1330 zum Löschen/Deaktivieren von in Reihe geschalteten Alarmen, eine zweite Aktion 1340 zum Aktualisieren einer Konfiguration (z. B. eines Datenpunkts usw.), eine dritte Option 1350 zum Verifizieren von Tags (z. B. Tags, die mit einem Datenpunkt der Entität 1320 assoziiert sind usw.) und eine vierte Option 1360 zum Aktualisieren von Alarmregeln (z. B. Alarm regeln, die mit dem Erzeugen eines Alarms für die Entität 1320 assoziiert sind) beinhalten. In verschiedenen Ausführungsformen kann die erste Aktion 1330 einen oder mehrere Alarme und/oder Fehler, die in Reihe geschaltet sind, deaktivieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Anzahl von Alarmen, die alle von einer einzelnen Sensormessung stammen, deaktivieren (z. B. stummschalten usw.). Die zweite Aktion 1340 kann die Cloud-Gebäudemanagementplattform 140 veranlassen, eine mit der Entität 1320 assoziierte Vorrichtungskonfiguration zu aktualisieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein oder mehrere mit der Entität 1320 assoziierte Tags, die in einem Gebäudemodell gespeichert sind, aktualisieren. Die dritte Aktion 1350 kann ein oder mehrere mit der Entität 1320 assoziierte Tags verifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell auf Kontextinformationen ausführen, die mit der Entität 1320 assoziiert sind, um zu bestimmen, ob ein oder mehrere mit der Entität 1320 assoziierte Tags gültig sind. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine oder mehrere Umgebungsvariablen, die mit der Entität 1320 assoziiert sind, dynamisch steuern, um eine Gültigkeit eines oder mehrerer Tags zu bestimmen, die mit der Entität 1320 assoziiert sind. Die vierte Aktion 1360 kann die Cloud-Gebäudemanagementplattform 140 veranlassen, eine oder mehrere Alarmregeln zu aktualisieren, die mit dem Erzeugen von Alarmen/Fehlern für die Entität 1320 und/oder Entitäten eines ähnlichen Typs wie Entität 1320 assoziiert sind. Zum Beispiel kann die vierte Aktion 1360 die Cloud-Gebäudemanagementplattform 140 veranlassen, eine niedrigere Temperaturschwelle zu aktualisieren, die mit einem akzeptablen Temperaturbereich assoziiert ist, der zum Erzeugen von Temperaturfehlern für ein HVAC-System verwendet wird.
Unter Bezugnahme auf 14 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1400 zum Korrigieren eines Tags, das mit einer Entität assoziiert ist, gezeigt. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1400. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1400 als Reaktion auf ein Bestimmen, dass eine mit einem Datenpunkt assoziierte Vertrauensmetrik unter eine Schwelle fällt, erzeugen. In einigen Ausführungsformen analysiert die Cloud-Gebäudemanagementplattform kontinuierlich ein Gebäudemodell, um einen Zustand eines oder mehrerer Datenpunkte zu bestimmen (z. B. eine Gültigkeit von Tags, die mit den Datenpunkten assoziiert sind, eine Gültigkeit von Sensormessungen, die mit den Datenpunkten assoziiert sind, usw.) und macht einem Benutzer Datenpunkte, die „nicht in Ordnung“ sind, sichtbar. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass ein Tag, das sich auf einen Entitätstyp bezieht, wahrscheinlich falsch ist (z. B. basierend auf einer Metrik mit niedrigem Vertrauen, die mit dem Tag assoziiert ist, usw.) und kann zur Überprüfung/Korrektur das Tag und/oder den Datenpunkt einem Benutzer sichtbar machen.
Es wird gezeigt, dass die Benutzerschnittstelle 1400 die Entität 1410, das Tag 1420, die Parameter 1430-1436 und die Optionen 1440 beinhaltet. In verschiedenen Ausführungsformen stellt die Entität 1440 einen Datenpunkt oder eine Entität dar, wie beispielsweise einen Gebäudeausrüstungsgegenstand, der innerhalb eines Gebäudemodells dargestellt wird, wie beispielsweise einen digitalen Zwilling. In verschiedenen Ausführungsformen ist die Entität 1410 ein interaktives Element. Zum Beispiel kann ein Benutzer die Entität 1410 auswählen, um zusätzliche Informationen anzuzeigen, die mit der Entität 1410 assoziiert sind, wie beispielsweise Sensordaten, die mit einem Temperatursensor assoziiert sind, oder einen Temperatursollwertplan, der mit einem Thermostat assoziiert ist. In verschiedenen Ausführungsformen wird die Entität 1410 unter Verwendung einer Kennung dargestellt, andere Darstellungen sind jedoch möglich. In verschiedenen Ausführungsformen ist das Tag 1420 ein Tag, das mit einem Datenpunkt assoziiert ist, der mit der Entität 1410 assoziiert ist. Zum Beispiel kann das Tag 1420 ein Gebäudeausrüstungstyp-Tag beschreiben, das mit einem Datenpunkt assoziiert ist, der eine HVAC-Steuerung darstellt. In verschiedenen Ausführungsformen wird das Tag 1420 als ein falsches Tag identifiziert.
Parameter 1430-1436 können eine oder mehrere Optionen für verschiedene Tags zum Ersetzen des Tags 1420 beinhalten. In verschiedenen Ausführungsformen beinhaltet jeder der Parameter 1430-1436 eine assoziierte Vertrauensmetrik, die eine Wahrscheinlichkeit beschreibt, dass das bestimmte Tag richtig ist. In einigen Ausführungsformen beinhalten die Parameter 1430-1436 einen empfohlenen Parameter (z. B. Dacheinheit usw.). In verschiedenen Ausführungsformen beinhaltet der empfohlene Parameter ein Tag, das den höchsten assoziierten Vertrauensmetrikwert aufweist. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 die Parameter 1430-1436 unter Verwendung eines maschinellen Lernmodells. In einigen Ausführungsformen kann ein Benutzer manuell einen Parameter eingeben. Zum Beispiel kann ein Benutzer eine Option zum manuellen Eingeben eines Tags auswählen und kann ein Tag für die Entität 1410 (z. B. Parameter 1436 usw.) eingeben. In verschiedenen Ausführungsformen veranlasst die Auswahl von Optionen 1440 die Cloud-Gebäudemanagementplattform 140, eine oder mehrere Aktionen durchzuführen. Zum Beispiel können die Optionen 1440 eine erste „Akzeptieren“-Option und eine zweite „Ignorieren“-Option beinhalten. In einigen Ausführungsformen kann die Auswahl einer „Akzeptieren“-Option die Cloud-Gebäudemanagementplattform 140 veranlassen, einen oder mehrere Parameter (z. B. Tags) zu aktualisieren, die mit der Entität 1410 assoziiert sind, wie beispielsweise ein Tag eines Datenpunkts, das sich auf die Entität 1410 bezieht. Die Cloud-Gebäudemanagementplattform 140 aktualisiert ein oder mehrere Modelle basierend auf einer Benutzerauswahl unter Verwendung der Benutzerschnittstelle 1400. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Vertrauensmetrik aktualisieren, die mit dem Tag 1420 assoziiert ist, als Reaktion auf eine Benutzerauswahl, die Anfrage zum Aktualisieren des Tags zu ignorieren 1420 (z. B. Auswahl der „Ignorieren“-Option usw.).
Unter Bezugnahme auf 15 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1500 zum Erhöhen eines Vertrauens, das mit einem Tag assoziiert ist, gezeigt. In verschiedenen Ausführungsformen zeigt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1500 an. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 die Benutzerschnittstelle 1500 als Reaktion auf ein Identifizieren einer Anzahl von Datenpunkten, die niedrige Vertrauensmetrikwerte aufweisen, anzeigen. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 die Benutzerschnittstelle 1500 basierend auf einem Betrieb eines Gebäudes. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass basierend auf Betriebsdaten aus dem Betrieb eines Gebäudes ein oder mehrere Tags, die mit Datenpunkten in einem Gebäudemodell assoziiert sind, das das Gebäude darstellt, möglicherweise falsch sind, und kann als Reaktion die Benutzerschnittstelle 1500 anzeigen.
In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1500 eine Entität 1510 und eine Liste 1520. Die Entität 1510 kann eine Entität wie beispielsweise ein Gebäude identifizieren. In verschiedenen Ausführungsformen ist die Entität 1510 ein interaktives Element. Zum Beispiel kann ein Benutzer die Entität 1510 auswählen, um zusätzliche Informationen anzuzeigen, die mit der Entität 1510 assoziiert sind. Die Liste 1520 kann einen oder mehrere Datenpunkte identifizieren, die möglicherweise falsche Konfigurationen aufweisen, wie beispielsweise falsche Tags. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass basierend auf dem Betrieb der Entität 1510 ein Datenpunkt, der als sich auf einen Thermostat beziehend markiert wurde, sich stattdessen auf eine AHU zu beziehen scheint, und kann den Datenpunkt in Liste 1520 anzeigen. Liste 1520 kann Elemente 1522 beinhalten. Jedes der Elemente 1522 bezieht sich auf einen Datenpunkt. In verschiedenen Ausführungsformen beinhalten die Elemente 1522 eine Aufklappoption zum Anzeigen zusätzlicher Informationen, die mit dem Element assoziiert sind. Jedes der Elemente 1522 kann einen Datenpunkt 1530, einen ersten Parameter 1532, einen zweiten Parameter 1534 und/oder eine Vertrauensmetrik 1536 beinhalten. In einigen Ausführungsformen beinhalten die Elemente 1522 viele, weniger oder eine andere Kombination von Merkmalen (z. B. drei Parameter statt zwei usw.).
In verschiedenen Ausführungsformen bezieht sich jeder Parameter (z. B. erster Parameter 1532, zweiter Parameter 1534 usw.) auf ein anderes Tag, das mit dem Datenpunkt 1530 assoziiert ist. Zum Beispiel kann sich der erste Parameter 1532 auf ein Tag beziehen, das einen Entitätstyp des Datenpunkts 1530 beschreibt.
In verschiedenen Ausführungsformen beinhaltet jedes der Elemente 1522 einen Parameter, der mit einem niedrigen Vertrauen assoziiert ist. Zum Beispiel beinhaltet „TS10547“ einen „Thermostat“-Parameter mit einem niedrigen Vertrauen und „AHU10667“ beinhaltet einen „Zimmer 91“-Parameter mit einem niedrigen Vertrauen. In verschiedenen Ausführungsformen identifiziert die Cloud-Gebäudemanagementplattform 140 Parameter (z. B. Tags usw.) zur Überprüfung basierend auf einer assoziierten Vertrauensmetrik, die unter einen Schwellenwert fällt. In verschiedenen Ausführungsformen kann ein Benutzer eine Aufklappoption auswählen, um zusätzliche Informationen anzuzeigen, die mit einem Parameter zur Überprüfung assoziiert sind. Zum Beispiel kann ein Benutzer eine Aufklappoption auswählen, die mit „AHU10667“ assoziiert ist, um ein Menü 1540 anzuzeigen. Das Menü 1540 kann die zweite Entität 1542 anzeigen, die einen Raum beschreibt, der mit der Entität 1510 assoziiert ist, für den zusätzliche Daten einen Vertrauensmetrikwert verbessern würden, der mit einem oder mehreren Datenpunkten assoziiert ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 in der Lage sein, ein akkurateres Modell eines Raums zu erzeugen, wenn Daten von einer HVAC-Steuerung, die den Raum bedient, verfügbar werden, und kann einen Vorschlag zum Konfigurieren der HVAC-Steuerung erzeugen, sodass die Cloud-Gebäudemanagementplattform 140 die Daten verwenden kann, um ein Tag eines Ausrüstungsgegenstands in dem Raum zu verifizieren, wodurch eine mit dem Tag assoziierte Vertrauensmetrik erhöht wird.
In verschiedenen Ausführungsformen beinhaltet das Menü 1540 eine Datenpunktliste 1544. Die Datenpunktliste 1544 kann eine Anzahl von Datenpunkten beinhalten, die, falls konfiguriert (z. B. falls in ein Gebäudemodell integriert usw.), eine Genauigkeit eines Modells erhöhen würden, das verwendet wird, um eine Gültigkeit von Datenpunkten und/oder Tags des Gebäudemodells zu verifizieren. Zusätzlich oder alternativ kann das Menü 1540 Validierungsdatenpunkte 1546 beinhalten, die einen oder mehrere Datenpunkte beschreiben, die bei Validierung (z. B. Validierung einer Konfiguration der Datenpunkte wie beispielsweise der Tags des Datenpunkts usw.) ein mit dem Datenpunkt 1530 assoziiertes Vertrauen erhöhen würden. In verschiedenen Ausführungsformen sind die Validierungsdatenpunkte 1546 mit dem Datenpunkt 1530 assoziiert. Zum Beispiel können sich die Validierungsdatenpunkte 1546 in einem ähnlichen Raum wie der Datenpunkt 1530 befinden und/oder eine oder mehrere Eigenschaften mit dem Datenpunkt 1530 teilen. In verschiedenen Ausführungsformen beinhaltet das Menü 1540 die Optionen 1550 und 1560 zum Verifizieren der Validierungsdatenpunkte 1546. Zum Beispiel kann ein Benutzer die Option 1550 auswählen, um einen Datenpunkt der Validierungsdatenpunkte 1546 manuell zu verifizieren. Zusätzlich oder alternativ kann ein Benutzer die Option 1560 auswählen, um einen Datenpunkt der Validierungsdatenpunkte 1546 automatisch zu verifizieren. Zum Beispiel kann die Auswahl der Option 1560 die Cloud-Gebäudemanagementplattform 140 veranlassen, einen dynamischen Einstellungsprozess durchzuführen, einschließlich des Steuerns eines oder mehrerer Umgebungsparameter, des Empfangens einer oder mehrerer Sensormessungen und des Verifizierens eines Datenpunkts von Validierungsdatenpunkte 1546 basierend auf dem einen oder den mehreren Sensormessungen.
Unter Bezugnahme auf 16 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1600 zum Markieren von Daten gezeigt. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1600. Die Benutzerschnittstelle 1600 beinhaltet wie gezeigt Daten 1602, eine Betriebssequenz 1610, Parameter 1620 und Optionen 1630. In verschiedenen Ausführungsformen erleichtert die Benutzerschnittstelle 1600 einem Benutzer das Bestimmen eines Tags für ein Datenpunkt basierend auf einer Auswahl von Daten (z. B. Daten 1602). Zum Beispiel kann ein Benutzer einen Teil von Daten auswählen, die Cloud-Gebäudemanagementplattform 140 kann eine oder mehrere mit den Daten assoziierte Betriebssequenzen identifizieren und kann basierend auf den identifizierten Betriebssequenzen ein vorgeschlagenes Tag erzeugen, das mit einem Datenpunkt assoziiert ist, der sich auf die Daten bezieht. In verschiedenen Ausführungsformen führt die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell aus, um die Betriebssequenz 1610 zu erzeugen. In verschiedenen Ausführungsformen kann das Bewegen eines Cursors über ein Element in der Betriebssequenz 1610 ein oder mehrere Datenelemente in den Daten 1602 hervorheben, die mit dem bestimmten Betriebssequenzelement assoziiert sind. Zum Beispiel kann die Verwendung eines Cursors zum Bewegen über ein Betriebssequenzelement „Setzen der Belegungstemperatur am Morgen“ einen Befehl in den Daten 1602 hervorheben, der sich auf das Ändern eines Temperatursollwerts eines Raums um 9:00 Uhr morgens bezieht.
In verschiedenen Ausführungsformen beinhaltet die Betriebssequenz 1610 ein oder mehrere Elemente, die als Elemente 1612-1616 gezeigt sind. Zum Beispiel kann die Betriebssequenz 1610 ein erstes Element „Setzen der Belegungstemperatur am Morgen“, ein zweites Element „in den Sparmodus eintreten, da keine Aktivität geplant ist“ und ein drittes Element „Abwesenheitstemperatur setzen“ beinhalten. In verschiedenen Ausführungsformen bildet die Cloud-Gebäudemanagementplattform 140 die Betriebssequenz 1610 auf einen oder mehrere Parameter ab, wie beispielsweise Tags, die mit einem Datenpunkt assoziiert sind, der mit den Daten 1602 assoziiert ist. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass typischerweise Betriebssequenzen eines bestimmten Typs mit Thermostatentitäten assoziiert sind, und kann eine Empfehlung erzeugen, aus den Daten einen Datenpunkt zu erstellen und den Datenpunkt mit einem Thermostattyp-Tag zu markieren. In verschiedenen Ausführungsformen zeigt die Benutzerschnittstelle 1600 einen empfohlenen Parameter (z. B. ein Tag usw.) unter Verwendung des Parameters 1620 an. In verschiedenen Ausführungsformen erleichtert der Parameter 1620 es einem Benutzer, ein Tag zu ändern. Zum Beispiel kann ein Benutzer unter Verwendung einer Aufklappliste des Parameters 1620 ein anderes Entitätstyp-Tag auswählen. In verschiedenen Ausführungsformen erleichtern die Optionen 1630 das Akzeptieren oder Ablehnen eines vorgeschlagenen Parameters. Zum Beispiel kann eine erste Option „Tag akzeptieren“ beinhalten und eine zweite Option kann „Überspringen“ beinhalten. In verschiedenen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 als Reaktion darauf, dass ein Benutzer eine „Tag akzeptieren“-Option auswählt, ein Gebäudemodell aktualisieren, um einen mit dem Parameter 1620 markierten Datenpunkt zu beinhalten.
Unter Bezugnahme auf 17 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1700 zum Identifizieren eines Ersatzes/Stellvertreters für eine Datenquelle gezeigt. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1700. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1700 als Reaktion auf ein Identifizieren eines Datenpunkts als unzuverlässig erzeugen (z. B. basierend auf einer Vertrauensmetrik, die mit dem unzuverlässigen Datenpunkt assoziiert ist, usw.). In verschiedenen Ausführungsformen kann die Benutzerschnittstelle 1700 es einem Benutzer erleichtern, einen Ersatz für Daten innerhalb eines Gebäudemodells auszuwählen. Zum Beispiel kann ein Gebäudemodell Temperaturmessungen verwenden, die mit einem Raum assoziiert sind, um zukünftige Betriebsparameter zu bestimmen, und ein Temperatursensor, der die Temperaturmessungen bereitstellt, kann offline gehen (z. B. vom Netz getrennt werden, versagen usw.) und die Cloud-Gebäudemanagementplattform 140 kann die Benutzerschnittstelle 1700 erzeugen, um es einem Benutzer zu erleichtern, eine alternative Quelle von Temperaturmessungen zu identifizieren, die das Gebäudemodell verwenden kann, um zukünftige Betriebsparameter zu bestimmen (z. B. einen anderen Temperatursensor im selben Zimmer wie der Temperatursensor, der offline gegangen ist usw.). In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1700 eine GUI 1704, die einen Raum wie beispielsweise ein dreidimensionales Modell eines Zimmers in einem Gebäude darstellt. In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1700 ein Dialogfenster 1702, das die Entität 1710 identifiziert, die unzuverlässig oder nicht verfügbar ist. In verschiedenen Ausführungsformen wird die Entität 1710 auf der GUI 1704 als unzuverlässige Entität 1712 identifiziert. In verschiedenen Ausführungsformen kann die Benutzerschnittstelle 1700 das Identifizieren von Entitäten in einem ähnlichen Raum als eine unzuverlässige oder nicht verfügbare Entität erleichtern.
In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 den empfohlenen Ersatz 1720. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Entität identifizieren, die eine oder mehrere Eigenschaften mit der Entität 1710 teilt (z. B. denselben Typ von Daten erzeugt, sich auf denselben Typ von Entität bezieht, sich in demselben Raum befindet usw.). In verschiedenen Ausführungsformen wird der empfohlene Ersatz 1720 auf der GUI 1704 als identifizierte Entität 1722 identifiziert. In verschiedenen Ausführungsformen kann ein Benutzer den Cursor 1730 verwenden, um eine Entität innerhalb der GUI 1704 auszuwählen (z. B. durch Klicken usw.), um die Entität als Ersatz für die Entität 1710 auszuwählen.
Unter Bezugnahme auf 18 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1800 zum Durchführen einer Aktion in Bezug auf fehlende Daten gezeigt. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1800. In verschiedenen Ausführungsformen erleichtert die Benutzerschnittstelle 1800 es einem Benutzer, eine oder mehrere Aktionen durchzuführen, um fehlende Daten in ein Gebäudemodell einzutragen. Zum Beispiel kann ein Gebäudemodell Einrichtungsdaten aufnehmen, um einen oder mehrere Datenpunkte zu erzeugen, und die Einrichtungsdaten können einen Verweis auf Zeitreihensensorwerte beinhalten, die mit einer Entität assoziiert sind, aber die Sensorwerte können fehlen, und die Cloud-Gebäudemanagementplattform 140 kann einen Benutzer unterstützen eine oder mehrere Aktionen zu ergreifen, um das Problem der fehlenden Daten zu lösen (z. B. die fehlenden Daten mit modellierten Daten zu füllen usw.), wodurch der Betrieb des Gebäudemodells verbessert wird. In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1800 eine Punktliste 1810 und Optionen 1860. In verschiedenen Ausführungsformen beinhaltet die Punktliste 1810 einen oder mehrere Punkte, die mit fehlenden Daten assoziiert sind. Zum Beispiel kann ein Datenpunkt einen Verweis auf Zeitreihensensormessungen beinhalten, die mit dem Datenpunkt assoziiert sind, und die Zeitreihensensormessungen können fehlende Werte für einen Zeitraum sein, und die Punktliste 1810 kann eine Tabelle beinhalten, die die fehlenden Werte und/oder die fehlenden Datenpunkte auflistet, die mit den fehlenden Werten assoziiert sind. In verschiedenen Ausführungsformen beinhaltet die Punktliste 1810 Elemente 1812, die ein Kontrollkästchen 1820, einen Punktnamen 1830, einen Punktwert 1840 und einen Indikator 1850 aufweisen.
In verschiedenen Ausführungsformen bezieht sich jedes der Elemente 1812 auf einen Datenpunkt, der fehlende Punktwerte aufweist (z. B. Sensormessungen usw.). Das Kontrollkästchen 1820 kann es einem Benutzer erleichtern, eines oder mehrere der Elemente 1812 auszuwählen. Zum Beispiel kann ein Benutzer eine Anzahl von Elementen 1812 unter Verwendung der Kontrollkästchen 1820 auswählen und kann eine der Optionen 1860 auswählen, um eine Aktion auf den ausgewählten Elementen 1812 durchzuführen. In verschiedenen Ausführungsformen beinhaltet der Punktname 1830 eine Kennung eines Datenpunkts. Zum Beispiel kann der Punktname 1830 eine Kennung eines mit einem Datenpunkt assoziierten Ausrüstungsgegenstands beinhalten. In verschiedenen Ausführungsformen beinhaltet der Punktwert 1840 einen Punktwert (falls verfügbar). Zum Beispiel kann einem Datenpunkt ein Element in einer Anzahl von Sensormessungen fehlen und er kann Werte für verfügbare Sensormessungen anzeigen, aber einen Platzhalter (z. B. „####“ usw.) für fehlende Werte anzeigen. In einigen Ausführungsformen zeigt der Punktwert 1840 die eingetragenen Werte an. Zum Beispiel kann ein Benutzer auswählen, dass ein Datenpunkt unter Verwendung von „Fortgeschrittener Datenpopulation“ eingetragen werden soll, und der Punktwert 1840 kann aktualisiert werden, um die eingetragenen Daten anzuzeigen, die unter Verwendung einer fortgeschrittenen Datenpopulation erzeugt wurden. In verschiedenen Ausführungsformen zeigt der Indikator 1850 zusätzliche Informationen an, wie beispielsweise Informationen darüber, wie die Cloud-Gebäudemanagementplattform 140 Daten für den Punktwert 1840 erzeugt hat. In verschiedenen Ausführungsformen ist der Indikator 1850 ein interaktives Element.
In verschiedenen Ausführungsformen sind Optionen 1860 mit einer Anzahl von Aktionen assoziiert. Zum Beispiel kann eine erste „Ignorieren“-Option die Cloud-Gebäudemanagementplattform 140 veranlassen, fehlende Daten, die mit ausgewählten Datenpunkten assoziiert sind, zu ignorieren. Als ein anderes Beispiel kann eine zweite „Fortgeschrittene Datenpopulation“-Option die Cloud-Gebäudemanagementplattform 140 veranlassen, fehlende Daten, die mit ausgewählten Datenpunkten assoziiert sind, unter Verwendung eines Modells für maschinelles Lernen einzutragen. Als ein anderes Beispiel kann eine dritte Option „Statisches Eintragen“ die Cloud-Gebäudemanagementplattform 140 veranlassen, fehlende Daten, die mit ausgewählten Datenpunkten assoziiert sind, unter Verwendung von Vorlagendaten einzutragen. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 die Daten von einem ähnlichen Datenpunkt abrufen (z. B. einem Datenpunkt, der eine ähnliche Entität darstellt, usw.). In einigen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 die Daten von historischen Betriebsinformationen abrufen (z. B. kann sie vorherige Daten duplizieren, die mit dem Datenpunkt assoziiert sind, um den fehlenden Teil einzutragen, usw.). Als ein anderes Beispiel kann eine vierte „Modelliert“-Option bewirken, dass die Cloud-Gebäudemanagementplattform 140 fehlende Daten, die mit ausgewählten Datenpunkten assoziiert sind, unter Verwendung von modellierten Daten einträgt. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein maschinelles Lernmodell ausführen, das unter Verwendung historischer Daten für beliebige Daten trainiert wurde, die für den Datenpunkt verfügbar sind, um auf die fehlenden Daten zu schließen.
Unter Bezugnahme auf 19 ist nach einer beispielhaften Ausführungsform eine Benutzerschnittstelle 1900 zum Visualisieren von Datenpunkten gezeigt. In verschiedenen Ausführungsformen erzeugt die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1900. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine Benutzerschnittstelle 1900 erzeugen, um es einem Benutzer zu erleichtern, Datenpunkte zu überprüfen, die unter Verwendung der Benutzerschnittstelle 1800 aktualisiert wurden. In verschiedenen Ausführungsformen beinhaltet die Benutzerschnittstelle 1900 eine Liste 1910. Die Liste 1910 kann Elemente 1920 beinhalten, die einen Datenpunkt und/oder zusätzliche Informationen, wie beispielsweise assoziierte Sensormessungen, anzeigen. Zum Beispiel kann die Liste 1910 eine Anzahl von Elementen 1920 beinhalten, einschließlich Datenpunkten, die mit einem bestimmten Raum assoziiert sind. In einigen Ausführungsformen zeigt die Benutzerschnittstelle 1900 Elemente, die mit erzeugten Daten assoziiert sind, als identifizierte Elemente 1930 an. Zum Beispiel kann die Benutzerschnittstelle 1900 einen Datenpunkt hervorheben, der eingetragene Daten aufweist, die unter Verwendung der Benutzerschnittstelle 1800 erzeugt wurden. In verschiedenen Ausführungsformen beinhaltet jedes der Elemente 1920 eine Datenqualitätsmetrik 1922. Die Datenqualitätsmetrik 1922 kann eine Datenqualität beschreiben, die mit einem Datenpunkt assoziiert ist, der sich auf das Element 1920 bezieht. Zum Beispiel kann die Datenqualitätsmetrik 1922 ein Aggregat von einem oder mehreren Vertrauensmetrikwerten sein, die mit Tags eines Datenpunkts assoziiert sind, der mit dem Element 1920 assoziiert ist.
Unter Bezugnahme auf 20 ist nach einer beispielhaften Ausführungsform ein System 2000 zum dynamischen Verifizieren eines oder mehrerer Datenpunkte in einem als Zimmer 2002 gezeigten Raum gezeigt. In verschiedenen Ausführungsformen verifiziert die Cloud-Gebäudemanagementplattform 140 einen oder mehrere mit dem Zimmer 2002 assoziierte Datenpunkte. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 einen oder mehrere mit dem Zimmer 2002 assoziierte Datenpunkte automatisch konfigurieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Datenanalytikmodell wie beispielsweise eine Graphdatenstruktur, die das Zimmer 2002 darstellt, analysieren, Informationen in der Graphdatenstruktur identifizieren, die vervollständigt/aktualisiert werden müssen, und eine oder mehrere Operationen ausführen, um Informationen abzuleiten, um die Graphdatenstruktur mindestens zum Teil zu vervollständigen und/oder zu aktualisieren. Als ein allgemeines Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein Datenanalytikmodell mit einer Anzahl von nicht gekennzeichneten Sensoren (z. B. Sensoren, die mit keinem bestimmten Raum assoziiert sind, usw.) empfangen und kann ein oder mehrere HVAC-Systeme in einem Gebäude betreiben, während der Betrieb der Anzahl von nicht gekennzeichneten Sensoren gemessen wird, um einen Ort innerhalb des Gebäudes zu bestimmen, mit dem jeder der Anzahl von nicht gekennzeichneten Sensoren assoziiert ist. Das Zimmer 2002 ist als einen Thermostat 2004 und einen Temperatursensor 2006 beinhaltend gezeigt. In einigen Ausführungsformen beinhaltet das Zimmer 2002 einen oder mehrere Benutzer. In einigen Ausführungsformen weisen der eine oder die mehreren Benutzer Vorrichtungen auf (z. B. Mobilvorrichtungen usw.), die verwendet werden können, um Rückmeldung an die Cloud-Gebäudemanagementplattform 140 bereitzustellen.
Bei Schritt 2010 kann die Cloud-Gebäudemanagementplattform 140 einen Betrieb des Zimmers 2002 und/oder einer oder mehrerer mit dem Zimmer 2002 assoziierter Entitäten (z. B. Gebäudevermögenswerte, Datenpunkte usw.) modifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 den Betrieb eines HVAC-Systems modifizieren, das das Zimmer 2002 bedient, kann den Betrieb einer oder mehrerer intelligenter Lampen modifizieren, die sich im Zimmer 2002 befinden, und/oder dergleichen. In verschiedenen Ausführungsformen modifiziert Schritt 2010 einen oder mehrere Umgebungsparameter, die mit dem Zimmer 2002 assoziiert sind. Zum Beispiel kann Schritt 2010 eine Temperatur des Zimmers 2002, eine Beleuchtung im Zimmer 2002, einen Schallpegel im Zimmer 2002, einen Vermögenswert im Zimmer 2002 (z. B., Ein-/Ausschalten eines Fernsehers usw.) und/oder dergleichen modifizieren.
Bei Schritt 2020 kann die Cloud-Gebäudemanagementplattform 140 eine Auswirkung von Schritt 2010 messen. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 Messungen von einem anderen System empfangen. Schritt 2020 kann das Empfangen von Sensorinformationen von einem oder mehreren Sensoren beinhalten. Zum Beispiel kann Schritt 2020 das Empfangen einer Temperaturmessung von mindestens einem von Thermostat 2004 und/oder Temperatursensor 2006 beinhalten.
Bei Schritt 2030 kann die Cloud-Gebäudemanagementplattform 140 ein Datenanalytikmodell modifizieren. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Datenpunkt modifizieren, um ein Tag, das angibt, dass eine Entität mit dem „Zimmer 2“ assoziiert ist, ersetzen, um anzugeben, dass die Entität mit dem „Zimmer 3“ assoziiert ist. In verschiedenen Ausführungsformen beinhaltet Schritt 2030 ein Analysieren empfangener Daten, um Beziehungen zwischen verschiedenen Entitäten zu bestimmen. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass sich der Thermostat 2004 im Zimmer 2002 befindet, weil der Thermostat 2004 einen Temperaturanstieg gemessen hat, der dem entspricht, was basierend auf dem Betrieb eines HVAC-Systems während Schritt 2010 erwartet werden würde. In einigen Ausführungsformen beinhaltet Schritt 2030 ein Erzeugen Daten zum Füllen von Lücken in einem bestehenden Datenanalytikmodell (z. B. einer digitalen Darstellung vom Zimmer 2002 usw.). Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Beziehungsdaten (z. B. ein Tag usw.) erzeugen, die einen Standort eines Sensors für einen vorhandenen Sensor beschreiben, dem ein Standort fehlt. In verschiedenen Ausführungsformen beinhaltet Schritt 2030 ein Analysieren von Daten aus verschiedenen Quellen. Zum Beispiel kann Schritt 2030 ein Analysieren von Benutzerrückmeldung von einem oder mehreren Benutzern beinhalten, die sich in einem Zimmer befinden. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 ein HVAC-System betreiben, das nicht mit den Zimmern verknüpft ist, die es bedient, und kann Benutzerrückmeldung erhalten, die angibt, dass ein bestimmtes Zimmer plötzlich die Temperatur geändert hat (oder unangenehm geworden ist usw.) und kann bestimmen, dass das HVAC-System das bestimmte Zimmer bedient. Als ein anderes Beispiel kann die Cloud-Gebäudemanagementplattform 140 einen Fernseher ein-/ausschalten, der in einer digitalen Darstellung eines Gebäudes mit keinem bestimmten Raum assoziiert wurde, und kann eine Benutzerrückmeldung erhalten, dass ein Fernseher in einem bestimmten Zimmer ein-/ausgeschaltet wurde und kann bestimmen, dass sich der Fernseher in dem bestimmten Zimmer befindet. In verschiedenen Ausführungsformen beinhaltet Schritt 2030 ein Erzeugen eines oder mehrerer Knoten und/oder einer oder mehrerer Kanten.
Zusätzlich oder alternativ kann Schritt 2030 ein Erzeugen einer oder mehrerer Datenzustandsmetriken beinhalten. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine mit dem Thermostat 2004 assoziierte Datenzustandsmetrik erzeugen, die angibt, dass die Daten vom Thermostat 2004 möglicherweise nicht gültig sind. Als ein kurzes Beispiel, die Cloud-Gebäudemanagementplattform 140 kann bestimmen, dass sich der Thermostat 2004 angeblich im Zimmer 2002 befindet, jedoch kann die Cloud-Gebäudemanagementplattform 140 bei einer Änderung einer Temperatur des Zimmers 2002 nur eine Änderung der Temperaturmessungen vom Temperatursensor 2006 (z. B., und/oder ein oder mehrerer anderer Temperatursensoren usw.) beobachten und kann bestimmen, dass der Thermostat 2004 möglicherweise nicht funktioniert (z. B. keine zuverlässigen Daten produziert) und kann eine mit dem Thermostat 2004 assoziierte Zustandsmetrik erzeugen. Zusätzlich oder alternativ kann die Cloud-Gebäudemanagementplattform 140 bestimmen, dass sich der Thermostat 2004 tatsächlich nicht im Zimmer 2002 befindet (was z. B. erklären würde, warum der Thermostat 2004 keine Temperaturänderung registriert hat, usw.). In verschiedenen Ausführungsformen können Datenzustandsmetriken verwendet werden, um Fehlalarme zu reduzieren und/oder eine Alarmermüdung zu verhindern. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 Alarme unterdrücken, die mit Datenpunkten assoziiert sind, die eine Datenzustandsmetrik aufweisen, die angibt, dass die Daten möglicherweise unzuverlässig sind.
Unter Bezugnahme auf 21 ist nach einer beispielhaften Ausführungsform ein Entitätsgraph 2100 gezeigt. In verschiedenen Ausführungsformen stellt die Cloud-Gebäudemanagementplattform 140 das Gebäude 10 als Entitätsgraph 2100 dar. Zum Beispiel kann die Cloud-Gebäudemanagementplattform 140 eine digitale Darstellung für ein Gebäude erzeugen und kann die digitale Darstellung als ein Datenanalytikmodell verwenden, um verschiedene Funktionen durchzuführen. In verschiedenen Ausführungsformen beinhaltet der Entitätsgraph 2100 einen oder mehrere Datenpunkte, die Tags aufweisen. Zum Beispiel kann ein Datenpunkt als ein Knoten dargestellt werden und ein Tag kann als eine Kante dargestellt werden, die zwei Knoten verbindet. Kurz zusammengefasst sind Entitätsgraphen, wie beispielsweise der Entitätsgraph 2100, strukturierte Daten, die in einem Speicher (z. B. einer Datenbank usw.) gespeichert sind. Der Entitätsgraph 2100 kann digitale Zwillinge beinhalten. Digitale Zwillinge können digitale Darstellungen von realen Räumen, Ausrüstung, Personen und/oder Ereignissen sein. In verschiedenen Ausführungsformen stellen digitale Zwillinge Gebäude, Gebäudeausrüstung, Personen, die mit Gebäuden assoziiert sind, und/oder Ereignisse, die mit Gebäuden assoziiert sind (z. B. Gebäude 10 usw.) dar. Ein Entitätsgraph kann Knoten und Kanten beinhalten, wobei jeder Knoten des Entitätsgraphen eine Entität darstellt und jede Kante gerichtet ist (z. B. von einem ersten Knoten zu einem zweiten Knoten) und eine Beziehung zwischen Entitäten darstellt (z. B. angibt, dass die Entität, die durch den ersten Knoten dargestellt wird, eine bestimmte Beziehung zu der durch den zweiten Knoten dargestellten Entität aufweist). Zum Beispiel kann ein Entitätsgraph verwendet werden, um einen digitalen Zwilling einer Person darzustellen.
Entitäten können Dinge und/oder Konzepte sein, die sich auf Räume, Personen und/oder Vermögenswerte beziehen. Die Entitäten könnten beispielsweise „B7F4-Nord“, „Lufthandhabungseinheit“ und/oder „Konferenzzimmer“ sein. Die Knoten können Substantive darstellen, während die Kanten Verben darstellen können. Die Kanten können beispielsweise „istA“, „hatTeil“ und/oder „speist ein“ sein. In verschiedenen Ausführungsformen stellen die Kanten Beziehungen dar. Während die Knoten das Gebäude und seine Komponenten darstellen, beschreiben die Kanten, wie das Gebäude funktioniert. Die Knoten und Kanten bilden zusammen einen digitalen Zwilling eines bestimmten Gebäudes. In einigen Ausführungsformen beinhalten die Entitäten Eigenschaften oder Attribute, die die Entitäten beschreiben (z. B. kann ein Thermostat ein bestimmtes Modellnummernattribut aufweisen). Die Komponenten des Entitätsgraphen bilden große Netzwerke, die semantische Informationen für ein Gebäude codieren.
Der Entitätsgraph ist konfiguriert, um in einigen Ausführungsformen eine flexible Datenmodellierung für fortgeschrittene Analytik-, Steuerungs- und/oder künstliche Intelligenzanwendungen zu ermöglichen. Diese Anwendungen können Informationsmodellierung einschließlich miteinander verbundener Entitäten erfordern oder davon profitieren. Andere Datenmodellierungstechniken, die auf einer Tabelle, einer Hierarchie, einem Dokument und/oder einer beziehungsorientierten Datenbank basieren, sind möglicherweise nicht anwendbar. Der Entitätsgraph kann eine grundlegende Wissensmanagementschicht sein, um andere Anwendungen auf höherer Ebene zu unterstützen, die komplexe Grundursachen, Auswirkungsanalysen, Aufbau leistungsstarker Empfehlungsmaschinen, Produkttaxonomie-Informationsdienste usw. sein können. Solch ein mehrschichtiges System, ein System von Systemtopologien, kann von einem zugrunde liegenden Entitätsgraphen profitieren.
Der Entitätsgraph kann eine Datenkontextualisierungsschicht für alle traditionellen und/oder künstlichen Intelligenzanwendungen sein. Der Entitätsgraph kann konfiguriert werden, um Beweise zu erfassen, die verwendet werden können, um die Stärken von Entitätsbeziehungen innerhalb des Entitätsgraphen zuzuordnen, wodurch den Anwendungen, die den Entitätsgraphen verwenden, der Kontext der Systeme, die sie betreiben, bereitgestellt werden. Ohne Kontext (z. B. wer der Benutzer ist, wonach der Benutzer sucht, was das Ziel einer Benutzeranfrage ist, z. B. einen Konferenzzimmer finden, die Temperatur in meinem Büro erhöhen) erreichen diese Anwendungen möglicherweise nie ihr volles Potenzial. Des Weiteren stellt der Entitätsgraph eine native Datenstruktur zum Erzeugen von Frage-Antwort-Systemen bereit, z. B. einem Chatbot, der die Absicht nutzen und verstehen kann.
In verschiedenen Ausführungsformen beinhaltet der Entitätsgraph Daten aus verschiedenen Quellen. Zum Beispiel kann der Entitätsgraph Daten beinhalten, die mit Personen, Orten, Vermögenswerten und/oder dergleichen assoziiert sind. In verschiedenen Ausführungsformen stellen die Datenquelle(n) ein Datenschema einer heterogenen Quelle dar, wie beispielsweise ein frei zugängliches gemeinsames Datenmodell (z. B. Baustein-Schema/Erweiterungen usw.).
In verschiedenen Ausführungsformen beinhaltet der Entitätsgraph digitale Zwillinge und/oder Kontextinformationen. Ein digitaler Zwilling ist eine digitale Darstellung von Räumen, Vermögenswerten, Personen, Ereignissen und/oder allem, was mit einem Gebäude oder dessem Betrieb assoziiert ist. In verschiedenen Ausführungsformen werden digitale Zwillinge in dem Entitätsgraphen modelliert. In verschiedenen Ausführungsformen beinhalten digitale Zwillinge einen aktiven Rechenprozess. Zum Beispiel kann ein digitaler Zwilling mit anderen digitalen Zwillingen kommunizieren, um zu erkennen, vorherzusagen und zu handeln. In verschiedenen Ausführungsformen werden digitale Zwillinge dynamisch erzeugt. Zum Beispiel kann ein digitaler Zwilling, der einem Konferenzzimmer entspricht, seinen Status aktualisieren, indem er Belegungssensoren oder einen elektronischen Kalender betrachtet (z. B., um seinen Status auf „verfügbar“ umzuschalten, wenn keine Veranstaltung stattfindet usw.). In verschiedenen Ausführungsformen beinhalten digitale Zwillinge und/oder der Entitätsgraph Kontextinformationen. Kontextinformationen können Echtzeitdaten und eine historische Aufzeichnung jedes Systems in der Umgebung (z. B. Gelände, Gebäude, Einrichtung, Raum usw.) beinhalten. Kontextinformationen können in dem Entitätsgraph gespeichert werden. In verschiedenen Ausführungsformen erleichtern Kontextinformationen eine flexible Datenmodellierung für fortgeschrittene Analytik und AI-Anwendungen in Szenarien, die stark miteinander verbundene Entitäten modellieren.
Der Entitätsgraph ist möglicherweise keine Konfigurationsdatenbank, sondern kann eine dynamische Darstellung eines Raums, einer Person, eines Ereignisses und dergleichen sein. Der Entitätsgraph kann Betriebsdaten von Entitäten beinhalten, die er darstellt, z. B. Sensoren, Aktuatoren, Kartenzugangssysteme, Belegung eines bestimmten Raums, Thermodynamik des Raums als Ergebnis der Betätigung usw. Der Entitätsgraph kann konfiguriert werden, um kontinuierlich und/oder periodisch neue Daten des Raums aufnehmen, und somit kann der Entitätsgraph einen nahezu Echtzeitstatus von cyber-physischen Entitäten und ihren Wechselbeziehungen darstellen. Aus diesem Grund kann künstliche Intelligenz in einigen Ausführungsformen konfiguriert werden, um eine virtuelle Entität und neue semantische Beziehungen zwischen Entitäten einzuführen.
Der Entitätsgraph ist in einigen Ausführungsformen konfiguriert, um adaptive Steuerungen zu erleichtern. Der Entitätsgraph kann konfiguriert werden, um sich im Laufe der Zeit anzupassen und dazu zu lernen. Der Entitätsgraph kann konfiguriert werden, um dynamische Beziehungen zwischen Gebäudeinformationen und anderen Anlagen- und Unternehmenssystemen zu ermöglichen, um neue Erkenntnisse zu gewinnen und neue Optimierungsmöglichkeiten für Systeme mit künstlicher Intelligenz voranzutreiben. Da Beziehungen für den Entitätsgraphen im Laufe der Zeit erlernt werden können, lernen die Systeme der künstlichen Intelligenz auch im Laufe der Zeit basierend auf dem Entitätsgraphen. Entitätsgraphen (z. B. Raumgraphen usw.) werden ausführlicher unter Bezugnahme auf die US-Patentanmeldung Nr. 16/260,078 , eingereicht am 28. Januar 2019, beschrieben, deren gesamte Offenbarung hierin durch Bezugnahme aufgenommen ist.
Der Entitätsgraph 2100 beinhaltet Entitäten 2110 (gespeichert als Knoten innerhalb des Entitätsgraphen 2100), die Räume, Ausrüstung, Ereignisse und Personen (z. B. Geschäftsangestellte usw.) beschreiben. In verschiedenen Ausführungsformen sind die Entitäten 2110 mit Agenten assoziiert oder beinhalten diese anderweitig (z. B. können Agenten Entitäten zugewiesen werden/mit diesen assoziiert sein usw.). Zusätzlich oder alternativ können Agenten als Knoten im Entitätsgraphen 2100 dargestellt werden (z. B. Agentenentitäten usw.). Des Weiteren sind Kanten 2120 zwischen Entitäten 2110 gezeigt, die gerichtet Beziehungen zwischen zwei der Entitäten 2110 beschreiben (gespeichert als Kanten innerhalb des Entitätsgraphen 2100). In verschiedenen Ausführungsformen kann die Cloud-Gebäudemanagementplattform 140 den Entitätsgraphen 2100 durchlaufen, um eine Beschreibung abzurufen, welche Typen von Aktionen für eine bestimmte Vorrichtung zu ergreifen sind, was der aktuelle Status eines Zimmers ist (z. B. belegt oder nicht belegt) usw.
Als ein Beispiel veranschaulicht der Entitätsgraph 2100 ein Gebäude, das „Gebäude 1“ genannt ist. Gebäude 1 weist eine gerichtete Beziehung zu einer Etage auf, die „Etage 1“ genannt ist. Die Beziehung kann eine Kante „hatEtage“ sein, die angibt, dass das Gebäude (z. B. das durch die Entität 2110 dargestellte Gebäude) eine Etage hat (z. B. die durch die Entität 2110 dargestellte Etage). Des Weiteren gibt eine zweite Kante „istTeilVon“ von Etage 1 zu Gebäude 1 an, dass die Etage (z. B. die durch die Entität 2110 dargestellte Etage) Teil von Gebäude 1 ist (z. B. das durch die Entität 2110 dargestellte Gebäude).
Konfiguration beispielhafter Ausführungsformen
Der Aufbau und die Anordnung der Systeme und Verfahren, wie sie in den verschiedenen beispielhaften Ausführungsformen gezeigt sind, dienen nur der Veranschaulichung. Obwohl nur wenige Ausführungsformen in dieser Offenbarung detailliert beschrieben wurden, sind viele Modifikationen möglich (z. B. Variationen in Größen, Abmessungen, Strukturen, Formen und Proportionen der verschiedenen Elemente, Werte von Parametern, Montageanordnungen, Verwendung von Materialien, Farben, Ausrichtungen usw.). Zum Beispiel kann die Position von Elementen umgekehrt oder anderweitig variiert werden und der Typ oder die Anzahl von diskreten Elementen oder Positionen kann geändert oder variiert werden. Dementsprechend sollen alle diese Modifikationen in den Umfang der vorliegenden Offenbarung eingeschlossen sein. Die Reihenfolge oder Abfolge beliebiger Prozess- oder Verfahrensschritte kann nach alternativen Ausführungsformen variiert oder neu geordnet werden. Andere Substitutionen, Modifikationen, Änderungen und Weglassungen können in der Gestaltung, den Betriebsbedingungen und der Anordnung der beispielhaften Ausführungsformen vorgenommen werden, ohne vom Umfang der vorliegenden Offenbarung abzuweichen.
Die vorliegende Offenbarung zieht Verfahren, Systeme und Programmprodukte auf beliebigen maschinenlesbaren Medien zum Ausführen verschiedener Operationen in Betracht. Die Ausführungsformen der vorliegenden Offenbarung können unter Verwendung bestehender Computerprozessoren oder durch einen speziellen Computerprozessor für ein geeignetes System, der für diesen oder einen anderen Zweck eingearbeitet ist, oder durch ein festverdrahtetes System implementiert werden. Ausführungsformen innerhalb des Umfangs der vorliegenden Offenbarung beinhalten Programmprodukte, die maschinenlesbare Medien umfassen, die darauf gespeicherte maschinenausführbare Anweisungen oder Datenstrukturen tragen oder aufweisen. Solche maschinenlesbaren Medien können beliebige verfügbare Medien sein, auf die von einem Universal- oder Spezialcomputer oder einer anderen Maschine mit einem Prozessor zugegriffen werden kann. Zum Beispiel können solche maschinenlesbaren Medien RAM, ROM, EPROM, EEPROM, CD-ROM oder andere optische Plattenspeicher, Magnetplattenspeicher oder andere magnetische Speichervorrichtungen oder ein beliebiges anderes Medium umfassen, das zum Tragen oder Speichern von gewünschtem Programmcode in Form von maschinenausführbaren Anweisungen oder Datenstrukturen, auf die von einem Universal- oder Spezialcomputer oder einer anderen Maschine mit einem Prozessor zugegriffen werden kann, verwendet werden kann. Kombinationen des vorstehend genannten sind ebenfalls im Umfang der maschinenlesbaren Medien beinhaltet. Maschinenausführbare Anweisungen beinhalten zum Beispiel Anweisungen und Daten, die einen Universalcomputer, einen Spezialcomputer oder eine Spezialverarbeitungsmaschine veranlassen, eine bestimmte Funktion oder Gruppe von Funktionen auszuführen.
Obwohl die Figuren eine bestimmte Reihenfolge von Verfahrensschritten zeigen, kann die Reihenfolge der Schritte von dem Dargestellten abweichen. Es können auch zwei oder mehr Schritte gleichzeitig oder mit teilweiser Gleichzeitigkeit durchgeführt werden. Eine solche Variation hängt von den gewählten Software- und Hardwaresystemen und von der Auswahl des Designers ab. Alle diese Variationen liegen innerhalb des Umfangs der Offenbarung. Ebenso könnten Software-Implementierungen mit Standard-Programmiertechniken mit regelbasierter Logik und anderer Logik durchgeführt werden, um die verschiedenen Verbindungsschritte, Verarbeitungsschritte, Vergleichsschritte und Entscheidungsschritte zu erreichen.
Der Begriff „Client“ oder „Server“ beinhaltet alle Typen von Einrichtungen, Vorrichtungen und Maschinen zum Verarbeiten von Daten, einschließlich zum Beispiel eines programmierbaren Prozessors, eines Computers, eines Systems auf einem Chip oder mehrerer oder Kombinationen der Vorstehenden. Die Einrichtung kann Logikschaltungen für spezielle Zwecke beinhalten, z. B. ein feldprogrammierbares Gate-Array (FPGA) oder eine anwendungsspezifische integrierte Schaltung (ASIC). Die Vorrichtung kann zusätzlich zur Hardware auch Code beinhalten, der eine Ausführungsumgebung für das betreffende Computerprogramm erzeugt (z. B. Code, der Prozessorfirmware, einen Protokollstapel, ein Datenbankmanagementsystem, ein Betriebssystem, eine plattformübergreifende Laufzeitumgebung, eine virtuelle Maschine oder eine Kombination von einem oder mehreren davon darstellt). Die Einrichtung und die Ausführungsumgebung können verschiedene Infrastrukturen von Rechenmodellen realisieren, wie beispielsweise Webdienste, verteilte Rechen- und Netz-Recheninfrastrukturen.
Die Systeme und Verfahren der vorliegenden Offenbarung können durch ein beliebiges Computerprogramm vervollständigt werden. Ein Computerprogramm (auch bekannt als Programm, Software, Softwareanwendung, Skript oder Code) kann in einer beliebigen Form von Programmiersprache geschrieben werden, einschließlich kompilierter oder interpretierter Sprachen, deklarativer oder prozeduraler Sprachen, und es kann in einer beliebigen Form eingesetzt werden, einschließlich als eigenständiges Programm oder als Modul, Komponente, Subroutine, Objekt oder andere Einheit, die zur Verwendung in einer Computerumgebung geeignet ist. Ein Computerprogramm kann, muss aber nicht, einer Datei in einem Dateisystem entsprechen. Ein Programm kann in einem Teil einer Datei gespeichert sein, die andere Programme oder Daten beinhaltet (z. B. ein oder mehrere Skripte, die in einem Auszeichnungssprachendokument gespeichert sind), in einer einzelnen Datei, die dem betreffenden Programm gewidmet ist, oder in mehreren koordinierten Dateien (z. B. Dateien, die ein oder mehrere Module, Unterprogramme oder Codeteile speichern). Ein Computerprogramm kann eingesetzt werden, um auf einem Computer oder auf mehreren Computern ausgeführt zu werden, die sich an einem Standort befinden oder über mehrere Standorte verteilt und durch ein Kommunikationsnetzwerk miteinander verbunden sind.
Die in dieser Beschreibung beschriebenen Prozesse und logischen Abläufe können von einem oder mehreren programmierbaren Prozessoren durchgeführt werden, die ein oder mehrere Computerprogramme ausführen, um Aktionen durchzuführen, indem Eingabedaten bearbeitet und Ausgaben erzeugt werden. Die Prozesse und logischen Abläufe können auch von Speziallogikschaltungen (z. B. einem FPGA oder einem ASIC) durchgeführt werden und die Vorrichtung auch als solche implementiert werden.
Prozessoren, die zur Ausführung eines Computerprogramms geeignet sind, beinhalten zum Beispiel sowohl Universal- als auch Spezialmikroprozessoren und einen oder mehrere Prozessoren einer beliebigen Art von Digitalcomputer. Im Allgemeinen empfängt ein Prozessor Anweisungen und Daten von einem Nur-Lese-Speicher oder einem Direktzugriffsspeicher oder beiden. Die wesentlichen Elemente eines Computers sind ein Prozessor zum Durchführen von Aktionen nach Anweisungen und ein oder mehrere Speichervorrichtungen zum Speichern von Anweisungen und Daten. Im Allgemeinen beinhaltet ein Computer auch eine oder mehrere Massenspeichervorrichtungen zum Speichern von Daten (z. B. magnetische, magneto-optische Platten oder optische Platten) oder ist betriebsmäßig damit gekoppelt, um Daten von diesen zu empfangen oder Daten zu übertragen oder beides. Ein Computer muss jedoch solche Vorrichtungen nicht aufweisen. Darüber hinaus kann ein Computer in eine andere Vorrichtung (z. B. ein Mobiltelefon, einen persönlichen digitalen Assistenten (PDA), einen mobilen Audio- oder Videoplayer, eine Spielkonsole, einen Empfänger eines globalen Positionierungssystems (GPS) oder eine tragbare Speichervorrichtung (z. B. ein Flash-Laufwerk mit universellem seriellem Bus (USB) usw.) eingebettet sein. Vorrichtungen, die zum Speichern von Computerprogrammanweisungen und Daten geeignet sind, beinhalten alle Formen von nichtflüchtigen Speichern, Medien und Speichervorrichtungen, einschließlich zum Beispiel Halbleiterspeichervorrichtungen (z. B. EPROM, EEPROM und Flash-Speichervorrichtungen; Magnetplatten, z. B. interne Festplatten oder Wechselplatten; magneto-optische Platten und CD-ROM- und DVD-ROM-Platten). Der Prozessor und der Speicher können durch logische Spezialschaltungen ergänzt oder darin eingearbeitet werden.
In verschiedenen Implementierungen können die hierin beschriebenen Schritte und Operationen auf einem Prozessor oder in einer Kombination von zwei oder mehr Prozessoren durchgeführt werden. Zum Beispiel könnten in einigen Implementierungen die verschiedenen Operationen in einem zentralen Server oder einer Gruppe von zentralen Servern durchgeführt werden, die konfiguriert sind, um Daten von einer oder mehreren Vorrichtungen (z. B. Kantenberechnungs-Vorrichtungen/Steuerungen) zu empfangen und die Operationen durchzuführen. In einigen Implementierungen können die Operationen von einer oder mehreren lokalen Steuerungen oder Rechenvorrichtungen (z. B. Kanten-Vorrichtungen) durchgeführt werden, wie beispielsweise Steuerungen, die einem bestimmten Gebäude oder einem bestimmten Teil eines Gebäudes zugeordnet sind und/oder sich darin befinden. In einigen Implementierungen können die Operationen durch eine Kombination von einem oder mehreren zentralen oder externen Rechenvorrichtungen/Servern und einem oder mehreren lokalen Steuerungen/Rechenvorrichtungen durchgeführt werden. Alle diese Implementierungen werden im Rahmen der vorliegenden Offenbarung in Betracht gezogen. Wenn sich die vorliegende Offenbarung auf ein oder mehrere computerlesbare Speichermedien und/oder eine oder mehrere Steuerungen bezieht, können weiter, sofern nicht anders angegeben, solche computerlesbaren Speichermedien und/oder eine oder mehrere Steuerungen als ein oder mehrere zentrale Server, eine oder mehrere lokale Steuerungen oder Computervorrichtungen (z. B. Kanten-Vorrichtungen), eine beliebige Kombination davon oder eine beliebige andere Kombination von Speichermedien und/oder Steuerungen, unabhängig vom Standort dieser Vorrichtungen, implementiert sein.
Um eine Interaktion mit einem Benutzer bereitzustellen, können Implementierungen des in dieser Beschreibung beschriebenen Gegenstands auf einem Computer implementiert sein, der eine Anzeigevorrichtung (z. B. CRT (Kathodenstrahlröhre), LCD (Flüssigkristallanzeige), OLED (organische lichtemittierende Diode), TFT (Dünnschichttransistor) oder eine andere flexible Konfiguration oder einen beliebigen anderen Monitor zum Anzeigen von Informationen für den Benutzer und eine Tastatur, ein Zeigevorrichtung, z. B. eine Maus, einen Trackball usw., oder einen Berührungsbildschirm, ein Touchpad usw.), über die der Benutzer dem Computer Eingaben bereitstellen kann, aufweist. Andere Arten von Vorrichtungen können ebenfalls verwendet werden, um eine Interaktion mit einem Benutzer bereitzustellen; zum Beispiel kann dem Benutzer bereitgestellte Rückmeldung eine beliebige Form von sensorischer Rückmeldung sein (z. B. visuelle Rückmeldung, auditive Rückmeldung oder taktile Rückmeldung), und Eingaben von dem Benutzer können in einer beliebigen Form empfangen werden, einschließlich akustischer, sprachlicher oder taktiler Eingabe. Außerdem kann ein Computer mit einem Benutzer interagieren, indem er Dokumente an ein Vorrichtung, die von dem Benutzer verwendet wird, sendet und von dieser empfängt; zum Beispiel durch Senden von Webseiten an einen Webbrowser auf der Clientvorrichtung eines Benutzers als Reaktion auf vom Webbrowser empfangene Anfragen.
Implementierungen des in dieser Offenbarung beschriebenen Gegenstands können in einem Computersystem implementiert werden, das eine Back-End-Komponente (z. B. als Datenserver) beinhaltet oder das eine Middleware-Komponente (z. B. einen Anwendungsserver) beinhaltet, oder das eine Front-End-Komponente (z. B. einen Client-Computer), die eine grafische Benutzerschnittstelle oder einen Webbrowser aufweist, durch den ein Benutzer mit einer Implementierung des in dieser Offenbarung beschriebenen Gegenstands interagieren kann, oder eine beliebige Kombination von einem oder mehreren solcher Back-End-, Middleware- oder Front-End-Komponenten beinhaltet. Die Komponenten des Systems können durch eine beliebige Form oder ein beliebiges Medium digitaler Datenkommunikation (z. B. ein Kommunikationsnetzwerk) miteinander verbunden sein. Beispiele für Kommunikationsnetzwerke beinhalten ein LAN und ein WAN, ein Inter-Netzwerk (z. B. das Internet) und Peer-to-Peer-Netzwerke (z. B. Ad-hoc-Peer-to-Peer-Netzwerke).
Die vorliegende Offenbarung kann in verschiedenen unterschiedlichen Formen verkörpert sein und sollte nicht so ausgelegt werden, dass sie nur auf die hierin veranschaulichten Ausführungsformen beschränkt ist. Vielmehr werden diese Ausführungsformen als Beispiele bereitgestellt, damit diese Offenbarung gründlich und vollständig ist und die Aspekte und Merkmale der vorliegenden Offenbarung einem Fachmann vollständig vermittelt. Dementsprechend werden Prozesse, Elemente und Techniken, die für den Durchschnittsfachmann für ein vollständiges Verständnis der Aspekte und Merkmale der vorliegenden Offenbarung nicht notwendig sind, möglicherweise nicht beschrieben. Sofern nicht anders angegeben, bezeichnen gleiche Bezugszeichen in allen beigefügten Zeichnungen und der schriftlichen Beschreibung gleiche Elemente, und daher müssen Beschreibungen davon nicht wiederholt werden. Weiter sollten Merkmale oder Aspekte innerhalb einer beliebigen beispielhaften Ausführungsform typischerweise als verfügbar für andere ähnliche Merkmale oder Aspekte in anderen beispielhaften Ausführungsformen betrachtet werden.
Es versteht sich, dass, obwohl die Begriffe „erster“, „zweiter“, „dritter“ usw. hierin verwendet werden können, um verschiedene Elemente, Komponenten, Bereiche, Schichten und/oder Abschnitte zu beschreiben, diese Elemente Komponenten, Bereiche, Schichten und/oder Abschnitte nicht durch diese Begriffe eingeschränkt werden sollen. Diese Begriffe werden verwendet, um ein Element, eine Komponente, einen Bereich, eine Schicht oder einen Abschnitt von einem anderen Element, einer anderen Komponente, einem anderen Bereich, einer anderen Schicht oder einem anderen Abschnitt zu unterscheiden. Somit könnte ein nachstehend beschriebenes erstes Element, eine erste Komponente, ein erster Bereich, eine erste Schicht oder ein erster Abschnitt als ein zweites Element, eine zweite Komponente, ein zweiter Bereich, eine zweite Schicht oder ein zweiter Abschnitt bezeichnet werden, ohne vom Geist und Umfang der vorliegenden Offenbarung abzuweichen.
Die hierin verwendete Terminologie dient dem Zweck der Beschreibung bestimmter Ausführungsformen und soll die vorliegende Offenbarung nicht einschränken. Wie hierin verwendet, sollen die Singularformen „ein“ und „eine“ auch die Pluralformen beinhalten, es sei denn, der Kontext gibt eindeutig etwas anderes an. Es versteht sich weiter, dass die Begriffe „umfasst“, „umfassend“, „beinhaltet“ und „beinhaltend“, „aufweist“, „aufweisen“ und „aufweisend“, wenn sie in dieser Beschreibung verwendet werden, das Vorhandensein der angegebenen Merkmale, ganzen Zahlen, Schritte, Operationen, Elemente und/oder Komponenten spezifizieren, aber nicht das Vorhandensein oder Hinzufügen von einem oder mehreren anderen Merkmalen, ganzen Zahlen, Schritten, Operationen, Elementen, Komponenten und/oder Gruppen davon ausschließen. Wie hierin verwendet, beinhaltet der Begriff „und/oder“ beliebige und alle Kombinationen von einem oder mehreren der zugehörigen aufgelisteten Elemente. Ausdrücke wie „mindestens eines von“, wenn sie einer Liste von Elementen vorangestellt werden, ändern die gesamte Liste von Elementen und nicht die einzelnen Elemente der Liste.
Wie hierin verwendet, werden der Begriff „im Wesentlichen“, „etwa“ und ähnliche Begriffe als Näherungswerte und nicht als Begriffe eines Grades verwendet und sollen die inhärenten Schwankungen in gemessenen oder berechneten Werten berücksichtigen, die von einem Fachmann anerkannt werden würden. Weiter bezieht sich die Verwendung von „kann“ beim Beschreiben von Ausführungsformen der vorliegenden Offenbarung auf „eine oder mehrere Ausführungsformen der vorliegenden Offenbarung“. Wie hierin verwendet, können die Begriffe „verwenden“, „verwendend“ und „verwendet“ als synonym mit den Begriffen „nutzen“, „nutzend“ bzw. „genutzt“ betrachtet werden. Außerdem soll sich der Begriff „beispielhaft“ auf ein Beispiel oder eine Veranschaulichung beziehen.
Ein Teil der Offenbarung dieses Patentdokuments enthält Material, das urheberrechtlich geschützt ist. Der Urheberrechtsinhaber hat keine Einwände gegen die originalgetreue Reproduktion des Patentdokuments oder der Patentoffenbarung, wie sie in der Patentakte oder den Aufzeichnungen des Patent- und Markenamts erscheint, durch irgendjemanden, behält sich jedoch ansonsten alle Urheberrechte vor.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 63108137 [0001]
US 17170615 [0001]
US 17170634 [0001]
US 17170668 [0001]
US 17170539 [0001]
US 17170533 [0001]
US 17324966 [0001]
US 16260078 [0121]

Claims

System zur schnellen Inbetriebnahme eines Datenanalytikmodells für ein Gebäude, umfassend eine oder mehrere Verarbeitungsschaltungen, die jeweils einen oder mehrere Prozessoren und Speicher beinhalten, wobei die Speicher darauf gespeicherte Anweisungen aufweisen, die, wenn sie von dem einen oder den mehreren Prozessoren ausgeführt werden, die eine oder die mehreren Verarbeitungsschaltungen veranlassen zum: - Identifizieren einer ersten Vielzahl von Datenpunkten in dem Gebäude; - automatischen Markieren mindestens eines Teils der ersten Vielzahl von Datenpunkten mit einem oder mehreren ersten Tags unter Verwendung von Kontextdaten, die aus den Datenpunkten extrahiert und/oder mit diesen assoziiert sind, wobei das eine oder die mehreren Tags die Datenpunkte mit einer oder mehreren Entitäten assoziieren, wobei die eine oder die mehreren Entitäten eines oder mehrere von Gebäudeausrüstung, Gebäuderäumen, Personen oder Ereignissen umfassen; - Identifizieren mindestens einen von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung und Erzeugen eines oder mehrerer vorgeschlagener Tags für den mindestens einen Datenpunkt; - Empfangen einer Rückmeldung von der manuellen Überprüfung; und - Empfangen einer zweiten Vielzahl von Datenpunkten in dem Gebäude und automatischen Markieren mindestens eines Teils der zweiten Vielzahl von Datenpunkten mit einem oder mehreren zweiten Tags unter Verwendung der Rückmeldung von der manuellen Überprüfung.
System nach Anspruch 1, wobei das automatische Markieren mindestens des Teils der ersten Vielzahl von Datenpunkten ein Ausführen eines maschinellen Lernmodells beinhaltet, das unter Verwendung historischer Informationen zu den Kontextdaten trainiert wurde, um mindestens eines von dem einen oder den mehreren ersten Tags zu erzeugen.
System nach Anspruch 1, wobei das Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten ein Abrufen beschreibender Daten, die eine Entität beschreiben, und ein Analysieren der beschreibenden Daten beinhaltet, um semantische Informationen aus den beschreibenden Daten zu extrahieren, die ein oder mehrere Attribute der Entität beschreiben.
System nach Anspruch 1, wobei das Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten ein Durchführen einer Signalanalyse an Betriebsdaten, die mit einem Datenpunkt der ersten Vielzahl von Datenpunkten assoziiert sind, beinhaltet, um eine Gültigkeit eines Tags, das mit dem Datenpunkt assoziiert ist, zu bestimmen.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Vertrauensmetrik zu erzeugen, die eine Wahrscheinlichkeit beschreibt, dass ein vorgeschlagenes Tag des einen oder der mehreren vorgeschlagenen Tags gültig ist, und die Vertrauensmetrik mit dem vorgeschlagenen Tag zur Überprüfung bereitzustellen.
System nach Anspruch 5, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, die Vertrauensmetrik mit einer Schwelle zu vergleichen und den mindestens einen von der ersten Vielzahl von Datenpunkten basierend auf dem Vergleich zu markieren.
System nach Anspruch 5, wobei das Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung ein Vergleichen der Vertrauensmetrik mit einer Schwelle und ein Identifizieren des mindestens einen von der ersten Vielzahl von Datenpunkten basierend auf dem Vergleich beinhaltet.
System nach Anspruch 1, wobei die Rückmeldung eine manuelle Einstellung von Informationen, die mit dem einen oder den mehreren vorgeschlagenen Tags assoziiert sind, beinhaltet.
System nach Anspruch 1, wobei die Rückmeldung eine Benutzervalidierung eines Tags des einen oder der mehreren vorgeschlagenen Tags beinhaltet.
System nach Anspruch 9, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Vertrauensmetrik zu erhöhen, die eine Wahrscheinlichkeit beschreibt, dass das Tag des einen oder der mehreren vorgeschlagenen Tags basierend auf der Benutzervalidierung gültig ist.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, das eine oder die mehreren vorgeschlagenen Tags unter Verwendung eines maschinellen Lernmodells zu erzeugen und das maschinelle Lernmodell als Reaktion auf die Rückmeldung von der manuellen Überprüfung zu aktualisieren.
System nach Anspruch 1, wobei das Erzeugen des einen oder der mehreren vorgeschlagenen Tags (i) dynamisches Steuern einer Umgebungsvariablen des Gebäudes, (ii) Überwachen von Sensormessungen und (iii) Erzeugen des einen oder der mehreren vorgeschlagenen Tags basierend auf den überwachten Sensormessungen beinhaltet.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, mindestens eines von dem einen oder den mehreren ersten Tags zu validieren durch (i) dynamisches Steuern einer Umgebungsvariablen des Gebäudes, (ii) Überwachen von Sensormessungen und (iii) Bestimmen einer Gültigkeit des mindestens einen von dem einen oder den mehreren ersten Tags basierend auf den überwachten Sensormessungen.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, einen ersten Datenpunkt von mindestens einer der ersten oder der zweiten Vielzahl von Datenpunkten als unzuverlässig zu identifizieren und einen zweiten Datenpunkt von mindestens einer der ersten oder der zweiten Vielzahl von Datenpunkten als Ersatz für den ersten Datenpunkt zu identifizieren, um einen Gebäudeausrüstungsgegenstand zu steuern oder den Betrieb von mindestens einem Teil des Gebäudes zu beurteilen.
System nach Anspruch 14, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Datenzustandsmetrik zu erzeugen, die eine Gültigkeit mindestens eines Teils der ersten oder der zweiten Vielzahl von Datenpunkten beschreibt, wobei die Datenzustandsmetrik zum Teil basierend auf dem Identifizieren des ersten Datenpunkts als unzuverlässig bestimmt wird.
System nach Anspruch 14, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, einen Alarm in Bezug auf den unzuverlässigen ersten Datenpunkt zu unterdrücken.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen zum: - Identifizieren einer Anomalie, die mit einem ersten Datenpunkt von mindestens einer der ersten oder der zweiten Vielzahl von Datenpunkten assoziiert ist; und - Bestimmen einer Ursache der Anomalie, wobei die Ursache mindestens eines von einem falschen Tag, einem Vorrichtungsfehler, einer unerwarteten Konfiguration oder einer Änderung in mindestens einem von einem Raum der Gebäuderäume oder einer Nutzung des Raums umfasst.
System nach Anspruch 17, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen zu mindestens einem von (i) automatischem Aktualisieren des falschen Tags oder (ii) automatischem Aktualisieren einer Vorrichtungskonfiguration einer Vorrichtung, die mit dem ersten Datenpunkt assoziiert ist, veranlassen, um die Anomalie zu adressieren.
System nach Anspruch 1, wobei das Bestimmen der Ursache der Anomalie ein Auffordern eines Benutzers, ein mit dem ersten Datenpunkt assoziiertes Tag zu überprüfen, beinhaltet.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen zum: - Identifizieren, aus der ersten Vielzahl von Datenpunkten, einer oder mehrerer Vorrichtungen, die richtig markiert sind; - Modifizieren des Betriebs der einen oder der mehreren Vorrichtungen; - Überwachen von Sensormessungen, die mit einem Datenpunkt assoziiert sind, der durch den modifizierten Betrieb der einen oder der mehreren Vorrichtungen beeinflusst wird; und - Bestimmen eines neuen vorgeschlagenen Tags für den Datenpunkt basierend auf den überwachten Sensormessungen.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, ein oder mehrere Vertrauensniveaus, die mit dem automatischen Markieren der ersten und der zweiten Vielzahl von Datenpunkten assoziiert sind, zu bestimmen und eine Datenzustandsmetrik zu erzeugen, die eine Gültigkeit von mindestens einem Teil von Daten, die sich auf das Gebäude beziehen, zum Teil basierend auf dem einen oder den mehreren Vertrauensniveaus beschreibt.
System nach Anspruch 21, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, einen oder mehrere fehlende Datenpunkte oder Datenquellen zu bestimmen, die sich auf die Datenzustandsmetrik auswirken, und einen Vorschlag zu erzeugen, um den einen oder die mehreren fehlenden Datenpunkte oder Datenquellen zu erhalten.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, einen Driftzustand für einen ersten Datenpunkt von mindestens einer von der ersten oder der zweiten Vielzahl von Datenpunkten, in dem ein Verhalten des ersten Datenpunkts von einem erwarteten Verhalten zu einem unerwarteten Verhalten übergeht, basierend auf einem Tag des ersten Datenpunkts zu identifizieren.
System nach Anspruch 23, wobei das Identifizieren des Driftzustands ein Berechnen einer Kovarianz zwischen dem ersten Datenpunkt und einem zweiten Datenpunkt und ein Bestimmen einer Änderung der Kovarianz umfasst.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Anomalie zu bestimmen, die mit einem ersten Datenpunkt von mindestens einer von der ersten oder der zweiten Vielzahl von Datenpunkten assoziiert ist, durch ein Vergleichen von Daten, die mit dem ersten Datenpunkt assoziiert sind, mit historischen Daten, die mit mindestens einem von dem ersten Datenpunkt oder einem oder mehreren verwandten Datenpunkten assoziiert sind.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Änderung in einem Trend zu identifizieren, der mit einem ersten Datenpunkt von mindestens einer von der ersten oder der zweiten Vielzahl von Datenpunkten assoziiert ist, und historische Betriebsdaten von mindestens einem von dem Gebäude oder einem anderen Gebäude, das eine Schwelle gemeinsamer Merkmale mit dem Gebäude aufweist, zu analysieren, um Informationen zu erzeugen, die eine Grundursache der Trendänderung beschreiben.
System nach Anspruch 26, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, einen Vorschlag zum Ändern eines oder mehrerer Attribute, die mit einer Regel zum Auslösen von Fehlern assoziiert sind, basierend auf den Informationen, die die Grundursache beschreiben, zu erzeugen.
System nach Anspruch 26, wobei die Änderung in dem Trend eine Änderung einer Kovarianz zwischen dem ersten Datenpunkt und einem zweiten Datenpunkt, der mit einer zugehörigen Entität assoziiert ist, beinhaltet und wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, ein Fehleridentifikationsmodell unter Verwendung von Kontextdaten, die mit mindestens einem von dem ersten Datenpunkt oder dem zweiten Datenpunkt assoziiert sind, zu aktualisieren.
System nach Anspruch 1, wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen zu mindestens einem veranlassen von, einen oder mehrere Datenpunkte für ein anderes Gebäude basierend auf mindestens einem von der ersten oder der zweiten Vielzahl von Datenpunkten oder der Rückmeldung von der manuellen Überprüfung zu erzeugen oder zu aktualisieren.
System nach Anspruch 1, wobei der mindestens eine von der ersten Vielzahl von Datenpunkten zur manuellen Überprüfung mit einer Entität eines ersten Typs assoziiert ist und wobei die Anweisungen weiter die eine oder die mehreren Verarbeitungsschaltungen veranlassen, eine Vorlage zum Integrieren anderer Entitäten des ersten Typs in das Datenanalytikmodell zu erzeugen, wobei die Vorlage Daten beinhaltet, die eine Kovarianz zwischen einem erwarteten Verhalten der anderen Entitäten des ersten Typs und einem erwarteten Verhalten der einen oder der mehreren Entitäten innerhalb des Gebäudes, das den ersten Typ aufweist, beschreiben.