(资料图)

如何在智能建筑中构建强大的数据集成架构？

在智能建筑环境中，数据集成意味着识别、转换、分析和利用来自不同来源的数据，以提高建筑所有者最宝贵资产的性能。将强大的数据集成架构与智能技术相结合，可以让利益相关者更好地理解建筑物的系统和设备协同工作的效果，并为实现组织目标创建明确的路径。专家掌握系统集成和正确的技术堆栈是充分利用物业潜力的关键。

智能建筑对数据集成架构的需求

数据集成架构是建筑数据映射、协调和交付的手段。通过正确的集成，数据可以推动更好的建筑性能，更轻松的利益相关者之间的协作，以及更高的租户满意度。在智能建筑中，数据集成架构涉及多个层面:源系统将外部和内部应用程序、记录系统、企业数据仓库和其他现有技术包含到一个中央统一的核心系统中，如建筑管理系统(BMS)。连接性是集成的关键。在一个集成良好的系统中，数据流必须是无缝的，故需要一个安全可靠的连接。数据集成将收集到的建筑数据进行转换，并允许操作人员在孤岛外查看数据，从而全面了解建筑系统。其使得大数据的访问和归档具有成本效益。数据规范化使信息标准化，使其有用，且机器可读。实现并保证干净、建模良好的规范化数据的技术，对于推动分析等所有应用至关重要。数据分析将物联网(IoT)设备收集的无组织大数据转换为有意义的、可操作的见解。

由于拥有丰富的数据点，智能建筑需要强大的数据集成架构，为先进的自动化策略提供动力，并允许利益相关者快速做出明智的决策。

数据集成架构中的关键因素

各种平台技术都希望将数据协调并整合到一个架构中。这些需要足够全面以支持当前的系统需求，同时仍然允许足够的可扩展性，以允许进一步的架构开发。高级数据集成平台使以数据为中心的方法能够管理建筑。然而，未被维护的系统，包括控制器、软件和未被更新或其制造商不再支持的网络设备，存在严重的网络安全风险。如果系统与许多设备离线运行，其实际上是手动操作的，无法实现智能系统集成的自动化好处。因此，初始设计和持续维护对于强大的数据集成架构都是至关重要的。以下是需要考虑的关键因素:

❶数据仓库数据仓库关注与最终用户通信数据所涉及的处理和呈现。尽管所有的数据仓库都是独一无二的，但每一个都具有标准功能。数据仓库应用仅在需要时支持用户的数据需求。数据仓库支持以下应用:

预测分析总结报告趋势分析

操作系统会定期更新仓库数据库，通常是在建筑物使用者不使用时。随着这些数据的积累，可以定期将其提取、过滤并加载到专用数据仓库。

❷人工智能在数据集成架构涉及的应用中，那些以人工智能(AI)为特色的应用提供了对建筑系统最全面的观察。AI使利益相关者能够从许多不相关的来源获得统一的数据观点，并提供必要的见解，以理解从建筑的不同系统收集的数据。此外，AI简化了数据集成。其改善了数据的流动，增强了数据处理能力。在AI的支持下，数据集内的模式和趋势更容易被揭示，从而产生更准确的统计建模和更好的洞察力。AI还可以实现数据映射和预测的自动化。

❸与供应商合作在数据集成架构方面，建筑所有者面临的最大挑战之一是供应商开发和拥有的网络。通过访问凭据，使其可以对网络和设备、建筑控制和其他供应商进行管理访问，且还可以有效地“要挟”客户。为了防止供应商越权，利益相关者应该迁移或升级设备和软件，以消除风险，并致力于聚合网络，以确保完全控制。然而，最重要的战略之一是与专家主系统集成商(MSI)合作。MSI作为建筑业主和供应商之间的中介，与IT团队合作解决集成问题，并创建统一的方法。

❹集成平台没有正确的组件，即使是最强大的数据集成架构也无法优化性能或提供做出明智决策所需的清晰度。像IOT Jetstream这样的集成平台和独立数据层(IDL)是实现支持设备和应用程序之间数据流所必需的协同关系的关键。一旦建筑系统被统一，像onPoint这样的智能建筑平台就可以与建筑系统、物联网设备和基于云的应用无缝协作，就可以充分利用建筑数据。借助这些技术，建筑性能才能真正发挥出其全部潜力。