ما هي البيانات التي يحتاجها المبنى قبل أن يصبح الذكاء الاصطناعي مفيدًا؟

لا توجد قائمة واحدة تناسب كل مبنى. تعتمد البيانات التي يحتاجها المبنى على القرار الذي من المفترض أن يدعمه الذكاء الاصطناعي، وتنبؤات الطاقة، وأداة الكشف عن الأخطاء، ومساعد المستندات، ونموذج الصيانة التنبؤية، كل منهم يريد مدخلات مختلفة، بترددات مختلفة، وبأعماق تاريخية مختلفة. لذا، اعمل بشكل عكسي بدءًا من حالة الاستخدام وصولاً إلى الحد الأدنى من الأدلة الموثوقة التي تتطلبها. إن جمع كل شيء والأمل في ظهور القيمة لاحقًا هو البديل المكلف.

القراءة بدون سياق هي مجرد رقم

النقطة تقرأ "37". قد يكون صمامًا مفتوحًا بنسبة 37%، أو أمرًا بفتحه إلى هذا الحد، أو درجة حرارة الماء الراجع بالدرجات المئوية. لكي يستخدمه النموذج، يجب على شخص ما تسجيل الجهاز الذي يأتي منه وما يخدمه هذا الجهاز، ووحدته، سواء كان قياسًا أو نقطة ضبط أو أمرًا، ومتى وكم مرة تم أخذ العينات. ما كان يفعله المحطة في ذلك الوقت مهم أيضًا.

تحتفظ النماذج الدلالية مثل Brick بهذا السياق في نموذج يمكن للبرنامج قراءته، لذلك يمكن للتطبيق أن يطلب "جميع أجهزة استشعار درجة حرارة هواء الإمداد في وحدات معالجة الهواء التي تخدم الطابق الثالث" دون أن يقوم المهندس أولاً بفك رموز أسماء النقاط يدويًا.

أسئلة مختلفة، بيانات مختلفة

تعامل مع الجدول كنقطة بداية: يجب على مورد أي تطبيق محدد أن يذكر متطلباته الخاصة، ويجب عليك اختبارها مقابل ما يحمله المبنى بالفعل.

اختبر البيانات مقابل الوظيفة التي ستؤديها

إن الاكتمال والدقة والتوقيت والاتساق كلها أمور مهمة، ولكن يجب الحكم عليها على مدى فترات تمثيلية، حيث أن الأسبوع المناسب يمكن أن يجعل أي مجموعة بيانات تقريبًا تبدو سليمة. يقول إطار إدارة مخاطر الذكاء الاصطناعي (AI RMF 1.0) الخاص بالمعهد الوطني للمعايير والتكنولوجيا (NIST) أنه يجب أن تقترن قياسات الدقة بمجموعات اختبار واقعية محددة بوضوح تمثل ظروف الاستخدام المتوقع. بالنسبة للمبنى، السؤال هو ما إذا كان التاريخ يغطي ما سيلبيه التطبيق فعليًا: كل موسم، والعطلات، والتغيرات في الإشغال، وأعطال المحطات. لا يمكن لمجموعة البيانات المستمدة من ربيع معتدل أن تدعم الادعاءات حول قمم الصيف.

وتختلف التفاوتات المسموح بها حسب حالة الاستخدام أيضًا، لذا يجب الاتفاق على الفجوات ووقت الاستجابة المقبول لكل منها. يمكن أن يعيش اتجاه الطاقة الشهري مع بضع ساعات مفقودة؛ لا يمكن التنبيه التشغيلي.

سجل ما تغير ومتى

المباني لا تقف ساكنة. يتم استبدال أجهزة الاستشعار أو إعادة معايرتها أو نقلها؛ تغيير الجداول؛ تتم مراجعة أسماء النقاط بعد ترقية BMS. يمكن لأي من هذه العناصر تغيير ما تعنيه مجموعة البيانات دون أن تبدو أي قيمة خاطئة، لذلك ينتمي سجل التغيير إلى جانب البيانات. يشير إطار NIST إلى أن الحفاظ على مصدر بيانات التدريب يدعم الشفافية والمساءلة. وفي المبنى، يتيح أيضًا للمهندس شرح سبب تغير مخرجات النموذج.

العمل غير الساحر يحتاج إلى ميزانية ومالك

غالبًا ما يكون إعداد البيانات أكبر مهمة في مشروع الذكاء الاصطناعي المبكر، وهو المهمة الأكثر احتمالاً أن تكون مفقودة من الميزانية. يجب على شخص ما تعيين نقاط للأصول والمساحات، وتعيين فحوصات الجودة وحدودها، وتصحيح الأخطاء في المصدر وكذلك في نسخة التحليلات، وتسجيل التغييرات على أجهزة الاستشعار والجداول والأنظمة، والحفاظ على رسم الخرائط محدثًا مع تطور المبنى. ما لم يكن لكل من هذه المهام مالك مسمى، فإن النموذج يرث الفجوات.