由商业战略主管Vinod Anantharaman，微软信息管理与机器学习中心（IMML）发表。
建筑由许多系统支撑，比如暖气系统、制冷系统、照明系统、通风系统、安保系统等等，每个都影响着居住者的舒适程度和能源消耗。传统上来讲，每个系统都包含自己的传感器、执行器等等，而且这些都通常集合在一起，专门为自己的系统分析数据。正是因为这种单一基础的建筑管理方式，以前并不存在一种综合的、显示面板一样的方式来展示一幢建筑的运行效率。这让精确预测能源消耗或者浪费变得很困难。
总部在宾西法尼亚州匹兹堡市的卡内基·梅隆大学（CMU）是一所领先的研究型大学，拥有超过12000名学生和5000教职工，自从1900年建校以来就是创新和创造的发源地。在CMU，建筑性能和诊断中心负责开发硬件和软件解决方案，旨在提高大学校园建筑的效率同时实现更高的居住者舒适度。
CMU Center for Building Performance and Diagnostics ?Carnegie Mellon University. All rights reserved.
中心抓住机会创造了一种整合的自动化的系统，它可以提高建筑的节能性能，预测能源消耗模式进而削减开支，还可以发现故障并及时采取措施。这样的系统能够预见制热和制冷的需要并根据需要调节温控器，也可以在提示建筑经理在老化的部件彻底停止工作之前检修或更换。
在组装一套这样有预见性的系统的过程中，CMU的两点基本要求是：
它必须易于实施，而且
它必须对于非技术的员工也易于使用。
解决方案
与OSIsoft合作，中心发明了一种应用了全部历史和当前的传感器数据的整合的系统。Azure机器学习（Azure Machine Learning）就是CMU解决方案的几大组件之一，它从本地的收集校园传感器数据的PI服务器开始，通过基于微软Azure平台的PI云服务把数据传输到在Azure平台上运行的PI服务器，在那里一个OSIsoft研究工具将会把它们梳理、整合、塑造，并最终转化到实时的Azure知识库中，这个知识库便可以被Azure机器学习（Azure ML）访问，进而用于预报分析。分析结果接下来便可以通过Power BI访问，同时也可访问在PI服务器中存储的可以供建筑系统应用使用的预报。
这种解决方案的建设和使用都十分快捷、方便又廉价。“我们连本地软件都不必准备就立刻用上了Azure机器学习（Azure Machine Learning），一切都已经在云端等着使用了，”Bertrand Lasternas，中心的一名研究员说，“它比我们尝试过的其他工具都简单的多，而且它和我们已经有的PI系统和微软云解决方案无缝契合。”
这里有几个有说服力的涉及CMU的解决方案的使用案例：
一幢建筑的温度需要在早上9点工作开始时升高到72度。暖气系统哦通常会在6点开启，或者，在天气较暖时，6点半开启。但是这很可能浪费能源，CMU希望使用预报分析来确定开启暖气系统的理想时间。研究人员希望用一种考虑了内部和外部温度、预期太阳辐射强度和许多其他因素的模型来预报9点的建筑内部温度。因为预期太阳辐射强度没有可用的数据，研究人员就必须首先预测这个变量。他们在Azule机器学习（Azure Machine Learning）上使用提升决策树算法（boosted decision tree algorithm）训练了一个太阳辐射模型，测试了模型并确定了它的精确性，然后把它用在了建筑内部温度预报上，解决了何时打开暖气系统的问题，并成功做到了预计节能。
CMU还想应对组件的故障检测与诊断的挑战，因为藏在墙的后面或者地板底下，这些组件通常不在视觉范围内。通过使用Azure机器学习（Azure ML）来处理由PI系统收集的历史数据，他们便能够预测这样的故障，节约了潜在的花费。
好处
基于实验数据，CMU研究人员估计他们的解决方案将可以把能源消耗降低20%。跨学院的应用正在被讨论，这种应用每年可以节省数十万美元。“节约既来源于减少能源的使用，也来源于把一些能源消耗转移到需求和价格都较低的时段，”Lasternas说。
CMU的研究人员设想，PI系统和微软Azure不仅可以支持研究人员，也可以支持每天都和建筑系统打交道的工程技术人员。比如，现场服务的技术人员可以在他们的平板上获得预报分析的结果进而对设备远程进行检查和更新，以免它们停止工作。智能手机的通知可以提醒工程师能源需求高峰。因为这种解决方案的可扩展性和经济有效性，它可以被用于传统解决方案不能完全满足需求的建筑复合体和公共服务系统。
许多行业的用户都在使用微软Azure机器学习（Azure ML）来部署企业级预报分析解决方案，一也可以今天就开始。
在CMU，人们在展望已经建成的解决方案的广阔前景。“我们看到Azure机器学习（Azure ML）和PI系统开创了自我学习预报分析的新时代，”Lasternas说，“我们畅想无线可能。”