详细内容或原文请订阅后点击阅览
智能建筑转型中信息收集的重要性
在快速发展的智能建筑领域，一个重要的转型领域是设施管理 (FM)，尤其是清洁运营。传统上，FM 公司依靠有限的指标（例如考勤、监督、经验比较、损益表和基于感知的标准）来衡量其清洁效果。
来源:SoftBank Robotics博客在智能建筑物的快速发展的景观中，转型的一个重要领域在于设施管理（FM）内，尤其是在清洁操作中。传统上，FM公司依靠有限指标，例如时间和出勤率，监督，经验比较，p＆l和基于感知的标准来衡量其清洁效率。
但是，这种狭窄的重点导致了一个关键的监督：未能衡量清洁工在工作中的表现。这种监督不仅会导致效率低下和时间损失，而且会阻碍提供可验证的清洁证明的能力。
问题
FM公司的当前做法通常强调无法全面捕捉清洁操作的细微差别的指标。在跟踪时间和出勤率，监督水平和比较经验提供了一些见解的同时，这些措施缺乏评估最昂贵的资产：清洁工在工作中的表现。结果，FM公司面临重大挑战：
效率低下和时间损失：如果没有详细了解清洁工如何执行其任务，就无法确定效率低下或浪费时间的领域。
效率低下和时间损失 ：如果没有详细了解清洁工如何执行任务，就无法确定效率低下或浪费时间的领域。缺乏清洁证明：依靠基于感知的标准意味着没有科学或数据支持的证据证明清洁已有效地进行。
缺乏清洁证明 ：依靠基于感知的标准意味着没有科学或数据支持的证据证明清洁已有效进行。无法优化流程：如果没有全面的数据，就几乎不可能实施有意义的过程改进。
无法优化流程 ：没有全面的数据，实施有意义的过程改进几乎是不可能的。解决方案