在传统的设备管理模式中，往往要有明显迹象表明设备性能变差时才去确定这台设备是否应该检修，或根据规程已经到了大修期限，才着手组织大修。这样就存在以下问题：一是其运转情况无法

统计准确；二是本可不必大修解决的问题拖到了故障累积成必须大修的程度，导致设备维修费用升高。传统的维修思路是：当设备不能正常工作甚至无法工作后才去寻找故障并维修。这样做的结果，首先是设备停止运行，影响了正常服务，其次是故障往往不仅是部件问题，甚至到了必须更换整套设备的地步，使得维修成本巨增；三是维修工作被动，变成“头痛医头，脚痛医脚”，工作紧张，配件消耗多，设备性能差。

　　按老办法管理，由于建筑设备的分散性和复杂性使设备工程师劳动强度增大，维护质量跟不上需要。那种靠填写值班日志、抄表记录、出现报警信号后才去排除故障的人工方法显然已经不能适应新的形势。虽然新的系统有了类似黑匣子之类的自动数据记录器，但这也只能作为事后分析的依据。

　　在智能建筑中大量采用了空调系统及相关设备，它们规模庞大、设备复杂，在设备管理和维修方面的花费也较大。当某个设备出现故障时，设备可能在东，电源又可能在西，因此维护人员可能要跑遍整个建筑去排除故障，即使找到了故障所在的设备间，往往又是一大堆不同系统的设备，摆在同一狭小的空间里，要迅速确定故障所在并加以排除也不是一件轻松的事。这种困难在智能建筑中尤其突出，如果设备常出故障及维护困难，将在很大程度上影响到这些建筑的声誉。另外，如果配件储备不够，需要临时组织货源（尤其是进口配件）……