منصة البيانات المفتوحة لخدمة الرفع المُحسّنة: فرصة للشركات الصغيرة والمتوسطة في صناعة الرفع

بقلم ديفيد أباديا، ريكاردو ساليلاس، ألفريدو جوميز، ريكارد بو، بيدرو فرنانديز، لورنزو بلتران

تم تقديم هذه الورقة في الندوة الدولية للمصاعد والسلالم المتحركة 2022 في برشلونة ، إسبانيا.

 الملخص

يعمل اتحاد مكون من Ascentrices Beltrán وMP Ascentrices وNayar وITAINNOVA على تطوير منصة مفتوحة لخدمات الرفع المحسنة. يهدف المشروع إلى تطوير منصة متقدمة لتحليل البيانات لتحسين صيانة وخدمة المصاعد بناءً على المعرفة المستخرجة من البيانات المجمعة للمصاعد المتصلة.

ستعتمد المنصة على بنية تحتية رقمية ووحدات برمجية من خلال دمج خوارزميات التعلم الآلي والتحليلات المتقدمة التي ستعمل على رفع البيانات المدخلة في المنصة. تهدف نتائج هذه الخوارزميات إلى تقليل تكاليف الخدمة بناءً على معرفة أعمق حول حالة المصاعد التي يتم الحصول عليها عن طريق تحديد اتجاهات التطور أو التآكل، أو اكتشاف حالات الشذوذ التشغيلي، أو التنبؤ بالسلوك أو توقع الإنذارات.

السمة الرئيسية والعنصر المميز للنهج المقترح هو أن المنصة يجب أن تكون مفتوحة للمستخدم (شركات صيانة وخدمات المصاعد) ولمطوري خوارزميات التحليل. ومن أجل توفير توافق البيانات، سيتم تطبيق توحيد البيانات. تعرض هذه الورقة الأهداف المدروسة والنهج الفني والبنيات المصممة في البداية للمنصة.

المشروع المعروض في هذه الورقة هو نتيجة للجهود المشتركة للعديد من الشركات التابعة لـ AECAE، الجمعية الإسبانية لمصنعي مكونات الرفع: MP Ascentrices كشركة عالمية في مجال تصنيع وتركيب المصاعد، Ascentrices Beltrán كشركة صغيرة ومتوسطة. شركة صغيرة الحجم (SME) مُصنِّعة ومثبتة لحلول المصاعد المخصصة، وNayar كشركة مصنعة لتكنولوجيا حلول إنترنت الأشياء للمصاعد، وITAINNOVA كمركز للبحث والتطوير، وAECAE نفسها كمنسق وراعي.

1. النهج المقترح

يهدف المشروع إلى تطوير منصة متقدمة لتحليل البيانات لتحسين مهام صيانة وخدمة المصاعد بناءً على المعرفة المستخرجة من البيانات المجمعة للمصاعد المتصلة من حيث حالة تشغيلها.

• منصة تحليل البيانات المتقدمة: البنية التحتية الرقمية التي تعمل كأساس لتشغيل وحدات برمجية معينة تتوافق معها. ستتألف وحدات البرامج هذه من تطبيقات خوارزميات التعلم الآلي والتحليلات المتقدمة التي ستعمل على البيانات المدخلة في النظام الأساسي.
• تحسين مهام الصيانة والخدمة: تخفيض تكاليف الخدمة بناءً على معرفة أكبر، يتم الحصول عليها أيضًا في الوقت الفعلي، حول حالة المصاعد.
• المعرفة المستخرجة فيما يتعلق بحالة التشغيل: تحديد اتجاهات التطور أو التآكل، والكشف عن شذوذات التشغيل، والتنبؤ بالسلوك، وتوقع الإنذارات، وما إلى ذلك.

السمة الرئيسية والعنصر المميز للنهج المقترح هو أن المنصة يجب أن تكون مفتوحة بمعنى أنه يمكن استخدامها من قبل جهات فاعلة متعددة ذات خصائص ومتطلبات مختلفة.

وبالتالي، نظرًا لأنه يعتبر مفتوحًا من جانب المستخدم، ستتمكن شركات صيانة وخدمات المصاعد من إدخال البيانات التي تم جمعها من مصاعدها المتصلة بطريقة مجهولة المصدر على المنصة والحصول على المعلومات ذات الصلة منها لتحسين خدمات الصيانة الخاصة بها.

وبنفس الطريقة، يتم أيضًا اعتبار النظام الأساسي المفتوح من جانب مطوري خوارزميات التحليل الذين سيكونون قادرين على تنفيذها في النظام الأساسي الذي يقدم خدمات تحليل جديدة تؤدي إلى ميزات جديدة.

يقدم هذا النهج بعض التعقيدات من وجهة نظر التوافق مع أنواع متعددة من البيانات وحالات الاستخدام التي قد تنشأ والتي سيتم حلها من خلال توحيد تنسيقات البيانات والبروتوكولات.

وبالتالي، يتم اقتراح بنية أساسية تعتمد على الموصلات (واجهات برمجة التطبيقات العامة (APIs)) بين منصة البيانات ومنصات بيانات المستخدم أو المستودعات بطريقة تضمن التحكم فيها من قبل مالكها.

من ناحية أخرى، يتم أيضًا تقديم العديد من التعقيدات من وجهة نظر إدارة المنصة نظرًا لتعدد الوكلاء المشاركين، سواء من جانب المستخدم - شركات صيانة المصاعد - أو من جانب مطوري الخوارزميات - شركات التكنولوجيا. سيتم حل هذه التعقيدات من خلال نموذج الإدارة والأعمال استنادًا إلى نماذج PaaS (النظام الأساسي كخدمة).

واستناداً إلى هذا السيناريو، يُقترح نهج عام في الشكل 1.

تتكون المنصة من المربعات الزرقاء، مع واجهات برمجة التطبيقات المفتوحة، التي تخزن البيانات والنتائج المعيارية ويمكنها إنشاء رسوم بيانية وتقارير ومؤشرات وأحداث.

تمثل المربعات الصفراء بيانات المستخدم التي تصل إلى المنصة من خلال واجهات برمجة التطبيقات وتغطي حالة استخدامها باستخدام الرسوم البيانية والتقارير والمؤشرات والأحداث التي تقدمها المنصة أيضًا من خلال واجهات برمجة التطبيقات، أو عن طريق تحديد خاصة بها.

يركز الصندوق الأخضر على خوارزميات التحليل المرتبطة أيضًا بالمنصة لتوليد النتائج والتي يمكن تطويرها بواسطة وكلاء تكنولوجيين مختلفين بموجب نموذج ومعايير إدارة المنصة.

باستخدام هذه البنية، سيقوم المستخدم بإضافة بياناته والحصول على تقارير خدمة محددة لكل مصعد، حسب الشركة وعلى المستوى الإجمالي. هذه المعلومات موجهة، من ناحية، لفنيي الطريق، ومن ناحية أخرى، لإدارة الشركة.

2. الأهداف الإستراتيجية

من خلال النهج المقترح، يتم تحقيق الأهداف التالية على مستوى الجمعيات والقطاعات من أجل:

إتاحة الفرصة لشركات صيانة وخدمات المصاعد الصغيرة (أكثر من 95% من الإجمالي في إسبانيا) للوصول إلى أدوات التحليل المتقدمة لتحسين الخدمة التي لم يتمكنوا من تطويرها بأنفسهم ولن يكون ذلك منطقيًا نظرًا لحجم محفظة الصيانة المحدودة من هذه الشركات.

إنشاء نموذج منصة يتم من خلاله الحصول على المزيد من القيمة تدريجيًا مع إضافة المزيد من المستخدمين للبيانات إليه، مع ضمان أمانهم وسريتهم. وبالتالي فإن النطاق المستهدف سيكون وطنيا ودوليا في مراحل لاحقة.

جذب مطوري الخوارزميات بطريقة تمكن المستخدمين من الاختيار بين البدائل والخدمات المختلفة وفقًا لاهتماماتهم، مما يؤدي في الوقت نفسه إلى "المنافسة" بين خوارزميات التحليل بحيث يتم إنشاء دورات التحسين.

3. الأهداف التكنولوجية والتجارية

على المستوى التكنولوجي، سيكون من الضروري إنشاء وتنفيذ العناصر الأساسية التالية:

• أنظمة إنترنت الأشياء لتوفير الاتصال بالمصاعد، بما في ذلك عناصر الاتصال ومستودعات بيانات العملاء (منصة العميل)
• واجهات API لربط منصة العميل بمنصة التحليل
• البنية التحتية السحابية
• خوارزميات التعلم الآلي واستخراج البيانات للمعالجة والحساب
• التطورات المتعلقة بأمن وسلامة المعلومات

على مستوى الأعمال والإدارة، تتمثل الأهداف المشتقة في إنشاء:

• نموذج الدفع لكل استخدام الذي يضمن الشفافية والموثوقية للمستخدمين ومطوري الخوارزميات
• نموذج إدارة يضمن ويسهل دمج المستخدمين والمطورين الجدد في النظام الأساسي

4. حالة الفن

تشهد الصناعة زيادة وتراكمًا للبيانات لم يسبق له مثيل من قبل. تشتمل هذه البيانات على مجموعة متنوعة من التنسيقات، ذات دلالات وتصنيفات وجودة مختلفة، وغالبًا ما تأتي في الوقت الفعلي، مثل، على سبيل المثال، بيانات الاستشعار من المعدات (المصاعد)، ومعلمات الماكينة، وخطوط الإنتاج، والبيانات البيئية.

هذه الظاهرة تسمى الصناعة 4.0^[1] يزيد من توافر كميات كبيرة من البيانات القادمة من إنترنت الأشياء (IoT)،^{[2] [3]} يقودنا إلى عالم جديد يسمى البيانات الضخمة،^[4] مما يسمح بتحليل المعلومات التي تحتويها واستغلالها للحصول على قيمة مضافة. توفر التطورات الجديدة في مجالات معينة، مثل الرياضيات وعلوم الكمبيوتر، إمكانات كبيرة لتحويل البيئة الصناعية والبناء من خلال فهم واستغلال هذا الكم من بيانات العملية.

واحدة من التطورات الأكثر إثارة هي في مجال التعلم الآلي،^[5] مجموعة فرعية من مجال الذكاء الاصطناعي،^[6] والذي يتكون من رؤية كيفية جعل الآلات تتعلم بشكل مستقل، بناءً على البيانات التاريخية. إن قابلية التطبيق الكبيرة والحواجز المنخفضة أمام تطوير الذكاء الاصطناعي تسمح لنا بالقيام بابتكارات كان يُعتقد في السابق أنها بعيدة المنال.

تنقل المصاعد الركاب باستمرار، وفي نفس الوقت مع كل رحلة يتم إنشاؤها، يتم إنشاء كمية كبيرة من المعلومات، والتي يمكن تحليلها من خلال الذكاء الاصطناعي لتحسين الخدمة واستغلالها. يتيح التحليل الذكي للبيانات (التحليلات العميقة، المطبقة على كميات كبيرة من البيانات، والبيانات الضخمة) من خلال الذكاء الاصطناعي إنشاء نماذج تتعلم كيفية عمل أنظمة تركيب المصعد والأنماط التي تحدد سلوك التشغيل والأعطال، مع الأخذ في الاعتبار الارتباط بينها وبينها. التطور مع مرور الوقت.

ومن بين تقنيات الذكاء الاصطناعي، التعلم العميق^{[7] [8] [9]} تبرز، حيث تضع نفسها كواحدة من أكثر التقنيات ابتكارًا وقوة لجعل أجهزة الكمبيوتر "تتعلم" بطريقة مماثلة للبشر، وتحاول محاكاة السلوك المعقد للدماغ البشري وقدرته على التعرف على الأنماط من خلال المحفزات الحسية التي يدركها. .

من خلال التعلم العميق، بالإضافة إلى تقنيات الذكاء الاصطناعي الكلاسيكية الأخرى، على سبيل المثال، تحليل السلاسل الزمنية لتطور المتغيرات، واستخلاص أنماط السلوك بمستوى عالٍ من التجريد، وتحليل الاتجاهات والتنبؤ بالسلوك وتحديد المتغيرات ذات الصلة للتوصيف. من العمليات التي يمكن تنفيذها، من بين العديد من التطبيقات الأخرى.

يوفر توفر البيانات من أجهزة الاستشعار التي تصف معلمات تشغيل الرفع جنبًا إلى جنب مع الذكاء الاصطناعي إمكانات كبيرة لتحسين العمليات في مجال خدمة الرفع، مما يجعل من الممكن تحليل الاتجاهات السلوكية في المنشآت، وباختصار، استخلاص المعرفة من البيانات غير المتجانسة التي تم جمعها من الرفع المدمج مَلَفّ.

بعض إمكانيات التطبيق المختلفة من المعرفة المستخرجة هي:

• رصد وكشف الشذوذات والأخطاء: يتيح الحصول على البيانات في الوقت الفعلي وفهمها العميق من خلال تقنيات التعلم الآلي وصف سلوك تركيب المصعد. تتيح هذه المعرفة استغلال بيانات التثبيت، بالإضافة إلى اكتشاف الأنماط الشاذة في الوقت الفعلي. على سبيل المثال: يسمح الاختلاف من حيث المعلمات الحركية والديناميكية، والمناورات التي يتم إجراؤها ومعلمات مكونات التثبيت بإنشاء ارتباطات مع أخطاء النظام التي لا يمكن اكتشافها بطريقة أخرى، مما يسمح بالتعرف المبكر على الحالات الشاذة في النظام وتوقع تجنب التكاليف الاقتصادية العواقب وتوقف الخدمة.
• الصيانة الوقائية: يتيح الذكاء الاصطناعي النمذجة الفعالة لسلوك المكونات المختلفة المشاركة في تركيب المصعد. وبهذه الطريقة، تتعلم نماذج التعلم الآلي كيفية عمل المكونات، وكيفية تدهورها وأنماط الفشل التي يمكن أن تحدث، مما يسمح بتحليل البيانات في الوقت الفعلي للتنبؤ بالوقت الذي يجب فيه تنفيذ إجراء الإصلاح بشكل وقائي لتجنب الضرر. يأخذ فشل التشغيل في الاعتبار أنماط التشغيل العادية والأعطال، بالإضافة إلى استخدام التركيب. يتيح هذا التوقع حلاً وقائيًا للمشكلة دون التأثير على جودة الخدمة.
• تحسين معلمات التشغيل: ويعتمد على فهم سلوك تركيب المصعد نفسه ومتغيرات البيئة، التي قد تكون موجودة مثل المستخدمين وعلم المناخ، للسماح بالتكوين الأمثل لمعلمات التشغيل مع الأخذ في الاعتبار أنماط حركة المرور وسلوك المصاعد. على سبيل المثال، من خلال تحديد أنماط سلوك المستخدم بناءً على الاستخدام والمسار والجدول الزمني، يمكن تحديد الأنماط الأكثر شيوعًا التي يمتلكها سكان المبنى، مما يسمح بتحسين الاستخدام وتحسين جودة الخدمة.

ومن خلال هذه الأهداف، طورت الشركات الكبرى متعددة الجنسيات العاملة في هذا القطاع حلولاً متقدمة في هذا المجال يتم استغلالها تجاريًا بالفعل والتي تؤدي إلى اختلال توازن المشهد التنافسي بشكل أكبر، مع الأخذ في الاعتبار الصعوبات التي يجب أن تواجهها الشركات الصغيرة والمتوسطة من أجل تطوير صيانة متقدمة. تم تحسين النظام، سواء من حيث القدرات التقنية أو من حيث توفر البيانات عند التعامل مع محافظ صيانة أصغر بكثير.

بالنسبة للشركات الصغيرة والمتوسطة، حتى تلك المتوسطة والكبيرة، من الصعب جدًا تطوير حلول بهذا المستوى بسبب القيود في القدرات التقنية وحجم البيانات المطلوبة لجعلها مجدية من الناحية التقنية.

يهدف هذا المشروع إلى معالجة هذه القيود بناءً على التعاون بين وكلاء الترويج وعلى أساس نهج المنصة المفتوحة المقترح.

5. الوصف الفني

يتم وصف النهج والبنية التقنية المخططة للمنصة أدناه بناءً على المخطط العام الموضح في الشكل 2.

مكونات الهندسة المعمارية وسير العمل

البنية التحتية للرفع (الصندوق الأخضر)

ويشمل جميع مكونات البنية التحتية للرفع (السيارة، لوحة التحكم، أجهزة الاستشعار المتاحة، لوحة الأزرار، وما إلى ذلك)، بالإضافة إلى عقدة تسمح بجمع المعلومات الواردة من مصادر البيانات هذه ومعالجتها وإعدادها للإرسال، و وحدة اتصالات ترسل المعلومات إلى البنية التحتية لكل مشغل مصعد.

المكونات المحددة هي:

• المصاعد (البنية التحتية للمصعد): لوحة التحكم، السيارة، أجهزة الاستشعار المتوفرة، لوحة الأزرار، وما إلى ذلك (تُفهم على أنها مصادر بيانات). من المهم ملاحظة أنه يجب جمع أحداث لوحة التحكم التي تسمح بإعادة بناء الرحلات التي تمت (على سبيل المثال: فتح/إغلاق الأبواب، المرور عبر الأرضية، الحركة، الضغط على الزر... مع الختم المؤقت المقابل لها).
• منصة المصعد (عقدة المعالجة): وهي المسؤولة عن الوصول إلى جميع المعلومات الخاصة بتركيب المصعد، وتجميعها، وتجهيزها للشحن، والتعرف على المصعد، والتركيب.
• منصة المصعد (وحدة الاتصالات): وهي المسؤولة عن إرسال المعلومات التي تم جمعها من خلال الاتصالات الآمنة إلى البنية التحتية لمشغل المصعد، وإرسال المعلومات التي تم جمعها:
  • ليس بالضرورة في الوقت الفعلي، بل يمكن إجراؤه بتردد يسمح بتحسين الاتصالات (على سبيل المثال، بمجرد جمع كمية معينة من المعلومات، إما حسب الوقت أو من حيث الحجم).
  • ويجب أن تتضمن معلومات الأحداث التي تسمح بإعادة بناء كل من الرحلات والمتغيرات ذات الاهتمام (على سبيل المثال، وقت فتح الباب، ووقت إغلاق الباب) مع الطابع الزمني لكل منها، بالإضافة إلى أجهزة الاستشعار ذات الصلة بالتحليل (ل مثال قوة المحرك).
  • يجب توفير اتصالات آمنة وفقًا للبنية التحتية لكل مشغل مصعد.

لذلك، تحتوي هذه البنية التحتية على وحدات برمجية تسمح بمعالجة ومعالجة المعلومات الواردة من المصاعد بهدف:

• جمع المعلومات القادمة من المصاعد
• معالجة المعلومات الخاصة بكل مصعد وتكييفها مع تنسيق محدد (استنادًا إلى JSON) لإرسالها لاحقًا إلى واجهة برمجة التطبيقات المسؤولة عن معالجة المعلومات
• إخفاء هوية المعلومات التي تم جمعها من المصاعد
• توفير اتصالات آمنة (على سبيل المثال، قائمة على الشهادات) مع واجهة برمجة التطبيقات (API).
• إدارة استلام التنبيهات من وحدة معالجة البيانات

على مستوى المكون، يجب أن تتضمن وحدات برمجية بغرض أداء وظائف معالجة معلومات الرفع لتكييفها مع تنسيق موحد يعتمد على JSON (سيتم تخزين البيانات الموجودة في هذا التنسيق وتحليلها، ولكن من المهم أن يكون هناك تنسيق مشترك للمعلومات المخزنة في وحدة معالجة البيانات)، مثل تنسيق التبادل المستند إلى JSON.

البنية التحتية لمعالجة البيانات (المربع الأحمر)

وعلى مستوى المكونات، يجب أن تتضمن على الأقل:

• واجهة وصول عميل Rest API: سيتم نشر واجهة Rest API. ستكون هذه الواجهة مسؤولة عن تلقي الطلبات من العملاء، ونقل المستندات إلى مدير الأحداث (من خلال خادم الأحداث لتجميع البيانات والتحقق من اتساقها، وكذلك من خلال Data Ingest Manager لنشر البيانات إلى مدير الأحداث) بالإضافة إلى توفير الرد على هذه الطلبات الناتجة عن وحدات بايثون.
• مدير الأحداث: سيتم العمل كواجهة لـ DataLake لاستيعاب البيانات من خلال واجهة (على سبيل المثال تعتمد على Rest API) لإدارة البيانات التي تم تحميلها إلى DataLake.
• DataLake: مستودع البيانات حيث سيتم استخدام ثلاث قواعد بيانات لتنظيم البيانات في ثلاثة مستويات:
  • DB1: سيتم استخدام قاعدة بيانات غير علائقية (mongoDB) لاستضافة البيانات الأولية من أجل استضافة البيانات من البنية التحتية لمشغلي المصاعد في DataLake. تعود حقيقة أن قاعدة البيانات المستخدمة من النوع غير العلائقي إلى حقيقة أن هذه الخاصية توفر لقاعدة البيانات المرونة اللازمة لإدارة السجلات ذات البنية المرنة. وهذا الأخير ضروري لأنه من المتوقع أن تحتوي تركيبات المصاعد المختلفة على بيانات مختلفة.
  • DB2: سيتم استخدام PostgreSQL كقاعدة بيانات علائقية. يتيح هذا النوع من قواعد البيانات مرونة أقل (الحقول المحددة مسبقًا) مقارنة بالحقول غير العلائقية ولكن بوقت استجابة أسرع. وهذا الاعتبار الأخير مهم لأن قاعدة البيانات هذه تخزن نتائج المعالجة مثل التنبيهات المكتشفة. وحدات بايثون التي تستجيب لواجهة Rest API تقرأ البيانات المخزنة في قاعدة البيانات هذه.
  • DB3: سيتم استخدام PostgreSQL كقاعدة بيانات علائقية. وسيحتوي على البيانات المفيدة لتطبيق تعلم الآلة لاحقًا أو إنشاء تصور للبيانات.

• وحدة توحيد البيانات وهيكلتها من أجل إجراء معالجة معلومات المصعد لتكييفها مع تنسيق موحد
• وحدة تحليلات البيانات ونواة تعلم الآلة حيث يتم نشر جميع الأدوات اللازمة لتنفيذ معالجة وهيكلة البيانات وتحليل البيانات وإنشاء المقاييس ذات الصلة للتشاور في هذه الوحدة واستنادًا إلى التحليلات، يتم تنفيذ إنشاء التنبيهات
• وحدة التصور التي تستلزم إنشاء لوحة معلومات كملخص لتصور المعلومات، على سبيل المثال، المقاييس ذات الصلة والحوادث/الحالات الشاذة المكتشفة
• وحدة إدارة التنبيهات: بناءً على التنبيهات المكتشفة، سيتم إجراء اتصال مع البنية التحتية لمشغل المصعد لإبلاغه بالتنبيهات المكتشفة.

ومن أجل تضمين خوارزميات جديدة لمعالجة البيانات، سيتم تنفيذ النظام المقترح بطريقة قابلة للتطوير تسمح بدمج خوارزميات جديدة في المكونات المختلفة للمنصة من أجل تقديم خدمات جديدة من مقدمي خدمات مختلفين في المستقبل.

6. مخطط التشغيل

وفقًا للنهج الفني المقترح، يجب أن يكون لدى مستخدم المنصة -شركة خدمات صيانة المصاعد- بنية تحتية مطورة مسبقًا لتخزين البيانات من مصاعدهم المتصلة.

يجب أن تتم تسوية هذه البيانات، أو مجموعة فرعية منها تتوافق مع سلسلة من المصاعد التي يحددها مشغل المصعد، وتوحيدها وفقًا للتنسيق المحدد بواسطة المنصة قبل إدخالها فيها.

سيتم نقل البيانات إلى منصة التحليل من خلال واجهات برمجة التطبيقات المفتوحة التي ستسمح بإخفاء هوية المعلومات ونقلها إلى المنصة.

ومن خلال واجهات برمجة التطبيقات أيضًا، سيتلقى مشغل المصعد معلومات قيمة من تطبيق خوارزميات التحليل المتاحة على المنصة والتي يختارها المستخدم وفقًا لاهتماماته.

على أية حال، ستقدم المنصة معلومات أولية للمستخدم من خلال موصل بأداة ذكاء الأعمال، الناتجة عن الخوارزميات المعتبرة في قلب المنصة (وحدة تحليلات البيانات ونواة تعلم الآلة) بالإضافة إلى التنبيهات التي تولدها المنصة.

7. مخطط الإدارة

أحد أهداف المشروع هو إنشاء منصة لتقديم الخدمات لمختلف الشركات في صناعة المصاعد. ولتحقيق هذا الهدف يجب أن تفي نتائج المشروع بمعايير الجدوى الفنية والاقتصادية، بما في ذلك:

• الجدوى الفنية: يجب أن تسفر المنصة عن نتائج تسمح بإجراء المزيد من التحسينات على مخطط تشغيل عملائها. ولهذا، يجب عليها جمع كمية كافية من البيانات لتوفير نتائج جيدة.
• الجدوى الاقتصادية: يجب أن تكون العملية الشاملة مربحة لجميع المشاركين وأن تقدم كفاءات تعمل على تحسين القدرة التنافسية لعملائها والصناعة بشكل عام.

ستكون جدوى المشروع إيجابية طالما أنها إيجابية لكل من المشاركين:

• شركات صيانة المصاعد: يجب أن يكون الاستثمار للاتصال بالمنصة بالإضافة إلى الدفع المتكرر مقابل استخدامها أقل من الكفاءات التي يتم الحصول عليها باستخدام المنصة.
• شركات التكنولوجيا: يجب أن يكون الاستثمار للاتصال بالمنصة أقل من الهامش المتوقع بسبب زيادة مبيعات التكنولوجيا.
• شركات الخوارزميات: يجب أن يكون الاستثمار في تطوير وصيانة الخوارزمية أقل من الدخل الذي ستحصل عليه من استخدامها.
• المنصة: يجب أن يكون الاستثمار المطلوب لإنشاء المنصة وتكاليف التشغيل أقل من الدخل الذي سيتم الحصول عليه من العملاء، واستخراج المدفوعات لشركات الخوارزمية.
• العميل النهائي: يجب أن تتجاوز الفوائد التي يتم الحصول عليها من حيث توافر الخدمة وجودتها تكاليف الحل.

مراجع حسابات

[1] لاسي، إتش، فيتكي، بي.، كيمبر، إتش جي. وآخرون، الصناعة 4.0، سبرينغر، هندسة نظم الأعمال والمعلومات 6، 239-242 (2014). doi.org/10.1007/s12599-014-0334-4
[2] أتسوري، ل.؛ ايرا، أ. مورابيتو. ز. إنترنت الأشياء: دراسة استقصائية. شبكات الكمبيوتر، المجلد. 54، العدد 15، أكتوبر 2010، الصفحات من 2787 إلى 2805.
[3] مدكام، سمية، وآخرون. إنترنت الأشياء (IoT): مراجعة الأدبيات. مجلة الكمبيوتر والاتصالات، 2015، المجلد. 3، رقم 05، ص. 164.
[4] العباسي، عبد الرحمن، وآخرون، تحليلات البيانات الصناعية الضخمة: التحديات والفرص. دليل خصوصية البيانات الضخمة. سبرينغر، شام، 2020. 37-61.
[5] المطران كريستوفر م. وناصر م. نصر آبادي. التعرف على الأنماط وتعلم الآلة. المجلد. 4. رقم 4. نيويورك: سبرينغر، 2006.
[6] راسل، ستيوارت ج. الذكاء الاصطناعي منهج حديث. بيرسون للتعليم، وشركة، 2010.
[7] جودفيلو، إيان، يوشوا بنجيو، وآرون كورفيل. تعلم عميق. مطبعة معهد ماساتشوستس للتكنولوجيا، 2016.
[8] تشانغ، إس، وانغ، بي، وهابيتلر، تي جي (2019). التعلم الآلي وخوارزميات التعلم العميق لتحمل تشخيص الأخطاء - مراجعة شاملة. arXiv الطباعة المسبقة arXiv:1901.08247
[9] س. تشاي وآخرون، نظام تشخيص غير تدخلي قائم على التعلم العميق للمصاعد، في IEEE Access، المجلد. 9، ص 20993-21003، 2021، دوى: 10.1109/ACCESS.2021.3053858.
[10] المراجع التجارية: TKE. الأعلى. tkelevator.com/es-es/productos/max/ (أكتوبر 2022) / شندلر AHEAD. us.schindler.com/en/services/digital.html (أكتوبر 2022) / KONE. kone.com/en/products-and-services/maintenance-and-modernization/24-7-connected-services.aspx / Otis. otis.com/en/uk/products-services/otis-signatureservice/otis-one