Plataforma de datos abiertos para un servicio optimizado de elevación

Una oportunidad para las pymes del sector de los ascensores

Este documento se presentó en el Simposio Internacional de Ascensores y Escaleras Mecánicas de 2022 en Barcelona, ​​España.

Resumen

Un consorcio formado por Ascensores Beltrán, MP Ascensores, Nayar e ITAINNOVA está trabajando en el desarrollo de una plataforma abierta para servicios optimizados de ascensores. El proyecto tiene como objetivo desarrollar una plataforma avanzada de análisis de datos para optimizar el mantenimiento y el servicio de los ascensores basándose en el conocimiento extraído de los datos combinados de los ascensores conectados.

La plataforma se basará en una infraestructura digital y módulos de software mediante la integración de algoritmos de aprendizaje automático y análisis avanzados que funcionarán con los datos del ascensor ingresados ​​en la plataforma. Los resultados de estos algoritmos estarán encaminados a reducir los costes del servicio a partir de un conocimiento más profundo del estado de los ascensores obtenido mediante la identificación de tendencias de evolución o desgaste, la detección de anomalías de funcionamiento, la predicción de comportamiento o la anticipación de alarmas.

La principal característica y elemento diferenciador del enfoque propuesto es que la plataforma debe estar abierta al usuario (empresas de mantenimiento y servicios de ascensores) y a los desarrolladores de algoritmos de análisis. Para proporcionar compatibilidad de datos, se aplicará la estandarización de datos. Este artículo presenta los objetivos considerados, el enfoque técnico y las arquitecturas diseñadas inicialmente para la plataforma.

El proyecto que se presenta en este trabajo es fruto del esfuerzo conjunto de varias empresas pertenecientes a AECAE, Asociación Española de Fabricantes de Componentes de Ascensores: MP Ascensores como empresa global en el ámbito de la fabricación e instalación de ascensores, Ascensores Beltrán como pequeña y mediana Pyme fabricante e instalador de soluciones de ascensores a medida, Nayar como fabricante tecnológico de soluciones IoT para ascensores, ITAINNOVA como centro de I+D y la propia AECAE como coordinadora y patrocinadora.

1. Enfoque propuesto

El proyecto tiene como objetivo desarrollar una plataforma avanzada de análisis de datos para optimizar las tareas de mantenimiento y servicio de los ascensores a partir del conocimiento extraído de los datos combinados de los ascensores conectados en términos de su estado operativo.

• Plataforma avanzada de análisis de datos: Infraestructura digital que sirve de base para el funcionamiento de determinados módulos de software con los que es compatible. Estos módulos de software consistirán en implementaciones de algoritmos de aprendizaje automático y análisis avanzados que funcionarán con los datos ingresados ​​en la plataforma.
• Optimización de las tareas de mantenimiento y servicio: Reducción de costes del servicio basada en un mayor conocimiento, obtenido también en tiempo real, del estado de los ascensores.
• Conocimiento extraído sobre el estado de operación: Identificación de tendencias de evolución o desgaste, detección de anomalías de funcionamiento, predicción de comportamiento, anticipación de alarmas, etc.

La principal característica y elemento diferenciador del enfoque propuesto es que la plataforma debe ser abierta en el sentido de que pueda ser utilizada por múltiples actores con diferentes características y requisitos.

Así, al considerarse abierto desde el lado del usuario, las empresas de mantenimiento y servicios de ascensores podrán introducir de forma anónima en la plataforma los datos recogidos de sus ascensores conectados y obtener información relevante de la misma para optimizar sus servicios de mantenimiento.

De la misma manera, también se considera una plataforma abierta por parte de los desarrolladores de algoritmos de análisis quienes podrán implementarlos en la plataforma ofreciendo nuevos servicios de análisis que den lugar a nuevas funcionalidades.

Este enfoque introduce ciertas complejidades desde el punto de vista de la compatibilidad con múltiples tipos de datos y casos de uso que puedan surgir y que se resolverán mediante la estandarización de formatos y protocolos de datos.

Así, se propone una arquitectura básica basada en conectores (interfaces públicas de programación de aplicaciones (API)) entre la plataforma de datos y las plataformas o repositorios de datos del usuario de forma que se garantice el control sobre los mismos por parte de su propietario.

Por otro lado, también se introducen varias complejidades desde el punto de vista de la gestión de la plataforma dada la multiplicidad de agentes implicados, tanto por el lado de los usuarios –empresas de mantenimiento de ascensores– como por el lado de los desarrolladores de algoritmos –empresas tecnológicas–. Estas complejidades se resolverán mediante un modelo de gestión y negocio basado en modelos PaaS (Plataforma como Servicio).

Con base en este escenario, se propone un enfoque general en la Figura 1.

La plataforma está compuesta por cajas azules, con API abiertas, que almacenan datos y resultados normalizados y pueden generar gráficos, informes, indicadores y eventos.

Los cuadros amarillos representan los datos de los usuarios que llegan a la plataforma a través de API y cubren su caso de uso mediante gráficos, informes, indicadores y eventos entregados por la plataforma también a través de API, o definiendo los suyos propios.

El cuadro verde se centra en los algoritmos de análisis que también están conectados a la plataforma para generar resultados y que pueden ser desarrollados por distintos agentes tecnológicos bajo el modelo y estándares de gestión de la plataforma.

Con esta arquitectura, el usuario añadirá sus datos y obtendrá informes de servicio específicos para cada ascensor, por empresa y a nivel agregado. Se trata de información destinada, por un lado, al técnico de ruta y, por otro, a la dirección de la empresa.

2. Objetivos estratégicos

Con el enfoque propuesto se persiguen los siguientes objetivos a nivel asociativo y sectorial para:

• Ofrecer la posibilidad a las pequeñas empresas de mantenimiento y servicios de ascensores (más del 95% del total en España) de acceder a herramientas avanzadas de análisis para la optimización del servicio que por sí solas no podrían desarrollar ni tendría sentido dado el limitado tamaño de su cartera de mantenimiento. de estas empresas.
• generar un modelo de plataforma del que progresivamente se vaya obteniendo más valor a medida que más usuarios añaden datos, garantizando su seguridad y confidencialidad. El ámbito objetivo será, por tanto, nacional e internacional en etapas posteriores.
• atraer a los desarrolladores de algoritmos de tal manera que los usuarios puedan elegir entre diferentes alternativas y servicios según sus intereses, generando, al mismo tiempo, “competencia” entre los algoritmos de análisis de modo que se generen ciclos de mejora.

3. Objetivos Tecnológicos y de Negocio

A nivel tecnológico se requerirá la creación e implementación de los siguientes elementos fundamentales:

• Sistemas IoT para dotar de conectividad a ascensores, incluidos elementos de comunicación y repositorios de datos de clientes (plataforma de clientes)
• Interfaces API para conectar la plataforma del cliente con la plataforma de análisis
• Infraestructura de la nube
• Algoritmos de aprendizaje automático y minería de datos para procesamiento y cálculo.
• Desarrollos para la seguridad e integridad de la información

A nivel empresarial y de gestión los objetivos derivados son la creación de:

• Un modelo de pago por uso que garantiza transparencia y fiabilidad a usuarios y desarrolladores de algoritmos
• Un modelo de gestión que garantiza y facilita la incorporación de nuevos usuarios y desarrolladores a la plataforma

4. Estado del arte

La industria está experimentando un aumento y acumulación de datos nunca antes vistos. Estos datos comprenden una variedad de formatos, con diferente semántica, tipología y calidad, y a menudo llegan en tiempo real, como, por ejemplo, datos de sensores de equipos (ascensores), parámetros de máquinas, líneas de producción y datos ambientales.

Este fenómeno, denominado Industria 4.0,^{[ 1 ]} aumenta la disponibilidad de grandes cantidades de datos procedentes del Internet de las cosas (IoT),^{[2] [3]} llevándonos a un nuevo mundo llamado Big Data,^{[ 4 ]} lo que permite analizar y explotar la información que contienen para obtener valor añadido. Los nuevos desarrollos en ciertos dominios, como las matemáticas y la informática, ofrecen un gran potencial para transformar el entorno industrial y de la construcción al comprender y explotar esta cantidad de datos de proceso.

Uno de los desarrollos más interesantes se encuentra en el área del aprendizaje automático,^{[ 5 ]} un subconjunto del campo de la IA,^{[ 6 ]} que consiste en ver cómo hacer que las máquinas aprendan de forma autónoma, basándose en datos históricos. La gran aplicabilidad y las bajas barreras para el desarrollo de la IA nos permiten emprender innovaciones que antes se pensaban inalcanzables.

Los ascensores transportan pasajeros de forma constante y, al mismo tiempo, con cada uno de los viajes realizados se genera una gran cantidad de información que puede ser analizada mediante IA para la mejora y explotación del servicio. El análisis inteligente de datos (análisis profundo, aplicado a grandes cantidades de datos, Big Data) mediante IA permite generar modelos que aprenden cómo funcionan los sistemas de una instalación de ascensor y qué patrones identifican el comportamiento operativo y las averías, considerando las correlaciones entre ellos y sus evolución en el tiempo.

Entre las tecnologías de IA, el aprendizaje profundo^{[7] [8] [9]} destaca posicionándose como una de las técnicas más innovadoras y potentes para conseguir que los ordenadores “aprendan” de forma similar a los humanos, intentando simular el complejo comportamiento del cerebro humano y su capacidad para reconocer patrones a través de los estímulos sensoriales que percibe. .

Mediante aprendizaje profundo, así como otras técnicas clásicas de IA, por ejemplo, análisis de series temporales de evolución de variables, extracción de patrones de comportamiento con un alto nivel de abstracción, análisis de tendencias y predicción de comportamiento e identificación de variables relevantes para la caracterización. de procesos se pueden realizar, entre muchas otras aplicaciones.

La disponibilidad de datos de sensores que describen los parámetros de funcionamiento del ascensor en combinación con la IA ofrece un gran potencial para mejorar los procesos en el ámbito del servicio de ascensor, posibilitando el análisis de tendencias de comportamiento en las instalaciones, en definitiva, extraer conocimiento a partir de datos heterogéneos recopilados del ascensor combinados. portafolio.

Algunas posibilidades diferentes de aplicación del conocimiento extraído son:

• Monitorización y detección de anomalías y fallos: La adquisición de datos en tiempo real y su comprensión profunda mediante técnicas de aprendizaje automático permiten caracterizar el comportamiento de una instalación de ascensor. Este conocimiento permite explotar los datos de una instalación, así como detectar patrones anómalos en tiempo real. Por ejemplo: la divergencia en cuanto a parámetros cinemáticos y dinámicos, maniobras realizadas y parámetros de los componentes de la instalación permiten establecer correlaciones con fallos del sistema que de otro modo no serían detectables, permitiendo así identificar tempranamente anomalías en el sistema y anticiparse evitando gastos económicos. consecuencias y parada del servicio.
• Mantenimiento predictivo: La IA permite modelizar eficazmente el comportamiento de los diferentes componentes implicados en una instalación de ascensor. De esta forma, los modelos de aprendizaje automático aprenden cómo funcionan los componentes, cómo se deterioran y qué patrones de falla pueden ocurrir, permitiendo analizar datos en tiempo real para predecir cuándo se debe realizar una acción de reparación de manera preventiva para evitar daños. Un fallo de operación tiene en cuenta los patrones normales de funcionamiento y averías, así como el uso que se hace de una instalación. Esta anticipación permite una resolución preventiva del problema sin afectar la calidad del servicio.
• Optimización de los parámetros de funcionamiento: Se basa en la comprensión del comportamiento de una instalación de ascensor en sí y de las variables del entorno que pueden estar presentes como usuarios, climatología, para permitir una configuración óptima de los parámetros de funcionamiento teniendo en cuenta los patrones de tráfico y el comportamiento de los ascensores. Por ejemplo, identificando patrones de comportamiento de los usuarios en función del uso, trayectoria y horario, se pueden determinar los patrones más comunes que poseen los residentes de un edificio, permitiendo optimizar su uso y mejorar su calidad de servicio.

Con estos objetivos, las grandes multinacionales del sector han desarrollado soluciones avanzadas en este campo que ya están siendo explotadas comercialmente y que están desequilibrando aún más el panorama competitivo, teniendo en cuenta las dificultades que debe afrontar una pyme para desarrollar un sistema de mantenimiento avanzado. sistema, optimizado, tanto para la capacidad técnica como para la disponibilidad de datos cuando se manejan carteras de mantenimiento mucho más pequeñas.

Para una PYME, incluso una mediana-grande, es muy difícil desarrollar soluciones de este nivel debido tanto a las limitaciones en las capacidades técnicas como al volumen de datos necesarios para hacerlo técnicamente viable.

Este proyecto pretende abordar estas limitaciones basándose en la cooperación entre los agentes promotores y fundamentalmente en base al enfoque de plataforma abierta propuesto.

5. Descripción técnica

El enfoque y la arquitectura técnica planificada para la plataforma se describe a continuación con base en el esquema general presentado en la Figura 2.

Componentes de arquitectura y flujos de trabajo

Infraestructura de ascensores (caja verde)

Incluye todos los componentes de la infraestructura del ascensor (cabina, cuadro de mando, sensores disponibles, botonera, etc.), así como un nodo que permite recoger, procesar y preparar para su envío la información procedente de estas fuentes de datos, y un módulo de comunicaciones que envía la información a la infraestructura de cada ascensorista.

Los componentes identificados son:

• Ascensores (infraestructura de ascensores): cuadro de mando, cabina, sensores disponibles, botonera, etc. (entendidos como fuentes de datos). Es importante señalar que se deben recoger los eventos del panel de control que permiten reconstruir los recorridos realizados (por ejemplo: apertura/cierre de puertas, paso por el piso, movimiento, pulsación de botón… con su correspondiente sello temporal).
• Plataforma del ascensor (nodo de procesamiento): Se encarga de acceder a toda la información de la instalación del ascensor, recogerla, prepararla para su envío, identificar el ascensor, la instalación.
• Plataforma de ascensor (módulo de comunicaciones): Se encarga de enviar la información recopilada mediante comunicaciones seguras a la infraestructura del ascensorista, enviando la información recopilada:
  • No necesariamente en tiempo real, se puede hacer con una frecuencia que permita optimizar las comunicaciones (por ejemplo, una vez recopilada una determinada cantidad de información, ya sea por tiempo o por tamaño).
  • Debe incluir la información de los eventos que permitan reconstruir cada uno de los viajes y variables de interés (por ejemplo, hora de apertura de puertas, hora de cierre de puertas) con el sello de tiempo de cada uno de ellos, así como aquellos sensores relevantes a analizar (por ejemplo, potencia de accionamiento).
  • Se deben proporcionar comunicaciones seguras de acuerdo con la infraestructura de cada ascensorista.

Por tanto, esta infraestructura contiene los módulos de software que permiten procesar y tratar la información procedente de los ascensores con el objetivo de:

• recoger la información procedente de los ascensores
• procesar la información de cada ascensor y adaptarla a un formato definido (basado en JSON) para su posterior envío a la API encargada de procesar la información
• anonimizar la información recopilada de los ascensores
• proporcionar comunicaciones seguras (por ejemplo, basadas en certificados) con la API
• gestionar la recepción de alertas del módulo informático

A nivel de componentes debe incluir módulos software con el fin de realizar funciones de procesamiento de la información del ascensor para adaptarlo a un formato estandarizado basado en un JSON (los datos en ese formato serán almacenados y analizados, pero es importante tener un formato común). formato para la información que se almacena en el módulo de procesamiento de datos), como un formato de intercambio basado en JSON.

Infraestructura de procesamiento de datos (caja roja)

A nivel de componentes deberá incluir al menos:

• Interfaz de acceso del cliente Rest API: se implementará una interfaz Rest API. Esta interfaz será responsable de recibir las solicitudes de los clientes, transmitir los documentos al Administrador de eventos (a través del Servidor de eventos para compilar y verificar la coherencia del proceso de los datos, así como a través del Administrador de ingesta de datos para publicar los datos en el Administrador de eventos) , además de proporcionar la respuesta a estas solicitudes generadas por los módulos de Python.
• Administrador de eventos: actuar como una interfaz para DataLake para la ingesta de datos se realizará a través de una interfaz (por ejemplo, basada en Rest API) para administrar los datos que se cargan en DataLake.
• DataLake: Repositorio de datos donde se utilizarán tres bases de datos para organizar los datos en tres niveles:
  • DB1: Se utilizará una base de datos no relacional (mongoDB) para alojar los datos sin procesar con el fin de alojar los datos de la infraestructura de los operadores de ascensores en el DataLake. El hecho de que la Base de Datos utilizada sea de tipo no relacional se debe a que esta característica proporciona a la Base de Datos la flexibilidad necesaria para gestionar registros con una estructura flexible. Esto último es necesario ya que se espera que diferentes instalaciones de ascensores tengan datos diferentes.
  • DB2: PostgreSQL se utilizará como base de datos relacional. Este tipo de base de datos permite menos flexibilidad (campos predefinidos) que las no relacionales pero un tiempo de respuesta más rápido. Esta última consideración es importante ya que esta base de datos almacena los resultados del procesamiento como las alertas detectadas. Los módulos de Python que responden a la interfaz Rest API leen los datos almacenados en esta base de datos.
  • DB3: Se utilizará PostgreSQL como base de datos relacional. Contendrá los datos útiles para posteriormente aplicar ML o generar la visualización de datos.

• Módulo de estandarización y estructuración de datos para realizar el procesamiento de la información del ascensor para adaptarla a un formato estandarizado.
• Módulo de analítica de datos y core de ML en el cual se despliegan todas las herramientas necesarias para realizar el procesamiento y estructuración de datos, análisis de datos y generación de métricas relevantes para su consulta en este módulo y en base a las analíticas se realiza la generación de alertas.
• Módulo de visualización que implica la generación de un tablero a modo de resumen de información visualizando, por ejemplo, métricas relevantes, incidencias/anomalías detectadas.
• Módulo de gestión de alertas: En base a las alertas detectadas se realizará una comunicación con la infraestructura del ascensorista para informarle de las alertas detectadas.

Para incluir nuevos algoritmos de procesamiento de datos, el sistema propuesto se realizará de forma escalable que permita integrar nuevos algoritmos en los diferentes componentes de la plataforma para poder ofrecer en el futuro nuevos servicios de diferentes proveedores.

6. Esquema Operativo

Según el enfoque técnico propuesto, un usuario de la plataforma, una empresa de servicios de mantenimiento de ascensores, debe disponer de una infraestructura previamente desarrollada para el almacenamiento de datos de sus ascensores conectados.

Estos datos, o un subconjunto de ellos correspondientes a una serie de ascensores definidos por el ascensorista, deben normalizarse y estandarizarse al formato definido por la plataforma antes de ser introducidos en la misma.

La transferencia de datos a la plataforma de análisis se realizará a través de APIs abiertas que permitirán anonimizar la información y transferirla a la plataforma.

También a través de APIs, el ascensorista recibirá información valiosa a partir de la aplicación de los algoritmos de análisis disponibles en la plataforma y seleccionados por el usuario según su interés.

En todo caso, la plataforma ofrecerá información inicial al usuario a través de un conector con una herramienta de BI, resultante de los algoritmos considerados en el núcleo de la plataforma (módulo de Data Analytics y núcleo ML) además de las alertas generadas por la plataforma.

7. Esquema de gestión

Uno de los objetivos del proyecto es la creación de una plataforma para dar servicios a diferentes empresas del sector del ascensor. Para lograr este objetivo, los resultados del proyecto deben cumplir con criterios de viabilidad técnica y económica, que incluyen:

• Factibilidad técnica: La plataforma debe arrojar resultados que permitan seguir mejorando el esquema operativo de sus clientes. Para ello, debe recopilar un volumen de datos suficiente para proporcionar resultados de calidad.
• Viabilidad económica: El proceso de extremo a extremo debe ser rentable para todos los participantes e introducir eficiencias que mejoren la competitividad para sus clientes y la industria en general.

La viabilidad del proyecto será positiva siempre que sea positivo para cada uno de los participantes:

• Empresas de mantenimiento de ascensores: La inversión para conectarse a la plataforma más el pago recurrente por su uso debe ser inferior a las eficiencias obtenidas con el uso de la plataforma.
• Empresas de tecnología: La inversión para conectarse a la plataforma debe ser menor al margen esperado debido al aumento en las ventas de tecnología.
• Empresas de algoritmos: La inversión para desarrollar y mantener un algoritmo debe ser menor que los ingresos que obtendrás por usarlo.
• Plataforma: La inversión a realizar para crear la plataforma y los costos operativos deben ser menores a los ingresos a obtener de los clientes, extrayendo los pagos a las empresas algorítmicas.
• Cliente final: Los beneficios obtenidos en términos de disponibilidad y calidad del servicio deben superar los costos de la solución.

---

Referencias

[1] Lasi, H., Fettke, P., Kemper, HG. et al., Industria 4.0, Springer, Ingeniería de sistemas de información y negocios 6, 239–242 (2014). doi.org/10.1007/s12599-014-0334-4

[2] Atzori, L.; Iera, A.; Morabito; G. Internet de las cosas: una encuesta. Redes informáticas, vol. 54, No. 15, octubre de 2010, págs. 2787-2805.

[3] Madakam, Somayya, et al. Internet de las cosas (IoT): una revisión de la literatura. Revista de Informática y Comunicaciones, 2015, vol. 3, nº 05, pág. 164.

[4] Al-Abassi, Abdulrahman, et al., Análisis de big data industrial: desafíos y oportunidades. Manual de privacidad de big data. Springer, Cham, 2020. 37-61.

[5] Obispo, Christopher M. y Nasser M. Nasrabadi. Reconocimiento de patrones y aprendizaje automático. vol. 4. No. 4. Nueva York: Springer, 2006.

[6] Russell, Stuart J. La inteligencia artificial: un enfoque moderno. Pearson Educación, Inc., 2010.

[7] Goodfellow, Ian, Yoshua Bengio y Aaron Courville. Aprendizaje profundo. Prensa del MIT, 2016.

[8] Zhang, S., Wang, B. y Habetler, TG (2019). Algoritmos de aprendizaje automático y aprendizaje profundo para el diagnóstico de fallas de rodamientos: una revisión completa. preimpresión de arXiv arXiv:1901.08247

[9] S. Chai et al., Un sistema de diagnóstico no intrusivo basado en aprendizaje profundo para ascensores, en IEEE Access, vol. 9, págs. 20993-21003, 2021, doi: 10.1109/ACCESS.2021.3053858.

[10] Referencias comerciales: TKE. MÁX. tkelevator.com/es-es/productos/max/ (octubre 2022) / Schindler ADELANTE. us.schindler.com/en/services/digital.html (octubre de 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