Piattaforma dati aperta per un servizio ottimizzato per gli ascensori

Un'opportunità per le PMI del settore degli ascensori

Questo documento è stato presentato all'International Elevator & Escalator Symposium 2022 a Barcellona, ​​in Spagna.

Astratto

Un consorzio composto da Ascensores Beltrán, MP Ascensores, Nayar e ITAINNOVA sta lavorando allo sviluppo di una piattaforma aperta per servizi ottimizzati per gli ascensori. Il progetto mira a sviluppare una piattaforma avanzata di analisi dei dati per ottimizzare la manutenzione e il servizio degli ascensori basata sulla conoscenza estratta dai dati combinati degli ascensori collegati.

La piattaforma sarà basata su un'infrastruttura digitale e moduli software integrando algoritmi di apprendimento automatico e analisi avanzate che funzioneranno sui dati di sollevamento immessi nella piattaforma. Gli esiti di tali algoritmi saranno finalizzati alla riduzione dei costi di servizio sulla base di una conoscenza più approfondita dello stato degli ascensori ottenuta mediante l'identificazione di andamenti di evoluzione o di usura, il rilevamento di anomalie di funzionamento, la previsione di comportamenti o l'anticipazione di allarmi.

La principale caratteristica ed elemento differenziante dell'approccio proposto è che la piattaforma deve essere aperta all'utente (aziende di manutenzione e servizi ascensori) e agli sviluppatori di algoritmi di analisi. Per garantire la compatibilità dei dati, verrà applicata la standardizzazione dei dati. Questo documento presenta gli obiettivi considerati, l'approccio tecnico e le architetture inizialmente progettate per la piattaforma.

Il progetto presentato in questo documento è il risultato dello sforzo congiunto di diverse aziende appartenenti all'AECAE, l'Associazione spagnola dei produttori di componenti per ascensori: MP Ascensores come azienda globale nel settore della produzione e installazione di ascensori, Ascensores Beltrán come piccola e media azienda produttore e installatore di soluzioni di ascensori su misura per le grandi imprese (PMI), Nayar come produttore di tecnologia di soluzioni IoT per ascensori, ITAINNOVA come centro di ricerca e sviluppo e la stessa AECAE come coordinatore e sponsor.

1. Approccio proposto

Il progetto mira a sviluppare una piattaforma avanzata di analisi dei dati per ottimizzare le attività di manutenzione e servizio degli ascensori sulla base della conoscenza estratta dai dati combinati degli ascensori collegati in termini di stato operativo.

• Piattaforma avanzata di analisi dei dati: Infrastruttura digitale che funge da base per il funzionamento di determinati moduli software con cui è compatibile. Questi moduli software consisteranno in implementazioni di algoritmi di apprendimento automatico e analisi avanzate che funzioneranno sui dati immessi nella piattaforma.
• Ottimizzazione delle attività di manutenzione e assistenza: Riduzione dei costi del servizio grazie ad una maggiore conoscenza, ottenuta anche in tempo reale, dello stato degli ascensori.
• Conoscenza estratta riguardo lo stato di funzionamento: Individuazione di trend di evoluzione o di usura, rilevamento di anomalie di funzionamento, previsione di comportamenti, anticipazione di allarmi, ecc.

La principale caratteristica ed elemento differenziante dell'approccio proposto è che la piattaforma deve essere aperta, nel senso che può essere utilizzata da più attori con caratteristiche ed esigenze diverse.

Pertanto, poiché considerata aperta dal lato utente, le società di manutenzione e assistenza ascensoristica potranno inserire sulla piattaforma i dati raccolti dagli ascensori collegati in modo anonimo e ottenere dalle stesse informazioni rilevanti per ottimizzare i propri servizi di manutenzione.

Allo stesso modo, una piattaforma aperta viene considerata anche dal lato degli sviluppatori di algoritmi di analisi che potranno implementarli nella piattaforma offrendo nuovi servizi di analisi che danno origine a nuove funzionalità.

Questo approccio introduce alcune complessità dal punto di vista della compatibilità con molteplici tipologie di dati e casi d’uso che potrebbero sorgere che verranno risolti attraverso la standardizzazione dei formati e dei protocolli dei dati.

Pertanto, viene proposta un'architettura di base basata su connettori (interfacce di programmazione di applicazioni pubbliche (API)) tra la piattaforma dati e le piattaforme dati o gli archivi dell'utente in modo tale da garantire il controllo su di essi da parte del loro proprietario.

D’altro canto si introducono diverse complessità anche dal punto di vista della gestione della piattaforma data la molteplicità degli agenti coinvolti, sia dal lato utente – le aziende di manutenzione degli ascensori – che dal lato degli sviluppatori di algoritmi – le aziende tecnologiche. Queste complessità verranno risolte attraverso un modello di gestione e di business basato su modelli PaaS (Platform as a Service).

Sulla base di questo scenario, nella Figura 1 viene proposto un approccio generale.

La piattaforma è composta da blue box, con API aperte, che memorizzano dati e risultati normalizzati e possono generare grafici, report, indicatori ed eventi.

I riquadri gialli rappresentano i dati degli utenti che raggiungono la piattaforma tramite API e coprono il loro caso d'uso utilizzando grafici, report, indicatori ed eventi forniti dalla piattaforma anche tramite API, o definendone di propri.

Il riquadro verde si concentra sugli algoritmi di analisi che sono anche collegati alla piattaforma per generare risultati e che possono essere sviluppati da diversi agenti tecnologici secondo il modello e gli standard di gestione della piattaforma.

Con questa architettura l'utente aggiungerà i propri dati e otterrà report di servizio specifici per ciascun ascensore, per azienda e a livello aggregato. Si tratta di informazioni destinate da un lato al tecnico del percorso e dall'altro al management dell'azienda.

2. Obiettivi strategici

Con l’approccio proposto, a livello di associazione e di settore vengono perseguiti i seguenti obiettivi:

• offrire la possibilità alle piccole imprese di manutenzione e assistenza di ascensori (oltre il 95% del totale in Spagna) di accedere a strumenti di analisi avanzati per l'ottimizzazione del servizio che non potrebbero sviluppare da soli né avrebbe senso date le dimensioni limitate del portafoglio di manutenzione di queste aziende.
• generare un modello di piattaforma da cui si ottiene progressivamente più valore man mano che sempre più utenti vi aggiungono dati, garantendone la sicurezza e la riservatezza. L’ambito target sarà, quindi, nazionale ed internazionale nelle fasi successive.
• attrarre gli sviluppatori di algoritmi in modo tale che gli utenti possano scegliere tra diverse alternative e servizi in base ai propri interessi, generando, allo stesso tempo, “competizione” tra gli algoritmi di analisi in modo da generare cicli di miglioramento.

3. Obiettivi tecnologici e aziendali

A livello tecnologico sarà necessaria la realizzazione e l’implementazione dei seguenti elementi fondamentali:

• Sistemi IoT per fornire connettività agli ascensori, inclusi elementi di comunicazione e archivi di dati dei clienti (piattaforma cliente)
• Interfacce API per il collegamento della piattaforma client con la piattaforma di analisi
• Infrastruttura cloud
• Algoritmi di machine learning e data mining per l'elaborazione e il calcolo
• Sviluppi per la sicurezza e l’integrità delle informazioni

A livello aziendale e gestionale, gli obiettivi derivati ​​sono la creazione di:

• Un modello pay-per-use che garantisce trasparenza e affidabilità agli utenti e agli sviluppatori di algoritmi
• Un modello di gestione che garantisce e facilita l'inserimento di nuovi utenti e sviluppatori nella piattaforma

4. Stato dell'arte

Il settore sta sperimentando un aumento e un accumulo di dati mai visti prima. Questi dati comprendono una varietà di formati, con semantica, tipologia e qualità diverse, e spesso arrivano in tempo reale, come, ad esempio, i dati dei sensori delle apparecchiature (ascensori), i parametri delle macchine, le linee di produzione e i dati ambientali.

Questo fenomeno, chiamato Industria 4.0,^[1] aumenta la disponibilità di grandi quantità di dati provenienti dall’Internet of Things (IoT),^{[2] [3]} portandoci verso un nuovo mondo chiamato Big Data,^[4] che permette di analizzare e sfruttare le informazioni in essi contenute per ottenere valore aggiunto. I nuovi sviluppi in alcuni settori, come la matematica e l’informatica, offrono un grande potenziale per trasformare l’ambiente industriale ed edilizio comprendendo e sfruttando questa quantità di dati di processo.

Uno degli sviluppi più interessanti riguarda l’area dell’apprendimento automatico,^[5] un sottoinsieme del campo dell’IA,^[6] che consiste nel vedere come far apprendere alle macchine in modo autonomo, sulla base di dati storici. La grande applicabilità e le basse barriere per lo sviluppo dell’intelligenza artificiale ci consentono di intraprendere innovazioni che prima erano ritenute irraggiungibili.

Gli ascensori trasportano passeggeri costantemente e, contemporaneamente ad ogni viaggio effettuato, viene generata una grande quantità di informazioni che possono essere analizzate tramite l'intelligenza artificiale per il miglioramento e la valorizzazione del servizio. L’analisi intelligente dei dati (deep analytics, applicata a grandi quantità di dati, Big Data) attraverso l’intelligenza artificiale consente la generazione di modelli che apprendono come funzionano i sistemi di un impianto di ascensore e quali modelli identificano comportamenti operativi e guasti, considerando le correlazioni tra loro e la loro evoluzione nel tempo.

Tra le tecnologie AI, il deep learning^{[7] [8] [9]} si distingue, posizionandosi come una delle tecniche più innovative e potenti per far “imparare” i computer in modo simile agli esseri umani, cercando di simulare il comportamento complesso del cervello umano e la sua capacità di riconoscere schemi attraverso gli stimoli sensoriali che percepisce .

Attraverso il deep learning, così come altre tecniche classiche di AI, ad esempio, l'analisi di serie temporali dell'evoluzione delle variabili, l'estrazione di modelli di comportamento con un elevato livello di astrazione, l'analisi delle tendenze e la previsione del comportamento e l'identificazione di variabili rilevanti per la caratterizzazione di processi possono essere eseguiti, oltre a molte altre applicazioni.

La disponibilità di dati provenienti da sensori che descrivono i parametri di funzionamento degli ascensori in combinazione con l'intelligenza artificiale offre un grande potenziale per migliorare i processi nel campo della manutenzione degli ascensori, rendendo possibile l'analisi delle tendenze comportamentali negli impianti, in breve, estrarre conoscenze da dati eterogenei raccolti dal portafoglio combinato degli ascensori.

Alcune diverse possibilità di applicazione della conoscenza estratta sono:

• Monitoraggio e rilevamento di anomalie e guasti: L'acquisizione dei dati in tempo reale e la loro comprensione approfondita attraverso tecniche di machine learning consentono la caratterizzazione del comportamento di un impianto di ascensore. Questa conoscenza consente di sfruttare i dati di un impianto, nonché di rilevare modelli anomali in tempo reale. Ad esempio: divergenze in termini di parametri cinematici e dinamici, di manovre effettuate e di parametri dei componenti dell'impianto consentono di stabilire correlazioni con guasti del sistema altrimenti non rilevabili, consentendo così di individuare tempestivamente anomalie del sistema e anticipando evitando perdite economiche conseguenze e interruzione del servizio.
• Manutenzione predittiva: L'intelligenza artificiale consente una modellazione efficace del comportamento dei diversi componenti coinvolti nell'installazione di un ascensore. In questo modo, i modelli di machine learning apprendono come funzionano i componenti, come si deteriorano e quali modelli di guasto possono verificarsi, consentendo di analizzare i dati in tempo reale per prevedere quando un’azione di riparazione deve essere eseguita preventivamente per evitare danni. Un guasto di funzionamento tiene conto delle normali modalità di funzionamento e dei guasti, nonché dell'uso fatto di un'installazione. Questa anticipazione consente una risoluzione preventiva del problema senza incidere sulla qualità del servizio.
• Ottimizzazione dei parametri di funzionamento: Si basa sulla comprensione del comportamento dell'impianto di ascensore stesso e delle variabili ambientali che possono essere presenti come utenti, climatologia, per consentire una configurazione ottimale dei parametri di funzionamento tenendo conto dei modelli di traffico e del comportamento degli utenti. gli ascensori. Ad esempio, identificando modelli di comportamento degli utenti in base all'uso, al percorso e agli orari, è possibile determinare i modelli più comuni posseduti dai residenti di un edificio, consentendo l'ottimizzazione dell'uso e il miglioramento della qualità del servizio.

Con questi obiettivi le grandi multinazionali del settore hanno sviluppato soluzioni avanzate in questo campo che vengono già sfruttate a livello commerciale e che stanno sbilanciando ancora di più il panorama competitivo, tenendo conto delle difficoltà che una PMI deve affrontare per sviluppare un sistema di manutenzione avanzata sistema, ottimizzato, sia per capacità tecnica che per disponibilità di dati quando si gestiscono portafogli di manutenzione molto più piccoli.

Per una PMI, anche medio-grande, è molto difficile sviluppare soluzioni di questo livello sia per le limitazioni delle capacità tecniche, sia per il volume di dati necessari per renderlo tecnicamente fattibile.

Questo progetto mira ad affrontare queste limitazioni basandosi sulla cooperazione tra gli agenti promotori e fondamentalmente sulla base dell'approccio proposto della piattaforma aperta.

5. Descrizione tecnica

L'approccio e l'architettura tecnica pianificata per la piattaforma sono descritti di seguito sulla base dello schema generale presentato nella Figura 2.

Componenti dell'architettura e flussi di lavoro

Infrastruttura di sollevamento (scatola verde)

Comprende tutti i componenti dell'infrastruttura dell'ascensore (cabina, quadro di manovra, sensori disponibili, pulsantiera, ecc.), nonché un nodo che consente di raccogliere, elaborare e preparare per l'invio le informazioni provenienti da queste fonti di dati, e un modulo di comunicazione che invia le informazioni all'infrastruttura di ciascun operatore dell'ascensore.

I componenti individuati sono:

• Ascensori (infrastruttura dell'ascensore): quadro di manovra, cabina, sensori disponibili, pulsantiera, ecc. (intesi come fonti dati). È importante notare che devono essere raccolti gli eventi del quadro di manovra che consentono di ricostruire i percorsi effettuati (ad esempio: apertura/chiusura porte, passaggio al piano, spostamento, pressione pulsante... con la relativa marcatura temporanea).
• Piattaforma elevatrice (nodo di elaborazione): è responsabile dell'accesso a tutte le informazioni sull'installazione dell'ascensore, del ritiro, della preparazione per la spedizione, dell'identificazione dell'ascensore, dell'installazione.
• Piattaforma ascensore (modulo di comunicazione): è responsabile dell'invio delle informazioni raccolte attraverso comunicazioni sicure all'infrastruttura dell'operatore dell'ascensore, inviando le informazioni raccolte:
  • Non necessariamente in tempo reale, può essere fatto con una frequenza che consenta di ottimizzare le comunicazioni (ad esempio, una volta raccolta una certa quantità di informazioni, sia in termini di tempo che di dimensioni).
  • Deve includere le informazioni degli eventi che consentono di ricostruire ciascuna delle corse e delle variabili di interesse (ad esempio, ora di apertura della porta, ora di chiusura della porta) con la marca temporale di ciascuna di esse, nonché quei sensori rilevanti da analizzare (per esempio potenza motrice).
  • Le comunicazioni sicure devono essere fornite in base all'infrastruttura di ciascun operatore di ascensore.

Tale infrastruttura contiene quindi i moduli software che permettono di elaborare e trattare le informazioni provenienti dagli ascensori con l'obiettivo di:

• raccogliere le informazioni provenienti dagli ascensori
• elaborare le informazioni di ciascun ascensore e adattarle ad un formato definito (basato su JSON) per il successivo invio alle API preposte al trattamento delle informazioni
• anonimizzare le informazioni raccolte dagli ascensori
• fornire comunicazioni sicure (ad esempio basate su certificati) con l'API
• gestire la ricezione degli alert dal modulo informatico

A livello di componente, deve includere moduli software con lo scopo di eseguire funzioni di elaborazione delle informazioni sull'ascensore per adattarlo a un formato standardizzato basato su JSON (i dati in quel formato verranno archiviati e analizzati, ma è importante avere un formato comune formato per le informazioni archiviate nel modulo di elaborazione dati), ad esempio un formato di scambio basato su JSON.

Infrastruttura di elaborazione dati (riquadro rosso)

A livello di componente, deve includere almeno:

• Interfaccia di accesso client API Rest: verrà distribuita un'interfaccia API Rest. Questa interfaccia sarà responsabile della ricezione delle richieste dei clienti, della trasmissione dei documenti all'Event Manager (tramite l'Event Server per compilare ed elaborare il controllo di coerenza dei dati, nonché tramite Data Ingest Manager per pubblicare i dati all'Event Manager) , oltre a fornire la risposta a queste richieste generate dai moduli Python.
• Gestore eventi: fungere da interfaccia per DataLake per l'acquisizione dei dati verrà effettuato tramite un'interfaccia (ad esempio basata su Rest API) per gestire i dati caricati su DataLake.
• DataLake: Data Repository dove verranno utilizzati tre database per organizzare i dati su tre livelli:
  • DB1: un database non relazionale (mongoDB) verrà utilizzato per ospitare i dati grezzi al fine di ospitare i dati dall'infrastruttura degli operatori di ascensori nel DataLake. Il fatto che il Database utilizzato sia di tipo non relazionale è dovuto al fatto che questa caratteristica conferisce al Database la flessibilità necessaria per gestire record con struttura flessibile. Quest'ultimo è necessario poiché si prevede che diversi impianti di ascensori abbiano dati diversi.
  • DB2: PostgreSQL verrà utilizzato come database relazionale. Questo tipo di database consente una minore flessibilità (campi predefiniti) rispetto a quelli non relazionali, ma tempi di risposta più rapidi. Quest'ultima considerazione è importante poiché questo database memorizza i risultati dell'elaborazione, come gli avvisi rilevati. I moduli Python che rispondono all'interfaccia API REST leggono i dati memorizzati in questo database.
  • DB3: PostgreSQL verrà utilizzato come database relazionale. Conterrà i dati utili per applicare successivamente il ML o generare la visualizzazione dei dati.

• Modulo di standardizzazione e strutturazione dei dati per eseguire l'elaborazione delle informazioni sugli ascensori per adattarle ad un formato standardizzato
• Modulo di analisi dei dati e core ML in cui vengono implementati tutti gli strumenti necessari per eseguire l'elaborazione e la strutturazione dei dati, l'analisi dei dati e la generazione di metriche rilevanti per la consultazione in questo modulo e sulla base dell'analisi viene effettuata la generazione di avvisi
• Modulo di visualizzazione che prevede la generazione di una dashboard come riepilogo delle informazioni visualizzando, ad esempio, metriche rilevanti, incidenti/anomalie rilevate
• Modulo per la gestione degli avvisi: In base agli avvisi rilevati, verrà effettuata una comunicazione con l'infrastruttura dell'operatore dell'ascensore per informarli degli avvisi rilevati.

Per includere nuovi algoritmi di elaborazione dei dati, il sistema proposto sarà realizzato in modo scalabile che consenta di integrare nuovi algoritmi nei diversi componenti della piattaforma per offrire in futuro nuovi servizi da diversi fornitori.

6. Schema Operativo

Secondo l’approccio tecnico proposto, un utente della piattaforma – una società di servizi di manutenzione di ascensori – deve disporre di un’infrastruttura precedentemente sviluppata per l’archiviazione dei dati dagli ascensori collegati.

Questi dati, o un sottoinsieme di essi corrispondente ad una serie di ascensori definiti dall'operatore dell'ascensore, devono essere normalizzati e standardizzati al formato definito dalla piattaforma prima di essere inseriti nella stessa.

Il trasferimento dei dati alla piattaforma di analisi sarà effettuato tramite API aperte che consentiranno di anonimizzare e trasferire le informazioni alla piattaforma.

Sempre attraverso le API, l'operatore dell'ascensore riceverà preziose informazioni dall'applicazione degli algoritmi di analisi disponibili sulla piattaforma e selezionati dall'utente in base al proprio interesse.

In ogni caso, la piattaforma offrirà le prime informazioni all'utente attraverso un connettore con uno strumento BI, risultante dagli algoritmi considerati nel core della piattaforma (modulo Data Analytics e core ML) oltre agli alert generati dalla piattaforma.

7. Schema di gestione

Uno degli obiettivi del progetto è la creazione di una piattaforma per fornire servizi a diverse aziende del settore degli ascensori. Per raggiungere questo obiettivo, i risultati del progetto devono soddisfare criteri di fattibilità tecnica ed economica, tra cui:

• Fattibilità tecnica: la piattaforma deve produrre risultati che consentano ulteriori miglioramenti allo schema operativo dei suoi clienti. Per questo, deve raccogliere un volume di dati sufficiente per fornire risultati di qualità.
• Fattibilità economica: il processo end-to-end deve essere redditizio per tutti i partecipanti e introdurre efficienze che migliorino la competitività per i propri clienti e per l’industria in generale.

La fattibilità del progetto sarà positiva finché sarà positiva per ciascuno dei partecipanti:

• Imprese di manutenzione degli ascensori: l'investimento per connettersi alla piattaforma più il pagamento ricorrente per il suo utilizzo deve essere inferiore all'efficienza ottenuta utilizzando la piattaforma.
• Aziende tecnologiche: l'investimento per connettersi alla piattaforma deve essere inferiore al margine previsto a causa dell'aumento delle vendite di tecnologia.
• Società di algoritmi: l’investimento per sviluppare e mantenere un algoritmo deve essere inferiore al reddito che otterrai dal suo utilizzo.
• Piattaforma: l'investimento da effettuare per creare la piattaforma e i costi operativi devono essere inferiori al reddito che si otterrà dai clienti, estraendo i pagamenti alle società di algoritmi.
• Cliente finale: i benefici ottenuti in termini di disponibilità e qualità del servizio devono superare i costi della soluzione.

---

Referenze

[1] Lasi, H., Fettke, P., Kemper, HG. et al., Industria 4.0, Springer, Ingegneria dei sistemi aziendali e informativi 6, 239–242 (2014). doi.org/10.1007/s12599-014-0334-4

[2] Atzori, L.; Iera, A.; Morabito; G. L'Internet delle cose: un'indagine. Reti di computer, vol. 54, n. 15, ottobre 2010, pp. 2787-2805.

[3] Madakam, Somayya et al. Internet delle cose (IoT): una revisione della letteratura. Giornale di informatica e comunicazioni, 2015, vol. 3, n. 05, pag. 164.

[4] Al-Abassi, Abdulrahman, et al., Analisi dei big data industriali: sfide e opportunità. Manuale sulla privacy dei big data. Springer, Cham, 2020. 37-61.

[5] Vescovo, Christopher M., e Nasser M. Nasrabadi. Riconoscimento di pattern e apprendimento automatico. vol. 4. N. 4. New York: Springer, 2006.

[6] Russell, Stuart J. Intelligenza artificiale un approccio moderno. Pearson Education, Inc., 2010.

[7] Goodfellow, Ian, Yoshua Bengio e Aaron Courville. Apprendimento approfondito. Stampa del MIT, 2016.

[8] Zhang, S., Wang, B. e Habetler, TG (2019). Algoritmi di machine learning e deep learning per la diagnostica dei guasti dei cuscinetti: una revisione completa. arXiv prestampa arXiv:1901.08247

[9] S. Chai et al., Un sistema di diagnosi basato sull'apprendimento profondo non intrusivo per ascensori, in IEEE Access, vol. 9, pp. 20993-21003, 2021, doi: 10.1109/ACCESS.2021.3053858.

[10] Riferimenti commerciali: TKE. MASSIMO tkelevator.com/es-es/productos/max/ (ottobre 2022) / Schindler AVANTI. us.schindler.com/en/services/digital.html (ottobre 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