Rumo a elevadores inteligentes - a experiência KLEEMANN

Com quatro inovações: Detecção de Emergência de Passageiros (PED), Medição Eletrônica do Poço (ESM), Sistema de Assistência ao Elevador em Braille G para Pessoas com Deficiência Visual e Informação sobre Ambiente Seguro (ISE).

Por Dr. Giorgos Georgiadis

Este artigo foi apresentado no Simpósio Internacional de Elevadores e Escadas Rolantes de 2023, em Edimburgo, Escócia.

As indústrias estão adotando operações inteligentes devido às vantagens incomparáveis ​​que elas oferecem. Elas proporcionam um ambiente operacional mais ágil, responsivo e interativo com o usuário.

O elevador é um equipamento essencial para o dia a dia das pessoas. Para a indústria de elevadores, incorporar tecnologia inteligente é uma necessidade — e não uma opção — dada a sua importância na vida cotidiana.

Este artigo explora quatro funções/produtos inovadores e inteligentes para elevadores que melhoram a segurança, a construção, a acessibilidade e a conveniência dos passageiros. Essas funções são:

1. Sistema de Detecção de Emergência para Passageiros (PED)
2. Sistema eletrônico de medição de eixo (ESM)
3. Sistema G-Braille
4. Informações sobre o sistema de ambiente seguro (ISE)

1. PED, Sistema de Detecção de Emergência para Passageiros

O sistema PED visa detectar automaticamente situações de emergência médica (como um ataque cardíaco, desmaio) em passageiros que não conseguem reagir durante essas situações de urgência. Através do uso de câmeras de profundidade e algoritmos de IA, o sistema detecta a perda de consciência de um passageiro dentro da cabine e aciona uma reação imediata do elevador. Ele inicia uma série de ações, como ligar automaticamente para os serviços de emergência, mover o elevador para o térreo, abrir as portas e notificar hospitais próximos através da Internet das Coisas (IoT).

O sistema utiliza câmeras e algoritmos avançados de IA. O sistema PED reconhece a presença de pessoas dentro do elevador. Ele utiliza tecnologia com câmeras de profundidade, que não registram dados pessoais e, portanto, não se enquadram no Regulamento Geral de Proteção de Dados (RGPD). A metodologia de detecção de incidentes compreende três etapas:

1. Detecção e rastreamento de itens em movimento
2. Extração de características de eventos que indicam o estado dos itens.
3. Um método de Modelo Oculto de Markov (HMM) que reconhece incidentes ocorridos com base em características do evento.

Um modelo de Markov de três estados (Figura 1), que considera o evento acima descrito, é utilizado para realizar a detecção de quedas.

O primeiro estado (S1) refere-se a um estado de não queda, por exemplo, uma pessoa em pé ou com movimentos ligeiros.

O segundo estado (S2) representa a queda propriamente dita, que é caracterizada por uma velocidade vertical muito decrescente (quando a altura diminui, a velocidade assume valores negativos) e por um aumento da variância da área.

O terceiro estado (S3) significa o fim da queda e declara a detecção do incidente.

As probabilidades de transição são baseadas em características do evento e definidas na seguinte matriz:

A probabilidade F,

constitui uma função sigmoide que favorece, com valores altos próximos de 1, casos com alta velocidade vertical (negativa) e alta covariância de área, ou seja, casos que correspondem ao estado de queda. Aqui, T é uma constante definida pelo treinamento.

Função u,

declara que o estado S3, que significa a detecção da queda, não pode ser alcançado se a pessoa caída não estiver abaixo de um limiar flexível HT.

No esquema a seguir (Figura 2), é apresentada uma descrição do sistema.

A câmera de profundidade e o algoritmo reconhecerão a forma humana. Características específicas serão monitoradas pelo sistema. A primeira característica é a velocidade vertical do ponto mais alto da pessoa rastreada, que será medida várias vezes por segundo em um intervalo de tempo constante. A segunda característica refere-se à variação da área. Quando uma pessoa cai, a área medida aumenta. Essa característica é medida com a mesma frequência e intervalo de tempo que a velocidade. A última característica utilizada é a altura, que, além de sua importância para o cálculo da velocidade vertical, facilita a prevenção de alarmes falsos, pois uma pessoa em queda não pode estar a mais de 1 m de altura. Todas essas características são extraídas da câmera de profundidade. Após alimentar o novo HMM para detecção de quedas com essas três características, uma probabilidade de queda é extraída conforme descrito anteriormente.

Quando o HMM identifica uma alta probabilidade de queda (Figura 3), o contador de tempo é iniciado. Se, após um limite específico (10 s), não houver recuperação, um alarme é acionado. Como mencionado anteriormente, uma série de ações, como ligar automaticamente para os serviços de emergência, mover o elevador para o térreo, abrir as portas, ajustar o ventilador da cabine para a potência máxima e notificar hospitais próximos por meio da IoT, serão executadas.

O PED é um sistema revolucionário que garante uma resposta rápida e eficiente a situações críticas 24 horas por dia, podendo salvar vidas.

2. ESM, Sistema Eletrônico de Medição de Eixos

O ESM (Figura 4) é um sistema capaz de medir automaticamente as dimensões de um poço de elevador utilizando visão computacional e sensores ópticos, sem intervenção humana. O sistema detecta desvios nas dimensões de construção, desvios da direção vertical teórica e erros nas dimensões da superfície das paredes. Além disso, calcula o volume máximo disponível do poço para o sistema de elevador. O ESM garante medições precisas, permitindo a instalação e manutenção corretas do elevador, melhorando assim o desempenho e a segurança em geral.

A ferramenta ESM é leve (com um sistema de montagem que pesa menos de 8 kg), portátil e alimentada por bateria. Ela é instalada no último andar e não requer perfuração de paredes.

O diagrama arquitetônico do sistema de medição desenvolvido é apresentado na Figura 5. Mais especificamente, um power bank portátil alimenta a unidade computacional utilizada, como o Jetson Nano, permitindo assim a realização de diversas medições sem necessidade de recarga.

Com relação à unidade de medição e aos sensores utilizados, três dispositivos diferentes estão conectados diretamente ao computador NVIDIA Jetson. que é responsável pela comunicação dos sensores, bem como pela execução dos algoritmos de visão computacional, conforme ilustrado na Figura 6. O primeiro sensor é um LiDAR de alta resolução com 11 rotações por segundo, que fornece as coordenadas horizontais do eixo. Já o segundo sensor é um laser de distância vertical que calcula a altura do dispositivo, representando a coordenada vertical. O terceiro é um sensor de captação magnética (MPU), responsável por inspecionar a órbita do arranjo experimental, medindo os ângulos de inclinação e rotação, que podem ser alterados devido a pequenas correntes de ar dentro do eixo medido. Para o cálculo do ângulo de guinada, são aplicadas metodologias de visão computacional.

Para evitar resultados imprecisos devido à rotação incontrolável da unidade causada por correntes de ar geradas dentro do eixo, um sensor MPU foi incorporado. Primeiramente, os desvios de inclinação (pitch) e rotação (roll) são calculados e os valores capturados pelo LiDAR (valores X e Y) são corrigidos de acordo. Em situações onde os valores de inclinação e rotação permanecem acima de 3° por mais de 10 segundos consecutivos, uma mensagem é exibida ao usuário informando sobre o status e sugerindo a repetição do processo para garantir uma medição confiável. Na Figura 7, um desvio de inclinação é ilustrado esquematicamente, juntamente com os valores calculados e reais dos eixos X, Y e Z.

O sistema será montado no último andar, como mostrado anteriormente, e começará a descer com a ajuda de um pequeno motor elétrico a uma velocidade de aproximadamente 45 mm/s. O algoritmo Os dados são obtidos do LiDAR. Em seguida, são calculadas as inclinações de rotação, guinada e arfagem. O ângulo de guinada é computado utilizando técnicas de visão computacional, enquanto a arfagem e a rotação são derivadas do sensor MPU. Um algoritmo para o registro da nuvem de pontos é aplicado. Na etapa seguinte, um método para medir o retângulo máximo dentro da nuvem é aplicado. A partir daí, os desvios do eixo em comparação com o eixo teórico são extraídos, juntamente com o eixo máximo do elevador (disponível para instalação) e a inclinação real do eixo, conforme mostrado na Figura 8.

Além disso, foram fornecidos diversos módulos, como uma ferramenta de manipulação da nuvem de pontos no espaço 3D para inspecionar minuciosamente o eixo e uma ferramenta de medição que calcula a distância entre dois pontos selecionados da nuvem, conforme apresentado na Figura 9.

Considerando a precisão dos resultados dos cálculos e a interface gráfica amigável do aplicativo, o usuário pode dimensionar facilmente o poço em questão, economizando horas de medição manual do interior do poço e, consequentemente, atingindo novos e elevados padrões na exigente indústria de elevadores.

3. G-Braille, Sistema de Assistência para Pessoas com Deficiência Visual

O sistema G-Braille (Figura 10) facilita o uso do elevador para pessoas com deficiência visual. Consiste em um pequeno transmissor compacto com botões que representam o sistema Braille de 6 pontos, o qual se conecta ao controlador do elevador. Uma vez conectado, a pessoa com deficiência visual pode selecionar o andar desejado pressionando os botões em G-Braille, de acordo com a codificação Braille de 6 pontos. Com esse método inovador, o elevador "lê" o andar desejado a partir do transmissor G-Braille, sem sobrecarregar a pessoa com deficiência visual com a necessidade de "ler" tocando em todos os botões do painel de controle da cabine. Esse sistema inovador aumenta a acessibilidade e a independência dos passageiros com deficiência visual.

O sistema consiste em um controle remoto para cada usuário, chamado “G-Braille”, uma unidade de piso instalada em cada painel de controle do elevador e, por fim, um nó de gateway instalado dentro da cabine do elevador, chamado “G-Braille gateway”. Todos os dispositivos são equipados com um microcontrolador capaz de comunicação via protocolo Bluetooth Low Energy (BLE). Quando o controle remoto é ligado, ele busca ativamente por características de serviço Bluetooth iniciadas pela unidade de piso e pelo gateway G-Braille. A função da unidade de piso é anunciar uma característica de serviço Bluetooth à qual os dispositivos remotos estão próximos e podem se conectar e assinar. Após uma conexão ser estabelecida por um determinado período, a unidade de piso energiza o botão de chamada do andar, chamando o elevador para o respectivo andar. Após uma chamada bem-sucedida do elevador entre o controle remoto e a unidade de piso, esta última encerra a sessão Bluetooth para que o controle remoto se conecte ao gateway G-Braille assim que a cabine chegar.

O controle remoto se conecta ao gateway G-Braille por meio de um procedimento de pareamento, estabelecendo uma conexão criptografada. O gateway G-Braille funciona como um nó na rede CAN do elevador. O usuário pode inserir comandos referentes à sua preferência de andar por meio de código Braille em seu controle remoto G-Braille, que interpreta os comandos recebidos para os andares selecionados.

Um motor vibratório e um alto-falante com campainha na unidade G-Braille são responsáveis ​​por notificar a pessoa com deficiência visual se a cabine do elevador chegou ou se um comando em Braille foi digitado com sucesso. O gateway G-Braille suporta até seis conexões simultâneas de controle remoto. Os dispositivos remotos que se conectam com sucesso pela primeira vez são vinculados ao gateway, e cada conexão subsequente é automática, sem a necessidade de um processo de pareamento. Além disso, ele armazena os dados de preferência de andar do usuário, permitindo que ele seja transportado para um andar predefinido no futuro sem interagir com o controle remoto. A Figura 11 mostra a sequência de eventos descrita nos parágrafos anteriores.

A Figura 12 mostra outra variação do sistema G-Braille, onde a unidade é fixada permanentemente ao COP. Nesse caso, o usuário tentará localizar o localizador de quatro dedos e, em seguida, usará o polegar para pressionar os botões do G-Braille e selecionar o andar. 

4. ISE, Informações sobre Ambiente Seguro

O sistema ISE (Figura 13) foca-se no bem-estar dos passageiros, fornecendo informações em tempo real sobre a qualidade do ar no interior da cabine do elevador. Utiliza uma câmara de profundidade (que não regista dados pessoais) para recolher informações sobre o número de passageiros na cabine. Fornece informações como a última vez que o(s) elevador(es) foi(ram) utilizado(s), o número de ocupantes durante a última viagem e o nível de frescura do ar (renovação completa do ar). Com base em dados de pesquisa de 2019, Os usuários de elevadores desejam um "cheiro agradável na cabine e um ambiente limpo no elevador". Essa preferência se transformou em uma necessidade absoluta durante a pandemia de COVID-19.

A função ISE atende a essa necessidade. Ela informa as pessoas que aguardam para entrar na cabine do elevador, com parâmetros relacionados à qualidade do ar dentro da cabine, o número de passageiros na última viagem do elevador e o número de pessoas dentro da cabine enquanto o elevador está em movimento. Ela fornece ao usuário uma estimativa do tempo necessário para a completa reciclagem do ar na cabine, com base em funções de correlação do sistema de circulação de ar. O usuário que deseja chamar o elevador de um andar intermediário (não do térreo) enquanto o elevador está em movimento tem informações sobre quantos passageiros estão na cabine. O usuário pode então decidir se embarcará no elevador ou não, ou se medidas de proteção adicionais, como máscaras, são necessárias. Nos casos em que um Sistema de Controle de Destino (DCS) está envolvido, um modo pode ser selecionado para enviar a cabine com o maior nível de ar reciclado disponível.

A solução ISE também está disponível como um aplicativo para celulares, conforme mostrado na Figura 14.

O sistema ISE fornece ao usuário uma ferramenta de informação simples e prática sobre a qualidade do ar esperada dentro da cabine. Além disso, ajuda a aumentar a conscientização do grupo de pessoas que são sensíveis a questões de saúde.  

Referências

[1] Krinidis, S., Stavropoulos, G., Ioannidis, D. e Tzovaras, D. (2014). “Um sistema robusto e em tempo real de extração de ocupação multiespacial explorando sensores de preservação de privacidade.” ISCCSP.
[2] S. Cass, “Nvidia Makes It Easy To Embed AI: The Jetson Nano Packs a Lot of Machine-Learning Power Into DIY Projects,” [Hands-on] IEEE Spectrum, Vol. 57, No. 7, 2020, pp. 14-16.
[3] Vrochidis Alexandros, Charalampous Paschalis, Dimitriou Nikolaos, Kladovasilakis Nikolaos e Georgiadis Georgios, “Inspeção automática de poços de elevador usando um sistema de medição multissensor e técnicas de visão computacional”.
[4] KLEEMANN HELLAS, Universidade Nacional Kapodistriana de Atenas, Departamento de Psicologia, 2019, “Estudo de Atitudes, Percepções sobre Segurança, Medos e Demandas do Usuário em Relação à Operação de Elevadores”.