数据驱动的维护

利用物联网、大数据和机器学习

这篇文章最初发表于  第五届电梯和自动扶梯技术研讨会， www.liftsymposium.org.

物联网 (IoT)、大数据、云计算和机器学习 (ML) 等新技术有可能从根本上改变电梯和自动扶梯行业。 在维护、产品开发和质量领域尤其如此。 多年来，电梯和自动扶梯的维护一直在发展。 各种形式的维护包括故障维护、预防性维护、基于使用的维护、基于条件的维护和基于任务的维护。 使用物联网、云计算、大数据和机器学习，一种新的维护形式，数据驱动的维护（DDM）已经到来。 DDM 为建筑业主、建筑经理、电梯和自动扶梯乘客以及电梯公司提供好处。

IoT

电梯和自动扶梯通常安装一次，每 10 到 20 年就进行一次现代化改造，但在其整个使用寿命期间都会得到维护。 纽约市伍尔沃斯大厦的电梯是早期的高层建筑，安装于 1914 年。电梯于 2010 年进行了第四次现代化改造，现在电梯已投入使用和维护。 维护是电梯行业收入和利润的主要来源。 物联网有能力改变电梯行业的维护业务模式。

“物联网”一词是由英国企业家凯文·阿什顿 (Kevin Ashton) 于 1999 年创造的。 [1] 今天，大约有 2 亿互联网用户。 大多数是人类通过互联网交换信息。 [30] 五年内，将有 50-2 亿个物理对象（“事物”）连接到互联网。 也称为“机器”，这些东西将与其他机器（例如计算机）进行通信。 这种形式的通信称为机器对机器 (M2M) 通信。 MXNUMXM 可以利用普通的旧电话服务线路、蜂窝通信、以太网连接、Wi-Fi 或许多其他形式的电子通信，并非所有这些
今天存在。

大数据

“大数据”是一个具有多种含义的术语。 最初，它指的是数据集太大或太复杂，传统软件和计算机无法在合理的时间内处理。 然而，今天，该术语也意味着使用预测分析从数据中提取价值，无论数据量如何。 [3]

大数据的处理需要大量的处理能力——台式计算机所没有的能力。 大数据由使用大规模并行软件的数以万计的服务器处理。 并非所有组织都拥有可供使用的大型服务器群，因此必须寻找替代的处理能力来源，例如云计算。

云计算

云计算与本地计算相反。 对于后者，所有硬件和软件都归运营商所有。 如果企业需要 100 台服务器来运行其业务，则必须购买 100 台服务器，购买或租用空调设施来容纳服务器并为这些服务器提供电力和通信支持。 此外，运营商必须提供必要的支持以保持设施运行。 例如，如果每周一天需要额外的 25 台服务器来进行数据分析，则必须购买和运营具有 25 台服务器的额外设施。

本地模型既有资本设备费用部分，也有运营费用部分。 一切都通过云计算外包。 运营商只按现收现付的方式支付计算和数据存储费用。 如果运营商在白天需要 100 台服务器，晚上需要 25 台服务器，在运行数据分析时需要 125 台服务器，云提供商将只提供所需的服务器。 连接的服务器数量可以根据需要动态变化。 云计算模型没有资本支出部分。 云计算纯粹是一种运营费用模型。 [4]

云提供商可以这样做，因为它通过可能位于不同国家/地区的服务器群在全球范围内提供服务。

云提供商通常在备份数据的多个位置拥有服务器群。 如果地震或龙卷风等自然灾害袭击一个设施，并行设施将继续运行，而不会被用户察觉。

应该指出的是，大多数企业混合使用本地和云计算。

机器学习和数据挖掘

ML 是从人工智能 (AI) 演变而来的。 人工智能的目标是开发模仿人类智能的计算机和软件。 人工智能的目标之一是学习。 ML 涉及根据从数据中学习到的属性进行预测。 [5] 它有时与数据挖掘相混淆。 数据挖掘的目标是发现一组数据中以前未知的属性。 虽然 ML 和数据挖掘在电梯行业都很有用，但作者认为 ML 将比数据挖掘更快地产生更多有形的结果。

有许多工具可用于机器学习。 一种更常见的方法被称为分类和回归树（CARTs）。 [6] 这些是从过去发生的事情中学习并使用这些知识来预测未来结果的决策树。 新开发的基于 CART 的软件使训练有素的从业者（不一定是数据科学家）分析数据成为可能。

数据科学家和数据科学团队

数据科学家是兼具商业敏锐度和数据分析或统计知识的人。 大多数数据科学家都拥有高级科学学位，例如理学硕士或博士学位。 托马斯·达文波特 (Thomas Davenport) 认为，可能无法在一个人身上找到兼具商业、沟通和分析技能的能力。 [7] 他建议，与其试图找到一个拥有所有这些技能的人，不如组建一个数据科学团队。

如果数据科学家只从事数据挖掘，则不需要了解所分析的产品。 如果数据科学家对特定产品（例如电梯或自动扶梯）执行预测分析，则科学家或数据科学团队必须具备产品知识。 为团队带来这些知识的人被称为领域专家。

电梯和自动扶梯维修的历史

多年来，电梯行业提供的维护类型不断发展。 最初，只提供反应性（故障）维护：当电梯停止工作时，技术人员会被召集到现场让电梯恢复使用。 该行业最终转变为预防性维护。 这种维护形式的目标是在发生故障之前进行维护并延长电梯的使用寿命。

电梯和自动扶梯的远程监控出现在 1980 年代后期。 虽然远程监控会在单元发生故障时向电梯公司发出警报，但它本身并没有减少故障次数。

1990 年代后期，电梯行业出现了基于使用的维护。 该方案的概念是根据使用情况调整维护的数量和时间。 这个概念并不是真正新的。 （汽车中的机油通常会在行驶一定公里数后更换。）

基于状态的维护只是根据系统或部件的状态提供维护。 一个例子是在关键轴承上安装加速度计和温度传感器，并监测振动频率、振动幅度和轴承温度。 当读数开始离开正常工作范围时，可以安排轴承维护或更换。

基于任务的维护涉及根据电梯类型、使用情况和条件生成维护任务列表。

数据驱动的维护

数据驱动的维护将前面描述的所有维护类型合并到一个系统中。 虽然对包括电梯和自动扶梯行业在内的许多行业来说都是新的，但这种类型的维护在航空等行业已经相当成熟。 [8]

在数据驱动的维护方案中，远程监控将电梯的使用情况和状况报告给云端。 使用 ML，可以预测何时以及必须维护什么。 然后，这些抢占式任务会从云端传达给服务技术人员。 然后，服务技术人员将仅执行那些保护客户资产（电梯和/或自动扶梯）的任务。

数据驱动维护的预测性应该能够安排维护任务，以防止故障或增加平均故障间隔时间。 此外，当检测到未决故障时，数据驱动的维护应该能够推荐可采取的抢先行动，以消除服务连续性的损失。 例如，如果监控门电机电流，随着时间的推移，电流增加可能表明下次访问时需要额外的门维护。 如果检测到门电机电流突然增加，则可能表明门已损坏，应在故障发生之前派遣技术人员解决问题。

计划外故障的代价高昂，远比预防性或抢先性维护高得多。 数据驱动的维护可以减少并有望消除计划外故障。 这将降低维护成本，并最终降低维护价格。 此外，更少的故障将提高客户满意度。

定时

什么时候可以实施数据驱动的维护？ 它的技术已经存在了 10 多年。 然而，直到最近，它的成本还是令人望而却步。 今天，我们拥有快速且低成本的计算。 数据存储的成本现在只是几年前的一小部分。 低成本的数据存储使大数据在经济上可行。 世界上几乎所有电梯所在的地方都可以使用互联网。 低成本无线数据通信也可在全球范围内使用。

成本和技术已经到了一个时间点，数据驱动的维护的经济效益可以超过其成本，并且伴随着客户满意度的提高。

结论

数据驱动的维护将改变进行维护操作的方式。 有关升降机性能的更及时信息将影响产品开发。 如果新组件的故障率高于或低于它所替换的组件，则可以更快地了解这一事实。

如果质量是由每年每单位的故障定义的，那么质量应该提高。 也许维护将根据正常运行时间定价。 数据分析也会带来意想不到的结果，但只有时间才能决定这些结果的益处。 然而，可以合理地假设这些意想不到的结果将使整个电梯行业受益，最重要的是，我们的客户也会受益。

案例
[1] 维基百科。 “物联网”，上次访问时间为 29 年 2015 月 XNUMX 日 (en.wikipedia.org/wiki/Internet_of_Things)。
[2] Internet World Statistics，上次访问时间为 29 年 2015 月 XNUMX 日 (www.internetworldstats.com/stats.htm)。
[3] 维基百科。 “大数据”，上次访问时间为 30 年 2015 月 XNUMX 日 (en.wikipedia.org/wiki/Big_data)。
[4] 维基百科。 “云计算”，上次访问时间为 30 年 2015 月 XNUMX 日 (en.wikipedia.org/wiki/Cloud_computing)。
[5] 维基百科。 “机器学习”，上次访问时间为 30 年 2015 月 XNUMX 日 (en.wikipedia.org/wiki/Machine_learning)。
[6] 维基百科。 “决策树学习”，上次访问时间为 30 年 2015 月 XNUMX 日（en.wikipedia.org/wiki/Decision_tree_learning）。
[7] Davenport, T. Big Data @ Work，波士顿：哈佛商学院出版社（2014 年）。
[8] 杨，W.，等。 “用于飞机发动机故障诊断的多分类器系统”，最后访问时间为 7 年 2015 月 10.1.1.88.9280 日（citeseerx.ist.psu.edu/viewdoc/summary?doi=XNUMX）。