用于电梯优化服务的开放数据平台

电梯行业中小企业的机遇

这篇论文在西班牙巴塞罗那举行的 2022 年国际电梯和自动扶梯研讨会上发表。

抽象

由 Ascensores Beltrán、MP Ascensores、Nayar 和 ITAINNOVA 组成的财团正在致力于开发一个用于电梯优化服务的开放平台。 该项目旨在开发一个先进的数据分析平台，根据从联网电梯的组合数据中提取的知识来优化电梯维护和服务。

该平台将基于数字基础设施和软件模块，通过集成机器学习算法和高级分析来处理输入平台的电梯数据。 这些算法的结果将旨在通过识别演变或磨损趋势、检测运行异常、预测行为或警报预期来更深入地了解电梯的状态，从而降低服务成本。

该方法的主要特征和差异化要素是平台必须向用户（电梯维护和服务公司）和分析算法的开发人员开放。 为了提供数据兼容性，将应用数据标准化。 本文介绍了最初为该平台设计的目标、技术方法和架构。

本文介绍的项目是西班牙电梯部件制造商协会 AECAE 旗下多家公司共同努力的结果：MP Ascensores 是一家电梯制造和安装领域的全球性公司，Ascensores Beltrán 是一家中小型企业定制电梯解决方案的中小企业 (SME) 制造商和安装商，Nayar 作为电梯物联网解决方案的技术制造商，ITAINNOVA 作为研发中心，AECAE 本身作为协调者和赞助商。

1. 提议的方法

该项目旨在开发一个先进的数据分析平台，根据从联网电梯的运行状态综合数据中提取的知识来优化电梯维护和服务任务。

• 先进的数据分析平台： 数字基础设施作为与其兼容的某些软件模块的运行基础。 这些软件模块将包括机器学习算法和高级分析的实现，这些算法和高级分析将处理输入平台的数据。
• 优化维护和服务任务： 基于对电梯状况的更多了解（也是实时获得），可以降低服务成本。
• 提取的有关运行状态的知识： 识别演变或磨损趋势、检测操作异常、预测行为、预期警报等。

所提出方法的主要特征和区别要素是平台必须是开放的，因为它可以由具有不同特征和要求的多个参与者使用。

因此，由于它被认为是从用户侧开放的，电梯维护和服务公司将能够以匿名方式将从其连接的电梯收集的数据输入到平台上，并从中获取相关信息，以优化其维护服务。

同样，从分析算法开发人员的角度也考虑开放平台，他们将能够在提供新分析服务的平台中实现这些算法，从而产生新功能。

从与多种类型数据和用例的兼容性的角度来看，这种方法引入了一定的复杂性，这些复杂性将通过数据格式和协议的标准化来解决。

因此，提出了一种基于数据平台和用户的数据平台或存储库之间的连接器（公共应用程序编程接口（API））的基本架构，以保证其所有者对它们的控制。

另一方面，考虑到涉及的代理机构的多样性，无论是在用户方（电梯维护公司）还是在算法开发人员（技术公司）方面，从平台管理的角度来看，也带来了一些复杂性。 这些复杂性将通过基于PaaS（平台即服务）模型的管理和业务模型来解决。

基于这种情况，图 1 中提出了一种通用方法。

该平台由蓝色框组成，具有开放的API，存储标准化数据和结果，并可以生成图表、报告、指标和事件。

黄色框代表通过 API 到达平台的用户数据，并使用平台通过 API 或定义自己的图表、报告、指标和事件来覆盖其用例。

绿框重点关注也连接到平台以生成结果的分析算法，这些算法可能由不同的技术代理在平台的管理模式和标准下开发。

通过这种架构，用户将添加他们的数据并获得每个电梯、按公司和聚合级别的特定服务报告。 这些信息一方面供路线技术人员使用，另一方面供公司管理层使用。

三、战略目标

通过拟议的方法，在协会和部门层面追求以下目标：

• 为小型电梯维护和服务公司（占西班牙总数的 95% 以上）提供访问高级分析工具以优化服务的可能性，这些工具无法自行开发，而且考虑到维护产品组合规模有限，这种工具也没有意义这些公司。
• 生成一个平台模型，随着更多用户向其中添加数据，逐渐获得更多价值，同时保证其安全性和机密性。 因此，后期的目标范围将是国内和国际的。
• 吸引算法开发者，让用户可以根据自己的兴趣选择不同的方案和服务，同时在分析算法之间产生“竞争”，从而产生改进循环。

3. 技术和商业目标

在技​​术层面，需要创建和实施以下基本要素：

• 物联网系统提供与电梯的连接，包括通信元件和客户数据存储库（客户平台）
• API-用于连接客户端平台和分析平台的接口
• 云基础设施
• 用于处理和计算的机器学习和数据挖掘算法
• 信息安全和完整性的发展

在业务和管理层面，衍生目标是创建：

• 按使用付费的模式，保证用户和算法开发人员的透明度和可靠性
• 保证并促进新用户和开发者加入平台的管理模式

4. 最先进的技术

该行业正在经历前所未有的数据增长和积累。 这些数据包含多种格式，具有不同的语义、类型和质量，并且通常是实时的，例如来自设备（电梯）的传感器数据、机器参数、生产线和环境数据。

这种现象被称为工业 4.0，^[1] 提高来自物联网 (IoT) 的大量数据的可用性，^{[2] [3]} 带领我们进入一个叫做大数据的新世界，^[4] 这使得它们所包含的信息可以被分析和利用以获得附加值。 数学和计算机科学等某些领域的新发展为通过理解和利用大量过程数据来改变工业和建筑环境提供了巨大潜力。

最令人兴奋的发展之一是机器学习领域，^[5] 人工智能领域的一个子集，^[6] 其中包括了解如何让机器根据历史数据自主学习。 人工智能巨大的适用性和低门槛的发展让我们能够进行以前认为不可能实现的创新。

电梯不断地运送乘客，在每次行程的同时，会生成大量信息，可以通过人工智能进行分析，以改进和利用服务。 通过人工智能进行智能数据分析（深度分析，应用于大量数据、大数据），可以生成模型，了解电梯安装系统如何工作以及识别操作行为和故障的模式，同时考虑它们与其自身之间的相关性。随着时间的推移而演变。

人工智能技术中，深度学习^{[7] [8] [9]} 脱颖而出，将自己定位为让计算机以与人类类似的方式“学习”的最具创新性和最强大的技术之一，试图模拟人脑的复杂行为及其通过感知的感官刺激识别模式的能力。

通过深度学习以及其他经典的人工智能技术，例如分析变量演化的时间序列、提取高度抽象的行为模式、趋势分析和行为预测以及识别相关变量进行表征可以在许多其他应用程序中执行多个过程。

描述电梯运行参数的传感器数据与人工智能相结合，为改进电梯服务领域的流程提供了巨大的潜力，使分析装置的行为趋势成为可能，简而言之，从电梯收集的异构数据中提取知识文件夹。

提取的知识的一些不同的应用可能性是：

• 监控和检测异常和故障： 实时采集数据并通过机器学习技术对其进行深入理解，可以表征电梯安装的行为。 这些知识使得利用装置的数据以及实时检测异常模式成为可能。 例如：运动学和动态参数、执行的操作以及安装组件的参数方面的差异允许与原本无法检测到的系统故障建立关联，从而可以及早识别系统中的异常情况并预期避免经济损失。后果和服务停止。
• 预测性维护： 人工智能可以对电梯安装中涉及的不同组件的行为进行有效的建模。 通过这种方式，机器学习模型可以了解组件如何运行、如何恶化以及可能发生哪些故障模式，从而可以实时分析数据，以预测何时必须预防性地执行修复操作以避免损坏。 操作故障考虑正常操作模式和故障，以及装置的使用。 这种预期能够在不影响服务质量的情况下预防性地解决问题。
• 运行参数优化： 它基于对电梯装置本身的行为以及可能存在的环境变量（例如用户、气候）的理解，以允许在考虑到电梯装置的交通模式和行为的情况下对运行参数进行最佳配置。电梯。 例如，通过根据使用、轨迹和时间表识别用户行为模式，可以确定建筑物居民最常见的模式，从而优化使用并提高其服务质量。

出于这些目标，该行业的大型跨国公司在该领域开发了先进的解决方案，这些解决方案已经投入商业应用，并且考虑到中小企业开发先进维护技术所必须面临的困难，这些解决方案使竞争格局更加不平衡。系统在处理更小的维护组合时，针对技术能力和数据可用性进行了优化。

对于中小企业来说，即使是中大型企业，由于技术能力和技术可行性所需的数据量的限制，开发这种级别的解决方案非常困难。

该项目旨在基于推广代理之间的合作并从根本上基于所提议的开放平台方法来解决这些限制。

5.技术说明

下面根据图 2 所示的总体方案描述了为该平台规划的方法和技术架构。

架构组件和工作流程

电梯基础设施（绿箱）

它包括电梯基础设施的所有组件（轿厢、控制面板、可用传感器、按钮面板等），以及一个允许收集、处理来自这些数据源的信息并准备发送的节点，以及通信模块将信息发送到每个电梯操作员的基础设施。

已确定的组件是：

• Lifts（电梯基础设施）：控制面板、轿厢、可用传感器、按钮面板等（理解为数据源）。 值得注意的是，必须收集允许重建行程的控制面板事件（例如：打开/关闭门、穿过地板、移动、按下按钮……及其相应的临时标记）。
• 电梯平台（处理节点）：负责访问电梯安装的所有信息、收集信息、准备装运、识别电梯、安装。
• 电梯平台（通信模块）：负责通过安全通信将收集到的信息发送到电梯运营商的基础设施，发送收集到的信息：
  • 不一定是实时的，它可以以允许优化通信的频率来完成（例如，一旦收集到一定量的信息，无论是按时间还是按大小）。
  • 它必须包括允许重建每个行程和感兴趣的变量（例如，开门时间、关门时间）的事件信息以及每个事件的时间戳，以及与分析相关的传感器（例如例如驱动功率）。
  • 必须根据每个电梯运营商的基础设施提供安全通信。

因此，该基础设施包含允许处理和处理来自电梯的信息的软件模块，目的是：

• 收集来自电梯的信息
• 对每台电梯的信息进行处理，并调整为定义的格式（基于JSON），然后发送给负责处理信息的API
• 匿名化从电梯收集的信息
• 提供与 API 的安全（例如基于证书的）通信
• 管理从数据处理模块接收的警报

在组件层面，它必须包含软件模块，其目的是执行电梯信息处理功能，使其适应基于 JSON 的标准化格式（该格式的数据将被存储和分析，但重要的是有一个通用的格式）数据处理模块中存储的信息的格式），这种基于JSON的交换格式。

数据处理基础设施（红框）

在组件级别，它必须至少包括：

• Rest API客户端访问接口：将部署Rest API接口。 该接口将负责接收客户端的请求，将文档传输到Event Manager（通过Event Server对数据进行编译和一致性检查处理，以及通过Data Ingest Manager将数据发布到Event Manager） ，以及提供对 python 模块生成的这些请求的响应。
• 事件管理器：充当 DataLake 的接口以进行数据摄取，将通过接口（例如基于 Rest API）来管理上传到 DataLake 的数据。
• DataLake：数据存储库，其中三个数据库将用于组织三个级别的数据：
  • DB1：非关系数据库 (mongoDB) 将用于托管原始数据，以便在 DataLake 中托管来自电梯运营商基础设施的数据。 使用的数据库是非关系类型的事实是因为该特性为数据库提供了必要的灵活性，以灵活的结构管理记录。 后者是必要的，因为预计不同的电梯装置具有不同的数据。
  • DB2：将使用 PostgreSQL 作为关系数据库。 与非关系型数据库相比，这种类型的数据库的灵活性（预定义字段）较低，但响应时间较快。 最后一个考虑因素很重要，因为该数据库存储处理结果（例如检测到的警报）。 响应Rest API接口的Python模块读取该数据库中存储的数据。
  • DB3：将使用 PostgreSQL 作为关系数据库。 它将包含稍后应用机器学习或生成数据可视化的有用数据。

• 数据标准化和结构化模块，用于执行电梯信息处理，使其适应标准化格式
• 数据分析模块和机器学习核心，其中部署了所有必要的工具来执行数据处理和结构化、数据分析和生成相关指标以供该模块中的咨询，并根据分析生成警报
• 可视化模块，需要生成仪表板作为可视化信息的摘要，例如相关指标、检测到的事件/异常
• 用于管理警报的模块：根据检测到的警报，将与电梯操作员的基础设施进行通信，通知他们检测到的警报。

为了包含新的数据处理算法，所提出的系统将以可扩展的方式进行，允许将新算法集成到平台的不同组件中，以便将来提供来自不同提供商的新服务。

六、运营方案

根据拟议的技术方法，该平台的用户（电梯维护服务公司）必须拥有先前开发的基础设施，用于存储所连接电梯的数据。

这些数据或与电梯操作员定义的一系列电梯相对应的数据子集，在输入平台之前必须按照平台定义的格式进行规范化和标准化。

数据到分析平台的传输将通过开放 API 进行，该 API 允许信息匿名化并传输到平台。

此外，通过 API，电梯操作员将从平台上可用的分析算法的应用程序中接收有价值的信息，并由用户根据自己的兴趣进行选择。

无论如何，该平台将通过带有 BI 工具的连接器向用户提供初始信息，这些信息是由平台核心（数据分析模块和 ML 核心）考虑的算法以及平台生成的警报产生的。

七、管理方案

该项目的目标之一是创建一个平台，为电梯行业的不同公司提供服务。 为了实现这一目标，项目成果必须满足技术和经济可行性标准，包括：

• 技术可行性：该平台必须产生能够进一步改进其客户运营方案的结果。 为此，它必须收集足够量的数据以提供高质量的结果。
• 经济可行性：端到端流程必须对所有参与者有利，并提高效率，提高客户和整个行业的竞争力。

只要对每个参与者都有利，该项目的可行性就是积极的：

• 电梯维保公司：连接平台的投资加上使用平台的经常性费用必须低于使用平台获得的效率。
• 科技公司：由于技术销售的增加，接入平​​台的投资必须低于预期利润。
• 算法公司：开发和维护算法的投资必须小于使用它所获得的收入。
• 平台：创建平台所需的投资和运营成本必须低于从客户处获得的收入，即向算法公司收取的费用。
• 最终客户：在可用性和服务质量方面获得的收益必须超过解决方案的成本。

---

案例

[1] 拉西，H.，费特克，P.，肯珀，HG。 等人，工业 4.0，施普林格，商业与信息系统工程 6, 239–242 (2014)。 doi.org/10.1007/s12599-014-0334-4

[2] 阿佐里，L.； 伊拉，A.； 莫拉比托； G. 物联网：一项调查。 计算机网络，卷。 54，第 15 期，2010 年 2787 月，第 2805-XNUMX 页。

[3] Madakam，Somayya，等人。 物联网 (IoT)：文献综述。 计算机与通信学报，2015年，第一卷。 3，第 05 号，第 164 页。 XNUMX.

[4] Al-Abassi、Abdulrahman 等人，工业大数据分析：挑战与机遇。 大数据隐私手册。 查姆·施普林格，2020。37-61。

[5] 克里斯托弗·M. 主教和纳赛尔·M. 纳斯拉巴迪。 模式识别和机器学习。 卷。 4. 第 4 期。纽约：施普林格，2006 年。

[6] Russell, Stuart J. 人工智能是一种现代方法。 培生教育公司，2010。

[7] 伊恩·古德费洛、约书亚·本吉奥和亚伦·库维尔。 深度学习。 麻省理工学院出版社，2016 年。

[8] 张 S.、王 B. 和 Habetler, TG (2019)。 用于轴承故障诊断的机器学习和深度学习算法——全面综述。 arXiv 预印本 arXiv:1901.08247

[9] S. Chai 等人，基于非侵入式深度学习的电梯诊断系统，IEEE Access，卷。 9，第 20993-21003 页，2021 年，doi：10.1109/ACCESS.2021.3053858。

[10] 商业参考：TKE。 最大限度。 tkelevator.com/es-es/productos/max/（2022 年 2022 月）/Schindler AHEAD。 us.schindler.com/en/services/digital.html（24 年 7 月）/通力。 kone.com/en/products-and-services/maintenance-and-modernization/XNUMX-XNUMX-connected-services.aspx /奥的斯。 otis.com/en/uk/products-services/otis-signatureservice/otis-one