听这篇文章
数字化转型正将电梯转变为数据驱动系统，人工智能 (AI)、物联网 (IoT) 和建筑信息模型 (BIM) 可实现持续的传感器监控、预测性维护和数字孪生。实时电机、制动器、门和振动数据使机器学习能够检测异常情况、优化维护时间并降低成本，从而为拥有 14 部电梯的系统每年节省约 31,290 美元，同时减少 40% 的故障成本、60% 的停机时间和 15% 的人力优化。人工智能还支持个性化呼叫和流量优化，而再生驱动和人工智能能源管理可降低 20% 至 40% 的能耗。集成 BIM 的数字孪生通过实现更快的诊断和自动化应急工作流程，改善了生命周期管理和安全性，使电梯成为建筑决策的积极支持资产。
梅里电梯研发工程师Volkan Murat ORAKCI提交
1. 引言
多年来，电梯技术的发展一直侧重于机械和机电系统。然而，过去十年来的数字化转型已开始显著改变行业的优先事项，如今，电梯系统的性能不能仅仅根据载客量、速度或舒适度等标准来评估。运营成本、能源效率、维护流程管理和用户体验现在与技术性能同等重要。
从现场工程师的角度来看，众所周知，计划外停机是电梯整个生命周期中遇到的最重大问题之一。
意外故障，尤其是在使用率高的商业建筑中，不仅会增加维护成本，还会直接影响建筑运营。因此，近年来，行业已将重点从被动应对故障转向提前预测故障的解决方案。
人工智能 (AI)、物联网 (IoT) 和建筑信息模型 (BIM) 技术已成为这一亟需变革的关键组成部分。尤其得益于传感器技术的进步，现在可以持续收集电梯系统的数据；这些数据经过分析后，可以深入了解设备的运行状况。
本研究从工程角度探讨了这些技术对电梯系统的贡献、当前应用以及未来的潜在机遇。
| 电梯集团 | 片 | 标准版 | 轴钢结构 | 轴长（毫米） | 磁共振/磁共振实验室 | 速度（米/秒） | 停靠站数量 | 重量（kg） |
| A1-A2-A3 | 3 | EN 81-20/50 | 是 | 7400×3600 | MR | 2.0 | 14 | 1600 |
| A4-A5-A6 | 3 | EN 81-20/50 | 是 | 7400×3600 | MR | 2.0 | 14 | 1600 |
| A7 | 1 | ZH-81 72的 | 没有 | 3200×3500 | MR | 2.0 | 15 | 1600 |
| A8-A9-A10 | 3 | EN 81-20/50 | 是 | 7400×3600 | MR | 1.0 | 2 | 1600 |
| A11-A12 | 2 | EN 81-20/50 | 是 | 4800×2900 | MR | 2.0 | 14 | 1600 |
| A13-A14 | 2 | EN 81-20/50 | 是 | 4800×2900 | MR | 2.0 | 14 | 1600 |
1. 年度维护成本分析
假设
· 电梯总数：14部
· 平均年度维护成本（传统系统）：每部电梯 6,500 美元
· 因故障造成的额外费用：每台电梯每年 1,800 美元
· 非计划停机成本：每部电梯每年 900 美元
人工智能支持的预测性维护之后
预期的改进
· 故障成本降低 40%
· 停机时间减少 60%
· 维护人员优化15%
成本项目 年度总计（美元）
定期维护合同金额为 77,350 美元
故障维修费用为15,120美元
停机造成的运营损失 5,040 美元
总计 97,510 美元
每年节省
· 传统系统：128,800 美元
· 人工智能辅助系统：97,510 美元
· 年度净节省：31,290 美元
| 传统维护成本 | 成本项目 | 单位成本（美元） | 数量 | 年度总计（美元） |
| 定期维护合同 | 6500 | 14 | 91.000 | |
| 故障维修费用 | 1800 | 14 | 25.200 | |
| 停机造成的运营损失 | 900 | 14 | 12.600 | |
| 合计 | 128.800 |
2. 基于物联网的智能电梯架构
智能电梯系统的基础是物联网基础设施。
从电机、驱动器、制动系统、门机构收集的数据 安全设备信息可以传输到中央数据平台。
在这些系统中，
• 电机温度，
• 制动循环次数，
• 开门/关门频率，
• 振动水平，
• 能源消耗，
• 乘客密度，
• 可以持续监测空气质量。
通过实时数据采集，可以持续评估设备性能，从而在故障发生之前检测到故障。
3.人工智能预测性维护
传统的维护方法通常是按固定的时间间隔进行维护活动。然而，由于没有考虑设备的实际运行状况，这可能导致不必要的部件更换或意外故障。
基于人工智能的预测性维护系统：
- 分析传感器数据，
- 检测异常行为
- 计算失效概率，
- 优化维护时机。
例如，通过机器学习算法可以评估门机关闭时间的微小偏差或电机振动的变化，从而提前识别潜在的故障情况。这种方法既能降低维护成本，又能提高系统可用性。
4. 用户体验个性化
人工智能系统可以学习用户习惯，从而提供更高效的服务。
将来：
- 当用户接近建筑物时，自动生成电梯呼叫指令。
- 停车场与电梯一体化运行
- 在客舱屏幕上显示每日天气预报和楼宇公告，
- 通过学习楼层偏好的算法来优化交通流量将成为可能。
此类应用可以显著缩短等待时间，尤其是在高密度混合用途建筑中。
5. 能源管理和再生系统
近年来，电梯能效已成为研究的重点领域之一。得益于再生驱动系统，轿厢运行过程中产生的多余能量可以回馈到电网。人工智能算法会分析这种能量流，从而：
- 识别能源消耗趋势
- 预测峰值负荷
- 制定能源优化策略
研究表明，在适当的运行条件下，再生驱动技术可以降低 20% 至 40% 的能耗。
6. BIM集成和数字孪生方法
BIM技术能够在数字化环境中管理建筑物的整个生命周期。将电梯系统的实时数据与BIM模型集成，可以实现数字孪生应用。得益于这种方法：
- 设备状态可通过3D模型进行监控。
- 可以查看维护历史记录。
- 可以模拟故障场景
- 可以分析生命周期成本。
数字孪生技术为楼宇管理流程提供了显著优势。
7. 安全和应急管理
人工智能辅助系统不仅在维护和能源效率方面提供了巨大的机遇，而且在安全性方面也大有裨益。具体而言：
- 快速分析乘客被困电梯轿厢的情况
- 自动启动救援程序
- 远程诊断
- 并提前通知服务团队
此类应用可以缩短响应时间。但是，最终的安全决策必须由合格的技术人员根据相关标准做出。
8. 结论
随着人工智能、物联网和建筑信息模型（BIM）技术的融合，电梯系统正朝着数据驱动和可预测的方向发展。预测性维护、能源优化、用户体验提升和数字孪生应用将在未来的智能建筑中发挥重要作用。在不久的将来，电梯有望不再仅仅是运输设备，而是建筑生态系统中活跃的数据生成器和决策支持系统。
案例
Al-Sharif, L. (2017). 电梯和自动扶梯的能源消耗与节约。Wiley出版社。
Bortolini, R., Forcada, N., Macarulla, M., & Casals, M. (2021). 物联网和人工智能在建筑运营和维护中的应用。建筑工程杂志，44。
ISO 8100-32:2020. 人员和货物运输电梯——办公楼、酒店和住宅楼乘客电梯的规划和选择。
Peters Research Ltd.（2022）。电梯交通管理系统的未来。
更多同类内容
每日新闻