連接物聯網,有助于預測電梯故障何時發生

在通力的吉祥物總部的電梯和公司的云之間的對話是禮貌但平庸的。“在2號樓打開5.6秒的門”從電梯里讀取信息，“開始向下走的時候搖擺不定”。“5.6秒。干得好，“云響應，”你做得很好。“定期溝通本身很少，但隨著時間的推移匯總和分析可以發現趨勢和異常，芬蘭公司表示可以將客戶發起的維護呼叫數量減少60％。

Kone是眾多領先的電梯制造商之一，他們使用云連接的物聯網設備裝載升降機和自動扶梯，并將機器學習應用于讀數。努力使他們能夠預測故障何時發生，并在發生任何中斷之前進行修復。“通常情況是電梯發生故障，我們確定故障并修復它。現在我們能夠在故障發生之前獲取信息，可能會發現接觸稍微失敗或老化，我們以前就不會看到這種情況;或者是一個門系統，它比以往任何時候都更加重新開放，“Kone ANZ維護總監Jim Hastings解釋道。“因此，當人們不方便并且可能被困在電梯里時，我們不會去那里，而是提前修好那個項目，”他補充道。

根據制造商蒂森克虜伯（ThyssenKrupp）的數據，全世界估計有1200萬部電梯，每天有70億人次，每天運送超過10億人。由于存在多個故障點，機器不可避免地會發生故障。充其量這意味著漫長的等待或走樓梯，最糟糕的是一個可怕的41小時的磨難。當他們確實失敗時，維護工作使電梯每年總共無法使用1.9億小時。

電梯制造商的最終游戲 - 大多數提供覆蓋自己和競爭對手電梯的維護包 - 是為了將計劃外故障減少到零，并最大限度地縮短維護期間停止服務的時間。機器學習技術，使用從傳感器豐富的電梯中提取的數據，他們相信會將它們帶到那里。蒂森克虜伯在2015年底推出了基于Microsoft Azure云計算的“電梯行業第一個基于云的實時預測維護解決方案”。該公司稱其在美國，德國，西班牙和韓國擁有120,000臺連接電梯。競爭對手奧的斯于5月份推出了聯網電梯。 “該平臺將客戶設備數據轉化為預測性見解，因此奧的斯團隊始終領先于潛在的問題 - 保持設備運行和乘客安全可靠地移動，”奧的斯總裁Judy Marks當時表示。

Kone于今年7月開始在澳大利亞試行'24 / 7連接服務'。該試點正在布里斯班，悉尼和墨爾本四個Dexus擁有的商業建筑中進行。該產品已在20個國家推出，繼南京兒童醫院和中國昆明長水機場以及瑞典豪華辦公大樓Humleg?rdenFastigheter的旗艦飛行員之后。樓宇經理可以通過應用程序查看需要技術人員訪問和維護歷史記錄的關鍵故障。“轎門上有傳感器，轎門操作處理器提供信息，控制系統發送呼叫并從驅動系統獲取信息，按鈕功能，停止和加速行為，導軌上的位置和移動量，需要多長時間某處，使用量。所有這些信息都可以發送回云端，以確保整個操作系統正常運行，“黑斯廷斯說。

在某些情況下，用于監控濕度，溫度和振動的傳感器也是合適的 - 標準電梯需要大約一個半小時的工作時間，Hastings說：“我們每周都在研究新產品，我們可以看一下測量加上“。在Kone的案例中，來自連接電梯的數據在云中反饋給IBM Watson，并應用了各種機器學習算法。“與云的在線連接為您提供的一個重要事項是能夠在開始創建問題之前提前發現趨勢，”IBM Watson IoT技術專家John Macleod說。“花點時間關門;通常是五秒鐘，但可能會逐漸擴展到5.1，然后是5.2。當你進出電梯時，沒有人真正注意到它，但時間的逐漸變化可能表明某些東西變得粘稠并且需要潤滑，“他補充道。

建筑經理可能不會發現門開啟時間逐漸延長，但通過分析可以發現趨勢。“然后你可以提前采取行動來對付他們，而不是等待門關上并抓住升降機內的人，”麥克勞德解釋說。“顯然我們不是在那里見證這些事情。現在系統記錄它并說它開始失敗，所以我們回去識別并修復單元物理停機，因為它停止或部件壞了，“黑斯廷斯補充道。

跨越不同傳感器數據的機器學習 - 以及相同類型的多個升降機的數據集 - 還可以檢測一個問題是否與另一個問題相關。“這可能是一種特殊的情況組合。門需要更長時間才能關閉，但它只發生在潮濕的日子里，而且與升降機另一部分的振動有關。沒有人能夠在儀表板中發現相關性，但機器學習可以，“麥克勞德說。

Macleod說，這些技術還可以幫助工程師檢測持久性問題的根本原因。黑斯廷斯補充說，這將有助于提高問題的“首次修復率”。“我們獲得了更精確的信息，可以更快地解決問題。由于采用了新技術，我們可能會看到第一次修復率增加約25％，“他說。黑斯廷斯說，最初工程師的呼叫數量可能會“在某些方面增加，因為我們會做更多的先發制人的工作”，但隨著訪問變得更有效，會隨著時間的推移而減少。最終，該技術將為人們提供“更可預測，更可靠的工作之旅”，黑斯廷斯說。“在任何人感到不便之前，系統幾乎可以告訴未來并讓你進入那里。它讓人高枕無憂，“他說道