連接物聯(lián)網(wǎng),有助于預測電梯故障何時發(fā)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?！霸?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?！岸ㄆ跍贤ū旧砗苌?，但隨著時間的推移匯總和分析可以發(fā)現(xiàn)趨勢和異常，芬蘭公司表示可以將客戶發(fā)起的維護呼叫數(shù)量減少60％。

Kone是眾多領(lǐng)先的電梯制造商之一，他們使用云連接的物聯(lián)網(wǎng)設(shè)備裝載升降機和自動扶梯，并將機器學習應用于讀數(shù)。努力使他們能夠預測故障何時發(fā)生，并在發(fā)生任何中斷之前進行修復。“通常情況是電梯發(fā)生故障，我們確定故障并修復它?，F(xiàn)在我們能夠在故障發(fā)生之前獲取信息，可能會發(fā)現(xiàn)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(tǒng)，它比以往任何時候都更加重新開放，“Kone ANZ維護總監(jiān)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(jù)制造商蒂森克虜伯（ThyssenKrupp）的數(shù)據(jù)，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(fā)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(shù)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(wù)的時間。機器學習技術(shù)，使用從傳感器豐富的電梯中提取的數(shù)據(jù)，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(yè)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(lián)網(wǎng)電梯。 “該平臺將客戶設(shè)備數(shù)據(jù)轉(zhuǎn)化為預測性見解，因此奧的斯團隊始終領(lǐng)先于潛在的問題 - 保持設(shè)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(wù)'。該試點正在布里斯班，悉尼和墨爾本四個Dexus擁有的商業(yè)建筑中進行。該產(chǎn)品已在20個國家推出，繼南京兒童醫(yī)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(jīng)理可以通過應用程序查看需要技術(shù)人員訪問和維護歷史記錄的關(guān)鍵故障?！稗I門上有傳感器，轎門操作處理器提供信息，控制系統(tǒng)發(fā)送呼叫并從驅(qū)動系統(tǒng)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(fā)送回云端，以確保整個操作系統(tǒng)正常運行，“黑斯廷斯說。

在某些情況下，用于監(jiān)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(chǎn)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(shù)據(jù)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(chuàng)建問題之前提前發(fā)現(xiàn)趨勢，”IBM Watson IoT技術(shù)專家John Macleod說?！盎c時間關(guān)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(jīng)理可能不會發(fā)現(xiàn)門開啟時間逐漸延長，但通過分析可以發(fā)現(xiàn)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(guān)上并抓住升降機內(nèi)的人，”麥克勞德解釋說?！帮@然我們不是在那里見證這些事情?，F(xiàn)在系統(tǒng)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(shù)據(jù)的機器學習 - 以及相同類型的多個升降機的數(shù)據(jù)集 - 還可以檢測一個問題是否與另一個問題相關(guān)?！斑@可能是一種特殊的情況組合。門需要更長時間才能關(guān)閉，但它只發(fā)生在潮濕的日子里，而且與升降機另一部分的振動有關(guān)。沒有人能夠在儀表板中發(fā)現(xiàn)相關(guān)性，但機器學習可以，“麥克勞德說。

Macleod說，這些技術(shù)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”?！拔覀儷@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(shù)，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(shù)量可能會“在某些方面增加，因為我們會做更多的先發(fā)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(shù)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(tǒng)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