你可能坐过蒂森克虏伯的电梯。

这家总部位于德国的公司在全球拥有110多万部电梯，并在纽约世贸中心一号大楼(One World Trade Center)和沙特阿拉伯首都利雅得的CMA大厦(沙特最高的摩天大楼)等标志性建筑中运营电梯。

保持这些电梯的运转是一项全职工作，随着中国和印度等快速发展的国家新建筑的涌现，电梯需求每年都在增长。

“电梯行业是一个维护行业。蒂森克虏伯美国战略发展部主任罗里·史密斯博士说。

“我们的客户不希望我们说‘我们知道它坏了’;他们想要的是“我们在它坏掉之前修好了它”。他们所关心的只是从来没有听说过他们的电梯。”

确保电梯永不出故障需要大量的数据，蒂森克虏伯将注意力转向了它每天产生的大量未被利用的信息。

自去年以来，该公司一直在与微软(Microsoft)合作，建立一个监控系统，将其电梯和自动扶梯的数据传输到Azure云平台，利用微软的智能系统服务来帮助捕捉这些信息，并利用其机器学习服务来理解这些信息。

他们的目标是开发一种系统，该系统能够在故障发生前知道需要进行哪些维修，并能就调出期间的工作需要向工程师提供建议。

蒂森克虏伯已经在不到50部电梯上试用了该系统的概念验证版，并计划在今年正式推出，预计在12个月内将其推广到约60万部电梯和自动扶梯上。最终，公司打算用这个系统来监控全球60%的电梯。

现代电梯——过去30年安装的那些——通常使用多个嵌入式计算机系统来帮助运行电梯。这些系统会生成一系列数据，包括按下楼层按钮的时间、电梯门何时打开和关闭、驱动电梯的电机运行的频率以及电梯轿厢所承载的重量。

电梯的系统还会产生错误或事件代码，维修工程师可以在下次例行维修时读取这些代码，帮助他们找出需要注意的问题。

蒂森克虏伯计划安装一个设备，收集这些代码，以及电梯运行的其他数据，每天将它们发送到Azure平台。

通过以这种方式监控使用情况，蒂森克虏伯计划在何时何地进行维护。这些服务的频率和性质将取决于每台电梯的运作方式，而不是每隔x个月安排一次例行服务。Azure机器学习服务(Azure machine learning service)将密切关注它们的工作情况，监控电梯门打开的频率或驱动电梯所消耗的能量等细节。

“我们真的可以调整我们的维护，了解到底需要多少。根据用途、环境、天气和建筑，我们下次访问时需要完成哪些任务，”史密斯说。

“假设我们知道汽车的负载和电机电流;如果我们看到电流随着时间的推移在相同的负载下上升，这意味着一些摩擦元件在增加——比如轴承可能坏了。”

史密斯说:“有了机器学习，我们将得到一个列表，上面写着‘下次维护时，这些是你应该完成的任务’。”

此外，机器学习服务用于确定何时需要服务以及应该做什么工作的规则将根据工程师的反馈自动更新。例如，一扇电梯门每开启1万次就会安排一次服务，但如果根据经验，这扇门每开启5000次就需要注意，那么这条规则可能会改变。

“每台电梯的规则集可能是相同的，但当你需要做某事时的条件可能是不同的，”史密斯说，并补充说，系统还会考虑到它对大楼所在环境的了解。

例如，在恶劣环境中的电梯。我在迪拜住了五年，那里的沙子到处都是。也许你需要比在一个非常干净的环境中做更多的维护工作。”

史密斯希望该系统能帮助蒂森克虏伯应对中国、印度和其他快速发展中国家电梯需求的爆炸性增长。

“美国目前有100万部电梯在运行。中国每年新增50万部电梯。因此，中国每两年安装和运行的电梯数量，就相当于美国运行了约150年的电梯数量。”

“你是怎么做到的?”培训问题很严重，因为你必须培训所有这些没有电梯经验的人，因为还没有这么大规模的电梯行业。”

史密斯说:“我们希望这能帮助培训、控制维修和跟上增长。”

蒂森克虏伯(ThyssenKrupp)和微软(Microsoft)已经构建了一个基于Azure机器学习(Azure Machine Learning)的专家系统，它可以告诉工程师在服务访问期间电梯可能出现的问题——列出了出错代码的四种最可能的原因，以及测试每个问题的方法。

从工程师那里得到的关于实际问题是什么以及他们如何解决的反馈将帮助系统学习和改进如何解释这些错误代码，并在将来为其他工程师提供建议。

根据Smith的说法，在过去的一年里，找出公司现有的信息以及如何使用这些信息占了系统开发工作的大部分。

除了这些工作，这两家公司还花费了大量时间设计软件来处理来自其设备的数据流。

“这非常复杂，因为我们有多种类型的电梯和自动扶梯，”史密斯说。

“我们必须投入大量精力来构建规则引擎和软件来支持这一点。”

在与微软的合作中，该公司不得不设计软件来优先处理电梯错误代码，这样系统才能理解最佳的行动方案。

首先，收集数据的设备已经配置好，任何提示需要紧急处理的问题的错误代码都会立即报告给公司。

然而,大部分的错误代码将每天发送一次,和史密斯说,蒂森克虏伯和微软已经开发出了一个“非常复杂”规则引擎解释这些错误代码——考虑通用和特定的因素,如国家电梯位于。史密斯表示，创建规则引擎是“我们面临的最大挑战之一”。

蒂森克虏伯的另一个主要关注点是，将微软Azure云上的数据和系统与它的ERP系统(美国的甲骨文(Oracle)和欧洲的SAP)整合在一起。

尽管该项目还处于初期阶段，史密斯希望给工程师配备一个电梯方面的口袋专家，并使用有针对性的服务时间表，以实现蒂森克虏伯减少故障的目标。

“一般来说，电梯公司销售维修服务的依据是‘无论发生什么，我们都会为您解决问题’，每一次故障都是有赔偿的。”我们所要做的就是(每台电梯)排除一个故障，这个系统就能收回成本，”史密斯说。