This is the Trace Id: c7c5efed15170f0f301989a3c9e5a474
2023/8/16

Relayr 利用 Azure AI 优化电梯维护

电梯的全面维护十分重要,但往往需要投入大量时间、精力和费用,而这正是远程监控和预测性维护的用武之地——使用 AI 帮助确定电梯今后的维护需求。慕尼黑再保险公司(Munich Re)的附属公司Relayr利用微软Azure服务为其电梯提供远程监控解决方案。云架构为Relayr提供了面向各种项目的解决方案蓝图。

Relayr

挑战:减少与电梯维护相关的时间和成本

作为数字化转型和工业物联网(IIoT)领域的开拓者,自2013年成立以来,Relayr一直依靠云的力量,收集和分析来自联网设备的传感器数据。今天,这家曾经的初创公司拥有约300位员工,其中包括150位工程师和10多位数据科学家。来自各类客户业务的约50,000台联网设备每天向该公司传输约1亿条传感器数据。这些数据不仅促进了对IIoT环境的持续监测,Relayr的数据科学家还使用这些数据训练和改进机器学习(ML)模型,并最终提高AI分析和预测精度。

但随着订单量和数据量的增加,该公司原来的云架构已经达到极限,Relayr需要可扩展的解决方案,而且必须学会更有效地工作。

采用微软Azure服务

2020年,Relayr的模式转变时机已经到来。该公司引入微软Azure作为其新的云平台,并从自己的微服务转向微软广泛的AzureAI和机器学习服务组合:Azure IoT Hub、Event Hubs、Data Lake Storage Gen 2、Azure Machine Learning、Azure Kubernetes Service(AKS)和Azure Stream Analytics。该项目团队选择聚焦于Relayr的Franz软件—— 一款监测电梯状况的云解决方案,作为其新架构的第一个用例。

2021年初,Relayr项目团队将所有相关的微服务迁移到Azure,他们还为历史数据建立了数据湖。Relayr使用S3存储库,这是基于云的对象存储。为新架构制定初步的概念验证仅用了一个月的时间,两个月后第一个生产管道就准备好了,部署速度快于Relayr旧技术的部署能力。

现在,Relayr采取了一种新的电梯远程监控方法。安装在电梯顶部的Franz盒持续收集位置、加速度、速度、振动谱、磁场等方面的测量数据,甚至来自门机的传感器数据。这些原始数据直接在Franz盒中进行汇总和处理。Franz盒记录每次搭乘,除了最高速度和平均速度外,还记录距离和加速度等参数。如果有任何不正常的情况,Franz盒会将原始数据发送到云端进行特别分析。例如,如果开门速度快于或慢于正常情况,维护工程师可以远程识别这种情况是否一直存在,或者是否只在某一楼层发生。如果在每层楼的开门速度都非常慢,那么电机可能需要维修。如果只发生在某一楼层,那么可以通过清洁门的导轨而解决该问题。即使在安装之后,Franz盒也能记录新的测量数据,其模块化设计允许酌情加入额外的传感器。

云的角色:通过机器学习确保正常运行

但如何定义异常行为呢?这正是机器学习算法和云真正发挥作用的地方。Relayr使用Azure数据湖为每个项目分别存储必要的操作数据。然后使用这些数据训练Azure ML中的模型。算法可以确定传感器数据应该位于哪些区域(集群),以便落在正常范围内。Relayr通过AKS运行训练过的模型,通过Event Hub访问数据,并通过Power BI实现可视化互动。Relayr的数据科学家和领域专家可以查看自动处理过程中标记的潜在异常运行数据,然后将其验证结果上传至维护公司使用的监控仪表板。

维护公司在多个方面受益于Relayr的解决方案。首先最为重要的是,Relayr工程师无需抵达现场即可直接查看相关信息。其次,他们为其所管理的所有电梯设立中央访问点,查看关于搭乘次数及其他重要参数的统计数据。第三,他们会收到关于偏差的提醒,例如当某部电梯无法再达到最高速度的时候。第四,他们可以通过优化服务路线而改善日常规划,进而削减成本。第五,他们可以通过确保更有效的电梯维护,提高客户满意度。

Relayr已经在考察如何超越状态监测和状态警报的范畴,并利用仪表板实现远程监控的更高范式:以自动化和AI辅助错误分析,从而实现预测性维护。

牵手Azure:充分发挥Relayr的生产力

对Relayr的数据科学家来说,切换到Azure是一次变革,让他们能够更快地直接在云端开发和测试新模型,而且Relayr可以从一开始就使用相关数据训练这些模型。这能够让Relayr迅速将针对特定项目需求而定制的解决方案引入云端。过去,Relayr需要几个月时间才能做完这些工作。得益于Azure机器学习,Relayr现在能够在短短几个星期内建立并运行一个具有相关洞察力的功能模型。Relayr甚至能够在短短4-6个星期内生成经过验证的模型。

Relayr为Franz开发的标准化参考架构现在可以迁移到其他项目。例如,目前可用于识别船舶排放控制系统的异常状况,或在电网运行期间消除开关设备组件的误差来源。同时,Relayr正在拓宽其服务范围,例如扩大其Azure参考架构,涵盖联网设备和系统的全生命周期。在设备制造商的协助下,Relayr希望加强状态监测,将计费数据也包含在内,让各公司可以选择提供基于使用量的计费。目标:设备即服务(EaaS)。依托Azure奠定的基础,Relayr在生产力方面获得巨大成功,同时也正将其解决方案组合推向全新高度。

“我们的数据科学家非常满意。他们自己可以在云端发布和监督他们的模型,无需花费太多时间和精力。”

Nico Wintergerst博士, 资深AI研究工程师, Relayr Co., Ltd.

执行下一步

使用 Microsoft 促进创新

与专家讨论定制解决方案

让我们帮助你创建定制解决方案,实现独特的业务目标。

利用经过验证的解决方案推动成果的实现

利用帮助客户实现目标的产品和解决方案,取得更多成就。