Azure 云中的蒂森：电梯里的机器学习

随着物联网技术的发展，越来越多的日常设备开启了物联功能，从根本上改变了我们的生活。Azure 云致力于推动设备物联，帮助传统设备收集、分析和洞悉物联数据，进而改善设备的用户体验，本文以蒂森电梯和 Azure 云结合的物联案例，讲述 Azure 云如何能够切实推动物联网进程。

人类社会的发展速度是令人瞠目结舌的，接踵而至的则是城市和建筑的规划问题，其中一个很小但是很重要的方面，是电梯的乘坐问题。蒂森电梯是世界知名的电梯品牌，保证电梯本身质量的同时，它还致力于利用新技术来改善乘客的乘坐体验。例如纽约102 层的世贸中心，拥有73 部蒂森电梯，为了让每天数以万计的乘客能够安全、合理和便捷地乘坐电梯，管理人员可谓是殚精竭虑。不断增多的乘客数量，不断增高的运营成本，推动蒂森谋求采用更合适的技术来改进其电梯管理系统，它选择了物联网技术，主要关注用技术改善电梯运行的可靠性，进而提升乘坐体验。蒂森CEO Andreas 表示，他们想要开创电梯维护新技术的先河。具体来讲，蒂森试图将电梯赋予物联功能，利用若干传感器收集电梯运行数据，上传到云端进行智能分析。2014 年蒂森与Azure 云深度合作，极大的改进了电梯运行故障的发生，主要采用的技术是利用Azure 云的机器学习平台来预测电梯可能发生的故障，将故障杀死在萌芽中。

在具体的物联过程中，蒂森使用Azure 云提供的商业智能服务，获取传感器数据并上传到云端，管理人员可通过一个操作感很好的页面来筛选、组合和进一步分析数据。具体来说，数据分为两种：故障报警，需要管理人员立刻处理；运行事件，存储留作后续分析。这种根据时间区分运行数据优先级的方式，从很大程度上简化了管理员繁重的数据观察工作。进一步地，蒂森还利用Office 365 提供的可视化工具实时对电梯运行数据进行观察和洞悉。可视化后的数据带有较强的语意表达，直观地展现了电梯目前的运行状态。

对蒂森电梯运行可靠性贡献最大的，是Azure 云提供的故障预测功能。利用Azure 机器学习云，构建预测模型，通过电梯维护的历史数据来预测其未来的运行状态。随着模型对故障情况的掌握，目前蒂森电梯的维护工程师已经可以和模型协同工作了，即在模型中输入错误编码，由模型给出下一步的维护策略，此举极大地提高了电梯维护的效率。

对于蒂森来讲，维护其全世界超过1 百万台电梯是个很难的系统工程，与Azure 云的有机结合使得蒂森能够动态、快速和有效地维持电梯运行的可靠性，这大概就是物联网和机器学习云的魅力所在了。

感谢包研对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入 InfoQ 读者交流群）。