CN115818388A - 电梯运行状况不良风险监测*** - Google Patents

Abstract

本发明公开了一种电梯运行状况不良风险监测***，电梯控制模块在控制电梯运行的过程中实时采集风险评估数据；数据上传模块将风险评估数据上传至数据库，数据处理模块利用数据库中的风险评估数据识别是否出现不良风险且当存在不良风险时将不良风险提示信息推送至维保终端，而且还根据维保终端反馈的维保作业信息以及维保完成后的风险评估数据识别所述不良风险是否消除。本发明可以减少人工在数据采集阶段的介入，有效获得维保作业的执行情况与不良风险的改良效果，而且无需使用额外的传感器，降低了成本，减少了数据处理量和数据处理难度。

Description

电梯运行状况不良风险监测***

技术领域

本发明涉及电梯领域，具体涉及一种电梯运行状况不良风险监测***，其主要基于电梯运行数据的分析。

背景技术

现代社会中，电梯已成为基础设施不可分割的一部分，并且是高层塔楼楼层之间通勤的主要方式。大部分电梯使用频繁，而且很多电梯长期处于超负荷运行的状态，一旦电梯发生故障会给人们的日常生活和工作带来不便，甚至会危及生命安全。因此，对电梯的运行状况进行监测，有助于及时发现异常情况，避免电梯发生严重的故障。

在现有的电梯监管***中，如公开号为CN110921451A的发明专利，监管人员通过监管服务器对各个电梯运行终端进行监管，且当电梯运行终端运行异常时，电梯运行终端将异常信息(异常的终端运行数据、电梯运行终端2ID数据以及电梯运行终端对应的维保终端3ID数据)发送至监管服务器，监管服务器中的人机交互模块根据监管人员的指令介入异常信息的上传，且只针对运行异常发生时的数据。但是，通常在电梯报出故障之前，电梯的运行状态已经出现了部分异常，前述方法无法做到提前发现问题，防患于未然。

再如公开号为CN112390106A的发明专利，其通过数据采集设备(各种计数器、传感器)对电梯各关键部位的数据进行采集并传输给服务器进行处理，并通过视频监控设备(带行为分析功能的互联网监控设备)对电梯关键部位和轿厢进行实时监控，从而实时了解电梯各关键部件的运行状态和电梯运行情况，并综合利用大数据分析对电梯进行预防性维修和故障预警。但是，对电梯状态进行故障预警的过程中，需要在数据采集时用到视频监控等设备，这就增加了数据采集的成本，而且摄像头采集的并不是电梯本身第一手数据，容易受到光照、视野等条件的影响。此外，在验证维保人员是否进行维保作业的阶段，前述方法单纯地采信维保人员的维保作业记录，但是有时候维保人员仅仅对电梯进行检查，并未解决导致风险的原因，这就导致风险监控事件并未得到有效解决。

发明内容

本发明要解决的技术问题是提供一种电梯运行状况不良风险监测***，可以解决现有技术中数据采集成本高且数据不全面以及无法***风险发生的问题。

为了解决上述技术问题，本发明提供的电梯运行状况不良风险监测***，包括：

电梯控制模块，其在控制电梯运行的过程中实时采集风险评估数据，所述风险评估数据是识别不良风险所需的直接从电梯端获取的数据样本，其包括电梯运行数据和电梯部件状态数据中的至少一种；

数据上传模块，用于将所述电梯控制模块采集的所述风险评估数据上传至服务器端；

服务器端，其包括数据库、数据处理模块和数据传输模块，所述数据库用于存储通过所述数据传输模块接收到的所述风险评估数据，所述数据处理模块利用所述数据库中的所述风险评估数据识别是否出现不良风险且当存在不良风险时将不良风险提示信息通过所述数据传输模块推送至维保终端，而且还根据所述维保终端反馈的维保作业信息以及维保完成后的风险评估数据识别所述不良风险是否消除，所述不良风险提示信息包括不良风险的风险等级、种类以及对应的改良措施；

维保终端，用于供维保人员接收所述不良风险提示信息，所述维保人员根据所述维保终端接收到的所述不良风险提示信息对电梯进行维保，并在维保完成后将所述维保作业信息反馈至所述服务器端。

进一步的，所述数据处理模块包括：

数据选取单元，用于选取满足样本条件的风险评估数据；

数据分析单元，其基于所述数据选取单元筛选的所述风险评估数据识别是否出现不良风险，且当存在不良风险时生成所述不良风险提示信息。

进一步的，所述数据库还存储有不良风险的风险等级、不良风险的风险等级与种类的对应关系、不良风险种类与风险评估数据的对应关系、每种不良风险的识别规则和对应的改良措施。

进一步的，所述数据处理模块按照如下步骤识别所述不良风险：

步骤S1，所述数据选取单元判断所述数据库中存储的所述风险评估数据是否满足样本条件，如果是进入步骤S2，否则继续判断；

步骤S2，所述数据选取单元筛选出满足样本条件的风险评估数据；

步骤S3，所述数据分析单元根据筛选出的所述风险评估数据以及所述数据库中存储的不良风险种类与风险评估数据的对应关系、每种不良风险的识别规则判断是否存在不良风险，如果是进入步骤S4，否则返回步骤S1；

步骤S4，所述数据分析单元根据识别出的所述不良风险以及所述数据库中存储的不良风险的风险等级与种类的对应关系、每种不良风险对应的改良措施生成所述不良风险提示信息。

进一步的，所述数据库还存储有不良风险的种类与风险等级的对应关系。

进一步的，所述不良风险提示信息还包括不良风险的风险等级。

进一步的，所述样本条件为电梯累计在线天数大于设定的天数阈值且每日上传的所述运行数据的数据量大于设定的数据量阈值。

进一步的，所述识别规则是对所述风险评估数据直接进行阈值比较或者对所述风险评估数据进行统计分析或者对所述风险评估数据进行趋势分析。

进一步的，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据直接进行阈值比较，那么将筛选出的与该不良风险对应的所述风险评估数据中的最大值与设定阈值进行比较，当所述最大值超过所述设定阈值时，判定当前电梯存在不良风险。

进一步的，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据进行统计分析，那么将筛选出的与该不良风险对应的所述风险评估数据与设定阈值进行比较，并统计所述风险评估数据超过所述设定阈值的次数，当所述风险评估数据超过所述设定阈值的次数超过次数阈值时，判定当前电梯存在不良风险。

进一步的，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据进行统计分析，那么利用筛选出的与该不良风险对应的所述风险评估数据计算风险表征指标，将所述风险表征指标与设定阈值进行比较并统计所述风险表征指标超过所述设定阈值的次数，当所述风险表征指标超过所述设定阈值的次数超过次数阈值时，判定当前电梯存在不良风险。

进一步的，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据进行趋势分析，那么利用筛选出的与该不良风险对应的所述风险评估数据计算风险表征指标，对所述风险表征指标进行趋势分析，当趋势分析结果符合不良风险发生条件时，判定当前电梯存在不良风险。

进一步的，当所述服务器端接收到所述维保作业信息后，所述数据处理模块利用所述数据库中存储的维保完成设定时长后的风险评估数据判断所述维保作业是否消除所述不良风险。

与现有技术相比，本发明取得的有益技术效果在于：

第一，本发明在从采集数据到识别不良风险是否存在以及验证不良风险是否改善的整个过程中，仅在维保阶段需要人工的介入，这样可以减少人工在数据采集阶段的介入，不再需要现场维保人员与电梯进行交互来采集指定数据，只需要按照程序预设的逻辑就可以实现自动化地收集数据，降低了维保人员的负担，而且在后续的风险验证阶段，也不需要维保人员进行跟踪记录；

第二，本发明可以从维保作业完成后的数据表征上看出维保人员是否真正进行过有效维保作业，从而可以有效获得维保作业的执行情况与不良风险的改良效果，进而优化以往依赖维保人员字面反馈信息的单一式验证渠道，有效降低风险事件的发生概率，提高电梯运行质量；

第三，本发明采取电梯运行阶段触发式数据收集策略，电梯每次运行过程的关键信息都实时上传至数据库，这样无需使用额外的传感器，降低了成本，减少了数据处理量和数据处理难度。

附图说明

图1为本发明的电梯运行状况不良风险监测***的架构示意图；

图2为本发明的电梯运行状况不良风险监测***的处理流程图；

图3a、图3b为电梯匀速运行阶段的速度样本处理得到的趋势结果的示意图；

图4为利用本发明进行不良风险识别的示意图；

图5a、图5b为电梯加减速运行阶段的数据样本处理得到的非趋势类不良风险的示意图。

具体实施方式

下面结合附图通过特定的具体实施例说明本发明的实施方式，本领域技术人员可以由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。在以下描述中阐述了具体细节以便于充分理解本发明，但是本发明亦可通过其它不同的具体实施例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，本领域技术人员在不背离本发明的精神下可以进行各种类似推广和替换。

实施例一

本发明实施例的电梯运行状况不良风险监测***，如图1所示，包括：

电梯控制模块，其在控制电梯运行的过程中实时采集风险评估数据，所述风险评估数据是识别不良风险所需的直接从电梯端获取的数据样本，其包括电梯运行数据和电梯部件状态数据中的至少一种；

数据上传模块，用于将所述电梯控制模块采集的所述风险评估数据上传至服务器端；

服务器端，其包括数据库、数据处理模块和数据传输模块，所述数据库用于存储通过所述数据传输模块接收到的所述风险评估数据，所述数据处理模块利用所述数据库中的所述风险评估数据识别是否出现不良风险且当存在不良风险时将不良风险提示信息通过所述数据传输模块推送至维保终端，而且还根据所述维保终端反馈的维保作业信息以及维保完成后的风险评估数据识别所述不良风险是否消除，所述不良风险提示信息包括不良风险的种类以及对应的改良措施；

维保终端，用于供维保人员接收所述不良风险提示信息，所述维保人员根据所述维保终端接收到的所述不良风险提示信息对电梯进行维保，并在维保完成后将所述维保作业信息反馈至所述服务器端。

其中，所述数据处理模块包括：

数据选取单元，用于选取满足样本条件的风险评估数据；

数据分析单元，其基于所述数据选取单元筛选的所述风险评估数据识别是否出现不良风险，且当存在不良风险时生成所述不良风险提示信息。

为了提高不良风险评价指标的可靠度以及不良风险预测的准确性，数据选取单元对电梯运行一段时间的累计数据进行筛选，例如根据电梯导靴类型和电梯在线率筛选，数据样本的样本条件为电梯累计在线天数大于设定的天数阈值且每日上传的所述运行数据的数据量大于设定的数据量阈值，这样可以保证不良风险评价结果所依赖的数据样本足够且有效。

当所述服务器端接收到所述维保作业信息后，所述数据处理模块利用所述数据库中存储的维保完成设定时长后的风险评估数据判断所述维保作业是否消除所述不良风险。

本实施例从采集数据到识别不良风险再到验证不良风险是否改善，只是在中间的维保阶段需要人工的介入，这样减少了人工在数据采集阶段的介入，不再需要现场维保人员与电梯进行交互来采集指定数据，只需要按照程序预设的逻辑就可以实现自动化地收集数据，降低了维保人员的负担，而且在后续的风险验证阶段，也不需要维保人员进行跟踪记录。而且，本实施例从维保作业完成后的数据表征上就可以看出维保人员是否真正进行过有效维保作业，从而可以有效获得维保作业的执行情况与不良风险的改良效果，进而优化以往依赖维保人员字面反馈信息的单一式验证渠道，有效降低风险事件的发生概率，提高电梯运行质量。本实施例中电梯每次运行过程的关键信息都实时上传至服务器端的数据库，无需使用额外的传感器，降低了成本，减少了数据处理量和数据处理难度。

实施例二

在实施例一的基础上，本实施例对数据处理模块如何识别不良风险做进一步说明。

具体地，所述数据库还存储有不良风险的种类、不良风险种类与风险评估数据的对应关系、每种不良风险的识别规则和对应的改良措施。

本实施例的电梯运行状况不良风险监测***实现不良风险监测的流程，如图2所示，即数据处理模块识别不良风险的步骤包括如下：

步骤S1，所述数据选取单元判断所述数据库中存储的所述风险评估数据是否满足样本条件，如果是进入步骤S2，否则继续判断；

步骤S2，所述数据选取单元筛选出满足样本条件的风险评估数据；

步骤S3，所述数据分析单元根据筛选出的所述风险评估数据以及所述数据库中存储的不良风险种类与风险评估数据的对应关系、每种不良风险的识别规则判断是否存在不良风险，如果是进入步骤S4，否则返回步骤S1；

步骤S4，所述数据分析单元根据识别出的所述不良风险以及所述数据库中存储的每种不良风险对应的改良措施生成所述不良风险提示信息。

实施例三

在实施例二的基础上，本实施例主要对数据处理模块如何处理风险评估数据进行实例说明。

其中，不良风险的识别规则是对所述风险评估数据直接进行阈值比较。具体地，将筛选出的与该不良风险对应的所述风险评估数据中的最大值与设定阈值进行比较，当所述最大值超过所述设定阈值时，判定当前电梯存在不良风险。

电梯在运行过程中必然会产生热量，其中逆变器是电梯中的重要发热部件。当电梯在恶劣工况下运行，逆变器会产生大量热量，若不能及时散热，就会造成电梯不能再启动，由此可见电梯运行过程中存在逆变器散热不良风险。目前，电梯使用现场影响逆变器散热的常见原因为散热风扇故障等。下面以电梯部件中的逆变器作为示例进行详细说明。

在本实施例中，电梯控制模块通过温度传感器实时采集电梯运行过程中逆变器的温度，并将采集到的逆变器温度数据通过数据上传模块上传至服务器端，此时针对逆变器散热不良风险的风险评估数据就是逆变器温度数据。当数据库中的逆变器温度数据满足样本条件后，数据处理模块对满足样本条件的逆变器温度数据进行处理。

在本实施例中，识别逆变器散热不良风险的识别规则主要有两种，具体地：

第一，数据处理模块从满足样本条件的逆变器温度数据中选出最高温度，当该最高温度超过设定温度阈值(该阈值可以根据逆变器的产品参数设定，也可以根据电梯使用环境凭人工经验设定，还可以利用大数据分析得到)时，则判定当前电梯存在逆变器散热不良的风险。

第二，数据处理模块利用满足样本条件的逆变器温度数据绘制温度变化曲线，根据所述温度变化曲线进行梯度计算，当计算得到的梯度结果与设定梯度阈值的差值超过设定梯度差阈值时，则判定当前电梯存在逆变器散热不良的风险，其中梯度阈值和梯度差阈值可以根据逆变器的产品参数设定，也可以根据电梯使用环境凭人工经验设定，还可以利用大数据分析设定。

当数据处理模块识别出存在逆变器散热不良风险时，将不良风险提示信息(包括逆变器散热不良风险以及对应的改良措施，例如对散热风扇进行检查维保)推送到维保人员的维保终端中。维保人员根据现场情况进行作业，并将维保作业信息反馈至服务器端。数据处理模块在维保作业完成后一段时间内会持续监控逆变器温度数据，重新根据前述两种识别规则判断上述逆变器最高温度、温度变化曲线的梯度是否得到改善(相关值是否在一定范围内下降)，根据验证结果对产生的不良风险进行消除或持续提示。当然，数据处理模块可以根据验证结果对所设定的各阈值进行自学习优化。

再比如，曳引机抱闸是电梯中的重要工作部件，抱闸功能的好坏直接影响到电梯的安全性。而抱闸动作响应时间在一定程度上可以反映出抱闸性能的变化情况，因此以抱闸动作响应时间作为抱闸失灵不良风险的风险评估数据。

数据处理模块利用满足样本条件的电梯某段时间内的抱闸动作响应时间，并统计该段时间内的最大响应时间。将最大响应时间与设定的响应时间阈值(综合行业标准与大数据分析得出)进行比较，若最大响应时间超过设定响应时间阈值，则判定电梯存在抱闸失灵不良风险。

当产生抱闸失灵不良风险时，将不良风险提示信息(包括抱闸失灵不良风险以及对应的改良措施，例如对抱闸进行检修)推送到维保人员的维保终端中。维保人员根据现场情况进行作业，并将维保作业信息反馈至服务器端。数据处理模块在维保作业完成后一段时间内会持续监控抱闸响应动作时间，判断上述抱闸动作最大响应时间是否得到改善(最大响应时间是否下降至阈值以下)，根据结果对产生的不良风险进行消除或持续提示。

实施例四

在实施例二的基础上，本实施例主要对数据处理模块如何处理风险评估数据进行实例说明。

其中，不良风险的识别规则是对所述风险评估数据进行统计分析。具体地，将筛选出的与该不良风险对应的所述风险评估数据与设定阈值进行比较，并统计所述风险评估数据超过所述设定阈值的次数，当所述风险评估数据超过所述设定阈值的次数超过次数阈值时，判定当前电梯存在不良风险。或者，利用筛选出的与该不良风险对应的所述风险评估数据计算风险表征指标，将所述风险表征指标与设定阈值进行比较并统计所述风险表征指标超过所述设定阈值的次数，当所述风险表征指标超过所述设定阈值的次数超过次数阈值时，判定当前电梯存在不良风险。

本实施例对非趋势类不良风险(如图5a、图5b所示)的识别进一步说明。

在本实施例中，电梯控制模块还采集电梯运行过程中加减速阶段的速度数据(当然还可以采集加速度数据、电流数据、位置数据)，并将加减速阶段的速度数据作为风险评估数据，数据处理模块对满足样本条件的速度数据进行处理，根据所述速度数据计算风险表征指标——速度均方根误差RMSE_spd。数据处理模块根据所述风险表征指标的波动情况判断是否存在非趋势类不良风险，当存在非趋势类不良风险时将所述非趋势类不良风险以及对应的改良措施作为不良风险提示信息推送至所述维保终端。

具体地，将所述风险表征指标与预设的历史参考阈值进行比较，当设定时间段内所述风险表征指标超过所述历史参考阈值的波动次数大于设定波动阈值时，判定电梯存在非趋势类不良风险。

进一步的，所述数据库还存储有不良风险的种类与风险等级的对应关系。对应地，所述不良风险提示信息还包括不良风险的风险等级。例如，当设定时间段内所述风险表征指标超过所述历史参考阈值的波动次数大于设定波动阈值时，判定非趋势类不良风险属于第一类不良风险，当设定时间段内所述风险表征指标超过所述历史参考阈值的波动次数大于零但不大于设定波动阈值时，判定非趋势类不良风险属于第二类不良风险。

实施例五

在实施例二的基础上，本实施例主要对数据处理模块如何处理风险评估数据进行实例说明。

其中，不良风险的识别规则是对所述风险评估数据进行趋势分析。具体地，利用筛选出的与该不良风险对应的所述风险评估数据计算风险表征指标，对所述风险表征指标进行趋势分析，当趋势分析结果符合不良风险发生条件时，判定当前电梯存在不良风险。

下面以曳引机抱闸以及电梯整体作为对象进行详细说明。

如实施例三所述，以抱闸动作响应时间作为抱闸失灵不良风险的风险评估数据。

数据处理模块利用满足样本条件的电梯某段时间内的抱闸动作响应时间，统计平均响应时间。例如，根据连续十次的抱闸动作响应时间计算得到一个平均响应时间，利用趋势分析的方法对抱闸动作平均响应时间进行趋势判断。当设定时间内抱闸动作平均响应时间的趋势结果符合抱闸失灵不良风险的发生条件时(发生条件例如为出现不规律激增、出现响应时间趋势升高等情况)，则判定电梯存在抱闸失灵不良风险。

当产生抱闸失灵不良风险时，将不良风险提示信息(包括抱闸失灵不良风险以及对应的改良措施，例如对抱闸进行检修)推送到维保人员的维保终端中。维保人员根据现场情况进行作业，并将维保作业信息反馈至服务器端。数据处理模块在维保作业完成后一段时间内会持续监控抱闸响应动作时间，判断上述抱闸动作平均响应时间是否得到改善(平均响应时间趋势是否不再出现突增或缓慢上升的情况)，根据结果对产生的不良风险进行消除或持续提示。

针对电梯整体不良风险，数据处理模块首先根据所述速度数据计算匀速段风险表征指标，然后对所述匀速段风险表征指标进行趋势检验。所述匀速段风险表征指标为匀速段速度均方根误差。

匀速段风险表征指标(RMSE_spd)的趋势结果会出现上升趋势(如图3a所示)、下降趋势(如图3b所示)、无趋势三种，当所述趋势结果为无趋势时，该趋势结果对应的风险评估数据所对应的电梯排除存在不良风险。

如图4所示，进一步的，所述数据处理模块还包括：

季节性因素比较单元，当所述趋势结果为上升趋势或下降趋势时，其根据所述趋势结果对应的风险评估数据确定对应的季节性预测趋势，并将所述趋势结果与所述季节性预测趋势进行比较；

数据分析单元根据所述季节性因素比较单元得到的比较结果识别是否存在不良风险。

其中，所述季节性因素比较单元在上升趋势或下降趋势的趋势结果对应的风险评估数据中选择日期中位数所在月份作为参考月份，并以所述参考月份对应的趋势作为季节性预测趋势。每个月份针对匀速段风险评估指标具有预设的单调趋势，3月至9月的季节性预测趋势为下降趋势，10月至2月的季节性预测趋势为上升趋势。

当所述趋势结果为上升趋势且所述趋势结果与风险评估数据对应的所述季节性预测趋势不一致时，为了保证不良风险评估结果的可靠性和对应改良措施的合理性，所述电梯控制模块获取电梯所处位置的环境温度(例如井道内的环境温度或地域的环境温度)，因为不同建筑物内通风***和井道位置设计不一，加上空调等温度控制***的影响存在，都可能导致趋势结果上升。所述数据处理模块根据所述环境温度分析导致所述趋势结果的可能影响因素，生成第三类不良风险(不良风险A)及对应的改良措施。

同样地，当所述趋势结果为上升趋势且所述趋势结果与风险评估数据对应的所述季节性预测趋势一致时，所述电梯控制模块获取电梯所处位置的环境温度，所述数据处理模块根据所述环境温度分析导致所述趋势结果的可能影响因素，生成第四类不良风险(不良风险B)及对应的改良措施。

同样地，当所述趋势结果为下降趋势且所述趋势结果与风险评估数据对应的所述季节性预测趋势不一致时，所述电梯控制模块获取电梯所处位置的环境温度，所述数据处理模块根据所述环境温度分析导致所述趋势结果的可能影响因素，生成第五类不良风险(不良风险C)及对应的改良措施。

当所述趋势结果为下降趋势且所述趋势结果与风险评估数据对应的所述季节性预测趋势一致时，所述数据样本对应的电梯不存在不良风险。

其中，所述第三类不良风险的等级高于所述第四类不良风险的等级，所述第二四不良风险的等级高于所述第五类不良风险的等级。

当所述维保人员针对所述不良风险完成维保作业后，所述数据处理模块重新计算匀速段风险表征指标，获取新的趋势结果，并根据新的趋势结果判断所述维保作业是否有效地消除所述不良风险，这样可以判断此次维保作业是否有效完成。相比于以往仅依赖于维保人员通过维保终端反馈作业情况而无法进行结果评估，本实施例更能有效降低风险事件的发生概率。

以上通过具体实施例对本发明进行了详细的说明，上述实施例仅仅是本发明的较佳实施例，本发明并不局限于上述实施方式。在不脱离本发明原理的情况下，本领域的技术人员对风险评估数据的类型、不良风险的识别规则等做出的等效置换和改进，均应视为在本发明所保护的技术范畴内。

Claims (13)

1.一种电梯运行状况不良风险监测***，其特征在于，包括：

电梯控制模块，其在控制电梯运行的过程中实时采集风险评估数据，所述风险评估数据是识别不良风险所需的直接从电梯端获取的数据样本，其包括电梯运行数据和电梯部件状态数据中的至少一种；

数据上传模块，用于将所述电梯控制模块采集的所述风险评估数据上传至服务器端；

服务器端，其包括数据库、数据处理模块和数据传输模块，所述数据库用于存储通过所述数据传输模块接收到的所述风险评估数据，所述数据处理模块利用所述数据库中的所述风险评估数据识别是否出现不良风险且当存在不良风险时将不良风险提示信息通过所述数据传输模块推送至维保终端，而且还根据所述维保终端反馈的维保作业信息以及维保完成后的风险评估数据识别所述不良风险是否消除，所述不良风险提示信息包括不良风险的种类以及对应的改良措施；

维保终端，用于供维保人员接收所述不良风险提示信息，所述维保人员根据所述维保终端接收到的所述不良风险提示信息对电梯进行维保，并在维保完成后将所述维保作业信息反馈至所述服务器端。

2.根据权利要求1所述的电梯运行状况不良风险监测***，其特征在于，所述数据处理模块包括：

数据选取单元，用于选取满足样本条件的风险评估数据；

数据分析单元，其基于所述数据选取单元筛选的所述风险评估数据识别是否出现不良风险，且当存在不良风险时生成所述不良风险提示信息。

3.根据权利要求2所述的电梯运行状况不良风险监测***，其特征在于，所述数据库还存储有不良风险的种类、不良风险种类与风险评估数据的对应关系、每种不良风险的识别规则和对应的改良措施。

4.根据权利要求3所述的电梯运行状况不良风险监测***，其特征在于，所述数据处理模块按照如下步骤识别所述不良风险：

步骤S1，所述数据选取单元判断所述数据库中存储的所述风险评估数据是否满足样本条件，如果是进入步骤S2，否则继续判断；

步骤S2，所述数据选取单元筛选出满足样本条件的风险评估数据；

步骤S3，所述数据分析单元根据筛选出的所述风险评估数据以及所述数据库中存储的不良风险种类与风险评估数据的对应关系、每种不良风险的识别规则判断是否存在不良风险，如果是进入步骤S4，否则返回步骤S1；

步骤S4，所述数据分析单元根据识别出的所述不良风险以及所述数据库中存储的每种不良风险对应的改良措施生成所述不良风险提示信息。

5.根据权利要求3所述的电梯运行状况不良风险监测***，其特征在于，所述数据库还存储有不良风险的种类与风险等级的对应关系。

6.根据权利要求5所述的电梯运行状况不良风险监测***，其特征在于，所述不良风险提示信息还包括不良风险的风险等级。

7.根据权利要求2所述的电梯运行状况不良风险监测***，其特征在于，所述样本条件为电梯累计在线天数大于设定的天数阈值且每日上传的所述运行数据的数据量大于设定的数据量阈值。

8.根据权利要求3或4所述的电梯运行状况不良风险监测***，其特征在于，所述识别规则是对所述风险评估数据直接进行阈值比较或者对所述风险评估数据进行统计分析或者对所述风险评估数据进行趋势分析。

9.根据权利要求8所述的电梯运行状况不良风险监测***，其特征在于，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据直接进行阈值比较，那么将筛选出的与该不良风险对应的所述风险评估数据中的最大值与设定阈值进行比较，当所述最大值超过所述设定阈值时，判定当前电梯存在不良风险。

10.根据权利要求8所述的电梯运行状况不良风险监测***，其特征在于，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据进行统计分析，那么将筛选出的与该不良风险对应的所述风险评估数据与设定阈值进行比较，并统计所述风险评估数据超过所述设定阈值的次数，当所述风险评估数据超过所述设定阈值的次数超过次数阈值时，判定当前电梯存在不良风险。

11.根据权利要求8所述的电梯运行状况不良风险监测***，其特征在于，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据进行统计分析，那么利用筛选出的与该不良风险对应的所述风险评估数据计算风险表征指标，将所述风险表征指标与设定阈值进行比较并统计所述风险表征指标超过所述设定阈值的次数，当所述风险表征指标超过所述设定阈值的次数超过次数阈值时，判定当前电梯存在不良风险。

12.根据权利要求8所述的电梯运行状况不良风险监测***，其特征在于，当不良风险的识别规则是对与该不良风险对应的所述风险评估数据进行趋势分析，那么利用筛选出的与该不良风险对应的所述风险评估数据计算风险表征指标，对所述风险表征指标进行趋势分析，当趋势分析结果符合不良风险发生条件时，判定当前电梯存在不良风险。

13.根据权利要求1所述的电梯运行状况不良风险监测***，其特征在于，当所述服务器端接收到所述维保作业信息后，所述数据处理模块利用所述数据库中存储的维保完成设定时长后的风险评估数据判断所述维保作业是否消除所述不良风险。

Images