Sigma Ai2200

/ SIGMA AI2200

Au travers de son expérience reconnue de la gestion de trafic, Mitsubishi offre avec la manoeuvre S AI-2200 l'aboutissement de ses recherches. S AI-2200 est l'héritière des manoeuvres intelligentes de Mitsubishi, dont les premiers développements remontent à plus de vingt ans.

Cette manoeuvre trouve ses applications dans les immeubles à fort trafic, tours et immeubles de bureaux où les ascenseurs sont constamment sollicités, en pointe montée le matin, en trafic inter-étages et en pointe descente.

Présélection de cabine (AIL) 

Dès que le passager presse le bouton d'appel palier, la cabine est sélectionnée par la manoeuvre et les indicateurs paliers lumineux et sonores lui montrent immédiatement de quelle cabine il s'agit.

Un gain de temps est ainsi acquis par le positionnement des personnes devant l'appareil qui va venir les chercher.

La signalétique visuelle (flèche illuminée et indicateur des étages à desservir) et sonore (gong) facilite le repérage des cabines.

Présélection d'étage (DOAS) 

Au palier, chaque passager compose son étage de destination et sait quel appareil va l'y emmener.

L'affluence massive des arrivants au niveau d'accès principal, traditionnelle source d'attente, trouve sa résolution avec notre manoeuvre à prédestination DOAS : au lieu « d'appeler l'ascenseur » avec des commandes traditionnelles, chaque usager compose directement son étage de destination depuis le tableau d'appel (ou le clavier type digicode en cas de nombreux niveaux desservis) situé dans le hall. Il sait immédiatement quel appareil utiliser grâce aux indicateurs lumineux qui lui désignent l'appareil correspondant à sa demande.

Lorsque l'usager se positionne devant la cabine qui lui a été attribuée (A, B, C, D, E ou F) un indicateur lui montre l'étage (ou les étages) qui va être desservi par l'ascenseur. Il entre ainsi en sécurité dans l'ascenseur, car certain de sa destination.

Un panneau de commandes reste présent à l'intérieur de la cabine, sur laquelle les étages à desservir (sélectionnés au préalable sur le clavier palier RdC) sont déjà pré-illuminés et peuvent être annulés ou modifiés si une erreur ou un changement de destination est effectué.

Fonction prédictive de trafic 

La manoeuvre SAI-2200 enregistre les déplacements des appareils et tous les appels effectués par tranche de 15 jours, tenant compte du nombre de passagers transportés et des appels effectués.

La fonction d'apprentissage de la manoeuvre permet de détecter automatiquement des plages horaires et des zones à trafic spécifique durant la journée, pour affecter des cabines là où elles seront susceptibles d'être les plus efficaces dans la réponse aux appels.

Système expert  

Le cerveau de contrôle de la manoeuvre utilise un système expert qui assimile et analyse le comportement de la batterie d'ascenseurs.

Cette information est stockée dans la mémoire du système comme « une base de données de connaissances ». Tirées de cette base de données, différentes conditions de trafic sont contrôlées et analysées pour définir des règles (ou schémas) de logique floue pour maximiser l'efficacité de chaque opération d'ascenseur.

Mitsubishi Electric applique la logique floue qui permet à la manoeuvre de l'ascenseur de prendre des décisions utilisant des concepts d'intelligence artificielle.

Par exemple, employant son « intelligence » et le « bon sens », le système peut déterminer si des appels de cabines vont aboutir à une augmentation du temps d'attente moyen ou causeront une congestion du trafic. Selon les résultats de la simulation en temps réel de la manoeuvre, des cabines seront affectées à certains niveaux de manière à améliorer le trafic général de la batterie.

Optimiseur de règles dynamiques   

La manoeuvre affecte au groupe d'ascenseurs une règle de fonctionnement auto-définie par le cerveau du système.

Pour cela, le système utilise des réseaux neuronaux afin d'obtenir des vitesses de transmission d'information et de simulation les plus rapides possibles. La manoeuvre fait des simulations en temps réel et choisit le schéma optimal.

En savoir plus