Datahoist

Datahoist 專做一個很少人注意、但每棟大樓都在意的題目：電梯什麼時候會壞。

它在電梯、手扶梯與類似設備上裝 IoT 感測器，透過 Azure IoT Cloud 蒐集運轉資料，再用自家的預測維護分析演算法找出異常。官網說這套演算法已申請專利，並明確描述為 AI 驅動，運用機器學習分析「運行特徵」（operational signature）來預測設備未來狀態。

它追蹤的指標相當貼近實務：開門時間的一致性、運行時間（flight time）、動作分析與故障辨識。這些指標的選擇看得出是懂電梯的人設計的——開門時間逐漸變長，往往是門機構磨損的早期訊號，而這種漸進式劣化肉眼根本看不出來，等到卡住就是受困事故。

系統提供可自訂的健康儀表板，標示出有問題的設備，並可整合 Microsoft Power BI 做商業分析。

功能特色與適用場景

主要客戶是電梯與手扶梯維護公司、大樓管理與設施營運方。公司也提到這套技術可以訓練用於其他運動中的設備。核心價值主張是把維護從被動與定期保養，推進到預測性與處方性維護，減少停機、提升技師生產力、降低維護成本。

給台灣讀者的具體用法

台灣電梯數量密集，老舊公寓加裝電梯與中高樓層住宅都持續增加，而電梯受困事故時有所聞。對物業管理公司與電梯保養業者，預測維護的誘因很直接：受困事故不只是賠償問題，更是住戶信任問題。

導入前要確認幾件事：既有電梯（尤其是老梯）能不能加裝感測器、資料上傳的網路環境、以及本地的技術支援。另外台灣電梯的品牌組合（日系、歐系、本土）與美國不同，模型是否需要重新校準要先談清楚。法規上，台灣電梯依建築法規有定期檢查制度，預測維護是補充而非取代法定檢查。