Koch AG & Energy съоръжения обхващат IoT сензори
В Five Koch AG & Energy (KAES) съоръжения се извършва значителна трансформация, задвижвана от внедряването на 125 сензори за вибрации и температура на IoT Monitron IoT, любезност на Amazon Web Services (AWS). Kaes, видна холдингова компания, обхващаща Koch Fertilizer LLC, Koch Energy Services LLC и Koch Methanol LLC, използва тези сензори за събиране на данни за вибрации и температура от различни части от оборудването, впоследствие го предаде на AWS Computing на Kaes. Тези сензори се гордеят с простота, като са самофигуриращи и не изискват програмиране. Потребителите ги прикрепят върху оборудването, което желаят да наблюдават.
Активиране на прогнозна поддръжка за подобрено време
Дейв Кроенинг, ИТ лидерът, и Мартин Милър, лидерът на анализа на данните в KAES, споделиха опита си на скорошно събитие AWS Re: Invent. Те разкриха, че пет съоръжения на KAES стратегически разгърнаха 125 сензора за монитрон върху по-малко критично оборудване за растителни растения, като се стреми да подобри прогнозната поддръжка и да засили времето на оборудването и наличността. Персоналът на растенията без усилие настрои тези сензори, използвайки приложението Monitron на своите смартфони. Те избраха стандартната опция за вибрации ISO 20816 в приложението, решаваща стъпка, която облачната услуга използва за внедряване на най -подходящия модел за машинно обучение (ML).
Рационализиран анализ на данни и сигнали в реално време в реално време
Впоследствие вибрациите и температурните сигнали намират пътя си към облака, където претърпяват анализ. Системата автоматично идентифицира ненормални работни условия, като гарантира навременна намеса. Приложението Monitron, достъпно чрез смартфони, не само уведомява персонала на растенията за тези аномалии, но също така им позволява да преглеждат и проследяват необичайни състояния по тяхно удобство. Освен това, той улеснява въвеждането на отговори на получени сигнали, включително подробности за режима на отказ, причината и предприетите действия.
Прозрачна обратна връзка на модела за оператори и инженери
Най -важното е, че Kaes подчертава прозрачността. Според Милър „не искахме черна кутия“. Намерението беше операторите и инженерите да схванат условията на оборудването и оперативните състояния, обяснени от тези модели. Този подход им дава възможност да разберат последиците от тези модели и факторите, влияещи върху потенциалните неуспехи.
Разширен анализ с AWS Lookout и Seeq
Данните от сензори за монитрон, заедно с данни от много други сензори на сайтове на KAES, се сближават в облака. Тук софтуерът AWS Lookout и Seeq поемат кормилото, предоставяйки на потребителите в KAES по -ясно разбиране на условията на работа. Моделите за машинно обучение на AWS Lookout (ML) позволяват прецизни прогнози за производителността, намаляване на времето, труд и разходи в сравнение с традиционните методи.
Бен Бишоп, архитект на главни решения в Seeq, разработва процеса: „Kaes използва Seeq, за да заявява стойностите на процеса от облака AWS, да конфигурира AWS Lookout за ML моделите за откриване на аномалия на оборудването и подаване на актуализирани стойности на процеса в обучените модели за прогнози.“ Тази безпроблемна интеграция улеснява оценяването на аномалия от AWS ML, което след това се оперира в визуализациите на Seeq.
Предизвикателства и възможности за дигитализация
Пътуването към дигитализацията представлява различни предизвикателства, предвид хетерогенността на източниците на данни и аналитичните методи. Независимо от това, KAES е решен да използва потенциала на IoT сензорите и облачния анализ, за да оптимизира операциите и да гарантира надеждността на критичното му оборудване.