Ausweitung der Sensornutzung für eine verbesserte Gerätemodellierung

Koch Ag und Energieanlagen setzen auf IoT-Sensoren

An fünf Standorten von Koch Ag & Energy (KAES) ist ein bedeutender Wandel im Gange, der durch den Einsatz von 125 Monitron IoT-Vibrations- und Temperatursensoren mit freundlicher Genehmigung von Amazon Web Services (AWS) vorangetrieben wird. KAES, eine bekannte Holdinggesellschaft, zu der Koch Fertilizer LLC, Koch Energy Services LLC und Koch Methanol LLC gehören, nutzt diese Sensoren, um Vibrations- und Temperaturdaten von verschiedenen Geräten zu sammeln und diese anschließend an den Cloud-Computing-Dienst AWS von KAES zu übertragen. Diese Sensoren zeichnen sich durch Einfachheit aus, sind selbstkonfigurierend und erfordern keine Programmierung. Benutzer befestigen sie an den Geräten, die sie überwachen möchten.

Ermöglicht vorausschauende Wartung für eine längere Betriebszeit

Dave Kroening, der IT-Leiter, und Martin Miller, der Leiter der Datenanalyse bei KAES, teilten ihre Erfahrungen kürzlich bei einer AWS re:Invent-Veranstaltung. Sie enthüllten, dass fünf KAES-Einrichtungen 125 Monitron-Sensoren strategisch an weniger kritischen Anlagen im laufenden Betrieb eingesetzt haben, mit dem Ziel, die vorausschauende Wartung zu verbessern und die Betriebszeit und Verfügbarkeit der Anlagen zu steigern. Das Anlagenpersonal richtet diese Sensoren mühelos mit der Monitron-App auf seinem Smartphone ein. Sie wählten die Vibrationsstandardoption ISO 20816 innerhalb der App, einen entscheidenden Schritt, den der Cloud-Dienst nutzt, um das am besten geeignete Modell für maschinelles Lernen (ML) zu implementieren.

Optimierte Datenanalyse und Echtzeitwarnungen

Vibrations- und Temperatursignale gelangen anschließend in die Wolke und werden dort analysiert. Das System erkennt automatisch abnormale Betriebsbedingungen und gewährleistet so ein rechtzeitiges Eingreifen. Die über Smartphones zugängliche Monitron-App benachrichtigt das Anlagenpersonal nicht nur über diese Anomalien, sondern ermöglicht ihnen auch, ungewöhnliche Zustände nach Belieben zu überprüfen und zu verfolgen. Darüber hinaus erleichtert es die Eingabe von Antworten auf empfangene Warnungen, einschließlich Details zum Fehlermodus, der Ursache und den ergriffenen Maßnahmen.

Transparentes Modell-Feedback für Betreiber und Ingenieure

Entscheidend ist für KAES die Transparenz. Laut Miller „wollten wir keine Blackbox.“ Die Absicht bestand darin, dass Bediener und Ingenieure die durch diese Modelle erklärten Bedingungen und Betriebszustände der Ausrüstung erfassen konnten. Dieser Ansatz ermöglicht es ihnen, die Auswirkungen dieser Modelle und die Faktoren zu verstehen, die potenzielle Fehler beeinflussen.

Erweiterte Analyse mit AWS Lookout und Seeq

Daten von Monitron-Sensoren sowie Daten zahlreicher anderer Sensoren an KAES-Standorten laufen in der Cloud zusammen. Hier übernehmen die Software AWS Lookout und Seeq das Ruder und vermitteln den Benutzern bei KAES ein klareres Verständnis der Betriebsbedingungen. Die Modelle für maschinelles Lernen (ML) von AWS Lookout ermöglichen präzise Leistungsvorhersagen und reduzieren so Zeit, Arbeit und Kosten im Vergleich zu herkömmlichen Methoden.

Ben Bishop, leitender Lösungsarchitekt bei Seeq, erläutert den Prozess: „KAES verwendet Seeq, um Prozesswerte aus der AWS-Cloud abzufragen, die ML-Modelle zur Anomalieerkennung von AWS Lookout for Equipment zu konfigurieren und aktualisierte Prozesswerte in die trainierten Modelle für Vorhersagen einzuspeisen.“ Diese nahtlose Integration erleichtert die Bewertung von Anomaliemodellen durch AWS ML, die dann in Seeq-Visualisierungen operationalisiert wird.

Herausforderungen und Chancen der Digitalisierung

Der Weg zur Digitalisierung bringt angesichts der Heterogenität der Datenquellen und Analysemethoden verschiedene Herausforderungen mit sich. Dennoch ist KAES entschlossen, das Potenzial von IoT-Sensoren und cloudbasierten Analysen zu nutzen, um den Betrieb zu optimieren und die Zuverlässigkeit seiner kritischen Geräte sicherzustellen.