Οι εγκαταστάσεις Koch AG & Energy αγκαλιάζουν αισθητήρες IoT
Σε πέντε εγκαταστάσεις Koch AG & Energy (KAES), βρίσκεται σε εξέλιξη σημαντικός μετασχηματισμός, καθοδηγείται από την ανάπτυξη 125 αισθητήρων δόνησης και θερμοκρασίας Monitron IoT, με την ευγένεια των υπηρεσιών Web του Amazon (AWS). Η Kaes, μια εξέχουσα εταιρεία χαρτοφυλακίου που περιλαμβάνει την Koch Fertilizer LLC, την Koch Energy Services LLC και την Koch Methanol LLC, αξιοποιεί αυτούς τους αισθητήρες για τη συλλογή δεδομένων κραδασμών και θερμοκρασίας από διάφορα κομμάτια εξοπλισμού, μεταδίδοντας στη συνέχεια την υπηρεσία του Kaes 'AWS cloud-computing. Αυτοί οι αισθητήρες διαθέτουν απλότητα, αυτο-διαμόρφωση και δεν απαιτούν προγραμματισμό. Οι χρήστες τους τοποθετούν στον εξοπλισμό που επιθυμούν να παρακολουθήσουν.
Επιτρέποντας την προγνωστική συντήρηση για βελτιωμένο χρόνο uptime
Ο Dave Kroening, ο ηγέτης της πληροφορικής, και ο Martin Miller, ο ηγέτης των αναλύσεων δεδομένων στο Kaes, μοιράστηκαν την εμπειρία τους σε ένα πρόσφατο AWS Re: Invent Event. Αποκάλυψαν ότι πέντε εγκαταστάσεις KAES έχουν αναπτύξει στρατηγικά 125 αισθητήρες οθονών σε λιγότερο κρίσιμο εξοπλισμό, με στόχο την ενίσχυση της πρόβλεψης συντήρησης και της ενίσχυσης του εξοπλισμού και της διαθεσιμότητας του εξοπλισμού. Το προσωπικό των εγκαταστάσεων εγκαταστάθηκε αβίαστα αυτούς τους αισθητήρες χρησιμοποιώντας την εφαρμογή Monitron στα smartphones τους. Επιλέχθηκαν την επιλογή ISO 20816 δόνησης στην εφαρμογή, ένα κρίσιμο βήμα που χρησιμοποιεί η υπηρεσία σύννεφων για την εφαρμογή του καταλληλότερου μοντέλου μηχανικής μάθησης (ML).
Εξορθολογισμένη ανάλυση δεδομένων και ειδοποιήσεις σε πραγματικό χρόνο
Τα σήματα δόνησης και θερμοκρασίας βρίσκουν στη συνέχεια το δρόμο τους στο σύννεφο, όπου υποβάλλονται σε ανάλυση. Το σύστημα προσδιορίζει αυτόματα τις μη φυσιολογικές συνθήκες λειτουργίας, εξασφαλίζοντας την έγκαιρη παρέμβαση. Η εφαρμογή Monitron, προσβάσιμη μέσω smartphones, όχι μόνο ειδοποιεί το προσωπικό των φυτών για αυτές τις ανωμαλίες, αλλά τους επιτρέπει επίσης να αναθεωρούν και να παρακολουθούν ασυνήθιστα κράτη στην ευκολία τους. Επιπλέον, διευκολύνει την εισαγωγή απαντήσεων σε λαμβανόμενες ειδοποιήσεις, συμπεριλαμβανομένων των λεπτομερειών σχετικά με τη λειτουργία αποτυχίας, την αιτία και τις ενέργειες που λαμβάνονται.
Διαφανή ανατροφοδότηση μοντέλου για χειριστές και μηχανικούς
Βασικά, ο Kaes τονίζει τη διαφάνεια. Σύμφωνα με τον Μίλερ, "Δεν θέλαμε ένα μαύρο κουτί." Η πρόθεση ήταν για τους φορείς εκμετάλλευσης και τους μηχανικούς να κατανοήσουν τις συνθήκες του εξοπλισμού και τα επιχειρησιακά κράτη που εξηγούνται από αυτά τα μοντέλα. Αυτή η προσέγγιση τους δίνει τη δυνατότητα να κατανοήσουν τις συνέπειες αυτών των μοντέλων και τους παράγοντες που επηρεάζουν τις πιθανές αποτυχίες.
Προηγμένη ανάλυση με AWS Lookout και Seeq
Τα δεδομένα από τους αισθητήρες Monitron, παράλληλα με δεδομένα από πολλούς άλλους αισθητήρες σε τοποθεσίες Kaes, συγκλίνουν στο σύννεφο. Εδώ, το λογισμικό AWS Lookout και SeeQ παίρνει το τιμόνι, παρέχοντας στους χρήστες στο Kaes μια σαφέστερη κατανόηση των συνθηκών λειτουργίας. Τα μοντέλα μηχανικής μάθησης (ML) της AWS Lookout επιτρέπουν ακριβείς προβλέψεις απόδοσης, μείωση του χρόνου, της εργασίας και του κόστους σε σύγκριση με τις παραδοσιακές μεθόδους.
Ο Ben Bishop, αρχιτέκτονας κύριων λύσεων στο SEEQ, επεξεργάζεται τη διαδικασία: "Ο Kaes χρησιμοποιεί τις τιμές SEEQ για να διερευνήσει τις τιμές διαδικασίας από το σύννεφο AWS, να διαμορφώσει τα μοντέλα ανίχνευσης AWS για την ανίχνευση της ανίχνευσης του εξοπλισμού και να τροφοδοτούν τις τιμές ενημερωμένων διαδικασιών στα εκπαιδευμένα μοντέλα για προβλέψεις". Αυτή η απρόσκοπτη ενσωμάτωση διευκολύνει τη βαθμολογία του μοντέλου ανωμαλίας από το AWS ML, το οποίο στη συνέχεια λειτουργεί σε απεικονίσεις SEEQ.
Προκλήσεις και ευκαιρίες ψηφιοποίησης
Το ταξίδι προς την ψηφιοποίηση παρουσιάζει διάφορες προκλήσεις, δεδομένης της ετερογένειας των πηγών δεδομένων και των αναλυτικών μεθόδων. Παρόλα αυτά, ο Kaes είναι αποφασισμένος να αξιοποιήσει τις δυνατότητες των αισθητήρων του IoT και στην ανάλυση που βασίζεται σε σύννεφο για τη βελτιστοποίηση των λειτουργιών και την εξασφάλιση της αξιοπιστίας του κρίσιμου εξοπλισμού του.