Koch AG & Energy Instalaciones abrazan los sensores IoT
En las cinco instalaciones de Koch AG & Energy (KAES), se está llevando a cabo una transformación significativa, impulsada por el despliegue de 125 sensores de vibración y temperatura de IoT de monitrón, cortesía de Amazon Web Services (AWS). Kaes, una destacada compañía tenedora de Koch Fertilizer LLC, Koch Energy Services LLC y Koch Methanol LLC, está aprovechando estos sensores para recopilar datos de vibración y temperatura de varios equipos, transmitiéndolo posteriormente al servicio de compra de la nube AWS de Kaes. Estos sensores cuentan con la simplicidad, son autoconfigurantes y no requieren programación. Los usuarios los fijan en el equipo que desean monitorear.
Habilitando el mantenimiento predictivo para un tiempo de actividad mejorado
Dave Kroening, el líder de TI, y Martin Miller, el líder de análisis de datos en KAES, compartieron su experiencia en un evento reciente de AWS Re: Invent. Revelaron que cinco instalaciones de KAES han implementado estratégicamente 125 sensores de monitro en equipos menos críticos y de planta, con el objetivo de mejorar el mantenimiento predictivo y aumentar el tiempo de actividad y la disponibilidad del equipo. El personal de la planta establece sin esfuerzo estos sensores utilizando la aplicación Monitron en sus teléfonos inteligentes. Seleccionaron la opción estándar de vibración ISO 20816 dentro de la aplicación, un paso crucial que el servicio en la nube utiliza para implementar el modelo de aprendizaje automático más adecuado (ML).
Análisis de datos optimizado y alertas en tiempo real
Las señales de vibración y temperatura posteriormente encuentran su camino a la nube, donde se someten a análisis. El sistema identifica automáticamente las condiciones de funcionamiento anormales, asegurando la intervención oportuna. La aplicación Monitron, accesible a través de teléfonos inteligentes, no solo notifica al personal de la planta sobre estas anomalías, sino que también les permite revisar y rastrear estados inusuales a su conveniencia. Además, facilita la entrada de respuestas a alertas recibidas, incluidos los detalles sobre el modo de falla, la causa y las acciones tomadas.
Comentarios de modelo transparente para operadores e ingenieros
Crucialmente, Kaes enfatiza la transparencia. Según Miller, "no queríamos una caja negra". La intención era que los operadores e ingenieros comprendan las condiciones del equipo y los estados operativos explicados por estos modelos. Este enfoque les permite comprender las implicaciones de estos modelos y los factores que influyen en las posibles fallas.
Análisis avanzado con AWS Lookout y Seeq
Los datos de sensores de monitron, junto con datos de muchos otros sensores en los sitios de KAES, convergen en la nube. Aquí, el software AWS Lookout y Seeq tome el timón, proporcionando a los usuarios en KAES una comprensión más clara de las condiciones de funcionamiento. Los modelos de aprendizaje automático (ML) de AWS Lookout permiten predicciones precisas de rendimiento, reduciendo el tiempo, la mano de obra y los costos en comparación con los métodos tradicionales.
Ben Bishop, arquitecto principal de soluciones en Seeq, elabora en el proceso: "KAES utiliza SeeQ para consultar los valores del proceso desde la nube de AWS, configure AWS Lookout para los modelos ML de detección de anomalías del equipo y alimente los valores de proceso actualizados en los modelos capacitados para las predicciones". Esta integración perfecta facilita la puntuación del modelo de anomalía de AWS ML, que luego se pone en funcionamiento en visualizaciones SeeQ.
Desafíos y oportunidades de digitalización
El viaje hacia la digitalización presenta varios desafíos, dada la heterogeneidad de las fuentes de datos y los métodos analíticos. Sin embargo, KAES está decidido a aprovechar el potencial de los sensores de IoT y el análisis basado en la nube para optimizar las operaciones y garantizar la confiabilidad de su equipo crítico.