Koch Ag & Energy Objects prihvaćaju IoT senzore
U pet objekata Koch Ag & Energy (KAES), u tijeku je značajna transformacija, vođena raspoređivanjem 125 monitronskih senzora vibracija i temperature, ljubaznošću Amazon Web Services (AWS). KAES, istaknuto holding kompaniranje koje obuhvaća Koch Fertilizer LLC, Koch Energy Services LLC i Koch Methanol LLC, koristi ove senzore za prikupljanje podataka o vibracijama i temperaturi iz različitih komada opreme, nakon čega je preneseno u uslugu kombutesa CAES-a. Ovi senzori imaju jednostavnost, samo konfiguriranje i ne zahtijevaju programiranje. Korisnici ih pričvršćuju na opremu koju žele nadzirati.
Omogućavanje prediktivnog održavanja za poboljšano produženje produžetka
Dave Kroening, vođa IT -a, i Martin Miller, vođa analitike podataka u KAES -u, podijelili su svoje iskustvo na nedavnom događaju AWS RE: INSMING. Otkrili su da je pet objekta KAES strateški implementiralo 125 senzora Monitron na manje kritičnoj opremi za biljke s ciljem poboljšanja prediktivnog održavanja i povećanja produženja i dostupnosti opreme. Posadno osoblje bez napora postavilo je te senzore pomoću aplikacije Monitron na svojim pametnim telefonima. Odabrali su opciju ISO 20816 vibracijske standard unutar aplikacije, presudan korak koji usluga u oblaku koristi za implementaciju modela najprikladnijeg strojnog učenja (ML).
Pojednostavljena analiza podataka i upozorenja u stvarnom vremenu
Vibracije i temperaturni signali nakon toga pronalaze svoj put do oblaka, gdje prolaze analizu. Sustav automatski identificira nenormalne radne uvjete, osiguravajući pravovremenu intervenciju. Aplikacija Monitron, dostupna putem pametnih telefona, ne samo da obavještava osoblje biljaka o tim anomalijama, već im omogućuje i da pregledaju i prate neobične države u njihovoj pogodnosti. Nadalje, olakšava unošenje odgovora na primljena upozorenja, uključujući detalje o načinu neuspjeha, uzroku i poduzetim radnjama.
Transparentne povratne informacije za operatore i inženjere
Ono što je presudno, KAES naglašava transparentnost. Prema Milleru, "nismo željeli crnu kutiju." Namjera je bila da operateri i inženjeri shvate uvjete opreme i operativne stanja objašnjene ovim modelima. Ovaj pristup im omogućuje da shvate implikacije ovih modela i čimbenike koji utječu na potencijalne neuspjehe.
Napredna analiza s AWS Lookout i SeeQ
Podaci iz Monitron senzora, uz podatke s brojnih drugih senzora na KAES web lokacijama, konvergiraju se u oblaku. Ovdje AWS Lookout i SeeQ softver uzimaju kormilo, pružajući korisnicima u KAES -u jasnije razumijevanje radnih uvjeta. AWS Lookout's Machine Learning modeli (ML) omogućuju precizna predviđanja performansi, smanjenje vremena, rada i troškova u usporedbi s tradicionalnim metodama.
Ben Bishop, glavni arhitekt rješenja na Seeq, razrađuje postupak: "KAES koristi Seeq za ispitivanje vrijednosti procesa iz AWS Cloud -a, konfigurirajte AWS Look za ML modele otkrivanja anomalije opreme i feed ažurirane vrijednosti procesa u obučene modele za predviđanja." Ova bešavna integracija olakšava bodovanje modela anomalije od strane AWS ML, koji se zatim operacionalizira u Visoa Visualizacijama.
Izazovi i mogućnosti digitalizacije
Putovanje prema digitalizaciji predstavlja različite izazove, s obzirom na heterogenost izvora podataka i analitičkih metoda. Ipak, KAES je odlučan u iskorištavanju potencijala IoT senzora i analize utemeljenih na oblaku kako bi se optimiziralo operacije i osigurala pouzdanost njegove kritične opreme.