Koch Ag & Energy Struttions Abbraccia i sensori dell'IoT
In cinque strutture Koch Ag & Energy (KAES), è in corso una trasformazione significativa, guidata dallo spiegamento di 125 sensori di vibrazione e temperatura IoT Monitron, per gentile concessione di Amazon Web Services (AWS). KAES, un'importante holding che comprende Koch Fertilizer LLC, Koch Energy Services LLC e Koch Methanol LLC, sta sfruttando questi sensori per raccogliere dati di vibrazione e temperatura da vari equipaggiamenti, successivamente trasmettendolo al servizio di cloud di KAES. Questi sensori vantano semplicità, essendo autoconfigurazione e non richiede alcuna programmazione. Gli utenti li aprono sull'attrezzatura che desiderano monitorare.
Abilitare la manutenzione predittiva per il miglioramento del tempo di attività
Dave Kroening, il leader IT e Martin Miller, leader di analisi dei dati di Kaes, hanno condiviso la loro esperienza in un recente evento AWS Re: Invent. Hanno rivelato che cinque strutture KAES hanno implementato strategicamente 125 sensori monitron su attrezzature meno critiche e run-di pianta, con l'obiettivo di migliorare la manutenzione predittiva e aumentare il tempo di upt e la disponibilità delle apparecchiature. Il personale delle piante ha impostato senza sforzo questi sensori utilizzando l'app Monitron sui propri smartphone. Hanno selezionato l'opzione standard di vibrazione ISO 20816 all'interno dell'app, un passaggio cruciale che il servizio cloud utilizza per implementare il modello di apprendimento automatico più adatto (ML).
Analisi dei dati semplificati e avvisi in tempo reale
I segnali di vibrazione e temperatura trovano successivamente la loro strada verso la nuvola, dove subiscono analisi. Il sistema identifica automaticamente condizioni operative anormali, garantendo un intervento tempestivo. L'app Monitron, accessibile tramite smartphone, non solo notifica al personale delle piante su queste anomalie, ma consente anche loro di rivedere e tenere traccia degli stati insoliti a loro piacimento. Inoltre, facilita l'inserimento delle risposte agli avvisi ricevuti, compresi i dettagli sulla modalità di guasto, la causa e le azioni intraprese.
Feedback del modello trasparente per operatori e ingegneri
Fondamentalmente, Kaes sottolinea la trasparenza. Secondo Miller, "Non volevamo una scatola nera". L'intenzione era per gli operatori e gli ingegneri di cogliere le condizioni dell'attrezzatura e gli stati operativi spiegati da questi modelli. Questo approccio li autorizza a comprendere le implicazioni di questi modelli e i fattori che influenzano i potenziali fallimenti.
Analisi avanzata con AWS Lookout e Seeq
I dati dei sensori Monitron, insieme ai dati di numerosi altri sensori nei siti di Kaes, convergano nel cloud. Qui, il software AWS Lookout e Seeq prendono il timone, fornendo agli utenti di Kaes una comprensione più chiara delle condizioni operative. I modelli di apprendimento automatico (ML) di AWS Lookout consentono previsioni precise sulle prestazioni, riducendo il tempo, il lavoro e i costi rispetto ai metodi tradizionali.
Ben Bishop, Principal Solutions Architect at Seeq, elabora il processo: "Kaes utilizza Seeq per query sui valori di processo dal cloud AWS, configurare AWS Lookout per i modelli ML di rilevamento delle anomalie dell'attrezzatura e alimentare i valori di processo aggiornati nei modelli addestrati per le previsioni." Questa integrazione senza soluzione di continuità facilita il punteggio del modello di anomalia da parte di AWS ML, che viene quindi reso operativo nelle visualizzazioni Seeq.
Sfide e opportunità di digitalizzazione
Il viaggio verso la digitalizzazione presenta varie sfide, data l'eterogeneità di fonti di dati e metodi analitici. Tuttavia, KAES è determinato a sfruttare il potenziale dei sensori IoT e dell'analisi basata su cloud per ottimizzare le operazioni e garantire l'affidabilità delle sue apparecchiature critiche.