Expansão do Uso de Sensores para Aprimoramento da Modelagem de Equipamentos
Instalações de Ag & Energia Koch Abraçam Sensores IoT
Em cinco instalações da Koch Ag & Energy (KAES), uma transformação significativa está em andamento, impulsionada pela implantação de 125 sensores de vibração e temperatura Monitron IoT, cortesia da Amazon Web Services (AWS). A KAES, uma proeminente empresa holding que abrange a Koch Fertilizer LLC, a Koch Energy Services LLC e a Koch Methanol LLC, está aproveitando esses sensores para coletar dados de vibração e temperatura de vários equipamentos, transmitindo-os posteriormente para o serviço de computação em nuvem da AWS da KAES. Esses sensores se destacam pela simplicidade, sendo autoconfiguráveis e não exigindo programação. Os usuários os fixam nos equipamentos que desejam monitorar.
Habilitando a Manutenção Preditiva para Aumentar o Tempo de Atividade
Dave Kroening, o líder de TI, e Martin Miller, o líder de análise de dados da KAES, compartilharam sua experiência em um recente evento AWS re:Invent. Eles revelaram que cinco instalações da KAES implementaram estrategicamente 125 sensores Monitron em equipamentos menos críticos, de operação geral, com o objetivo de aprimorar a manutenção preditiva e aumentar o tempo de atividade e a disponibilidade dos equipamentos. O pessoal da planta configurou esses sensores facilmente usando o aplicativo Monitron em seus smartphones. Eles selecionaram a opção do padrão de vibração ISO 20816 dentro do aplicativo, um passo crucial que o serviço em nuvem utiliza para implementar o modelo de aprendizado de máquina (ML) mais adequado.
Análise de Dados Simplificada e Alertas em Tempo Real
Os sinais de vibração e temperatura, posteriormente, encontram seu caminho para a nuvem, onde passam por análise. O sistema identifica automaticamente condições de operação anormais, garantindo intervenção oportuna. O aplicativo Monitron, acessível via smartphones, não apenas notifica a equipe da planta sobre essas anomalias, mas também permite que eles revisem e acompanhem estados incomuns quando desejarem. Além disso, facilita a inserção de respostas aos alertas recebidos, incluindo detalhes sobre o modo de falha, causa e as ações tomadas.
Feedback de Modelo Transparente para Operadores e Engenheiros
Crucialmente, a KAES enfatiza a transparência. De acordo com Miller, "Não queríamos uma caixa-preta." A intenção era que operadores e engenheiros compreendessem as condições do equipamento e os estados operacionais explicados por esses modelos. Essa abordagem os capacita a compreender as implicações desses modelos e os fatores que influenciam possíveis falhas.
Análise Avançada com AWS Lookout e Seeq
Os dados dos sensores Monitron, juntamente com dados de vários outros sensores nos sites da KAES, convergem na nuvem. Aqui, o AWS Lookout e o software Seeq assumem o controle, proporcionando aos usuários da KAES uma compreensão mais clara das condições operacionais. Os modelos de aprendizado de máquina (ML) do AWS Lookout permitem previsões de desempenho precisas, reduzindo tempo, trabalho e custos em comparação com métodos tradicionais.
Ben Bishop, arquiteto principal de soluções na Seeq, elabora sobre o processo: "A KAES usa a Seeq para consultar valores de processo da nuvem AWS, configurar os modelos de ML de detecção de anomalias do AWS Lookout for Equipment e alimentar os valores de processo atualizados nos modelos treinados para previsões." Essa integração perfeita facilita a pontuação do modelo de anomalias pelo AWS ML, que é então operacionalizada nas visualizações da Seeq.
Desafios e Oportunidades da Digitalização
A jornada em direção à digitalização apresenta vários desafios, dada a heterogeneidade das fontes de dados e métodos analíticos. No entanto, a KAES está determinada a aproveitar o potencial dos sensores IoT e da análise baseada em nuvem para otimizar as operações e garantir a confiabilidade de seus equipamentos críticos.