Koch AG & Energy Instalações adotam sensores de IoT
Em cinco instalações da Koch AG & Energy (KAES), uma transformação significativa está em andamento, implantada pela implantação de 125 Sensores de vibração e temperatura da IoT 125, cortesia dos Serviços da Web da Amazon (AWS). A Kaes, uma proeminente holding que abrange a Koch Fertilizer LLC, a Koch Energy Services LLC e a Koch Methenol LLC, está alavancando esses sensores para coletar dados de vibração e temperatura de várias peças de equipamentos, transmitindo-o posteriormente ao serviço de computação em nuvem da Kaes. Esses sensores possuem simplicidade, sendo autoconfigurando e não exigindo programação. Os usuários os afixam no equipamento que desejam monitorar.
Permitindo manutenção preditiva para tempo de atividade aprimorado
Dave Kroening, o líder de TI, e Martin Miller, líder de análise de dados da KAES, compartilharam sua experiência em um evento recente da AWS Re: Invent. Eles revelaram que cinco instalações da KAES implantaram estrategicamente 125 sensores de monitrons em equipamentos menos críticos e de planta, com o objetivo de aprimorar a manutenção preditiva e aumentar o tempo de atividade e a disponibilidade do equipamento. O pessoal da planta configurou sem esforço esses sensores usando o aplicativo Monitron em seus smartphones. Eles selecionaram a opção Padrão de vibração ISO 20816 dentro do aplicativo, uma etapa crucial que o serviço em nuvem utiliza para implementar o modelo de aprendizado de máquina (ML) mais adequado.
Análise de dados simplificados e alertas em tempo real
Os sinais de vibração e temperatura posteriormente encontram seu caminho para a nuvem, onde eles passam por análise. O sistema identifica automaticamente condições de operação anormal, garantindo intervenção oportuna. O aplicativo Monitron, acessível por smartphones, não apenas notifica a equipe da fábrica sobre essas anomalias, mas também permite que eles revisem e rastreem estados incomuns para sua conveniência. Além disso, facilita a entrada de respostas aos alertas recebidos, incluindo detalhes sobre o modo de falha, a causa e as ações tomadas.
Feedback transparente do modelo para operadores e engenheiros
Crucialmente, Kaes enfatiza a transparência. Segundo Miller, "não queríamos uma caixa preta". A intenção era que operadores e engenheiros compreendam as condições e os estados operacionais do equipamento explicados por esses modelos. Essa abordagem os capacita a compreender as implicações desses modelos e os fatores que influenciam possíveis falhas.
Análise avançada com a AWS Lookout e Seeq
Dados dos sensores Monitron, juntamente com dados de vários outros sensores nos sites KAES, convergem na nuvem. Aqui, o software AWS Lookout e Seeq assumem o comando, fornecendo aos usuários da KAES uma compreensão mais clara das condições operacionais. Os modelos de aprendizado de máquina (ML) da AWS Lookout permitem previsões precisas de desempenho, reduzindo o tempo, o trabalho e os custos em comparação com os métodos tradicionais.
Ben Bishop, arquiteto de soluções principais da Seeq, elabora o processo: "Kaes usa o SeeQ para consultar os valores do processo da AWS Cloud, configurar os modelos de detecção de anomalias da AWS para detecção de anomalias e alimentar os valores de processo atualizados nos modelos treinados para previsões". Essa integração perfeita facilita a pontuação do modelo de anomalia pela AWS ML, que é então operacionalizada nas visualizações Seeq.
Desafios e oportunidades de digitalização
A jornada para a digitalização apresenta vários desafios, dada a heterogeneidade de fontes de dados e métodos analíticos. No entanto, o KAES está determinado a aproveitar o potencial de sensores de IoT e análise baseada em nuvem para otimizar as operações e garantir a confiabilidade de seu equipamento crítico.