Расширение использования датчиков для расширенного моделирования оборудования
Предприятия Koch Ag & Energy используют датчики Интернета вещей
На пяти предприятиях Koch Ag & Energy (KAES) идет значительная трансформация, вызванная развертыванием 125 датчиков вибрации и температуры Monitron IoT, предоставленных Amazon Web Services (AWS). KAES, известная холдинговая компания, в которую входят компании Koch Fertilizer LLC, Koch Energy Services LLC и Koch Mэтанол LLC, использует эти датчики для сбора данных о вибрации и температуре от различных частей оборудования, а затем передает их в службу облачных вычислений AWS KAES. Эти датчики отличаются простотой, возможностью самостоятельной настройки и не требуют программирования. Пользователи прикрепляют их к оборудованию, которое они хотят контролировать.
Включение профилактического обслуживания для увеличения времени безотказной работы
Дэйв Кронинг, ИТ-руководитель, и Мартин Миллер, руководитель отдела анализа данных в KAES, поделились своим опытом на недавнем мероприятии AWS re:Invent. Они обнаружили, что пять предприятий KAES стратегически установили 125 датчиков Monitron на менее критичном, находящемся в эксплуатации оборудовании, с целью улучшить профилактическое обслуживание и увеличить время безотказной работы и доступности оборудования. Персонал завода легко настроил эти датчики с помощью приложения Monitron на своих смартфонах. Они выбрали в приложении опцию стандарта вибрации ISO 20816, что является важным шагом, который облачный сервис использует для реализации наиболее подходящей модели машинного обучения (ML).
Оптимизированный анализ данных и оповещения в режиме реального времени
Сигналы вибрации и температуры впоследствии попадают в облако, где подвергаются анализу. Система автоматически определяет нештатные условия эксплуатации, обеспечивая своевременное вмешательство. Приложение Monitron, доступное через смартфоны, не только уведомляет персонал завода об этих аномалиях, но также позволяет им просматривать и отслеживать необычные состояния в удобное для них время. Более того, это облегчает ввод ответов на полученные оповещения, включая подробную информацию о режиме сбоя, его причине и предпринятых действиях.
Прозрачная обратная связь по модели для операторов и инженеров
Крайне важно, что KAES подчеркивает прозрачность. По словам Миллера, «нам не нужен был черный ящик». Цель заключалась в том, чтобы операторы и инженеры могли понять условия и рабочие состояния оборудования, объясняемые этими моделями. Такой подход позволяет им понять последствия этих моделей и факторы, влияющие на потенциальные неудачи.
Расширенный анализ с помощью AWS Lookout и Seeq
Данные датчиков Monitron, а также данные многих других датчиков на объектах KAES собираются в облаке. Здесь у руля берут на себя программное обеспечение AWS Lookout и Seeq, предоставляя пользователям KAES более четкое понимание условий эксплуатации. Модели машинного обучения (ML) AWS Lookout позволяют точно прогнозировать производительность, сокращая время, трудозатраты и затраты по сравнению с традиционными методами.
Бен Бишоп, главный архитектор решений Seeq, подробно описывает этот процесс: «KAES использует Seeq для запроса значений процесса из облака AWS, настройки моделей машинного обучения AWS Lookout for Equipment для обнаружения аномалий и передачи обновленных значений процесса в обученные модели для прогнозирования». Эта бесшовная интеграция облегчает оценку модели аномалий с помощью AWS ML, которая затем используется в визуализациях Seeq.
Вызовы и возможности цифровизации
Путь к цифровизации сопряжен с различными проблемами, учитывая неоднородность источников данных и аналитических методов. Тем не менее, KAES полна решимости использовать потенциал датчиков Интернета вещей и облачного анализа для оптимизации операций и обеспечения надежности своего критически важного оборудования.