Коцх АГ & Енергетски садржаји прихватају сензоре
У пет КОЦХ АГ & ЕНЕРГИ (КАЕС) у току је значајна трансформација, која је покренута распоређивањем од 125 монитрон иОт вибрација и сензора за температуру, у љубазности веб услуга Амазон (АВС). KAES, a prominent holding company encompassing Koch Fertilizer LLC, Koch Energy Services LLC, and Koch Methanol LLC, is leveraging these sensors to collect vibration and temperature data from various pieces of equipment, subsequently transmitting it to KAES' AWS cloud-computing service. Ови сензори се хвале једноставношћу, а самоконтролирајући и не захтевају програмирање. Корисници их причвршћују на опрему коју желе да прате.
Омогућавање предиктивног одржавања за побољшање продукта
Даве Кроенинг, ИТ лидер и Мартин Миллер, лидер аналитике података у Каес-у, делило је своје искуство на недавном АВС Ре: измишљени догађај. Открили су да је пет касса у Каесу стратешки распоређено 125 монитрон сензора на мање критичне опреме, чији је циљ побољшање предиктивног одржавања и повећању опреме и повећања опреме и доступност опреме. Постројење за биљке без напора поставите ове сензоре користећи апликацију Монитрон на својим паметним телефонима. Одабрали су опцију ИСО 20816 Вибрационе стандард у оквиру апликације, пресудни корак који Цлоуд Сервице користи за имплементацију најприкладнијег модела у учењу машина (мЛ).
Поједностављена анализа података и упозорења у реалном времену
Сигнали вибрације и температуре након тога проналазе свој пут до облака, где се подвргавају анализи. Систем аутоматски идентификује ненормалне услове рада, обезбеђујући правовремену интервенцију. Апликација Монитрон, доступна путем паметних телефона, не само да обавештава постројење за ове аномалије, већ им омогућава и да преиспитају и прате необичне државе по својој практичности. Штавише, олакшава уношење одговора на примљене упозорености, укључујући детаље о режиму квара, узрокују и предузете радње.
Транспарентни повратне информације о моделу за оператере и инжењере
Кносно, Каес наглашава транспарентност. Према Миллеру, "нисмо желимо црну кутију." Намера је била да оператори и инжењери схвате услове опреме и оперативне државе објасњене овим моделима. Овај приступ омогућава им да схвате импликације ових модела и фактори који утичу на потенцијалне пропусте.
Напредна анализа са АВС Видиковац и Чекање
Подаци из сензора монитрона, поред података из бројних других сензора на веб локацијама Каес, конвертирају се у облаку. Овде, АВС Видиковац и Сеек софтвер узимају кормило, пружајући кориснике у Каес-у са јаснијим разумевањем радних услова. Модели учења машине за машине (МЛ) омогућавају прецизне предвиђања перформанси, смањење времена, рада и трошкова у поређењу са традиционалним методама.
Бен Бисхоп, директорска решења Архитекта на Четвртак, разрађује процес: "Каес користи вредности процеса упита, конфигуришите АВС Лоок Лоок Лоок за опрему Аномали АноМали Детецтион МЛ модела и хране се ажурираним процесним вредностима у обучене моделе за предвиђене вредности процеса. Ова бешавна интеграција олакшава аномалији модел Аномалија АВС МЛ, који се затим оператира у Четка визуализације.
ИЗАЗОВИ ДИГИТАЛИЗАЦИЈЕ И ПРОВЕДБЕ
Путовање према дигитализацији представља различите изазове, с обзиром на хетерогеност извора података и аналитичких метода. Ипак, Каес је одлучан да искористи потенцијал сензора и анализе засноване на облаку за оптимизацију операција и осигурати поузданост своје критичне опреме.