Koch AG & Năng lượng Cơ sở Embrace IoT Sensors
Tại năm cơ sở của Koch AG & Energy (KAES), một sự chuyển đổi đáng kể đang được tiến hành, được thúc đẩy bởi việc triển khai 125 cảm biến rung động và nhiệt độ Monitron IoT, nhờ sự giúp đỡ của Amazon Web Services (AWS). KAES, một công ty cổ phần nổi tiếng bao gồm Koch Phân bón Koch LLC, Koch Energy Services LLC và Koch Methanol LLC, đang tận dụng các cảm biến này để thu thập dữ liệu rung và nhiệt độ từ các thiết bị khác nhau, sau đó truyền nó sang dịch vụ chống đám mây của KAES. Những cảm biến này tự hào về sự đơn giản, tự cấu hình và không cần lập trình. Người dùng gắn chúng vào thiết bị họ muốn theo dõi.
Cho phép bảo trì dự đoán cho thời gian hoạt động nâng cao
Dave Kroening, nhà lãnh đạo CNTT và Martin Miller, nhà lãnh đạo phân tích dữ liệu tại KAES, đã chia sẻ kinh nghiệm của họ tại một sự kiện AWS Re: Invent gần đây. Họ tiết lộ rằng năm cơ sở KAES đã triển khai chiến lược 125 cảm biến Monitron trên các thiết bị chạy ít, ít quan trọng hơn, nhằm mục đích tăng cường bảo trì dự đoán và tăng thời gian hoạt động và khả năng hoạt động của thiết bị. Nhân viên thực vật dễ dàng thiết lập các cảm biến này bằng ứng dụng Monitron trên điện thoại thông minh của họ. Họ đã chọn tùy chọn tiêu chuẩn rung ISO 20816 trong ứng dụng, một bước quan trọng mà dịch vụ đám mây sử dụng để thực hiện mô hình Máy học Máy học (ML) phù hợp nhất.
Phân tích dữ liệu được sắp xếp hợp lý và cảnh báo thời gian thực
Tín hiệu rung và nhiệt độ sau đó tìm đường lên đám mây, nơi chúng trải qua phân tích. Hệ thống tự động xác định các điều kiện hoạt động bất thường, đảm bảo can thiệp kịp thời. Ứng dụng Monitron, có thể truy cập thông qua điện thoại thông minh, không chỉ thông báo cho nhân viên nhà máy về những dị thường này mà còn cho phép họ xem xét và theo dõi các trạng thái bất thường một cách thuận tiện. Hơn nữa, nó tạo điều kiện cho các phản hồi nhập vào các cảnh báo nhận được, bao gồm các chi tiết về chế độ thất bại, nguyên nhân và các hành động được thực hiện.
Phản hồi mô hình minh bạch cho các nhà khai thác và kỹ sư
Điều quan trọng, KAES nhấn mạnh tính minh bạch. Theo Miller, "Chúng tôi không muốn một hộp đen." Mục đích là để các nhà khai thác và kỹ sư nắm bắt các điều kiện và trạng thái hoạt động của thiết bị được giải thích bởi các mô hình này. Cách tiếp cận này trao quyền cho họ hiểu được ý nghĩa của các mô hình này và các yếu tố ảnh hưởng đến những thất bại tiềm tàng.
Phân tích nâng cao với AWS Lookout và Seeq
Dữ liệu từ các cảm biến Monitron, cùng với dữ liệu từ nhiều cảm biến khác tại các trang web KAES, hội tụ trong đám mây. Tại đây, phần mềm AWS Lookout và Seeq nắm quyền lãnh đạo, cung cấp cho người dùng tại KAEs một sự hiểu biết rõ ràng hơn về các điều kiện hoạt động. Các mô hình học máy của AWS Lookout (ML) cho phép dự đoán hiệu suất chính xác, giảm thời gian, lao động và chi phí so với các phương pháp truyền thống.
Ben Bishop, Kiến trúc sư giải pháp chính tại Seeq, xây dựng quy trình: "KAES sử dụng các giá trị quy trình Seeq để truy vấn từ đám mây AWS, định cấu hình AWS Lookout cho các mô hình ML phát hiện bất thường của thiết bị và cung cấp các giá trị quy trình được cập nhật vào các mô hình được đào tạo để dự đoán." Tích hợp liền mạch này tạo điều kiện cho việc tính điểm mô hình dị thường của AWS ML, sau đó được vận hành trong các hình ảnh trực quan Seeq.
Những thách thức và cơ hội số hóa
Hành trình hướng tới số hóa đưa ra những thách thức khác nhau, do tính không đồng nhất của các nguồn dữ liệu và phương pháp phân tích. Tuy nhiên, KAES quyết tâm khai thác tiềm năng của các cảm biến IoT và phân tích dựa trên đám mây để tối ưu hóa các hoạt động và đảm bảo độ tin cậy của thiết bị quan trọng.