توسيع استخدام المستشعرات لتحسين نمذجة المعدات

تتبنى مرافق كوتش الزراعية والطاقة أجهزة استشعار إنترنت الأشياء

في خمسة من مرافق Koch Ag & Energy (KAES)، يجري تحول كبير، مدفوعًا بنشر 125 جهاز استشعار للاهتزاز ودرجة الحرارة Monitron IoT، بفضل خدمات أمازون ويب (AWS). تستفيد KAES، وهي شركة قابضة بارزة تضم Koch Fertilizer LLC و Koch Energy Services LLC و Koch Methanol LLC، من هذه المستشعرات لجمع بيانات الاهتزاز ودرجة الحرارة من قطع مختلفة من المعدات، ثم نقلها إلى خدمة الحوسبة السحابية الخاصة بـ KAES من AWS. تتميز هذه المستشعرات بالبساطة، حيث إنها ذاتية التكوين ولا تتطلب برمجة. يقوم المستخدمون بتثبيتها على المعدات التي يرغبون في مراقبتها.

تمكين الصيانة التنبؤية لتعزيز وقت التشغيل

شارك ديف كروينينغ، قائد تكنولوجيا المعلومات، ومارتن ميلر، قائد تحليلات البيانات في KAES، تجربتهما في حدث AWS re:Invent الأخير. وكشفوا أن خمسة من مرافق KAES قد نشرت بشكل استراتيجي 125 مستشعر Monitron على المعدات الأقل أهمية، بهدف تعزيز الصيانة التنبؤية وزيادة وقت تشغيل المعدات وتوافرها. قام موظفو المصنع بإعداد هذه المستشعرات بسهولة باستخدام تطبيق Monitron على هواتفهم الذكية. وقد اختاروا خيار معيار الاهتزاز ISO 20816 داخل التطبيق، وهي خطوة حاسمة تستخدمها الخدمة السحابية لتنفيذ أنسب نموذج تعلم آلي (ML).

تحليل البيانات المبسط والتنبيهات الفورية

تجد إشارات الاهتزاز ودرجة الحرارة طريقها لاحقًا إلى السحابة، حيث تخضع للتحليل. يقوم النظام تلقائيًا بتحديد ظروف التشغيل غير الطبيعية، مما يضمن التدخل في الوقت المناسب. تطبيق Monitron، المتاح عبر الهواتف الذكية، لا يقوم فقط بإخطار موظفي المصنع بهذه الشذوذات، بل يسمح لهم أيضًا بمراجعة وتتبع الحالات غير العادية في الوقت الذي يناسبهم. علاوة على ذلك، يسهل إدخال الردود على التنبيهات المستلمة، بما في ذلك تفاصيل حول وضع الفشل، والسبب، والإجراءات المتخذة.

نموذج التغذية الراجعة الشفاف للمشغلين والمهندسين

من المهم أن تؤكد KAES على الشفافية. وفقًا لميلر، "لم نرغب في صندوق أسود." كانت النية هي أن يتمكن المشغلون والمهندسون من فهم ظروف المعدات وحالات التشغيل التي تفسرها هذه النماذج. هذه المقاربة تمكنهم من فهم تداعيات هذه النماذج والعوامل التي تؤثر على الفشل المحتمل.

التحليل المتقدم باستخدام AWS Lookout و Seeq

تتجمع بيانات مستشعرات Monitron، جنبًا إلى جنب مع بيانات من العديد من المستشعرات الأخرى في مواقع KAES، في السحابة. هنا، تتولى برامج AWS Lookout وSeeq القيادة، مما يوفر للمستخدمين في KAES فهمًا أوضح لظروف التشغيل. تمكّن نماذج التعلم الآلي (ML) في AWS Lookout من تقديم توقعات دقيقة للأداء، مما يقلل من الوقت والجهد والتكاليف مقارنةً بالطرق التقليدية.

"بن بيشوب، كبير مهندسي الحلول في Seeq، يوضح العملية: "تستخدم KAES Seeq لاستعلام قيم العمليات من سحابة AWS، وتكوين نماذج الكشف عن الشذوذ في AWS Lookout for Equipment، وإدخال قيم العمليات المحدثة في النماذج المدربة للتنبؤات." تسهل هذه التكامل السلس تقييم نماذج الشذوذ بواسطة AWS ML، والتي يتم تفعيلها بعد ذلك في تصورات Seeq.

تحديات وفرص الرقمنة

تقدم الرحلة نحو الرقمنة تحديات متنوعة، نظرًا لتنوع مصادر البيانات وطرق التحليل. ومع ذلك، فإن KAES مصممة على استغلال إمكانيات حساسات إنترنت الأشياء والتحليل القائم على السحابة لتحسين العمليات وضمان موثوقية معداتها الحيوية.