Expanding Sensor Usage for Enhanced Equipment Modeling
By ControlTech Supply Limited TEAM

Διεύρυνση της χρήσης αισθητήρων για βελτιωμένη μοντελοποίηση εξοπλισμού

Οι εγκαταστάσεις Koch Ag & Energy υιοθετούν αισθητήρες IoT

Σε πέντε εγκαταστάσεις της Koch Ag & Energy (KAES), βρίσκεται σε εξέλιξη ένας σημαντικός μετασχηματισμός, με την ανάπτυξη 125 αισθητήρων κραδασμών και θερμοκρασίας Monitron IoT, προσφορά της Amazon Web Services (AWS). Η KAES, μια σημαντική εταιρεία συμμετοχών που περιλαμβάνει τις Koch Fertilizer LLC, Koch Energy Services LLC και Koch Methanol LLC, αξιοποιεί αυτούς τους αισθητήρες για τη συλλογή δεδομένων κραδασμών και θερμοκρασίας από διάφορα τμήματα εξοπλισμού και στη συνέχεια τη μετάδοσή τους στην υπηρεσία υπολογιστικού νέφους AWS της KAES. Οι αισθητήρες διακρίνονται για την απλότητά τους, καθώς ρυθμίζονται αυτόματα και δεν απαιτούν προγραμματισμό. Οι χρήστες τους τοποθετούν στον εξοπλισμό που θέλουν να παρακολουθούν.

Επέκταση της χρήσης αισθητήρων για βελτιωμένη μοντελοποίηση εξοπλισμού

Ενεργοποίηση προγνωστικής συντήρησης για αυξημένη διαθεσιμότητα

Ο Dave Kroening, επικεφαλής IT, και ο Martin Miller, επικεφαλής ανάλυσης δεδομένων στην KAES, μοιράστηκαν την εμπειρία τους σε πρόσφατη εκδήλωση AWS re:Invent. Αποκάλυψαν ότι πέντε εγκαταστάσεις της KAES έχουν τοποθετήσει στρατηγικά 125 αισθητήρες Monitron σε λιγότερο κρίσιμο εξοπλισμό που λειτουργεί στην εγκατάσταση, με στόχο τη βελτίωση της προγνωστικής συντήρησης και την αύξηση του χρόνου λειτουργίας και της διαθεσιμότητας του εξοπλισμού. Το προσωπικό των εγκαταστάσεων ρύθμισε εύκολα αυτούς τους αισθητήρες χρησιμοποιώντας την εφαρμογή Monitron στα smartphone του. Επέλεξαν στην εφαρμογή την επιλογή του προτύπου κραδασμών ISO 20816, ένα κρίσιμο βήμα που η υπηρεσία cloud αξιοποιεί για να εφαρμόσει το καταλληλότερο μοντέλο μηχανικής μάθησης (ML).

Απλοποιημένη ανάλυση δεδομένων και ειδοποιήσεις σε πραγματικό χρόνο

Τα σήματα κραδασμών και θερμοκρασίας μεταδίδονται στη συνέχεια στο cloud, όπου αναλύονται. Το σύστημα εντοπίζει αυτόματα μη φυσιολογικές συνθήκες λειτουργίας, διασφαλίζοντας την έγκαιρη παρέμβαση. Η εφαρμογή Monitron, προσβάσιμη μέσω smartphone, όχι μόνο ειδοποιεί το προσωπικό των εγκαταστάσεων για αυτές τις ανωμαλίες, αλλά του επιτρέπει επίσης να εξετάζει και να παρακολουθεί ασυνήθιστες καταστάσεις όποτε το εξυπηρετεί. Επιπλέον, διευκολύνει την καταχώριση απαντήσεων στις ειδοποιήσεις που λαμβάνονται, συμπεριλαμβανομένων λεπτομερειών σχετικά με τον τρόπο αστοχίας, την αιτία και τις ενέργειες που πραγματοποιήθηκαν.

Διαφανής ανατροφοδότηση μοντέλων για χειριστές και μηχανικούς

Καθοριστικής σημασίας είναι ότι η KAES δίνει έμφαση στη διαφάνεια. Σύμφωνα με τον Miller, «Δεν θέλαμε ένα μαύρο κουτί». Στόχος ήταν οι χειριστές και οι μηχανικοί να κατανοούν τις συνθήκες και τις καταστάσεις λειτουργίας του εξοπλισμού, όπως αυτές εξηγούνται από τα μοντέλα. Αυτή η προσέγγιση τους βοηθά να κατανοούν τις επιπτώσεις των μοντέλων και τους παράγοντες που επηρεάζουν πιθανές αστοχίες.

Προηγμένη ανάλυση με AWS Lookout και Seeq

Τα δεδομένα από τους αισθητήρες Monitron, μαζί με δεδομένα από πολυάριθμους άλλους αισθητήρες στις εγκαταστάσεις της KAES, συγκεντρώνονται στο cloud. Εκεί, το λογισμικό AWS Lookout και Seeq αναλαμβάνει δράση, προσφέροντας στους χρήστες της KAES σαφέστερη κατανόηση των συνθηκών λειτουργίας. Τα μοντέλα μηχανικής μάθησης (ML) του AWS Lookout επιτρέπουν ακριβείς προβλέψεις απόδοσης, μειώνοντας τον χρόνο, την εργασία και το κόστος σε σύγκριση με τις παραδοσιακές μεθόδους.

Ο Ben Bishop, κύριος αρχιτέκτονας λύσεων στη Seeq, εξηγεί τη διαδικασία: «Η KAES χρησιμοποιεί τη Seeq για να υποβάλλει ερωτήματα σχετικά με τις τιμές διεργασίας από το AWS cloud, να ρυθμίζει τα μοντέλα ML ανίχνευσης ανωμαλιών του AWS Lookout for Equipment και να τροφοδοτεί τα εκπαιδευμένα μοντέλα με ενημερωμένες τιμές διεργασίας για την πραγματοποίηση προβλέψεων». Αυτή η απρόσκοπτη ενσωμάτωση διευκολύνει τη βαθμολόγηση των μοντέλων ανωμαλιών από το AWS ML, η οποία στη συνέχεια καθίσταται λειτουργική μέσω των απεικονίσεων της Seeq.

Προκλήσεις και ευκαιρίες της ψηφιοποίησης

Η πορεία προς την ψηφιοποίηση παρουσιάζει διάφορες προκλήσεις, δεδομένης της ετερογένειας των πηγών δεδομένων και των αναλυτικών μεθόδων. Ωστόσο, η KAES είναι αποφασισμένη να αξιοποιήσει τις δυνατότητες των αισθητήρων IoT και της ανάλυσης που βασίζεται στο cloud, ώστε να βελτιστοποιήσει τις λειτουργίες και να διασφαλίσει την αξιοπιστία του κρίσιμου εξοπλισμού της.

Επιστροφή στο ιστολόγιο