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

Ampliación del uso de sensores para mejorar el modelado de equipos

Las instalaciones de Koch Ag & Energy adoptan sensores de IoT

En cinco instalaciones de Koch Ag & Energy (KAES), se está llevando a cabo una transformación significativa impulsada por la implementación de 125 sensores de vibración y temperatura Monitron, proporcionados por Amazon Web Services (AWS). KAES, una destacada empresa holding que engloba a Koch Fertilizer LLC, Koch Energy Services LLC y Koch Methanol LLC, utiliza estos sensores para recopilar datos de vibración y temperatura de diversos equipos y transmitirlos posteriormente al servicio de computación en la nube de AWS de KAES. Estos sensores destacan por su sencillez: se configuran automáticamente y no requieren programación. Los usuarios los fijan en los equipos que desean supervisar.

Ampliación del uso de sensores para mejorar el modelado de equipos

Mantenimiento predictivo para mejorar el tiempo de actividad

Dave Kroening, responsable de TI, y Martin Miller, responsable de análisis de datos en KAES, compartieron su experiencia en un evento reciente de AWS re:Invent. Revelaron que cinco instalaciones de KAES han implementado estratégicamente 125 sensores Monitron en equipos menos críticos que funcionan durante la operación de la planta, con el objetivo de mejorar el mantenimiento predictivo y aumentar el tiempo de actividad y la disponibilidad de los equipos. El personal de las plantas configuró estos sensores fácilmente mediante la aplicación Monitron en sus teléfonos inteligentes. En la aplicación seleccionaron la opción del estándar de vibración ISO 20816, un paso crucial que el servicio en la nube utiliza para implementar el modelo de aprendizaje automático (ML) más adecuado.

Análisis de datos simplificado y alertas en tiempo real

Las señales de vibración y temperatura llegan posteriormente a la nube, donde se analizan. El sistema identifica automáticamente las condiciones de funcionamiento anómalas, lo que garantiza una intervención oportuna. La aplicación Monitron, accesible desde teléfonos inteligentes, no solo notifica al personal de la planta sobre estas anomalías, sino que también le permite revisar y hacer un seguimiento de estados inusuales cuando le resulte conveniente. Además, facilita la introducción de respuestas a las alertas recibidas, incluidos detalles sobre el modo de fallo, la causa y las acciones realizadas.

Comentarios transparentes de los modelos para operadores e ingenieros

De manera fundamental, KAES hace hincapié en la transparencia. Según Miller: «No queríamos una caja negra». La intención era que los operadores y los ingenieros comprendieran las condiciones y los estados operativos de los equipos explicados por estos modelos. Este enfoque les permite entender las implicaciones de dichos modelos y los factores que influyen en posibles fallos.

Análisis avanzado con AWS Lookout y Seeq

Los datos de los sensores Monitron, junto con los datos de muchos otros sensores de las instalaciones de KAES, convergen en la nube. Allí, el software AWS Lookout y Seeq asume el control y proporciona a los usuarios de KAES una comprensión más clara de las condiciones de funcionamiento. Los modelos de aprendizaje automático (ML) de AWS Lookout permiten realizar predicciones precisas del rendimiento, reduciendo el tiempo, la mano de obra y los costes en comparación con los métodos tradicionales.

Ben Bishop, arquitecto principal de soluciones de Seeq, explica el proceso: «KAES utiliza Seeq para consultar valores de proceso desde la nube de AWS, configurar los modelos de aprendizaje automático de detección de anomalías de AWS Lookout for Equipment y alimentar los modelos entrenados con valores de proceso actualizados para realizar predicciones». Esta integración fluida permite que AWS ML calcule las puntuaciones de los modelos de anomalías, que posteriormente se operacionalizan en las visualizaciones de Seeq.

Desafíos y oportunidades de la digitalización

El camino hacia la digitalización presenta diversos desafíos, dada la heterogeneidad de las fuentes de datos y los métodos analíticos. No obstante, KAES está decidida a aprovechar el potencial de los sensores de IoT y del análisis basado en la nube para optimizar las operaciones y garantizar la fiabilidad de sus equipos críticos.

Regresar al blog