Expansion de l'utilisation des capteurs pour une modélisation améliorée des équipements

Les installations Koch Ag & Energy adoptent les capteurs IoT.

Dans cinq installations de Koch Ag & Energy (KAES), une transformation significative est en cours, grâce au déploiement de 125 capteurs de vibration et de température Monitron IoT, offerts par Amazon Web Services (AWS). KAES, une société holding de premier plan englobant Koch Fertilizer LLC, Koch Energy Services LLC et Koch Methanol LLC, utilise ces capteurs pour collecter des données de vibration et de température provenant de divers équipements, les transmettant ensuite au service de cloud computing AWS de KAES. Ces capteurs se distinguent par leur simplicité, étant auto-configurables et ne nécessitant aucune programmation. Les utilisateurs les fixent sur l'équipement qu'ils souhaitent surveiller.

Activer la maintenance prédictive pour un temps de fonctionnement amélioré

Dave Kroening, le leader IT, et Martin Miller, le leader en analyse de données chez KAES, ont partagé leur expérience lors d'un récent événement AWS re:Invent. Ils ont révélé que cinq installations de KAES ont stratégiquement déployé 125 capteurs Monitron sur des équipements moins critiques, en fonctionnement dans l'usine, dans le but d'améliorer la maintenance prédictive et d'augmenter le temps de fonctionnement et la disponibilité des équipements. Le personnel de l'usine a facilement configuré ces capteurs en utilisant l'application Monitron sur leurs smartphones. Ils ont sélectionné l'option de norme de vibration ISO 20816 dans l'application, une étape cruciale que le service cloud utilise pour mettre en œuvre le modèle d'apprentissage automatique (ML) le plus adapté.

Analyse de données rationalisée et alertes en temps réel

Les signaux de vibration et de température trouvent ensuite leur chemin vers le cloud, où ils subissent une analyse. Le système identifie automatiquement les conditions de fonctionnement anormales, garantissant une intervention rapide. L'application Monitron, accessible via des smartphones, notifie non seulement le personnel de l'usine de ces anomalies, mais leur permet également de consulter et de suivre les états inhabituels à leur convenance. De plus, elle facilite la saisie des réponses aux alertes reçues, y compris des détails sur le mode de défaillance, la cause et les actions entreprises.

Retour d'information transparent pour les opérateurs et les ingénieurs

Il est crucial que KAES mette l'accent sur la transparence. Selon Miller, "Nous ne voulions pas d'une boîte noire." L'intention était que les opérateurs et les ingénieurs comprennent les conditions de l'équipement et les états opérationnels expliqués par ces modèles. Cette approche leur permet de comprendre les implications de ces modèles et les facteurs influençant les pannes potentielles.

Analyse avancée avec AWS Lookout et Seeq

Les données des capteurs Monitron, ainsi que celles de nombreux autres capteurs sur les sites de KAES, convergent dans le cloud. Ici, AWS Lookout et le logiciel Seeq prennent les rênes, offrant aux utilisateurs de KAES une compréhension plus claire des conditions d'exploitation. Les modèles d'apprentissage automatique (ML) d'AWS Lookout permettent des prévisions de performance précises, réduisant le temps, le travail et les coûts par rapport aux méthodes traditionnelles.

Ben Bishop, architecte principal des solutions chez Seeq, explique le processus : "KAES utilise Seeq pour interroger les valeurs de processus depuis le cloud AWS, configurer les modèles ML de détection d'anomalies d'AWS Lookout for Equipment, et alimenter les valeurs de processus mises à jour dans les modèles entraînés pour des prédictions." Cette intégration transparente facilite le scoring des modèles d'anomalies par AWS ML, qui est ensuite opérationnalisé dans les visualisations Seeq.

Défis et opportunités de la numérisation

Le parcours vers la numérisation présente divers défis, compte tenu de l'hétérogénéité des sources de données et des méthodes analytiques. Néanmoins, KAES est déterminé à exploiter le potentiel des capteurs IoT et de l'analyse basée sur le cloud pour optimiser les opérations et garantir la fiabilité de son équipement critique.