Espansione dell'uso dei sensori per un miglioramento della modellazione delle attrezzature
Le strutture Koch Ag & Energy abbracciano i sensori IoT
Presso cinque impianti di Koch Ag & Energy (KAES) è in corso una significativa trasformazione, guidata dal dispiegamento di 125 sensori di vibrazione e temperatura Monitron IoT, grazie ad Amazon Web Services (AWS). KAES, una prominente holding che comprende Koch Fertilizer LLC, Koch Energy Services LLC e Koch Methanol LLC, sta sfruttando questi sensori per raccogliere dati di vibrazione e temperatura da vari pezzi di attrezzature, trasmettendoli successivamente al servizio di cloud computing AWS di KAES. Questi sensori vantano semplicità, essendo auto-configurabili e non richiedendo programmazione. Gli utenti li fissano sulle attrezzature che desiderano monitorare.
Abilitare la Manutenzione Predittiva per un Maggiore Tempo di Attività
Dave Kroening, il leader IT, e Martin Miller, il leader dell'analisi dei dati di KAES, hanno condiviso la loro esperienza in un recente evento AWS re:Invent. Hanno rivelato che cinque impianti KAES hanno strategicamente installato 125 sensori Monitron su attrezzature meno critiche, per migliorare la manutenzione predittiva e aumentare il tempo di attività e la disponibilità delle attrezzature. Il personale dell'impianto ha configurato senza sforzo questi sensori utilizzando l'app Monitron sui propri smartphone. Hanno selezionato l'opzione dello standard di vibrazione ISO 20816 all'interno dell'app, un passaggio cruciale che il servizio cloud utilizza per implementare il modello di machine learning (ML) più adatto.
Analisi dei Dati Snella e Avvisi in Tempo Reale
I segnali di vibrazione e temperatura trovano successivamente la loro strada verso il cloud, dove vengono analizzati. Il sistema identifica automaticamente le condizioni operative anomale, garantendo un intervento tempestivo. L'app Monitron, accessibile tramite smartphone, non solo notifica il personale dell'impianto riguardo a queste anomalie, ma consente anche di rivedere e monitorare stati insoliti a loro piacimento. Inoltre, facilita l'inserimento delle risposte agli avvisi ricevuti, inclusi dettagli sul modo di guasto, causa e le azioni intraprese.
Feedback del Modello Trasparente per Operatori e Ingegneri
Fondamentale, KAES sottolinea la trasparenza. Secondo Miller, "Non volevamo una scatola nera." L'intenzione era che gli operatori e gli ingegneri comprendessero le condizioni dell'attrezzatura e gli stati operativi spiegati da questi modelli. Questo approccio consente loro di comprendere le implicazioni di questi modelli e i fattori che influenzano i potenziali guasti.
Analisi Avanzata con AWS Lookout e Seeq
I dati dei sensori Monitron, insieme ai dati di numerosi altri sensori nei siti KAES, convergono nel cloud. Qui, il software AWS Lookout e Seeq prende il comando, fornendo agli utenti di KAES una comprensione più chiara delle condizioni operative. I modelli di machine learning (ML) di AWS Lookout consentono previsioni di prestazioni precise, riducendo tempo, lavoro e costi rispetto ai metodi tradizionali.
Ben Bishop, architetto principale delle soluzioni presso Seeq, spiega il processo: "KAES utilizza Seeq per interrogare i valori di processo dal cloud AWS, configurare i modelli ML di rilevamento anomalie di AWS Lookout per l'Equipaggiamento e alimentare i valori di processo aggiornati nei modelli addestrati per le previsioni." Questa integrazione senza soluzione di continuità facilita la valutazione dei modelli di anomalie da parte di AWS ML, che viene poi operazionalizzata nelle visualizzazioni di Seeq.
Sfide e Opportunità della Digitalizzazione
Il percorso verso la digitalizzazione presenta varie sfide, data l'eterogeneità delle fonti di dati e dei metodi analitici. Tuttavia, KAES è determinata a sfruttare il potenziale dei sensori IoT e dell'analisi basata sul cloud per ottimizzare le operazioni e garantire l'affidabilità delle sue attrezzature critiche.