Ampliando o uso de sensores para aprimorar a modelagem de equipamentos

Instalações da Koch Ag & Energy adotam sensores de IoT

Em cinco instalações da Koch Ag & Energy (KAES), está em andamento uma transformação significativa, impulsionada pela implantação de 125 sensores Monitron de vibração e temperatura para IoT, fornecidos pela Amazon Web Services (AWS). A KAES, uma importante holding que engloba a Koch Fertilizer LLC, a Koch Energy Services LLC e a Koch Methanol LLC, está utilizando esses sensores para coletar dados de vibração e temperatura de diversos equipamentos e, posteriormente, transmiti-los ao serviço de computação em nuvem da AWS da KAES. Esses sensores se destacam pela simplicidade: são autoconfiguráveis e não exigem programação. Os usuários os fixam nos equipamentos que desejam monitorar.

Possibilitando a manutenção preditiva para aumentar o tempo de atividade

Dave Kroening, líder de TI, e Martin Miller, líder de análise de dados da KAES, compartilharam sua experiência em um evento recente do AWS re:Invent. Eles revelaram que cinco instalações da KAES implantaram estrategicamente 125 sensores Monitron em equipamentos menos críticos em operação, com o objetivo de aprimorar a manutenção preditiva e aumentar o tempo de atividade e a disponibilidade dos equipamentos. O pessoal das unidades configurou facilmente esses sensores usando o aplicativo Monitron em seus smartphones. Eles selecionaram no aplicativo a opção do padrão de vibração ISO 20816, uma etapa crucial que o serviço de nuvem utiliza para implementar o modelo de aprendizado de máquina (ML) mais adequado.

Análise de dados simplificada e alertas em tempo real

Os sinais de vibração e temperatura são então enviados para a nuvem, onde são analisados. O sistema identifica automaticamente condições operacionais anormais, garantindo uma intervenção oportuna. O aplicativo Monitron, acessível por smartphones, não apenas notifica a equipe da unidade sobre essas anomalias, como também permite revisar e acompanhar estados incomuns quando for conveniente. Além disso, ele facilita o registro de respostas aos alertas recebidos, incluindo detalhes sobre o modo de falha, a causa e as ações realizadas.

Feedback transparente dos modelos para operadores e engenheiros

É fundamental que a KAES priorize a transparência. Segundo Miller, "Não queríamos uma caixa-preta." A intenção era que operadores e engenheiros compreendessem as condições e os estados operacionais dos equipamentos explicados por esses modelos. Essa abordagem permite que eles entendam as implicações desses modelos e os fatores que influenciam possíveis falhas.

Análise avançada com AWS Lookout e Seeq

Os dados dos sensores Monitron, juntamente com dados de vários outros sensores nas unidades da KAES, convergem para a nuvem. Nesse ambiente, os softwares AWS Lookout e Seeq assumem o controle, oferecendo aos usuários da KAES uma compreensão mais clara das condições operacionais. Os modelos de aprendizado de máquina (ML) do AWS Lookout permitem previsões precisas de desempenho, reduzindo tempo, mão de obra e custos em comparação com os métodos tradicionais.

Ben Bishop, arquiteto principal de soluções da Seeq, explica o processo: "A KAES usa o Seeq para consultar valores de processo na nuvem da AWS, configurar os modelos de ML de detecção de anomalias do AWS Lookout for Equipment e alimentar os modelos treinados com valores de processo atualizados para fazer previsões." Essa integração perfeita possibilita a pontuação de modelos de anomalias pelo ML da AWS, que então é operacionalizada nas visualizações do Seeq.

Desafios e oportunidades da digitalização

A jornada rumo à digitalização apresenta vários desafios, dada a heterogeneidade das fontes de dados e dos métodos analíticos. Ainda assim, a KAES está determinada a aproveitar o potencial dos sensores de IoT e da análise baseada em nuvem para otimizar as operações e garantir a confiabilidade de seus equipamentos críticos.