AWS द्वारा संचालित TensorIoT के साथ एकीकृत उपकरण निगरानी के साथ परिचालन दक्षता में सुधार

मशीन डाउनटाइम का आपकी परिचालन दक्षता पर नाटकीय प्रभाव पड़ता है। अप्रत्याशित मशीन डाउनटाइम और भी बुरा है। प्रारंभिक चरण में औद्योगिक उपकरणों की समस्याओं का पता लगाना और उचित रखरखाव की जानकारी देने के लिए उस डेटा का उपयोग करने से आपकी कंपनी को परिचालन दक्षता में उल्लेखनीय वृद्धि मिल सकती है।

ग्राहक रखरखाव जीवनचक्र को बेहतर बनाने के लिए औद्योगिक उपकरणों में असामान्य व्यवहार का पता लगाने में महत्व देखते हैं। हालाँकि, उन्नत रखरखाव दृष्टिकोण को लागू करने में कई चुनौतियाँ हैं। एक बड़ी चुनौती सेंसर और लॉग जानकारी से रिकॉर्ड किए गए डेटा की प्रचुरता के साथ-साथ उपकरण और साइट मेटाडेटा का प्रबंधन है। डेटा के ये विभिन्न रूप या तो पहुंच योग्य नहीं हो सकते हैं या अलग-अलग प्रणालियों में फैले हुए हो सकते हैं जो पहुंच और प्रसंस्करण में बाधा डाल सकते हैं। इस डेटा को समेकित करने के बाद, अगला कदम सबसे परिचालन कुशल रखरखाव रणनीति को प्राथमिकता देने के लिए अंतर्दृष्टि प्राप्त करना है।

डेटा प्रोसेसिंग उपकरणों की एक श्रृंखला आज मौजूद है, लेकिन अधिकांश को लागू करने या बनाए रखने के लिए महत्वपूर्ण मैन्युअल प्रयास की आवश्यकता होती है, जो उपयोग में बाधा के रूप में कार्य करता है। इसके अलावा, मशीन लर्निंग (एमएल) जैसे उन्नत विश्लेषण के प्रबंधन के लिए प्रत्येक प्रकार के उपकरण के लिए मॉडल का प्रबंधन करने के लिए इन-हाउस या बाहरी डेटा वैज्ञानिकों की आवश्यकता होती है। इससे कार्यान्वयन की उच्च लागत हो सकती है और उन ऑपरेटरों के लिए चुनौतीपूर्ण हो सकता है जो रिफाइनरी में सैकड़ों या हजारों सेंसर या पवन फार्म पर सैकड़ों टर्बाइनों का प्रबंधन करते हैं।

TensorIoT के साथ आपकी IoT परिसंपत्तियों का वास्तविक समय डेटा कैप्चर और निगरानी

TensorIoT, एक AWS एडवांस्ड कंसल्टिंग पार्टनर, उन कठिनाइयों से अनजान नहीं है जिनका सामना कंपनियों को अपनी व्यावसायिक प्रथाओं को बेहतर बनाने के लिए अपने डेटा का उपयोग करने में करना पड़ता है। TensorIoT कंपनियों को ML और IoT की शक्ति से लाभ उठाने में मदद करने के लिए उत्पाद और समाधान बनाता है।

"आकार या उद्योग की परवाह किए बिना, कंपनियां अधिक स्थितिजन्य जागरूकता हासिल करने, कार्रवाई योग्य अंतर्दृष्टि हासिल करने और अधिक आत्मविश्वासपूर्ण निर्णय लेने की कोशिश कर रही हैं," उत्पादों के TensorIoT वीपी जॉन ट्रेयनोर कहते हैं।

औद्योगिक ग्राहकों के लिए, TensorIoT AWS टूल के साथ सेंसर और मशीन डेटा को एक समग्र प्रणाली में एकीकृत करने में माहिर है जो ऑपरेटरों को हर समय उनके उपकरण की स्थिति के बारे में सूचित रखता है। TensorIoT का उपयोग करता है AWS IoT ग्रीनग्रास साथ में एडब्ल्यूएस IoT साइटवार और अन्य AWS क्लाउड सेवाएँ ग्राहकों को मशीन संचालन का समग्र दृष्टिकोण देते हुए, आर्द्रता, तापमान, दबाव, शक्ति और कंपन जैसे कारकों को मापने के लिए कनेक्टेड उपकरणों के माध्यम से प्रत्यक्ष उपकरण माप और ऐड-ऑन सेंसर दोनों से डेटा एकत्र करने में मदद करती हैं। व्यवसायों को अपने डेटा और प्रक्रियाओं की बेहतर समझ हासिल करने में मदद करने के लिए, TensorIoT ने स्मार्टइनसाइट्स बनाया, एक ऐसा उत्पाद जो विश्लेषण और विज़ुअलाइज़ेशन के लिए कई स्रोतों से डेटा को शामिल करता है। उन्नत विश्लेषण के साथ संयुक्त स्पष्ट विज़ुअलाइज़ेशन टूल का मतलब है कि एकत्रित डेटा उपयोगकर्ताओं के लिए समझने में आसान और कार्रवाई योग्य है। इसे निम्नलिखित स्क्रीनशॉट में देखा जा सकता है, जो उस विशिष्ट साइट को दिखाता है जहां एक विसंगति हुई और उत्पादन या प्रक्रिया दक्षता के आधार पर रैंकिंग दिखाई गई है।

TensorIoT ने डेटा अंतर्ग्रहण प्राप्त करने के लिए कनेक्टिविटी का निर्माण किया उपकरण के लिए अमेज़न लुकआउट (एक औद्योगिक उपकरण निगरानी सेवा जो असामान्य उपकरण व्यवहार का पता लगाती है) विश्लेषण के लिए, और फिर परिणाम पर कार्रवाई करने के लिए उपयोगकर्ताओं के लिए विज़ुअलाइज़ेशन टूल के रूप में स्मार्टइनसाइट्स का उपयोग किया। क्या कोई परिचालन प्रबंधक परिसंपत्ति के स्वास्थ्य की कल्पना करना चाहता है या अलार्म या रखरखाव टीमों को भेजी जाने वाली स्वचालित पुश अधिसूचना प्रदान करना चाहता है अमेज़न सरल अधिसूचना सेवा (अमेज़ॅन एसएनएस) संदेश, स्मार्टइनसाइट्स औद्योगिक साइटों और फैक्ट्री फ्लोर को सबसे जटिल डिवाइस पदानुक्रम के लिए भी चरम प्रदर्शन पर संचालित रखता है। AWS द्वारा संचालित, TensorIoT कंपनियों को उपकरण असामान्यताओं का तेजी से और सटीक रूप से पता लगाने, समस्याओं का निदान करने और महंगे डाउनटाइम को कम करने के लिए तत्काल कार्रवाई करने में मदद करता है।

अमेज़ॅन लुकआउट फॉर इक्विपमेंट के साथ मशीन लर्निंग को सरल बनाएं

एमएल औद्योगिक कंपनियों को सिस्टम और उपकरण प्रकारों में एकत्र किए जा रहे डेटा से स्वचालित रूप से नई अंतर्दृष्टि खोजने की क्षमता प्रदान करता है। हालांकि, अतीत में, आवश्यक मॉडलों के विकास और प्रबंधन की उच्च लागत के कारण, औद्योगिक एमएल-सक्षम समाधान जैसे उपकरण स्थिति निगरानी को सबसे महत्वपूर्ण या महंगी संपत्तियों के लिए आरक्षित किया गया है। परंपरागत रूप से, एक डेटा वैज्ञानिक को औद्योगिक उपकरण निगरानी के लिए एक प्रारंभिक मॉडल बनाने के लिए दर्जनों चरणों से गुजरना पड़ता है जो असामान्य व्यवहार का पता लगा सकता है। उपकरण के लिए अमेज़ॅन लुकआउट उपकरणों के व्यापक सेट के लिए पहले से कहीं अधिक अवसर खोलने के लिए इन पारंपरिक डेटा विज्ञान चरणों को स्वचालित करता है। उपकरण के लिए अमेज़ॅन लुकआउट एमएल एल्गोरिदम बनाने के लिए भारी भारोत्तोलन को कम करता है ताकि आप विसंगतियों की पहचान करने के लिए औद्योगिक उपकरण निगरानी का लाभ उठा सकें, और नई कार्रवाई योग्य अंतर्दृष्टि प्राप्त कर सकें जो आपके संचालन को बेहतर बनाने और डाउनटाइम से बचने में आपकी सहायता करती हैं।

ऐतिहासिक रूप से, बदलते या नए संचालन के कारण एमएल मॉडल का प्रबंधन करना भी जटिल हो सकता है। अमेज़ॅन लुकआउट फॉर इक्विपमेंट इन मॉडलों के प्रत्यक्ष फीडबैक और पुनरावृत्ति को सक्षम करके उपकरण के निकटतम इंजीनियरों से फीडबैक प्राप्त करना आसान और तेज़ बना रहा है। इसका मतलब है कि एक रखरखाव इंजीनियर प्राथमिकता दे सकता है कि वर्तमान संचालन, जैसे प्रक्रिया, सिग्नल या उपकरण मुद्दों के आधार पर कौन सी अंतर्दृष्टि का पता लगाना सबसे महत्वपूर्ण है। उपकरण के लिए अमेज़ॅन लुकआउट इंजीनियर को इन घटनाओं को परिष्कृत करने और प्राथमिकता देने के लिए लेबल करने में सक्षम बनाता है ताकि अंतर्दृष्टि परिसंपत्ति के जीवन पर प्रासंगिक बनी रहे।

उपकरण के लिए TensorIoT और Amazon लुकआउट का संयोजन इतना आसान कभी नहीं रहा

अमेज़ॅन लुकआउट फॉर इक्विपमेंट से प्राप्त वास्तविक समय की अंतर्दृष्टि की कल्पना करने के तरीके के बारे में गहराई से जानने के लिए, आइए इस प्रक्रिया का पता लगाएं। ऐतिहासिक और विफलता डेटा होना महत्वपूर्ण है ताकि हम मॉडल को यह जानने के लिए प्रशिक्षित कर सकें कि विफलता से पहले क्या पैटर्न होते हैं। प्रशिक्षित होने पर, मॉडल उस उपकरण से नए, लाइव डेटा से लंबित घटनाओं के बारे में अनुमान लगा सकता है। यह, ऐतिहासिक रूप से, अपनाने में एक समय लेने वाली बाधा है क्योंकि उपकरण के प्रत्येक टुकड़े को अपने अद्वितीय संचालन के कारण अलग प्रशिक्षण की आवश्यकता होती है और इसे अमेज़ॅन लुकआउट फॉर इक्विपमेंट के माध्यम से हल किया जाता है और स्मार्टइनसाइट्स द्वारा देखा जाता है।

हमारे उदाहरण के लिए, हम एक उपयुक्त डेटासेट की पहचान करके शुरू करते हैं जहां हमारे पास उपकरण के एक टुकड़े से सेंसर और अन्य परिचालन डेटा होता है, साथ ही ऐतिहासिक डेटा भी होता है कि उपकरण कब विनिर्देशों के बाहर काम कर रहा है या विफल हो गया है, यदि उपलब्ध हो।

यह प्रदर्शित करने के लिए कि उपकरण के लिए अमेज़ॅन लुकआउट का उपयोग कैसे करें और स्मार्टइनसाइट्स में वास्तविक समय में परिणामों की कल्पना कैसे करें, हमने एक का उपयोग किया पवन टरबाइन डेटा का सार्वजनिक रूप से उपलब्ध सेट. ला हाउते बोर्न पवन फार्म से हमारा डेटासेट उपकरण पर विभिन्न प्रकार के सेंसर से कई सौ हजार पंक्तियों और डेटा के 100 से अधिक कॉलम तक फैला हुआ है। डेटा में रोटर गति, पिच कोण, जनरेटर असर तापमान, गियरबॉक्स असर तापमान, तेल तापमान, कई बिजली माप, हवा की गति और दिशा, बाहरी तापमान और बहुत कुछ शामिल हैं। प्रत्येक डेटा बिंदु के लिए अधिकतम, औसत और अन्य सांख्यिकीय विशेषताओं को भी संग्रहीत किया गया था।

निम्नलिखित तालिका हमारे विश्लेषण में प्रयुक्त स्तंभों का एक उपसमूह है।

चर का नाम	परिवर्तनीय_लंबा_नाम	यूनिट_लॉन्ग_नाम
टरबाइन	पवन_टरबाइन_नाम
पहर	दिनांक समय
Ba	पिच कोण	डिग्री
Cm	कन्वर्टर_टॉर्क	Nm
कॉस्फ़ी	ऊर्जा घटक
डीबी1टी	जेनरेटर_बेयरिंग_1_तापमान	डिग्री_C
डीबी2टी	जेनरेटर_बेयरिंग_2_तापमान	डिग्री_C
डीसी	जेनरेटर_कन्वर्टर_स्पीड	rpm
Ds	जेनरेटर_स्पीड	rpm
dst	जेनरेटर_स्टेटर_तापमान	डिग्री_C
जीबी1टी	गियरबॉक्स_बेयरिंग_1_तापमान	डिग्री_C
जीबी2टी	गियरबॉक्स_बेयरिंग_2_तापमान	डिग्री_C
जाना	गियरबॉक्स_इनलेट_तापमान	डिग्री_C
GOST	गियरबॉक्स_तेल_संप_तापमान	डिग्री_C
ना_सी	नैसेले_एंगल_सही किया गया	डिग्री
Nf	ग्रिड_आवृत्ति	Hz
Nu	ग्रिड_वोल्टेज	V
Ot	बाहरी_तापमान	डिग्री_C
P	सक्रिय शक्ति	kW
सहूलियत	पिच_एंगल_सेटपॉइंट
Q	प्रतिक्रियाशील ऊर्जा	केवीएआर
आरबीटी	रोटर_बेयरिंग_तापमान	डिग्री_C
Rm	टोक़	Nm
Rs	रोटर_स्पीड	rpm
Rt	हब_तापमान	डिग्री_C
S	प्रत्यक्ष शक्ति	केवीए
Va	फलक_स्थिति	डिग्री
वीए1	फलक_स्थिति_1	डिग्री
वीए2	फलक_स्थिति_2	डिग्री
Wa	निरपेक्ष_हवा_दिशा	डिग्री
Wa_c	निरपेक्ष_हवा_दिशा_सही	डिग्री
Ws	हवा की गति	एम / एस
डब्लूएस1	पवन_गति_1	एम / एस
डब्लूएस2	पवन_गति_2	एम / एस
Ya	नैसेले_एंगल	डिग्री
Yt	नैकेले_तापमान	डिग्री_C

उपकरण के लिए अमेज़ॅन लुकआउट का उपयोग करने में तीन चरण होते हैं: अंतर्ग्रहण, प्रशिक्षण, और अनुमान (या पता लगाना)। मॉडल को उपलब्ध ऐतिहासिक डेटा के साथ प्रशिक्षित करने के बाद, चयनित समय अंतराल पर स्वचालित रूप से अनुमान लगाया जा सकता है, जैसे कि हर 5 मिनट या 1 घंटे में।

सबसे पहले, आइए प्रक्रिया के अमेज़ॅन लुकआउट फॉर इक्विपमेंट पक्ष को देखें। इस उदाहरण में, हमने ऐतिहासिक डेटा का उपयोग करके प्रशिक्षण लिया और 1 वर्ष के ऐतिहासिक डेटा के आधार पर मॉडल का मूल्यांकन किया। इन परिणामों के आधार पर, 148 घटनाओं में से 150 का पता 18 घंटे के औसत पूर्वचेतावनी समय के साथ लगाया गया।

प्रत्येक घटना के लिए, मूल कारण के मूल्यांकन का समर्थन करने के लिए प्रमुख योगदान देने वाले सेंसर का निदान दिया गया है, जैसा कि निम्नलिखित स्क्रीनशॉट में दिखाया गया है।

स्मार्टइनसाइट्स प्रत्येक संपत्ति से डेटा का विज़ुअलाइज़ेशन प्रदान करता है और उपकरण के लिए अमेज़ॅन लुकआउट से घटनाओं को शामिल करता है। इसके बाद स्मार्टइनसाइट्स सामान्य टाइमस्टैम्प का उपयोग करके अमेज़ॅन लुकआउट फॉर इक्विपमेंट द्वारा पहचानी गई विसंगतियों के साथ मूल माप को जोड़ सकता है। यह स्मार्टइनसाइट्स को एक सामान्य समयमान पर माप और विसंगतियाँ दिखाने की अनुमति देता है और ऑपरेटर को इन घटनाओं का संदर्भ देता है। निम्नलिखित चित्रमय प्रतिनिधित्व में, विसंगतियों के शीर्ष पर एक हरी पट्टी मढ़ा हुआ है। आप परिसंपत्ति के निदान का मूल्यांकन करके गहराई से जान सकते हैं कि घटना पर कब और कैसे प्रतिक्रिया देनी है।

हमारे उदाहरण में उपयोग किए गए पवन टरबाइन डेटा के साथ, स्मार्टइनसाइट्स ने अमेज़ॅन लुकआउट फॉर इक्विपमेंट के परिणामों के आधार पर घटनाओं के दृश्य साक्ष्य प्रदान किए। उत्पादन परिवेश में, पूर्वानुमान ऑपरेटिंग कर्मियों के लिए एक अधिसूचना या अलर्ट बना सकता है या विफलता से पहले सुधारात्मक कार्रवाई करने के लिए कर्मियों को भेजने के लिए किसी अन्य एप्लिकेशन में कार्य ऑर्डर बनाने के लिए ट्रिगर कर सकता है।

SmartInsights कुछ शर्तों के जवाब में अलर्ट ट्रिगर करने का समर्थन करता है। उदाहरण के लिए, आप स्लैक चैनल पर संदेश भेजने या टेक्स्ट संदेश भेजने के लिए स्मार्टइनसाइट्स को कॉन्फ़िगर कर सकते हैं। क्योंकि SmartInsights AWS पर बनाया गया है, अधिसूचना समापन बिंदु Amazon SNS द्वारा समर्थित कोई भी गंतव्य हो सकता है। उदाहरण के लिए, मोबाइल डिवाइस पर स्मार्टइनसाइट्स के निम्नलिखित दृश्य में एक निश्चित समय विंडो के भीतर ट्रिगर किए गए अलर्ट की एक सूची शामिल है, जिसके लिए स्मार्टइनसाइट्स उपयोगकर्ता सदस्यता ले सकता है।

निम्नलिखित आर्किटेक्चर आरेख दिखाता है कि स्मार्टइनसाइट्स के साथ अमेज़ॅन लुकआउट फॉर इक्विपमेंट का उपयोग कैसे किया जाता है। कई अनुप्रयोगों के लिए, अमेज़ॅन लुकआउट फॉर इक्विपमेंट डेटा वैज्ञानिक को नियुक्त करने और निवेश पर व्यावसायिक रिटर्न पूरा करने की आवश्यकता के बिना विसंगति का पता लगाने के लिए एक त्वरित मार्ग प्रदान करता है।

अपटाइम को अधिकतम करें, सुरक्षा बढ़ाएँ और मशीन की दक्षता में सुधार करें

स्थिति-आधारित रखरखाव आपके व्यवसाय के लिए कई स्तरों पर फायदेमंद है:

• अधिकतम अपटाइम - जब रखरखाव की घटनाओं की भविष्यवाणी की जाती है, तो आप अपनी परिचालन दक्षता पर प्रभाव को कम करने के लिए इष्टतम शेड्यूलिंग तय करते हैं।
• बढ़ी हुई सुरक्षा - स्थिति-आधारित रखरखाव यह सुनिश्चित करता है कि आपका उपकरण सुरक्षित परिचालन स्थितियों में बना रहे, जो समस्या बनने से पहले समस्याओं को पकड़कर आपके ऑपरेटरों और आपकी मशीनरी की सुरक्षा करता है।
• मशीन की दक्षता में सुधार - जैसे-जैसे आपकी मशीनें सामान्य टूट-फूट से गुजरती हैं, उनकी कार्यक्षमता कम हो जाती है। स्थिति-आधारित रखरखाव आपकी मशीनों को इष्टतम स्थिति में रखता है और आपके उपकरण का जीवनकाल बढ़ाता है।

निष्कर्ष

अमेज़ॅन लुकआउट फॉर इक्विपमेंट के जारी होने से पहले ही, TensorIoT ने औद्योगिक निर्माताओं को आधुनिक आर्किटेक्चर, विरासत वृद्धि के लिए सेंसर और नए अधिग्रहीत डेटा को समझने योग्य और कार्रवाई योग्य बनाने के लिए एमएल के कार्यान्वयन के माध्यम से अपनी मशीनरी को नया रूप देने में मदद की। उपकरण और TensorIoT समाधानों के लिए Amazon लुकआउट के साथ, TensorIoT आपकी संपत्तियों को और भी स्मार्ट बनाने में मदद करता है।

यह जानने के लिए कि आप लंबित उपकरण विफलताओं के बारे में अधिक तेजी से जानकारी प्राप्त करने और डाउनटाइम को कम करने के लिए स्मार्टइनसाइट्स के साथ उपकरण के लिए अमेज़ॅन लुकआउट का उपयोग कैसे कर सकते हैं, TensorIoT के माध्यम से संपर्क करें contact@tensoriot.com.

उपकरण के लिए अमेज़ॅन लुकआउट का उपयोग कैसे शुरू करें, इसका विवरण यहां उपलब्ध है वेबपेज.

---

लेखक के बारे में

एलिसिया ट्रेंट अमेज़ॅन वेब सर्विसेज में वर्ल्डवाइड बिजनेस डेवलपमेंट मैनेजर हैं। उनके पास औद्योगिक क्षेत्रों में प्रौद्योगिकी में 15 वर्षों का अनुभव है और वह जॉर्जिया इंस्टीट्यूट ऑफ टेक्नोलॉजी से स्नातक हैं, जहां उन्होंने केमिकल और बायोमोलेक्यूलर इंजीनियरिंग में बीएस की डिग्री और मैकेनिकल इंजीनियरिंग में एमएस की डिग्री हासिल की है।

दास्तान ऐत्ज़ानोव अमेज़ॅन वेब सर्विसेज के साथ एप्लाइड एआई में सॉल्यूशन आर्किटेक्ट है। वह मशीन लर्निंग, इंटरनेट ऑफ थिंग्स और बिग डेटा संचालित अनुप्रयोगों पर जोर देने के साथ स्केलेबल क्लाउड-आधारित प्लेटफार्मों के निर्माण और निर्माण में माहिर हैं। जब वह काम नहीं करता है, तो वह कैंपिंग, स्कीइंग और अपने परिवार के साथ आउटडोर में समय बिताना पसंद करता है।

निकोलस बर्डन TensorIoT में एक वरिष्ठ तकनीकी प्रचारक हैं, जहां वह जटिल तकनीकी शब्दजाल को सुपाच्य जानकारी में अनुवाद करने पर ध्यान केंद्रित करते हैं। उनके पास एक दशक से अधिक का तकनीकी लेखन अनुभव और यूएससी से व्यावसायिक लेखन में मास्टर डिग्री है। काम के अलावा, उन्हें घरेलू पौधों के बढ़ते संग्रह की देखभाल करना और पालतू जानवरों और परिवार के साथ समय बिताना अच्छा लगता है।

स्रोत: https://aws.amazon.com/blogs/machine-learning/improve-operational-efficiency-with-integred-equipment-monitoring-with-tensoriot-powered-by-aws/