Cải thiện hiệu quả hoạt động với giám sát thiết bị tích hợp với TensorIoT được cung cấp bởi AWS

Thời gian ngừng hoạt động của máy có tác động đáng kể đến hiệu quả hoạt động của bạn. Thời gian chết máy không mong muốn thậm chí còn tồi tệ hơn. Việc phát hiện các vấn đề về thiết bị công nghiệp ở giai đoạn sớm và sử dụng dữ liệu đó để thông báo bảo trì thích hợp có thể giúp công ty của bạn tăng hiệu quả hoạt động đáng kể.

Khách hàng nhìn thấy giá trị trong việc phát hiện các hành vi bất thường trong thiết bị công nghiệp để cải thiện vòng đời bảo trì. Tuy nhiên, việc thực hiện các phương pháp bảo trì nâng cao có nhiều thách thức. Một thách thức lớn là có rất nhiều dữ liệu được ghi lại từ các cảm biến và thông tin nhật ký, cũng như quản lý thiết bị và siêu dữ liệu trang web. Các dạng dữ liệu khác nhau này có thể không truy cập được hoặc trải rộng trên các hệ thống khác nhau có thể cản trở việc truy cập và xử lý. Sau khi dữ liệu này được hợp nhất, bước tiếp theo là thu thập thông tin chi tiết để ưu tiên chiến lược bảo trì hoạt động hiệu quả nhất.

Ngày nay có một loạt các công cụ xử lý dữ liệu, nhưng hầu hết đều yêu cầu nỗ lực thủ công đáng kể để thực hiện hoặc duy trì, điều này hoạt động như một rào cản khi sử dụng. Hơn nữa, việc quản lý các phân tích nâng cao như máy học (ML) đòi hỏi các nhà khoa học dữ liệu nội bộ hoặc bên ngoài phải quản lý các mô hình cho từng loại thiết bị. Điều này có thể dẫn đến chi phí triển khai cao và có thể gây khó khăn cho các nhà khai thác quản lý hàng trăm hoặc hàng nghìn cảm biến trong nhà máy lọc dầu hoặc hàng trăm tuabin trong trang trại điện gió.

Thu thập và giám sát dữ liệu thời gian thực của các tài sản IoT của bạn với TensorIoT

TensorIoT, Đối tác Tư vấn Nâng cao của AWS, không còn xa lạ với những khó khăn mà các công ty gặp phải khi tìm cách khai thác dữ liệu của họ để cải thiện phương thức kinh doanh của họ. TensorIoT tạo ra các sản phẩm và giải pháp để giúp các công ty hưởng lợi từ sức mạnh của ML và IoT.

John Traynor, Giám đốc sản phẩm của TensorIoT cho biết: “Bất kể quy mô hay ngành nghề nào, các công ty đang tìm cách đạt được nhận thức về tình huống tốt hơn, có được cái nhìn sâu sắc có thể hành động và đưa ra quyết định tự tin hơn”.

Đối với khách hàng công nghiệp, TensorIoT rất thành thạo trong việc tích hợp các cảm biến và dữ liệu máy móc với các công cụ AWS thành một hệ thống toàn diện giúp người vận hành luôn được thông báo về tình trạng thiết bị của họ. TensorIoT sử dụng Cỏ xanh AWS IoT với AWS IoT SiteWise và các dịch vụ AWS Cloud khác để giúp khách hàng thu thập dữ liệu từ cả phép đo thiết bị trực tiếp và cảm biến bổ sung thông qua các thiết bị được kết nối để đo các yếu tố như độ ẩm, nhiệt độ, áp suất, công suất và độ rung, mang lại cái nhìn tổng thể về hoạt động của máy. Để giúp các doanh nghiệp hiểu rõ hơn về dữ liệu và quy trình của họ, TensorIoT đã tạo ra SmartInsights, một sản phẩm kết hợp dữ liệu từ nhiều nguồn để phân tích và trực quan hóa. Các công cụ trực quan hóa rõ ràng kết hợp với phân tích nâng cao có nghĩa là dữ liệu được tập hợp dễ hiểu và dễ thực hiện đối với người dùng. Điều này được nhìn thấy trong ảnh chụp màn hình sau, hiển thị trang web cụ thể nơi xảy ra bất thường và xếp hạng dựa trên hiệu quả sản xuất hoặc quy trình.

TensorIoT đã xây dựng kết nối để đưa dữ liệu nhập vào Amazon Lookout cho thiết bị (một dịch vụ giám sát thiết bị công nghiệp nhằm phát hiện hành vi bất thường của thiết bị) để phân tích và sau đó sử dụng SmartInsights làm công cụ trực quan hóa để người dùng hành động dựa trên kết quả. Liệu người quản lý vận hành có muốn trực quan hóa tình trạng của tài sản hay cung cấp một thông báo đẩy tự động được gửi đến các nhóm bảo trì, chẳng hạn như báo động hoặc Dịch vụ thông báo đơn giản của Amazon (Amazon SNS) thông báo, SmartInsights giữ cho các trang web công nghiệp và sàn nhà máy hoạt động ở hiệu suất cao nhất đối với cả những cấu trúc phân cấp thiết bị phức tạp nhất. Được hỗ trợ bởi AWS, TensorIoT giúp các công ty phát hiện nhanh chóng và chính xác các bất thường của thiết bị, chẩn đoán sự cố và thực hiện hành động ngay lập tức để giảm thời gian chết tốn kém.

Đơn giản hóa việc học máy với Amazon Lookout for Equipment

ML cung cấp cho các công ty công nghiệp khả năng tự động khám phá những hiểu biết mới từ dữ liệu đang được thu thập trên các hệ thống và loại thiết bị. Tuy nhiên, trước đây, các giải pháp hỗ trợ ML công nghiệp như giám sát tình trạng thiết bị đã được dành cho những tài sản quan trọng hoặc đắt tiền nhất, do chi phí phát triển và quản lý các mô hình yêu cầu cao. Theo truyền thống, một nhà khoa học dữ liệu cần phải trải qua hàng chục bước để xây dựng một mô hình ban đầu cho việc giám sát thiết bị công nghiệp có thể phát hiện ra các hành vi bất thường. Amazon Lookout for Equipment tự động hóa các bước khoa học dữ liệu truyền thống này để mở ra nhiều cơ hội hơn cho nhiều loại thiết bị hơn bao giờ hết. Amazon Lookout for Equipment giảm bớt sự nặng nhọc trong việc tạo thuật toán ML để bạn có thể tận dụng việc giám sát thiết bị công nghiệp để xác định các điểm bất thường và có được thông tin chi tiết hữu ích mới giúp bạn cải thiện hoạt động của mình và tránh thời gian ngừng hoạt động.

Về mặt lịch sử, các mô hình ML cũng có thể phức tạp để quản lý do các hoạt động thay đổi hoặc mới. Amazon Lookout for Equipment đang giúp việc nhận phản hồi từ các kỹ sư gần nhất với thiết bị trở nên dễ dàng và nhanh chóng hơn bằng cách cho phép phản hồi trực tiếp và lặp lại các mô hình này. Điều đó có nghĩa là kỹ sư bảo trì có thể ưu tiên phát hiện thông tin chi tiết nào là quan trọng nhất dựa trên các hoạt động hiện tại, chẳng hạn như các vấn đề về quy trình, tín hiệu hoặc thiết bị. Amazon Lookout for Equipment cho phép kỹ sư gắn nhãn các sự kiện này để tiếp tục tinh chỉnh và sắp xếp thứ tự ưu tiên để thông tin chi tiết luôn phù hợp trong suốt vòng đời của nội dung.

Kết hợp TensorIoT và Amazon Lookout for Equipment chưa bao giờ dễ dàng hơn thế

Để tìm hiểu sâu hơn về cách hình dung những thông tin chi tiết gần như thời gian thực có được từ Amazon Lookout for Equipment, hãy cùng khám phá quy trình. Điều quan trọng là phải có dữ liệu lịch sử và thất bại để chúng tôi có thể đào tạo mô hình để tìm hiểu những mô hình xảy ra trước khi thất bại. Khi được đào tạo, mô hình có thể tạo ra các suy luận về các sự kiện đang chờ xử lý từ dữ liệu trực tiếp mới từ thiết bị đó. Về mặt lịch sử, điều này là một rào cản tốn nhiều thời gian để áp dụng vì mỗi thiết bị yêu cầu đào tạo riêng biệt do hoạt động độc đáo của nó và được giải quyết thông qua Amazon Lookout for Equipment và được SmartInsights trực quan hóa.

Đối với ví dụ của chúng tôi, chúng tôi bắt đầu bằng cách xác định một tập dữ liệu phù hợp nơi chúng tôi có cảm biến và dữ liệu hoạt động khác từ một thiết bị, cũng như dữ liệu lịch sử về thời điểm thiết bị hoạt động ngoài thông số kỹ thuật hoặc bị lỗi, nếu có.

Để trình bày cách sử dụng Amazon Lookout for Equipment và trực quan hóa kết quả trong thời gian gần thực trong SmartInsights, chúng tôi đã sử dụng bộ dữ liệu tuabin gió có sẵn công khai. Bộ dữ liệu của chúng tôi từ trang trại gió La Haute Borne trải dài hàng trăm nghìn hàng và hơn 100 cột dữ liệu từ nhiều loại cảm biến trên thiết bị. Dữ liệu bao gồm tốc độ rôto, góc bước, nhiệt độ ổ trục máy phát, nhiệt độ ổ trục hộp số, nhiệt độ dầu, nhiều phép đo công suất, tốc độ và hướng gió, nhiệt độ ngoài trời, v.v. Các đặc điểm thống kê tối đa, trung bình và các đặc điểm thống kê khác cũng được lưu trữ cho mỗi điểm dữ liệu.

Bảng sau đây là một tập hợp con của các cột được sử dụng trong phân tích của chúng tôi.

tên_biến	Tên_biến_dài	Unit_long_name
Turbine	Tên_tuabin gió
Thời gian	Ngày giờ
Ba	Góc sân	dEG
Cm	Bộ chuyển đổi_mô-men xoắn	Nm
cosphi	Hệ số công suất
Db1t	Máy phát_bệnh_1_tính nhiệt độ	độ_C
Db2t	Máy phát_bệnh_2_tính nhiệt độ	độ_C
DC	Generator_converter_speed	rpm
Ds	Máy phát điện_tốc độ	rpm
dst	Generator_stator_tempe Heat	độ_C
gb1t	Hộp số_bách_1_ nhiệt độ	độ_C
gb2t	Hộp số_bách_2_ nhiệt độ	độ_C
đi	Hộp số_inlet_tempe nhiệt	độ_C
gost	Hộp số_oil_sump_tempe Nhiệt	độ_C
Na_c	Nacelle_angle_corcting	dEG
Nf	Lưới_tần số	Hz
Nu	điện áp lưới	V
Ot	Nhiệt độ ngoài trời	độ_C
P	Điện năng hoạt động	kW
Pas	Điểm_góc_đặt
Q	Công suất phản kháng	kVAr
Rbt	Rotor_bnking_tempe Nhiệt	độ_C
Rm	Mô-men xoắn	Nm
Rs	tốc độ cánh quạt	rpm
Rt	Hub_tempether	độ_C
S	công suất biểu kiến	kVA
Va	Vane_vị trí	dEG
Va1	Cánh_vị_trí_1	dEG
Va2	Cánh_vị_trí_2	dEG
Wa	Hướng_gió tuyệt đối	dEG
wa_c	Absolute_wind_direction_corcting	dEG
Ws	Tốc độ gió	m / s
ws1	Tốc_gió_1	m / s
ws2	Tốc_gió_2	m / s
Ya	Nacelle_góc	dEG
Yt	Nacelle_tempether	độ_C

Sử dụng Amazon Lookout for Equipment bao gồm ba giai đoạn: nhập, đào tạo và suy luận (hoặc phát hiện). Sau khi mô hình được huấn luyện với dữ liệu lịch sử có sẵn, việc suy luận có thể tự động xảy ra trong một khoảng thời gian đã chọn, chẳng hạn như 5 phút hoặc 1 giờ một lần.

Đầu tiên, hãy xem xét khía cạnh Amazon Lookout for Equipment của quy trình. Trong ví dụ này, chúng tôi đã đào tạo cách sử dụng dữ liệu lịch sử và đánh giá mô hình dựa trên dữ liệu lịch sử 1 năm. Dựa trên những kết quả này, 148 trong số 150 sự kiện đã được phát hiện với thời gian báo trước trung bình là 18 giờ.

Đối với mỗi sự kiện, một chẩn đoán của các cảm biến đóng góp chính được đưa ra để hỗ trợ đánh giá nguyên nhân gốc rễ, như thể hiện trong ảnh chụp màn hình sau.

SmartInsights cung cấp trực quan hóa dữ liệu từ từng nội dung và kết hợp các sự kiện từ Amazon Lookout for Equipment. Sau đó, SmartInsights có thể ghép nối các phép đo ban đầu với các điểm bất thường được Amazon Lookout for Equipment xác định bằng cách sử dụng dấu thời gian chung. Điều này cho phép SmartInsights hiển thị các phép đo và sự bất thường trên một khoảng thời gian chung và cung cấp cho nhà điều hành ngữ cảnh cho các sự kiện này. Trong biểu diễn đồ họa sau đây, một thanh màu xanh lá cây được phủ lên trên các điểm bất thường. Bạn có thể tìm hiểu kỹ hơn bằng cách đánh giá chẩn đoán dựa trên nội dung để xác định thời điểm và cách thức phản hồi sự kiện.

Với dữ liệu tuabin gió được sử dụng trong ví dụ của chúng tôi, SmartInsights đã cung cấp bằng chứng trực quan về các sự kiện có cảnh báo trước dựa trên kết quả cho Amazon Lookout for Equipment. Trong môi trường sản xuất, dự đoán có thể tạo ra một thông báo hoặc cảnh báo cho nhân viên vận hành hoặc kích hoạt lệnh công việc được tạo trong một ứng dụng khác để cử nhân viên thực hiện hành động khắc phục trước khi thất bại.

SmartInsights hỗ trợ kích hoạt cảnh báo trong các điều kiện nhất định. Ví dụ: bạn có thể định cấu hình SmartInsights để gửi tin nhắn đến kênh Slack hoặc gửi tin nhắn văn bản. Vì SmartInsights được xây dựng trên AWS nên điểm cuối thông báo có thể là bất kỳ điểm đến nào được Amazon SNS hỗ trợ. Ví dụ: chế độ xem sau của SmartInsights trên thiết bị di động chứa danh sách các cảnh báo đã được kích hoạt trong một khoảng thời gian nhất định mà người dùng SmartInsights có thể đăng ký.

Sơ đồ kiến ​​trúc sau đây cho thấy cách Amazon Lookout for Equipment được sử dụng với SmartInsights. Đối với nhiều ứng dụng, Amazon Lookout for Equipment cung cấp một con đường tăng tốc để phát hiện sự bất thường mà không cần thuê một nhà khoa học dữ liệu và đáp ứng lợi tức đầu tư của doanh nghiệp.

Tối đa hóa thời gian hoạt động, tăng độ an toàn và cải thiện hiệu suất máy

Bảo trì dựa trên điều kiện có lợi cho doanh nghiệp của bạn ở nhiều cấp độ:

• Thời gian hoạt động tối đa - Khi các sự kiện bảo trì được dự đoán, bạn quyết định lập lịch trình tối ưu để giảm thiểu tác động đến hiệu quả hoạt động của mình.
• Tăng độ an toàn - Bảo trì dựa trên điều kiện đảm bảo rằng thiết bị của bạn vẫn trong điều kiện hoạt động an toàn, bảo vệ người vận hành và máy móc của bạn bằng cách phát hiện các vấn đề trước khi chúng trở thành sự cố.
• Cải thiện hiệu suất máy - Khi máy móc của bạn trải qua quá trình hao mòn bình thường, hiệu quả của chúng sẽ giảm xuống. Bảo trì dựa trên điều kiện giữ máy của bạn ở điều kiện tối ưu và kéo dài tuổi thọ của thiết bị.

Kết luận

Ngay cả trước khi phát hành Amazon Lookout for Equipment, TensorIoT đã giúp các nhà sản xuất công nghiệp đổi mới máy móc của họ thông qua việc triển khai các kiến ​​trúc hiện đại, cảm biến để tăng cường kế thừa và ML để làm cho dữ liệu mới thu được trở nên dễ hiểu và có thể hành động được. Với giải pháp Amazon Lookout for Equipment và TensorIoT, TensorIoT giúp làm cho tài sản của bạn thông minh hơn.

Để khám phá cách bạn có thể sử dụng Amazon Lookout for Equipment với SmartInsights để hiểu rõ hơn về các lỗi thiết bị đang chờ xử lý và giảm thời gian chết, hãy liên hệ với TensorIoT qua contact@tensorriot.com.

Thông tin chi tiết về cách bắt đầu sử dụng Amazon Lookout for Equipment có trên trang trang web.

---

Về các tác giả

Alicia Trent là Giám đốc Phát triển Kinh doanh Toàn cầu tại Amazon Web Services. Cô có 15 năm kinh nghiệm trong lĩnh vực Công nghệ trong các lĩnh vực công nghiệp và đã tốt nghiệp Học viện Công nghệ Georgia, nơi cô có bằng cử nhân về kỹ thuật hóa học và phân tử sinh học và bằng MS về kỹ thuật cơ khí.

Dastan Aitzhanov là Kiến trúc sư giải pháp về AI ứng dụng với Dịch vụ web của Amazon. Ông chuyên về kiến ​​trúc và xây dựng các nền tảng dựa trên đám mây có thể mở rộng với trọng tâm là Học máy, Internet vạn vật và các ứng dụng theo hướng Dữ liệu lớn. Khi không làm việc, anh ấy thích đi cắm trại, trượt tuyết và chỉ dành thời gian ở ngoài trời tuyệt vời với gia đình.

gánh nặng Nicholas là Nhà truyền bá kỹ thuật cao cấp tại TensorIoT, nơi ông tập trung vào việc chuyển các thuật ngữ kỹ thuật phức tạp thành thông tin dễ hiểu. Ông có hơn một thập kỷ kinh nghiệm viết kỹ thuật và là Thạc sĩ Viết chuyên nghiệp của USC. Ngoài công việc, anh ấy thích chăm sóc bộ sưu tập cây trồng ngày càng tăng và dành thời gian cho vật nuôi và gia đình.

Nguồn: https://aws.amazon.com/blogs/machine-learning/improve-operational-efficiency-with-integrated-equiosystem-monitoring-with-tensoriot-powered-by-aws/