大规模预测性维护：KAES 与 Amazon Monitron 的过程

## 视频 <video src="https://dev-media.amazoncloud.cn/30-LibaiGenerate/31-LiBaiRebrandingVideo/AIM216-Predictive_maintenance_at_scale__KAES_s_journey_with_Amazon_Monitron-LBrebrandingWCaptionCN.mp4" class="bytemdVideo" controls="controls"></video> ## 导读 对于工业设施，意外设备故障代价高昂。但过于频繁地安排维护会浪费资源。在本论坛中，请听取 Koch Ag & Energy Solutions (KAES) 关于他们如何使用 [Amazon Monitron](https://aws.amazon.com/cn/monitron/?trk=cndc-detail) 在其工业机械中实施预测性维护。了解如何通过 [Amazon Monitron](https://aws.amazon.com/cn/monitron/?trk=cndc-detail) 的无线传感器和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)，减少计划外停机，并将维护操作转变为数据驱动和主动预防。 ## 演讲精华 <font color = "grey">以下是小编为您整理的本次演讲的精华，共900字，阅读时间大约是4分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。</font> 莎莉卡·帕尔加（Shalika Pargal）担任亚马逊监控器（[Amazon Monitron](https://aws.amazon.com/cn/monitron/?trk=cndc-detail)）的产品经理，她在演讲开始时讲述了制造业工厂和物流中心等工业场所所面临的挑战。她指出，这些地方通常拥有数千台驱动复杂操作的设备。为了达到每日生产目标，操作员需要确保所有这些设备全天候正常运行。然而，他们仍会面临这些资产故障的问题，从而导致生产线停止和计划外停机。这进一步影响了生产目标和收入。 随后，莎莉卡表示，她的演讲将重点介绍如何利用亚马逊监控器（[Amazon Monitron](https://aws.amazon.com/cn/monitron/?trk=cndc-detail)）实现预测性维护，以解决这些问题。此外，她将与其他专家一起探讨案例研究，包括监测和诊断领域的戴夫·克罗宁（Dave Cronin）以及首席运营诊断领导者亨特·洛（Hunter Low）。 接下来，她简要介绍了演讲议程。首先，她将解释为什么预测性维护对于工业场所至关重要，以及Monitron如何实现这一目标。接着，戴夫和亨特将分享Case公司多年来如何通过使用Monitron拓展其预测性维护项目。 随后，莎莉卡回顾了不同的维护策略。她表示，第一种基本策略是反应性维护，即在资产出现故障时立即进行修复。尽管不推荐这种做法，但它有时会应用于非关键资产或难以访问的设备，因为这些设备的故障率较低。 第二种策略是计划性或定时维护，技术人员定期对这些资产进行检查并根据时间表进行维护，例如每周、每月或每季度。然而，这种策略的缺点是它并非实时进行，而且需要技术员进行手动检查，这可能使他们受伤，并且仍可能导致计划外停机。 最后一种策略是预测性维护，通过实时监测资产的健康状况，在故障发生前发现问题。虽然这是最理想的策略，但实施起来极具挑战性。这需要传感器、数据收集、分析、[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)方法以及与企业系统的集成。 莎莉卡表示，亚马逊Monitron旨在为客户提供一种简单、经济高效的预测性维护解决方案。作为一个端到端的系统，Monitron通过传感器监控资产状况，运用ML模型检测异常条件，并在故障发生前提醒技术人员采取措施。 她详细解释了Monitron的工作原理。其中包括无线、自供电的传感器，可连接至电机、泵和风扇等资产，用于测量温度和振动。来自数千个资产的数据通过安全网关发送至云端。在云端，ML模型会根据过去14-21天的持续数据进行分析和检测异常，并通过手机应用程序向技术人员发送警报。技术人员的反馈将进一步优化这些模型，实现实时连续监测，以便及早发现潜在问题。 莎莉卡还介绍了针对Monitron的改进措施，以支持在全球范围内扩展部署。如今，传感器已获得了全球各地（包括亚太地区和拉丁美洲）的危险区域认证。此外，该服务可以在亚马逊云科技地区（如悉尼和都柏林）提供，以降低延迟。还增加了跨区域身份管理以简化设置。Kinesis集成得到了加强，可将数据输入到IBM Maximo和SAP等客户系统中，以创建工作单。 在增长和规模方面，Case公司自2020年的5个传感器起步，如今已在五个制造基地部署了500多个传感器。这些传感器已检测到数百个异常并成功预防了50多次功能故障，从而节省了预计超过50万美元的成本。该公司更加注重可靠性，并部署了新的经过认证的危险位置传感器，以实现对数千个资产的覆盖。 总的来说，亚马逊Monitron提供了一种端到端的预测性维护解决方案，能够在全球数百个工业场所中及时发现设备问题。像Case这样的客户已成功借助Monitron扩大其预测性维护计划，通过避免停机时间创造价值，同时提高整体可靠性。 **下面是一些演讲现场的精彩瞬间：** 产品经理正在向观众展示[Amazon Monitron](https://aws.amazon.com/cn/monitron/?trk=cndc-detail)如何实现预测性维护。  领导者在讲解第二阶段维护时，阐述了技术人员如何通过定期测量资产来监控其状况的过程。  为了实现最佳的预测性维护策略，理想情况下应在故障发生前实时了解资产的健康状况。  然而，在实际操作中，如何捕捉、传输、分析和从资产传感器数据中提取见解仍面临诸多挑战。  回顾过去，领导者分享了在扩展亚马逊云科技部署过程中的初期困难，以及他的团队后来是如何改进方法，以便更紧密地与主题专家合作，实现有针对性的监控和技术拓展。  通过这种架构，来自Monitron传感器的资产数据被传输至云端供分析师进行分析。  关注个人优势使得员工能够为组织创造最大的价值。  ## 总结 制造业等领域的工业场所依赖数千台机器的稳定运行以实现生产目标。设备故障可能导致计划外停机时间和收入损失。实施预测性维护至关重要，通过使用传感器和分析来检测问题以避免失败，但这具有挑战性。 亚马逊Monitron是一个端到端的预测性维护系统，采用传感器、网关和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)技术实时监测资产状况。Case公司是一家生产肥料等产品的企业，最初与Monitron进行了小规模的合作，但在扩大合作规模时遇到了困难。通过与IT/OT团队紧密合作部署传感器，并利用Monitron的数据流和警报功能，Case现已成功将其监控范围扩展至各站点的500多个资产。 Monitron成功地发现了许多可能导致维修和过程变更的异常情况。例如，一个冷却风扇的问题被及时发现，从而避免了可能的工厂关闭。此外，新的危险区域认证传感器可以监控更多的设备。Case将继续扩大Monitron的规模，减少手动读取数据的需求，让员工的时间专注于解决问题。这些见解已防止了约50次故障，预计节省了约500万美元的成本。 ## 演讲原文 ## 想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！ [2023亚马逊云科技re:Invent全球大会 - 官方网站](https://webinar.amazoncloud.cn/reInvent2023/?s=8739&smid=19458 "2023亚马逊云科技re:Invent全球大会 - 官方网站") [点击此处](https://aws.amazon.com/cn/new/?trk=6dd7cc20-6afa-4abf-9359-2d6976ff9600&trk=cndc-detail "点击此处")，一键获取亚马逊云科技全球最新产品/服务资讯！ [点击此处](https://www.amazonaws.cn/new/?trk=2ab098aa-0793-48b1-85e6-a9d261bd8cd4&trk=cndc-detail "点击此处")，一键获取亚马逊云科技中国区最新产品/服务资讯！ ## 即刻注册亚马逊云科技账户，开启云端之旅！ [【免费】亚马逊云科技“100 余种核心云服务产品免费试用”](https://aws.amazon.com/cn/campaigns/freecenter/?trk=f079813d-3a13-4a50-b67b-e31d930f36a4&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技“100 余种核心云服务产品免费试用“") [【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”](https://www.amazonaws.cn/campaign/CloudService/?trk=2cdb6245-f491-42bc-b931-c1693fe92be1&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用“")