Engie-Firmenlogo

ENGIE Digital verwendet Amazon SageMaker zur prädiktiven Wartung von Kraftwerken

2021

ENGIE baut auf Amazon Web Services (AWS), um seine Plattformen für die prädiktive Wartung zu entwickeln. Letztendlich werden fast 10 000 Geräte mit jeweils Dutzenden von Modellen verbunden. Auf diese Weise spart das Unternehmen schätzungsweise 800 000 € im Jahr.

Machine Learning für die Wartung der ENGIE Kraftwerksanlagen und deren Kunden
kr_quotemark

Die Entscheidung für eine AWS-Architektur wurde aufgrund der Bedingungen unseres Unternehmens getroffen, das aufgrund seiner gewerblichen Eigenschaften das Konzept der prädiktiven Wartung verwendet. Mit der Produktion von Tausenden von Geräten mit jeweils mehreren Dutzend Modellen skalieren wir sehr schnell hoch und die Skalierbarkeit ist ein wichtiges Thema.

Mihir Sarkar
Chief Data Officer, ENGIE Digital

Mihir Sarkar, Chief Data Officer bei ENGIE Digital beschreibt die Rolle dieser besonderen Organisation in der ENGIE-Gruppe: „ENGIE Digital ist das Software-Unternehmen der Gruppe. Wir entwickeln digitale Plattformen und Produkte für die verschiedenen globalen Geschäftsbereiche mit einem Fokus auf spezifischen Branchen, wie z. B. erneuerbare Energien oder Thermik. Der Zweck digitaler Produkte besteht darin, internen Organisationen Lösungen zur Verfügung zu stellen, mit denen sie ihre betriebliche Produktion effizienter gestalten können. Außerdem können sie das Angebot für externe Kunden verbessern, um zu ihrer Energiewende hin zur Klimaneutralität beizutragen.“

Basierend auf diesen Zielen entwickelte ENGIE Digital die Plattformen Robin Analytics und Agathe. Das Ziel dieser digitalen Plattformen ist die Entwicklung prädiktiver Wartungsmodelle zur Verhinderung von Fehlfunktionen der Anlagen und zur effektiveren Planung der Wartung. Robin Analytics zielt auf die Anlagen in den Wärmekraftwerken der Gruppe ab, während Agathe den B2B-Kunden angeboten wird, um sicherzustellen, dass ihre Anlagen gut gewartet sind.

Herausforderungen der prädiktiven Wartung

ENGIE war bestrebt, von der Infrastruktur und den Tools zu profitieren, die es dem Unternehmen ermöglichen, prädiktive Wartungsmodelle zu entwickeln, zu trainieren und bereitzustellen, um Ausfälle und Fehlfunktionen von Anlagen in den Kraftwerken der Gruppe und bei seinen Kunden zu antizipieren und dabei die Kontrolle über die Zuweisung von Ressourcen und Kosten zu behalten. Das Unternehmen beabsichtigte außerdem, auf dem neuesten Stand zu bleiben und von den neuesten technologischen Innovationen zu profitieren, um die Industrialisierung und Skalierbarkeit seiner Modelle zu gewährleisten.

Um diese Projekte erfolgreich umzusetzen, schloss sich ENGIE Digital mit Mangrove zusammen, einem AWS-Advanced-Beratungspartner aus Frankreich, der auf Machine Learning und AWS-Services spezialisiert ist.

Die Nutzung von Machine-Learning-Technologien zur Behebung von Problemen bei der Anlagenwartung ist für ENGIE ein wichtiges Thema. „Die Herausforderung der prädiktiven Wartung besteht hauptsächlich in der Optimierung der Kosten. Die systematische Wartung erfordert regelmäßige Besuche vor Ort. Bessere Planung sowie die Optimierung der Wartungszyklen sind wichtige Themen für unsere B2B-Kunden und unsere Kraftwerke“, so Sarkar.

ENGIE Digital verfügt derzeit über drei für die prädiktive Wartung spezifische Anwendungsfälle. Diese beschreibt Céline Mallet, Leiterin der prädiktiven Wartungsplattform Agathe bei ENGIE Digital, wie folgt: „Der erste ist die Vorhersage der Nutzungsdauer unserer Anlagen. Die Anlagen können sich abnutzen und an Effizienz verlieren. Mit der prädiktiven Wartung können wir voraussagen, wann wir die Effizienzschwellen erreichen, die eine Wartungsmaßnahme und den Austausch eines Teils rechtfertigen, und zwar mehrere Tage, Wochen oder Monate im Voraus. Der zweite Anwendungsfall ist die frühzeitige Erkennung von Anomalien. Die prädiktive Wartung ermöglicht es uns, Betriebsdaten von Anlagen (Kraftwerke, Kompressoren usw.) zu nutzen, die es uns ermöglichen, abnormales Verhalten frühzeitig zu erkennen. Schließlich haben wir auch die Möglichkeit, Modelle zu entwickeln, die die von IoT-Sensoren erzeugten Daten nutzen (z. B. Messung von Ultraschallvibrationen), um den Zustand der Anlagen anhand der aufgezeichneten Variablen einzuschätzen.

Die prädiktive Wartung findet auch vor dem Hintergrund einer veränderten Gesamtstrategie der Gruppe statt, die auf die Erzeugung erneuerbarer Energien abzielt. Sie trägt dazu bei, diesen Übergang zu erleichtern, wie Sarkar erklärt: „Eine der jüngsten Entwicklungen in der Organisation der Stromerzeugung besteht darin, dass Wärmekraftwerke jetzt eine Grundlast sicherstellen und ihre Produktion an die der intermittierenden erneuerbaren Energien anpassen müssen.“ Die Energiewende bei ENGIE bedeutet, dass die Wärmekraftwerke anders genutzt werden, indem sie zum Beispiel bei Wind und Sonne häufiger abgeschaltet werden. Die Verwendung der Geräte in diesen Kraftwerken, wie z. B. Ventile und Pumpen, ist daher unterschiedlich. Dies kann zu Verhaltensweisen und Ausfällen führen, die unbedingt beobachtet werden müssen. Prädiktive Wartungsmodelle ermöglichen es, Ausfälle besser vorherzusehen anstatt auf systematische Wartungszyklen zu warten, um Maßnahmen zu ergreifen, oder, schlimmer noch, sich mit unvorhergesehenen Geräteausfällen auseinandersetzen zu müssen.

Die Wahl der Services zur Lösung der Herausforderungen von ENGIE

ENGIE Digital verwendet AWS nun schon seit mehr als 3 Jahren: „Von den 12 Plattformen im Portfolio von ENGIE Digital sind 11 auf AWS aufgebaut. Die Services werden auch von anderen Organisationen der Gruppe verwendet, wie z. B. Data@ENGIE, das hinter dem Common Data Hub steht, dem verteilten Data Lake des Konzerns, auf dem Agathe und Robin Analytics derzeit arbeiten“, erklärt Sarkar. ENGIE Digital hat sich bei der Entwicklung von Agathe und Robin Analytics für diese Lösungen entschieden: „Bei der Wahl der AWS-Architektur haben wir uns von den Bedingungen unseres Unternehmens leiten lassen, das von Natur aus das Konzept der vorausschauenden Wartung verwendet. Mit der Produktion von Tausenden von Geräten mit jeweils mehreren Dutzend Modellen skalieren wir sehr schnell hoch und die Skalierbarkeit ist ein wichtiges Thema“, sagt Sarkar.

Um die Vorteile von AWS voll ausschöpfen zu können, schloss sich ENGIE Digital mit Mangrove zusammen, einem auf AWS-Services spezialisierten Beratungsunternehmen: „Wir haben uns an Mangrove gewandt, damit sie die Umstellung auf die AWS-Services leiten konnten, die wir zu diesem Zeitpunkt noch nicht verwendet haben, wie z. B. Amazon Simple Storage Service (Amazon S3) und Amazon SageMaker. Außerdem können wir auf Mangrove als Experten zählen, der uns dabei hilft, das Beste aus den Möglichkeiten zu machen, die sich aus neuen Versionen und Entwicklungen der AWS-Services ergeben“, sagt Mallet.

Für die Plattformen Agathe und Robin Analytics nutzt Mangrove mehrere AWS-Dienste, wie Bastien Murzeau, Chief Technology Officer bei Mangrove und technischer Leiter bei ENGIE Digital, erklärt: „Amazon S3 ist ein wichtiger Service für uns, über den all unsere Daten laufen. Mit diesem Service können wir die Daten anschließend mit Services wie AWS Glue und Amazon Athena und andere leichtere Umwandlungsprozesse über AWS Lambda analysieren.“

Diese Dienste ermöglichen es den Benutzern, die Kontrolle über die verwendeten Ressourcen und die Kosten zu behalten. Murzeau erklärt: „Mit AWS Glue können wir Spark einfach und kostengünstig mit dynamischer Skalierbarkeit ausführen. Wir können sowohl sehr kleine als auch sehr große Aufgaben einfach bewältigen“

„Kostenkontrolle ist wichtig, denn die Wartung ist ein sehr wettbewerbsintensiver Sektor“, fügt Mallet hinzu.

Verwendung von Amazon SageMaker zum Trainieren von Wartungsmodellen

Ein Beispiel für die Zusammenarbeit zwischen ENGIE Digital und Mangrove ist die Einführung von Amazon SageMaker. Vor einem Jahr wandte sich ENGIE Digital an Mangrove, um die Modelle zur prädiktiven Wartung zu verbessern und die möglichen Vorteile der Anwendung zu ermitteln. Nach Ansicht von Murzeau ist der Service nun von zentraler Bedeutung: „Amazon SageMaker ist für uns ein essenzieller Service. Der Vorteil ist, dass wir das Rad nicht neu erfinden müssen und uns auf einen Service verlassen können, der funktioniert und uns Stabilität bietet. Früher haben wir unsere Modelle selbst trainiert und konnten nicht von den bewährten Methoden profitieren, die der Service uns vorschlägt. Außerdem erhalten wir durch die Aufteilung der Trainingsaufgaben ein höheres Maß an Sicherheit und können die Daten unserer Kunden isolieren. Ein weiterer Vorteil von Amazon SageMaker ist die Kostenkontrolle dank des Trainings mit Amazon Elastic Compute Cloud (Amazon EC2)-Spot-Instances, die Einsparungen von bis zu 90 % bei den Computing-Kosten ermöglichen.“

ENGIE Digital verlässt sich auf all diese Dienstleistungen, damit Agathe und Robin Analytics eine große Anzahl und Vielfalt von Wartungsmodellen entwickeln und trainieren können. „Mit Agathe wollen wir innerhalb von 5 Jahren 8 000 Geräte mit jeweils 2-10 Modellen zur prädiktiven Wartung ausstatten“, sagt Mallet.

„Für die Wärmekraftwerke von ENGIE bereiten wir uns darauf vor, mehr als 100 Geräte auf der Plattform Robin Analytics zu registrieren, mit dem Ziel, bis 2023 eine Anzahl von insgesamt mehr als 1 000 Geräte zu erreichen. Dazu gehört eine große Vielfalt an Gerätetypen, darunter verschiedene Arten von Ventilen, Pumpen und Wärmeübertragern, sowie eine geografische Vielfalt bei der Bereitstellung der prädiktiven Wartungslösung für die verschiedenen Anlagen und Geschäftseinheiten der Gruppe“, sagt Sarkar zur Entwicklung von Robin Analytics. Die Teams von ENGIE Digital prüfen auch die Einführung zusätzlicher Services, von denen Agathe und Robin Analytics profitieren könnten: „Wie schon im letzten Jahr bei Amazon SageMaker haben wir die Machbarkeit und die Vorteile einer Migration unserer Zeitreihendatenbanken zu Amazon Timestream untersucht, die wir letztendlich übernehmen wollen“, sagt Sarkar.

„Eine AWS-Technologie, die wir noch nicht verwenden, aber in Erwägung ziehen, ist Amazon SageMaker Studio, um Datenwissenschaftler aus den verschiedenen Geschäftseinheiten einzubinden und ihnen den Zugriff auf unsere Plattform und Datensätze zu ermöglichen. Dies würde auch sicherstellen, dass ihr Code für die Plattform bereit für die Produktion ist“, erklärt Mallet als Möglichkeit zur Verbesserung der Plattform Agathe. 


Informationen zu ENGIE

Mit einer Präsenz in mehr als 70 Ländern auf fünf Kontinenten ist ENGIE ein wichtiger Akteur im Bereich der kohlenstoffarmen Energieerzeugung, -verteilung und -services auf globaler Ebene. Die Entwicklung von ENGIE Digital zeugt von dem Ziel der Gruppe, digitale Technologien zu schaffen und zu nutzen, um die Strategie des Übergangs zu kohlenstoffneutraler Energie zu beschleunigen.

Vorteile von AWS

  • Mehr als 1 000 Vorhersagemodelle wurden in kurzer Zeit für eine Vielzahl von Geräten wie Ventile, Pumpen, Lüftungs-, Klima- und Heizungsanlagen entwickelt und trainiert.
  • 10 000 vernetzte Anlagen, die innerhalb von 5 Jahren von der prädiktiven Wartung für ENGIE-Kraftwerke und B2B-Kunden des Konzerns profitieren.
  • Geschätzte Einsparungen von 800 000 € pro Jahr für die Geschäftsbereiche der Gruppe, die prädiktive Wartung eingeführt haben.

Amazon S3

Amazon Simple Storage Service (Amazon S3) ist ein Objektspeicher-Service mit branchenführender Skalierbarkeit, Datenverfügbarkeit, Sicherheit und Leistung.

Weitere Informationen »

Amazon SageMaker

Amazon SageMaker unterstützt Datenwissenschaftler und Entwickler bei der Vorbereitung, der Erstellung, dem Training und der Bereitstellung hochwertiger Machine Learning (ML)-Modelle durch eine breite Palette von speziell für ML entwickelten Funktionen.

Weitere Informationen »

AWS Glue

AWS Glue ist ein serverloser Datenintegrations-Service, der das Aufbereiten von Daten für Analysen, Machine Learning und die Anwendungsentwicklung vereinfacht.

Weitere Informationen »

Amazon Athena

Amazon Athena ist ein interaktiver Abfrageservice, der die Analyse von Daten in Amazon S3 mit Standard-SQL erleichtert. Athena kommt ohne Server aus. Es gibt keine Infrastruktur zu verwalten und Sie zahlen nur für die Abfragen, die Sie auch ausführen.

Weitere Informationen »