ENGIE Digital Menggunakan Amazon SageMaker untuk Pemeliharaan Prediktif di Pembangkit Listrik

ENGIE ingin mendapatkan manfaat dari infrastruktur dan alat yang memungkinkannya mengembangkan, melatih, dan melakukan deployment model pemeliharaan prediktif untuk mengantisipasi kerusakan dan malfungsi peralatan di pembangkit listrik Grup dan untuk pelanggannya, sekaligus tetap mengontrol alokasi sumber daya dan biaya. Perusahaan juga ingin tetap terkini dan memanfaatkan inovasi teknologi terbaru untuk menjamin industrialisasi dan skalabilitas modelnya.

Untuk menerapkan proyek ini dengan sukses, ENGIE Digital berpartner dengan Mangrove, Partner Konsultasi Lanjutan AWS yang berspesialisasi dalam machine learning dan layanan AWS di Prancis.

Bagi ENGIE, memanfaatkan teknologi machine learning untuk mengatasi masalah pemeliharaan peralatan adalah masalah utama. “Tantangan pemeliharaan prediktif terutama adalah mengoptimalkan biaya. Pemeliharaan sistematis memaksa kami untuk melakukan kunjungan lokasi secara berkala. Perencanaan dan optimalisasi siklus perawatan yang lebih baik merupakan masalah penting bagi pelanggan B2B kami dan pembangkit listrik kami,” kata Sarkar.

ENGIE Digital saat ini memiliki tiga kasus penggunaan khusus untuk pemeliharaan prediktif, seperti yang dijelaskan oleh Céline Mallet, kepala platform pemeliharaan prediktif Agathe di ENGIE Digital: “Yang pertama adalah memprediksi masa pakai peralatan kami. Peralatan dapat aus dan kehilangan efisiensi. Pemeliharaan prediktif memungkinkan kami untuk memprediksi kapan kami akan mencapai ambang batas efisiensi yang membenarkan tindakan pemeliharaan dan penggantian suku cadang, beberapa hari, minggu, atau bulan sebelumnya. Kedua, deteksi dini anomali. Pemeliharaan prediktif memungkinkan kami menggunakan data operasi dari peralatan (pembangkit listrik, kompresor, dll.), yang memungkinkan kami mendeteksi perilaku abnormal sejak dini. Terakhir, kami juga memiliki kemungkinan untuk mengembangkan model yang memanfaatkan data yang dihasilkan oleh sensor IoT (misalnya, mengukur getaran ultrasonik) untuk memperkirakan status kesehatan peralatan dari variabel yang direkam.”

Pemeliharaan prediktif juga berlangsung dengan latar belakang perubahan strategi keseluruhan Grup, yang ditujukan untuk mendukung produksi energi terbarukan. Itu membantu memfasilitasi transisi ini, seperti yang dijelaskan Sarkar: “Salah satu perkembangan terbaru dalam organisasi produksi listrik adalah bahwa pembangkit listrik termal sekarang harus memastikan beban dasar dan menyesuaikan produksinya dalam kaitannya dengan yang dihasilkan oleh energi terbarukan yang terputus-putus. Pergeseran ENGIE menuju transisi energi berarti pembangkit listrik termal digunakan secara berbeda, dengan pemadaman lebih sering ketika ada angin dan matahari, misalnya. Oleh karena itu, penggunaan peralatan di pabrik-pabrik ini, seperti katup dan pompa, akan berbeda, sehingga dapat menghasilkan perilaku dan kegagalan yang penting untuk memiliki visibilitas. Model pemeliharaan prediktif memungkinkan untuk mengantisipasi kerusakan dengan lebih baik dan tidak menunggu siklus pemeliharaan sistematis guna mengambil tindakan atau, lebih buruk lagi, harus berurusan dengan pemadaman yang tidak terduga.”

ENGIE Digital telah menggunakan AWS selama lebih dari 3 tahun sekarang: “Dari 12 platform dalam portofolio ENGIE Digital, 11 dibangun di AWS. Layanan ini juga digunakan dalam entitas Grup lainnya seperti Data@ENGIE, yang berada di belakang Common Data Hub, kumpulan data terdistribusi Grup tempat Agathe dan Robin Analytics sekarang beroperasi,” kata Sarkar. ENGIE Digital beralih ke solusi ini saat mengembangkan Agathe dan Robin Analytics: “Pilihan arsitektur AWS dipandu oleh kendala bisnis kami, yang pada dasarnya menggabungkan konsep pemeliharaan prediktif. Dengan beberapa ribu peralatan yang beroperasi, masing-masing dengan beberapa puluhan model, kami meningkatkan dengan sangat cepat, dan skalabilitas adalah masalah yang signifikan.”

Untuk memanfaatkan AWS sepenuhnya, ENGIE Digital meminta dukungan dari Mangrove, sebuah perusahaan konsultan yang berspesialisasi dalam layanan AWS: “Kami beralih ke Mangrove agar mereka dapat memimpin transformasi ke layanan AWS yang kami tidak gunakan saat itu, seperti Amazon Simple Storage Service (Amazon S3) dan Amazon SageMaker. Kami juga dapat mengandalkan Mangrove sebagai ahli untuk membantu kami memanfaatkan peluang yang muncul dari rilis baru dan pengembangan layanan AWS,” kata Mallet.

Untuk platform Agathe dan Robin Analytics, Mangrove menggunakan beberapa layanan AWS, seperti yang dijelaskan oleh Bastien Murzeau, kepala petugas teknologi (chief technology officer) dan pimpinan teknologi Mangrove di ENGIE Digital: “Amazon S3 adalah layanan penting bagi kami, semua data kami melewatinya. Berkat layanan inilah kami kemudian dapat menganalisis data menggunakan layanan seperti AWS Glue dan Amazon Athena, serta proses transformasi ringan lainnya melalui AWS Lambda."

Layanan ini memungkinkan pengguna untuk tetap mengontrol sumber daya yang digunakan, serta biaya, seperti yang dijelaskan Murzeau: “AWS Glue memungkinkan kami menjalankan Spark dengan mudah dan murah dengan skalabilitas dinamis. Kami dapat menangani tugas yang sangat kecil semudah yang sangat besar.”

“Pengendalian biaya sangat penting karena pemeliharaan adalah sektor yang sangat kompetitif,” tambah Mallet.

Contoh kolaborasi antara ENGIE Digital dan Mangrove adalah adopsi Amazon SageMaker. Setahun yang lalu, ENGIE Digital ingin meningkatkan model pemeliharaan prediktifnya dan beralih ke Mangrove untuk mengukur potensi manfaat penggunaan. Murzeau sekarang percaya bahwa layanan ini sangat penting: “Amazon SageMaker adalah layanan utama bagi kami. Keuntungan menggunakannya adalah kita tidak perlu menemukan kembali kemudi dan dapat mengandalkan layanan yang berfungsi dan memberi kita stabilitas. Sebelumnya, kami melatih model kami sendiri, dan kami tidak mendapatkan manfaat dari praktik terbaik yang dibatasi oleh layanan untuk kami ikuti. Ini juga memberi kami tingkat keamanan yang lebih tinggi, karena pembagian tugas pelatihan, dan memungkinkan data pelanggan kami terisolasi. Manfaat lain dari Amazon SageMaker adalah pengendalian biaya berkat pelatihan menggunakan Instans Spot Amazon Elastic Compute Cloud (Amazon EC2), yang menawarkan penghematan hingga 90 persen dalam hal biaya komputasi.”

ENGIE Digital mengandalkan semua layanan ini untuk memungkinkan Agathe dan Robin Analytics mengembangkan dan melatih sejumlah besar dan beragam model pemeliharaan. “Dengan Agathe, ambisi kami adalah mencakup 8.000 peralatan dalam 5 tahun, masing-masing dengan 2-10 model pemeliharaan prediktif,” kata Mallet.

“Untuk pembangkit listrik termal ENGIE, kami sedang mempersiapkan untuk memasang lebih dari 100 peralatan di platform Robin Analytics, dengan tujuan mencapai total lebih dari 1.000 peralatan pada tahun 2023. Ini termasuk jenis peralatan yang begitu beragam, termasuk beberapa jenis katup, pompa, dan penukar panas, serta keragaman geografis dalam deployment solusi pemeliharaan prediktif untuk berbagai pabrik dan unit bisnis Grup, ”kata Sarkar tentang pengembangan dari Robin Analytics. Tim ENGIE Digital juga mempelajari adopsi layanan tambahan yang dapat menguntungkan Agathe dan Robin Analytics: “Seperti yang kami lakukan tahun lalu untuk Amazon SageMaker, kami menyelidiki kelayakan dan manfaat dari memigrasikan basis data deret waktu ke Amazon Timestream, yang pada akhirnya kami rencanakan untuk diadopsi,” kata Sarkar.

“Salah satu teknologi AWS yang belum kami gunakan tetapi sedang mempertimbangkan untuk diadopsi adalah Amazon SageMaker Studio untuk memasukkan ilmuwan data dari unit bisnis dan memungkinkan mereka mengakses platform serta set data kami. Ini juga akan memastikan bahwa kode mereka siap produksi untuk platform,” kata Mallet, sebagai cara untuk peningkatan platform Agathe.