logo-perusahaan-engie

ENGIE Digital Menggunakan Amazon SageMaker untuk Pemeliharaan Prediktif di Pembangkit Listrik

2021

ENGIE dibangun di atas Amazon Web Services (AWS) untuk mengembangkan platform pemeliharaan prediktifnya. Pada akhirnya, hampir 10.000 peralatan akan terhubung, masing-masing dengan puluhan model, mewakili perkiraan penghematan €800.000 per tahun untuk Grup.

Machine Learning untuk Pemeliharaan Peralatan Pembangkit Listrik ENGIE dan Pelanggannya
kr_quotemark

Pilihan arsitektur AWS dipandu oleh kendala bisnis kami, yang menurut sifat industrinya menggabungkan konsep pemeliharaan prediktif. Dengan beberapa ribu peralatan yang beroperasi, masing-masing dengan beberapa puluhan model, kami meningkatkan skala dengan sangat cepat, dan skalabilitas adalah masalah yang signifikan.”

Mihir Sarkar
Kepala Petugas Data (Chief Data Officer), ENGIE Digital

Mihir Sarkar, kepala petugas data (chief data officer) di ENGIE Digital, menjelaskan peran entitas khusus ini dalam Grup ENGIE: “ENGIE Digital adalah perusahaan perangkat lunak Grup. Kami mengembangkan platform dan produk digital untuk berbagai Lini Bisnis Global dengan fokus pada vertikal tertentu, seperti energi terbarukan atau termal. Tujuan produk digital adalah untuk menyediakan solusi bagi entitas internal untuk memungkinkan mereka meningkatkan efisiensi operasionalnya. Mereka juga dapat meningkatkan tawaran bagi pelanggan eksternal untuk berkontribusi pada transisi energi mereka menuju netralitas karbon.”

Atas dasar tujuan inilah ENGIE Digital mengembangkan platform Robin Analytics dan Agathe. Tujuan dari platform digital ini adalah untuk mengembangkan model perawatan prediktif untuk mencegah malfungsi peralatan dan menjadwalkan perawatan secara lebih efektif. Robin Analytics ditujukan untuk peralatan di pembangkit listrik termal Grup, sementara Agathe ditawarkan kepada pelanggan B2B untuk memastikan peralatan mereka terpelihara dengan baik.

Tantangan Pemeliharaan prediktif

ENGIE ingin mendapatkan manfaat dari infrastruktur dan alat yang memungkinkannya mengembangkan, melatih, dan men-deploy 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 mengimplementasikan proyek ini dengan sukses, ENGIE Digital bermitra dengan Mangrove, AWS Advanced Consulting Partner yang mengkhususkan diri 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 untuk mengambil tindakan atau, lebih buruk lagi, harus berurusan dengan pemadaman yang tidak terduga.”

Pilihan Layanan untuk Mengatasi Tantangan ENGIE

ENGIE Digital telah menggunakan AWS selama lebih dari 3 tahun sekarang: “Dari 12 platform dalam portofolio ENGIE Digital, 11 dibangun di atas 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 mengkhususkan diri dalam layanan AWS: “Kami beralih ke Mangrove sehingga mereka dapat memimpin transformasi ke layanan AWS yang tidak kami 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, dan 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.

Menggunakan Amazon SageMaker untuk Melatih Model Pemeliharaan

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 Amazon Elastic Compute Cloud (Amazon EC2) Spot Instances, 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 migrasi basis data deret waktu kami 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 dan kumpulan data kami. Ini juga akan memastikan bahwa kode mereka siap produksi untuk platform,” kata Mallet, sebagai cara untuk peningkatan platform Agathe. 


Tentang ENGIE

Dengan kehadiran di lebih dari 70 negara di lima benua, ENGIE adalah pemain kunci dalam produksi, distribusi, dan layanan energi rendah karbon dalam skala global. Pengembangan ENGIE Digital merupakan bukti keinginan Grup untuk menciptakan dan memanfaatkan teknologi digital untuk mempercepat strategi transisi ke energi netral karbon.

Manfaat AWS

  • Lebih dari 1.000 model prediksi dikembangkan dan dilatih dalam waktu singkat untuk berbagai peralatan seperti katup, pompa, ventilasi, AC, dan sistem pemanas.
  • 10.000 peralatan terhubung dan mendapatkan manfaat dari pemeliharaan prediktif dalam 5 tahun untuk pembangkit listrik ENGIE dan pelanggan B2B Grup.
  • Perkiraan penghematan sebesar €800.000 per tahun untuk unit bisnis Grup yang telah mengadopsi pemeliharaan prediktif.

Amazon S3

Amazon Simple Storage Service (Amazon S3) adalah layanan penyimpanan objek yang menawarkan skalabilitas, ketersediaan data, keamanan, dan performa terdepan di industri.

Pelajari selengkapnya

Amazon SageMaker

Amazon SageMaker membantu ilmuwan data dan developer menyiapkan, membangun, melatih, dan men-deploy model machine learning (ML) berkualitas tinggi dengan cepat dengan menggabungkan set kemampuan yang luas yang dibangun dengan tujuan khusus untuk ML.

Pelajari selengkapnya

AWS Glue

Contohnya, AWS Glue merupakan layanan integrasi data tanpa server yang memudahkan penyiapan data untuk analitik, machine learning, dan pengembangan aplikasi.

Pelajari selengkapnya

Amazon Athena

Amazon Athena adalah layanan kueri interaktif yang memudahkan analisis data di Amazon S3 dengan menggunakan SQL standar. Athena tanpa server. Athena itu tanpa server, jadi tidak ada infrastruktur untuk dikelola, dan Anda hanya membayar untuk kueri yang Anda jalankan.

Pelajari selengkapnya