ENGIE Digital utilizza Amazon SageMaker per la manutenzione predittiva negli impianti di produzione di energia

ENGIE voleva trarre vantaggio da un'infrastruttura e da strumenti che le consentissero di sviluppare, addestrare e implementare modelli di manutenzione predittiva, al fine di anticipare i guasti e i malfunzionamenti delle attrezzature all'interno delle centrali elettriche del gruppo e per i propri clienti, mantenendo il controllo dell'allocazione di costi e risorse. La società voleva anche rimanere aggiornata e beneficiare delle ultime innovazioni tecnologiche per garantire l'industrializzazione e la scalabilità dei suoi modelli.

Per implementare con successo questi progetti, ENGIE Digital ha collaborato con Mangrove, un partner di consulenza esperto di AWS, specializzato in machine learning e servizi AWS in Francia.

Per ENGIE, sfruttare le tecnologie di machine learning per affrontare i problemi di manutenzione delle attrezzature è una questione fondamentale. "La sfida della manutenzione predittiva è principalmente l'ottimizzazione dei costi. La manutenzione sistematica ci obbliga a eseguire visite dei siti a intervalli regolari. Una migliore pianificazione e ottimizzazione dei cicli di manutenzione è una questione importante per i nostri clienti B2B e per le nostre centrali elettriche", afferma Sarkar.

ENGIE Digital ha attualmente tre casi d'uso specifici per la manutenzione predittiva, come illustrato nei dettagli da Céline Mallet, responsabile della piattaforma di manutenzione predittiva Agathe presso ENGIE Digital: "Il primo è la previsione della vita utile delle nostre attrezzature. Le attrezzature rischiano di usurarsi e di perdere efficienza. La manutenzione predittiva ci permette di prevedere quando raggiungeremo le soglie di efficienza che giustificano un'azione di manutenzione e la sostituzione di un pezzo, diversi giorni, settimane o mesi in anticipo. Il secondo è l'individuazione precoce delle anomalie. La manutenzione predittiva ci consente di utilizzare i dati operativi delle attrezzature (centrali elettriche, compressori, ecc.), che ci permettono di rilevare precocemente un comportamento anomalo. Infine, abbiamo anche la possibilità di sviluppare modelli che sfruttano i dati generati dai sensori IoT (misurando, ad esempio, la vibrazione degli ultrasuoni) per stimare lo stato di integrità delle attrezzature dalle variabili registrate".

La manutenzione predittiva viene eseguita anche in un contesto di cambiamenti secondo la strategia generale del gruppo, allo scopo di favorire la produzione di energia rinnovabile. Come spiega Sarkar, aiuta a facilitare la transizione: "Uno dei recenti sviluppi nell'organizzazione della produzione di elettricità è che le centrali termiche devono ora garantire un carico di base e regolare la loro produzione in relazione a quella prodotta dalle energie rinnovabili intermittenti. Il passaggio di ENGIE verso la transizione energetica implica un diverso utilizzo delle centrali termiche, che prevede, ad esempio, spegnimenti più frequenti in caso di vento e sole. L'uso delle attrezzature in questi impianti, come valvole e pompe, è quindi diverso, il che può determinare comportamenti e guasti per i quali è essenziale avere visibilità. I modelli di manutenzione predittiva consentono di anticipare meglio i guasti e non aspettare i cicli di manutenzione sistematica per intervenire o, peggio, dover gestire arresti imprevisti".

ENGIE Digital utilizza AWS da oltre 3 anni: "Delle 12 piattaforme del portafoglio di ENGIE Digital, 11 sono costruite su AWS. Questi servizi vengono utilizzati anche all'interno di altre entità del gruppo, ad esempio Data@ENGIE, che si trova alla base del Common Data Hub, il data lake distribuito del gruppo su cui Agathe e Robin Analytics ora funzionano", ha affermato Sarkar. ENGIE Digital ha scelto queste soluzioni per sviluppare Agathe e Robin Analytics: "La scelta dell'architettura AWS è stata determinata dai vincoli del nostro business, che per sua natura incorpora il concetto di manutenzione predittiva. Con diverse migliaia di attrezzature in funzione, ciascuna con diverse decine di modelli, aumentiamo verticalmente molto rapidamente e la scalabilità è un problema significativo", ha affermato Sarker.

Per trarre il massimo vantaggio da AWS, ENGIE Digital ha richiesto il supporto di Mangrove, una società di consulenza specializzata in servizi AWS: "Ci siamo rivolti a Mangrove perché potesse guidare la trasformazione verso i servizi AWS che non stavamo utilizzando in quel momento, come Amazon Simple Storage Service (Amazon S3) e Amazon SageMaker. Possiamo anche contare sull'esperienza di Mangrove per trarre il massimo dalle opportunità che derivano dalle nuove versioni e dagli sviluppi dei servizi AWS", ha affermato Mallet.

Per le piattaforme Agathe e Robin Analytics, Mangrove utilizza vari servizi AWS, come spiegato da Bastien Murzeau, chief technology officer (direttore tecnico) di Mangrove e tech lead di ENGIE Digital: "Per noi Amazon S3 è un servizio essenziale, attraverso il quale passano tutti i nostri dati. È anche grazie a questo servizio che possiamo poi analizzare i dati utilizzando piattaforme come AWS Glue e Amazon Athena, oltre ad altri processi di trasformazione più semplici tramite AWS Lambda".

Questi servizi permettono agli utenti di mantenere il controllo delle risorse utilizzate, così come dei costi, come spiega Murzeau: "AWS Glue ci permette di eseguire Spark in modo facile ed economico con scalabilità dinamica. Possiamo gestire attività molto piccole con la stessa facilità di quelle molto grandi".

"Il controllo dei costi è essenziale perché la manutenzione è un settore molto competitivo", ha aggiunto Mallet.

Un esempio della collaborazione tra ENGIE Digital e Mangrove è l'adozione di Amazon SageMaker. Un anno fa, ENGIE Digital voleva migliorare i propri modelli di manutenzione predittiva e si è rivolta a Mangrove per valutare i potenziali vantaggi d'uso. Murzeau ritiene che il servizio sia di grandissima importanza: "Amazon SageMaker è un servizio fondamentale per noi. Il vantaggio del suo utilizzo sta nel fatto che non dobbiamo reinventare la ruota e possiamo contare su un servizio che funziona e ci garantisce stabilità. In precedenza, abbiamo addestrato i nostri modelli autonomamente e non abbiamo tratto vantaggio dalle best practice che il servizio ci obbliga a seguire. Il servizio ci garantisce anche un maggiore livello di sicurezza, grazie alla suddivisione delle attività di formazione e ci permette di isolare i dati dei nostri clienti. Un altro vantaggio di Amazon SageMaker è il controllo dei costi grazie alla formazione con le istanze Spot di Amazon Elastic Compute Cloud (Amazon EC2), che offrono fino al 90% di risparmio in termini di costi di calcolo".

ENGIE Digital fa affidamento su tutti questi servizi per permettere ad Agathe e Robin Analytics di sviluppare e addestrare un gran numero e una grande varietà di modelli di manutenzione. "Con Agathe, la nostra ambizione è coprire 8.000 elementi di attrezzatura entro 5 anni, ognuno con 2-10 modelli di manutenzione predittiva", ha affermato Mallet.

"Per le centrali termiche di ENGIE, ci stiamo preparando a integrare oltre 100 elementi di attrezzatura sulla piattaforma Robin Analytics, con l'obiettivo di raggiungere un totale di oltre 1.000 elementi entro il 2023. Sono inclusi molti diversi tipi di attrezzatura, tra cui diversi tipi di valvole, pompe e scambiatori di calore, così come diversità geografiche nell'implementazione della soluzione di manutenzione predittiva per i vari impianti e unità di business del gruppo", ha affermato Sarkar a proposito dello sviluppo di Robin Analytics. I team di ENGIE Digital stanno anche valutando l'adozione di servizi aggiuntivi da cui potrebbero trarre vantaggio Agathe e Robin Analytics: "Come abbiamo fatto l'anno scorso per Amazon SageMaker, abbiamo valutato la fattibilità e i vantaggi della migrazione dei nostri database di serie temporali verso Amazon Timestream, che abbiamo intenzione di adottare", ha affermato Sarkar.

"Una tecnologia AWS che non utilizziamo ancora ma che stiamo pensando di adottare è Amazon SageMaker Studio per integrare i data scientist delle unità aziendali e permettere loro di accedere alla nostra piattaforma e ai nostri set di dati. Questo garantirebbe anche che il loro codice sia pronto per la produzione per la piattaforma", ha sostenuto Mallet, come una via di miglioramento per la piattaforma Agathe.