ENGIE Digital, 발전소의 예측 유지 보수에 Amazon SageMaker 사용

ENGIE는 리소스 및 비용 할당을 제어하면서 그룹의 발전소 및 고객을 위해 장비의 고장 및 오작동을 예측하고자 예측 유지 보수 모델을 개발, 훈련 및 배포할 수 있는 인프라와 도구를 활용하기를 원했습니다. 또한 최신 기술을 유지하고 최신 기술 혁신을 활용하여 해당 모델의 산업화 및 확장성을 보장하고자 했습니다.

이러한 프로젝트를 성공적으로 구현하기 위해 ENGIE Digital은 프랑스에서 기계 학습 및 AWS 서비스를 전문으로 하는 AWS 어드밴스드 컨설팅 파트너인 Mangrove와 제휴했습니다.

ENGIE의 경우 기계 학습 기술을 활용하여 장비 유지 관리 문제를 해결하는 것이 핵심 과제입니다. "예측 유지 관리의 과제는 주로 비용을 최적화하는 것입니다. 체계적인 유지 관리를 통해 정기적으로 현장 방문을 수행해야 합니다. 더 나은 유지 관리 주기 계획과 최적화는 B2B 고객과 발전소에 중요한 문제입니다."라고 Sarkar는 말합니다.

ENGIE Digital의 예측 유지 관리 플랫폼인 Agathe의 책임자인 Céline Mallet이 자세히 설명한 대로 ENGIE Digital에는 현재 예측 유지 관리와 관련된 세 가지 사용 사례가 있습니다. "첫 번째는 장비의 사용 수명을 예측하는 것입니다. 장비는 마모되고 효율성이 떨어지기 쉽습니다. 예측 유지 관리를 통해 유지 관리 작업과 부품 교체를 정당화하는 효율성 임계값에 도달할 시기를 며칠, 몇 주 또는 몇 달 전에 미리 예측할 수 있습니다. 두 번째는 이상 징후의 조기 발견입니다. 예측 유지 관리를 통해 장비(발전소, 압축기 등)의 운영 데이터를 사용하여 이상 동작을 조기에 발견할 수 있습니다. 마지막으로 IoT 센서(예: 초음파 진동 측정)에서 생성된 데이터를 활용하여 기록된 변수에서 장비의 상태를 추정하는 모델을 개발할 가능성도 있습니다."

재생 가능 에너지 생산을 선호하는 그룹의 전체 전략 변경을 기반으로 예측 유지 관리도 진행되고 있습니다. Sarkar가 설명하는 것처럼 이는 에너지 전환을 촉진하는 데 도움이 됩니다. "전력 생산 조직의 새로운 과제 중 하나는 화력 발전소가 이제 기저부하를 보장하고 간헐적 재생 에너지에 의해 생산되는 기저부하와 관련하여 생산을 조정해야 한다는 것입니다. ENGIE의 에너지 전환 노력은 화력 발전소가 다르게 사용됨을 의미합니다. 예를 들어 바람과 태양이 있을 때 더 자주 중단됩니다. 따라서 이러한 발전소에서 밸브 및 펌프와 같은 장비의 사용은 서로 다르므로 가시성 확보가 필수인 동작과 오류가 발생할 수 있습니다. 예측 유지 보수 모델을 사용하면 고장을 더 잘 예측할 수 있고 체계적인 유지 관리 주기에 따라 조치를 취하거나 더 나쁘게는 예상치 못한 중단을 처리해야 할 때까지 기다리지 않아도 됩니다."

ENGIE Digital은 현재 3년 이상 AWS를 사용하고 있습니다. "ENGIE Digital 포트폴리오의 12개 플랫폼 중 11개가 AWS를 기반으로 구축되었습니다. 이러한 서비스는 현재 Agathe와 Robin Analytics가 실행되는 그룹의 분산 데이터 레이크인 Common Data Hub 뒤에 있는 Data@ENGIE 등의 다른 그룹 회사 내에서도 사용됩니다."라고 Sarkar는 말합니다. ENGIE Digital은 Agathe 및 Robin Analytics를 개발할 때 이러한 솔루션을 선택했습니다. "AWS 아키텍처의 선택은 본질적으로 예측 유지 관리의 개념을 통합하는 비즈니스의 제약 조건에 따라 결정되었습니다. 각각 수십 개의 모델이 있는 수천 대의 장비가 작동하고 있는 상황에서 당사는 매우 빠르게 확장하고 있으며 확장성은 중요한 문제입니다."라고 Sarkar는 말합니다.

ENGIE Digital은 AWS를 최대한 활용하기 위해 AWS 서비스 전문 컨설팅 회사인 Mangrove의 지원을 받았습니다. "저희는 Amazon Simple Storage Service(Amazon S3) 및 Amazon SageMaker와 같이 당시 사용하고 있지 않던 AWS 서비스로의 전환을 위해 Mangrove로 눈을 돌렸습니다. 또한 AWS 서비스의 새로운 릴리스 및 개발에서 발생하는 기회를 최대한 활용할 수 있도록 돕는 전문가로서 Mangrove를 신뢰할 수 있습니다."라고 Mallet은 말합니다.

Agathe 및 Robin Analytics 플랫폼의 경우 Mangrove는 Mangrove의 최고 기술 책임자이자 ENGIE Digital의 기술 책임자인 Bastien Murzeau의 다음 설명과 같이 여러 AWS 서비스를 사용합니다. "Amazon S3는 저희에게 필수적인 서비스이며 모든 데이터가 이를 거칩니다. 또한 이 서비스 덕분에 AWS Glue 및 Amazon Athena와 같은 서비스와 AWS Lambda를 통한 기타 간단한 변환 프로세스를 사용하여 데이터를 분석할 수 있습니다."

이러한 서비스를 통해 사용자는 비용과 사용된 리소스를 계속 관리할 수 있습니다. Murzeau는 "AWS Glue를 사용하면 동적 확장성을 통해 Spark를 쉽고 저렴하게 실행할 수 있습니다. 저희는 아주 작은 작업도 매우 큰 작업만큼 쉽게 처리할 수 있습니다."라고 설명합니다.

"유지 관리는 경쟁이 치열한 분야이기 때문에 비용 관리가 필수적입니다."라고 Mallet은 덧붙입니다.

ENGIE Digital과 Mangrove의 협업의 예로 Amazon SageMaker의 채택이 있습니다. 1년 전 ENGIE Digital은 예측 유지 관리 모델을 개선하기를 원했고 잠재적인 사용 이점을 평가하기 위해 Mangrove를 선택했습니다. Murzeau는 이제 서비스가 가장 중요하다고 생각합니다. "Amazon SageMaker는 저희에게 핵심 서비스입니다. Amazon SageMaker 덕분에 새로운 방법을 찾을 필요 없이 잘 작동하고 안정성을 제공하는 서비스를 사용할 수 있습니다. 이전에는 모델을 직접 훈련했으며 서비스에서 따라야 하는 모범 사례를 활용하지 못했습니다. 또한 훈련 태스크의 구획화로 더 높은 수준의 보안을 제공하고 고객 데이터를 격리할 수 있습니다. Amazon SageMaker의 또 다른 이점은 컴퓨팅 비용 측면에서 최대 90% 절감 효과를 제공하는 Amazon Elastic Compute Cloud(Amazon EC2) 스팟 인스턴스를 사용한 훈련으로 비용을 제어할 수 있다는 점입니다.

ENGIE Digital은 이러한 모든 서비스를 사용하여 Agathe와 Robin Analytics가 다수의 다양한 유지 관리 모델을 개발하고 훈련할 수 있도록 합니다. "Agathe를 통해 5년 이내에 각각 2~10개의 예측 유지 관리 모델이 있는 8,000개의 장비를 처리하고자 합니다."라고 Mallet은 말합니다.

"ENGIE 화력 발전소의 경우 2023년까지 총 1,000개 이상을 목표로 Robin Analytics 플랫폼에 100개 이상의 장비를 탑재할 준비를 하고 있습니다. 여기에는 여러 유형의 밸브, 펌프 및 열 교환기를 비롯한 다양한 유형의 장비와 그룹의 다양한 발전소 및 사업부를 위한 예측 유지 관리 솔루션 배포의 지리적 다양성이 포함됩니다."라고 Sarkar가 Robin Analytics의 현 상황에 대해 말합니다. ENGIE 디지털 팀은 또한 Agathe 및 Robin Analytics에 도움이 될 수 있는 추가 서비스의 채택을 검토하고 있습니다. "작년에 Amazon SageMaker에 대해 수행했던 것과 마찬가지로 시계열 데이터베이스를 Amazon Timestream으로 마이그레이션하는 것의 가능성과 이점을 조사했습니다."라고 Sarkar는 말합니다.

Mallet은 Agathe 플랫폼을 개선하기 위한 방법으로 "아직 사용하지 않지만 채택을 고려 중인 AWS 기술 중 하나는 사업부의 데이터 사이언티스트를 온보딩하고 이들이 당사 플랫폼과 데이터 집합에 액세스할 수 있도록 하는 Amazon SageMaker Studio입니다. 이를 통해 데이터 사이언티스트의 코드를 플랫폼의 프로덕션에 바로 사용할 수 있습니다."라고 말합니다.