Az eNET Internetkutató és Tanácsadó Kft. két éven át zajló kutatás-fejlesztési projektjének eredménye egy hatékonyságnövelő informatikai megoldás. Ez egy olyan prediktív karbantartási eszközmonitoring rendszer, amely képes valós időben bemeneti adatokat gyűjteni, azokat továbbítani, feldolgozni, az eszközök aktuális állapotát az elvárt állapottal összehasonlítani, így a karbantartást optimalizálni.
Számos hazai szakember dolgozott együtt abban a kiemelkedő projektben, amelynek célja akiterjedt műszaki infrastruktúrák kialakításához és üzemeltetéséhez kapcsolódó karbantartási ésfejlesztési folyamatokok szenzoradatokon alapuló optimalizálásieljárások kutatása volt.
A projekt során létrehozott szenzorrendszer valós környezetben, az érzékelők által mértnagy tömegű adatmennyiség folyamatos monitorozásával képes megfelelő becslési pontossággal jelezni az egyesinfrastruktúra-elemek normálistól való eltérő állapotát és így a karbantartás szükségességét.
Az eszközmonitoring rendszer négy fő lépésből épült fel, úgymint az eszközök működési adatainak rögzítése és továbbítása, második lépésként az adatok transzformálása, majd az adatok kiértékelése (Azure Machine Learning környezetben létrehozott) modellel, végül negyedik lépésként az eredmények monitorozása és a karbantartást igénylő eszközök azonosítása, a pontos karbantartási szükségletek, a karbantartási tevékenységek időpontjának meghatározása.
Az eszközök funkcióinak, technikai jellemzőinek megismerése után a szoftveres keretrendszer kialakítása, illetve lefejlesztése zajlott. Ezen fejlesztések biztosítják, hogy a gyűjtött adatok alapján keletkezett információk és a predikciós modellek összekapcsolhatók, integrálhatók legyenek.
A munka szerves része volt a megfelelő statisztikai, illetve gépi tanulási módszerek kialakítása, a gyűjtött adatok tisztítása, valamint a közöttük lévő kapcsolatok feltérképezése az üzleti-intelligencia módszereinek használatával. Ezen folyamatok eredményeként kiválaszthattuk, illetve megalkothattuk a predikciós modellekben felhasználható változókat, majd kialakításra kerültek a megfelelő regressziós, illetve klasszifikációs gépi tanulási modellek, amelyek tesztelése és validációja is megvalósult.
Egy webalkalmazás formájában készült el a végső keretrendszer, amelyben navigálhatunk olyan funkciók között, mint a rendszerbe integrált projektek bemutatása, a felület használatára jogosult felhasználók listája, a monitorozott eszközök rendszerének műszaki leírása, valamint diszfunkcionalitásokra vonatkozó figyelmeztetések és különböző kimutatások, lekérdezések.
A kutatás-fejlesztési projekt során egy olyan weboldal készült, amely a szenzoradatok megjelenítésére és következtetések levonására alkalmas, képes kezelni az adminisztrációs feladatokat, fogadja és megjeleníti az egyes eszközök aktuális működési adatait az alaprajzon, grafikusan ábrázolja a pillanatnyi és a historikus működéseket, valamint jelzi azt is, hogy bizonyos időszakokban milyen esetleges problémák léptek fel az eszközökkel kapcsolatban — a weboldal képes jelezni, ha a modellezés alapján feltételezhető a meghibásodás.
Ez az informatikai megoldás azzal teremt nagy értéket, hogy egy vállalat számára előre tudja jelezni a gépek meghibásodásának időpontjait. Termelést végző gépeken idejekorán képes észlelni a szabad szemmel nem észrevehető meghibásodásközeli állapotokat, egy esetleges hiba annak megjelenését követően pedig azonnal észlelhetővé válik.
Ezen információk birtokában a karbantartási folyamatok optimalizálhatóvá, az egyes feladatok pedig ütemezhetővé válnak. A karbantartási folyamatok hatékonyságának ilyen mértékű növelése megelőzi a fel nem fedezett meghibásodások okozta gépleállásokat, a végtermék mennyiségének csökkenését vagy minőségének romlását. Megelőzi azt a helyzetet, hogy gyakran egy kisebb értékű alkatrész meghibásodása, alulműködése nagy értékű berendezéseket tehet működésképtelenné. Ez a megelőző jellegű karbantartás erőforrás-megtakarítást eredményez, és így csökkenti a kiadásokat, és az időben jelentkező figyelmeztetésnek köszönhetően mérsékli az alkatrész-igényt és a keletkező hulladék mennyiségét is.
Az NKFI Alapból megvalósult nyertes innovációs projektekből létrejött prediktív karbantartási rendszer rugalmasságának köszönhetően relatíve egyszerűen és gyorsan integrálható különböző, már meglévő eszközstruktúrákba.
Az egyes rendszerelemek összekötése, üzembe helyezése és összehangolt működtetése minden egyes helyzetben specifikus megoldást igényel. Minden megrendelés esetén az adott infrastrukturális és környezeti adottságokhoz alkalmazkodva állítjuk élesbe a rendszert, a vállalat igényei szerint testre szabottan.
Az eNET Internetkutató és Tanácsadó Kft. projektjének eredményeképpen létrejött informatikai megoldás egyidejűleg alkalmas műszaki infrastruktúra-tervezési és -fejlesztési, valamint valós idejű üzemeltetési döntések meghozatalának adatvezérelt támogatására.
Ennek a felhőalapú, moduláris megoldásnak köszönhetően az adatok kézhezvételét követően akár néhány órán beül készülhet egy elemzés az észlelt diszkrepanciákról és egy jelzés a beavatkozást igénylő eszközről, a meghibásodás feltételezett okairól, azok jellegéről. A rendszer jó skálázhatóságnak köszönhetően nagyobb mennyiségű adattömeg esetén is lehetséges az alacsony elemzési idő megtartása. Az elkészült rendszer előnye, hogy nemcsak statikus paraméterek alapján dolgozik, hanem dinamikusan változó környezetben is!
A KFI_16-1-2017-0425 azonosítójú, „Intelligens, rugalmasan integrálható eszközmonitor-rendszer fejlesztése és arra épülő optimalizálási eljárás kutatása” számú projekt a Nemzeti Kutatási Fejlesztési és Innovációs Alappályázatforrásának támogatásával valósult meg. (X)
Küldetése, hogy a borászatok kedvelői ősszel is felfedezzék a régió egyedülálló borkultúráját, gasztronómiáját.
Az épülő blokkok menetrend-követési képességéről beszélt a Portfolio Energy Investment Forum 2024. konferencián Jákli Gergely, a Paks II. Zrt. elnök-vezérigazgatója.
