고장 징후를 알리려 했던 터빈

USE CASE
예측 유지보수 및 자산 성능 관리

에너지 자산은 세계에서 가장 계측이 잘 된 물리적 객체 중 하나입니다. 단일 가스 터빈은 하루에 수백만 개의 센서 판독값(진동, 온도, 압력, 유량, 전기 출력)을 생성할 수 있습니다. 데이터는 존재합니다. 문제는 문제가 되기 전에 그 의미를 파악할 수 있을 만큼 충분한 맥락에서 누군가가 그것을 읽고 있는지 여부입니다.

발전 시 예기치 않은 가동 중단은 엄청나게 비쌉니다. 비용은 수리비뿐만이 아닙니다. 대체 전력 구매, 규제 위반 벌금, 고객 크레딧, 긴급 계약자 요금 등이 포함됩니다. 중견 규모의 유틸리티 회사의 경우, 단일 예기치 않은 터빈 가동 중단은 7자리 수의 비용이 발생할 수 있습니다. 그럼에도 불구하고, 이러한 가동 중단 이전에 발생하는 신호는 거의 항상 실패 며칠 또는 몇 주 전에 데이터에서 볼 수 있습니다.

예측 유지보수가 약속을 지키지 못한 이유

예측 유지보수 개념은 10년 넘게 에너지 기업의 기술 우선 순위였습니다. 대부분은 시범 운영을 했습니다. 많은 기업이 그 버전을 배포했습니다. 실제로 대규모로 반응적 유지보수를 대체하는 운영 모델에 도달한 기업은 거의 없습니다.

격차는 계산적인 것이 아닙니다. 최신 ML 모델은 센서 데이터에서 장비 고장을 예측하는 데 매우 뛰어납니다. 격차는 운영적인 것입니다. 유지보수 결정을 내리는 사람들은 모델이 보고 있는 것에 유동적으로 접근할 수 없습니다. 그들은 주간 예외 보고서나 확인하도록 훈련된 대시보드를 받지만, 긴급한 문제가 되기 전에 초기 신호에 대응할 수 있는 정신적 모델이 없습니다.

아무도 질문할 수 없는 예측 모델은 또 다른 블랙박스일 뿐입니다. 가치는 모델과 엔지니어 간의 대화에 있습니다.

Genie, 모델과 의사 결정 간의 격차를 해소합니다

Databricks Genie는 자산 데이터와 예측 모델에 대한 대화형 인터페이스를 만듭니다. 자산 관리자는 '유지보수 이력 기준선 대비 진동 추세가 높아지고 있는 가스 터빈은 무엇인가?'라고 물을 수 있습니다. Genie는 몇 달 전에 구성된 사전 구축된 보고서가 아닌 실제 센서 및 유지보수 데이터에서 답변을 제공합니다.

'이것을 지금 예약하는 것과 다음 예정된 가동 중단 주기까지 기다리는 것 사이의 유지보수 창 비용 비교는 무엇입니까?'라는 후속 질문이 자연스럽게 나옵니다. 이는 유지보수 예약 데이터, 발전 파견 데이터 및 비용 모델을 종합하는 질문이며 Genie는 몇 초 안에 답변할 수 있습니다.

더 나은 질문을 하는 자산 관리자

목표는 유지보수 결정을 자동화하는 것이 아닙니다. 자산 관리자가 더 빠르고 더 높은 확신으로 결정을 내릴 수 있도록 정보 품질을 제공하는 것입니다. 자산 관리 부문 VP가 200개 자산, 5년간의 유지보수 이력에 걸쳐 자연어로 플릿 데이터를 탐색할 수 있을 때 의사 결정의 품질은 근본적으로 변화합니다.

그 터빈은 고장 징후를 알리려 했습니다. Genie는 제때 듣고 이해하여 조치를 취할 수 있도록 합니다.

DATABRICKS GENIE · 주요 차별점
데이터를 위해 구축되었으며, 규칙에 따라 관리되며, 모든 비즈니스 리더에게 답변 가능합니다.

• 시계열 유창성: SQL 없이 센서 데이터 전반의 추세, 기준선 편차 및 변화율 분석을 이해합니다.
• 유지보수 맥락: Genie는 자산에 대해 이전에 어떤 유지보수가 수행되었는지 알고 있으며 이를 분석에 반영할 수 있습니다.
• 비용 통합 답변: 유지보수 결정에는 비용 데이터가 포함됩니다. Genie는 자산 및 재무 데이터를 동일한 답변으로 가져올 수 있습니다.
• 규제 인식: 유지보수 권장 사항 맥락에 규정 준수 창 및 보고 요구 사항을 통합할 수 있습니다.

Genie가 귀하의 팀에 제공할 수 있는 것을 확인하십시오

Databricks Genie는 오늘부터 사용할 수 있습니다. 귀하의 업계 동료들이 어떻게 이를 사용하여 데이터 액세스 및 활용 방식을 재구상하고 있는지 확인하십시오.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)