CnosDB aide Pi2Star Technology dans la maintenance prédictive des machines tournantes

La production industrielle moderne avance vigoureusement vers une direction à grande échelle, à grande vitesse et intelligente. À mesure que la productivité et l’intelligence s’améliorent progressivement, les principaux fabricants exigent de plus en plus la sécurité et la fiabilité de leurs équipements mécaniques, en particulier pour certains équipements de grande taille tels que les moteurs électriques, les ventilateurs, les stations de pompage hydraulique, etc. Ils sont devenus des équipements clés dans les installations de production modernes à grande échelle, nécessitant un fonctionnement continu à long terme. Une fois qu’une défaillance se produit, elle peut entraîner des pertes économiques importantes, voire des accidents majeurs.

En réalité, les principales défaillances des équipements industriels ne se produisent pas soudainement, mais plutôt à travers un processus de détérioration progressive pendant lequel les équipements peuvent encore fonctionner avec des défauts. Cependant, dans le cadre des travaux de maintenance traditionnels des équipements, il est impossible de prédire ou de prévoir quand les défaillances ou la détérioration se produiront. Avec la mise à niveau et la transformation de l’intelligence dans les industries traditionnelles, la maintenance des équipements industriels se déplacera inévitablement de la « prévention » à la « prédiction ». L’état de santé et les conditions de fonctionnement des équipements seront surveillés en temps réel, n’importe où et n’importe quand, rendant la maintenance plus basée sur des preuves et logique. Bien sûr, cela place également des exigences plus élevées sur les solutions modernes d’équipements mécaniques.

Pi2Star Technology, créée en 2018, est une entreprise axée sur la fourniture de solutions intelligentes pour les équipements industriels. Elle a développé un ensemble complet de solutions intelligentes pour les équipements destinés aux entreprises de fabrication et aux usines, comprenant un terminal IoT intelligent basé sur le calcul en périphérie, un moteur d’algorithmes d’intelligence artificielle et une plateforme cloud de gestion intelligente des équipements industriels. Cela permet de répondre efficacement aux besoins des utilisateurs en matière de collecte de données sur les équipements, d’analyse intelligente, de gestion efficace et de prise de décision précise, offrant ainsi aux utilisateurs industriels des services intelligents d’équipements complets. Elle a fourni des services à plus de 100 entreprises connues nationales et étrangères dans les secteurs de la fabrication d’équipements, de l’exploitation minière du charbon, du pétrole et de la pétrochimie, de l’acier et de la métallurgie, et bien d’autres encore.

L’équipe principale de Pi2Star Technology provient de l’Université Tsinghua et dispose d’une technologie de puce d’intelligence artificielle et d’algorithme de pointe. Elle a obtenu près de 40 droits de propriété intellectuelle indépendants en matière de recherche et développement et a remporté de nombreux titres, dont celui d’entreprise nationale de haute technologie, d’entreprise gazelle de Tianjin et d’entreprise leader dans l’industrie émergente stratégique de Tianjin.

La système de surveillance de l’état des équipements intelligents de Pi2Star Technology

Exigences commerciales et applicatives

La maintenance prédictive des machines rotatives repose principalement sur le déploiement d’un ou plusieurs points de mesure sur l’équipement pour collecter des données telles que les vibrations et la température. Grâce à l’analyse en temps réel et à l’évaluation des données, il est possible de prédire les conditions anormales de l’équipement et de localiser précisément les défaillances de l’équipement. Prenons l’exemple des pompes. Une unité de pompe est composée d’un moteur électrique et d’une pompe, et en fonction de la configuration des paliers et de la structure de l’équipement, 3 à 4 capteurs intégrés sans fil de température et de vibrations doivent être déployés. Étant donné que chaque capteur intégré sans fil de température et de vibrations peut collecter 3 canaux de signaux de vibrations haute fréquence supérieurs à 10 kHz et 1 canal de signal de température, pour garantir la qualité de service, la fréquence d’acquisition des signaux de vibrations doit souvent être supérieure à 20 kHz, ce qui signifie que chaque signal de vibration doit collecter plus de 20 000 points de données par seconde, formant ainsi une grande échelle de données.

Schéma des points de mesure pour la surveillance de l’état des équipements intelligents de Pi2Star Technology

Les architectures solutions

La solution d’intelligence des équipements industriels de Pi2Star Technology est principalement divisée en 4 couches. Tout d’abord, les données des appareils matériels en périphérie sont transmises à la couche d’intégration des données via des passerelles et d’autres moyens pour assurer la collecte des données pertinentes.

Les données sont ensuite transmises au centre de données, qui offre des services PASS tels que la gestion des versions, l’intégration et le déploiement continus (CI/CD), la correction de la qualité, ainsi que la gestion des métadonnées. Plus important encore, le centre de données prend en charge les moteurs d’apprentissage profond tels que TensorFlow et PyTorch. Nous devons également noter la base de données sélectionnée à cette couche, qui est le cœur du stockage des données, et ses performances et sa stabilité auront un impact direct sur l’architecture globale. Auparavant, Pi2Star Technology utilisait des bases de données relationnelles traditionnelles pour le stockage des données et n’avait pas introduit de bases de données de séries chronologiques.

Ensuite, nous avons la couche de services d’accès et d’analyse des données, qui fournit diverses API de requête de données en temps réel et des services d’accès, ainsi que des bibliothèques d’algorithmes pertinentes pour les services d’analyse.

Enfin, la plateforme Paifang qui prend en charge la couche supérieure fournit des modules fonctionnels pour répondre aux besoins des utilisateurs, tels que la gestion des équipements, la prédiction des pannes, la gestion des pièces de rechange et d’autres ensembles d’applications. De plus, des outils de surveillance pertinents s’exécutent dans l’ensemble de l’architecture.

Schéma de l’architecture de la plateforme Pi2Star Technology

Défis pour l’architecture traditionnelle

Les architectures traditionnelles sont confrontées à des défis avec le développement rapide de l’intelligence industrielle, qui a entraîné une augmentation significative du nombre d’appareils intelligents connectés au cloud.

Un défi majeur est la limitation de la capacité d’écriture en temps réel, car de vastes quantités de données ne peuvent pas être écrites efficacement dans les bases de données relationnelles traditionnelles. Par exemple, dans une installation de production typique avec 1 000 appareils, chacun comportant de 3 000 à 4 000 capteurs intelligents qui collectent des données toutes les 30 minutes, on compte environ 150 000 écritures par seconde, soit des dizaines de milliers de QPS. Cependant, les bases de données relationnelles traditionnelles telles que MySQL et Oracle, contraintes par des structures de stockage, ne peuvent pas stocker efficacement de vastes quantités de données chronologiques.

Un autre défi est le coût élevé du stockage, qui empêche les entreprises de conserver économiquement des données historiques sur une plus longue période. Pour réaliser une maintenance prédictive plus précise et permettre de futures applications d’intelligence artificielle à grande échelle, la plupart des entreprises souhaitent conserver des données historiques plus longues. Cela est particulièrement vrai pour les équipements mécaniques haut de gamme d’une valeur nette de plusieurs millions de dollars ou les équipements critiques situés dans des processus de production clés, avec une durée de vie de 10 à 20 ans et des coûts d’exploitation élevés. Cependant, en raison du coût élevé du stockage et du coût d’accès des baies de disques courantes, les utilisateurs sont souvent incapables de sauvegarder des données pendant plus de cinq ans. De plus, les taux de compression des bases de données ne sont pas élevés et les coûts de stockage sont exorbitants. Avec le temps, ces coûts continueront d’augmenter, ce qui entraînera une perte de grandes quantités de données efficaces provenant des appareils.

Utilisation de CnosDB pour résoudre le problème

Pour relever ces défis, Pi2Star Technology utilise une nouvelle génération de bases de données de séries temporelles, telles que CnosDB, pour améliorer le débit de stockage et réduire les coûts de stockage. CnosDB est une base de données de séries temporelles très adaptée aux scénarios IoT, avec un débit d’écriture robuste et des ratios de compression efficaces. Comparée aux bases de données relationnelles traditionnelles, CnosDB peut prendre en charge un plus grand nombre de points de mesure et des besoins d’écriture allant jusqu’à un million de requêtes par seconde sur des serveurs ordinaires, ce qui permet à Pi2Star Technology de résoudre efficacement les problèmes d’évolutivité de la plateforme et d’écriture de données pour les appareils de précision haut de gamme.

En ce qui concerne la conception des tables, CnosDB diffère des bases de données traditionnelles, chaque téléchargement de données nécessitant un enregistrement à conserver en tant que métadonnées, et les indicateurs de données de l’appareil étant stockés séparément dans une autre table.

Table des métadonnées

Table des données en rotation

Avec la nouvelle conception de l’architecture, le ratio de compression des données de CnosDB atteint 60x, ce qui réduit l’espace de stockage occupé par les données et donc les coûts de stockage. Des périodes de rétention des données plus longues et de plus grande ampleur nous permettront également d’explorer des valeurs de données plus profondes. Prenons l’exemple du stockage de 55 To de données sur 3 ans et 50 milliards d’enregistrements, après l’utilisation de CnosDB, l’espace de stockage occupé par les données avec des réplicas doubles est réduit à environ 6,2 To. Après l’adoption de la solution CnosDB, les coûts de stockage de Pi2Star Technology ont diminué de 90 %. Une maintenance prédictive avancée peut également être réalisée grâce à la qualité élevée des données, ce qui permet en fin de compte de retarder le vieillissement des équipements.

Espace de stockage occupé

Stratégie de stockage des données

De plus, en termes de performances de requête, la plupart des requêtes ont également connu une augmentation de vitesse d’environ 20 fois par rapport à l’architecture d’origine.

Données provenant de l’équipement

L’avenir du travail

L’application de CnosDB a permis aux industries de collecter et de conserver des données avec une plus grande précision et sur de plus longues périodes. Le développement des environnements IoT cloud et de la technologie des jumeaux numériques nous offre la possibilité de visualiser une représentation virtuelle des différents paramètres de fonctionnement d’un appareil en quasi temps réel. Un jumeau numérique est une réplique visuelle d’un appareil physique, et en combinant des données telles que les vibrations, la puissance et la température avec des informations sur l’appareil, nous pouvons créer un « jumeau » visuel pour chaque appareil. Nous pouvons établir des normes opérationnelles pour indiquer un fonctionnement normal ou des paramètres dépassant les seuils attendus, et surveiller la réplique virtuelle de l’appareil à tout moment et en tout lieu, éliminant ainsi les inconvénients ou les déplacements inutiles vers les ateliers d’usine.

De plus, le développement de l’intelligence artificielle est également prometteur. Des fonctions de graphiques simples à l’analyse de l’IA, nous devons trouver des outils de séries chronologiques pour l’analyse des tendances. Pour des équipements industriels plus coûteux, l’utilisation de l’analyse de l’IA peut également nous aider à identifier rapidement les anomalies, offrant ainsi aux clients de meilleurs services de maintenance prédictive.

Présentation de l’auteur

Wu Tongda est le PDG de Pi2Star Technology. Il est diplômé du département de génie électronique de l’Université Tsinghua en 2010 avec un baccalauréat et a terminé ses études doctorales en 2017. Avec 6 ans d’expérience en conception de systèmes de circuits à faible puissance et 4 ans de pratique entrepreneuriale, il a été nommé l’un des nouveaux leaders d’entreprise de moins de 30 ans par Entrepreneurship State en 2021 et un pionnier entrepreneurial chinois Hu Run U30 en 2022. En tant que premier auteur, il a publié 2 articles indexés par SCI et 2 indexés par EI. Il a participé à la rédaction d’une norme nationale et a obtenu 8 brevets, dont 4 brevets d’invention. Il est également le directeur de l’Institut des puces intelligentes et de l’Internet industriel des objets à l’Institut de recherche en électronique et information de Tianjin de l’Université Tsinghua, et a été le co-fondateur de Rational Design, directeur de projet de l’équipe d’étudiants de communication future de Tsinghua, et président du 4e séminaire asiatique sur les systèmes de capteurs intelligents.

Documents relatifs à CnosDB :

1. Guide de démarrage rapide : https://docs.cnosdb.com
2. Site officiel : https://www.cnosdb.com
3. GitHub : https://github.com/cnosdb/cnosdb

Rejoignez notre Discord : (https://discord.com/invite/D8cB4WGpP4)