ENGIE Digital usa o Amazon SageMaker para realizar a manutenção preditiva em usinas de energia

A ENGIE desejava aproveitar infraestruturas e ferramentas que possibilitassem o desenvolvimento, o treinamento e a implantação de modelos de manutenção preditiva para antecipar falhas e problemas de funcionamento de equipamentos nas usinas de energia do grupo e de seus clientes, além de controlar a alocação de recursos e custos. Ela também desejava manter-se atualizada e aproveitar as inovações tecnológicas mais recentes para garantir a industrialização e a escalabilidade de seus modelos.

Para implementar esses projetos com êxito, a ENGIE Digital fez uma parceria com a Mangrove, uma parceira de consultoria avançada da AWS especializada em machine learning e produtos da AWS, sediada na França.

Para a ENGIE, aproveitar tecnologias de machine learning para solucionar problemas de manutenção de equipamentos é uma questão fundamental. “O desafio da manutenção preditiva é, principalmente, a otimização dos custos. A manutenção sistemática nos força a realizar visitas no local em intervalos frequentes. O planejamento e a otimização mais eficientes dos ciclos de manutenção são questões importantes para nossos clientes B2B e nossas usinas elétricas”, afirmou Sarkar.

No momento, a ENGIE Digital tem três casos de uso específicos para a manutenção preditiva, conforme detalhados por Céline Mallet, diretora da plataforma de manutenção preditiva Agathe na ENGIE Digital: “O primeiro é a previsão da vida útil dos nossos equipamentos. Eles estão sujeitos ao desgaste e acabam perdendo a eficiência. A manutenção preditiva nos permite prever quando chegaremos aos limites de eficiência, o que justificaria uma medida de manutenção e a substituição de uma peça com dias, semanas ou até meses de antecedência. O segundo é a detecção precoce de irregularidades. A manutenção preditiva nos permite usar dados operacionais dos equipamentos (usinas elétricas, compressores etc.) para detectar comportamentos irregulares com antecedência. Por fim, também podemos desenvolver modelos que usam os dados gerados por sensores IoT (que medem a vibração ultrassônica, por exemplo) para estimar o estado da integridade dos equipamentos com base nas variáveis registradas”.

A manutenção preditiva também ocorre em meio às mudanças na estratégia geral do grupo, voltada para priorizar a geração de energia renovável. Ela facilita essa transição, como explica Sarkar: “Uma das novidades da organização de produção de eletricidade é que agora as usinas termoelétricas precisam garantir uma carga de base e ajustar a produção conforme a carga produzida por energias renováveis intermitentes. Com a transição de energia da ENGIE, as usinas elétricas são usadas de forma diferente, com paralisações mais frequentes quando há vento e sol, por exemplo. Por isso, o uso dos equipamentos nessas usinas, como válvulas e bombas, é diferente, o que pode gerar comportamentos e falhas que a equipe precisa conseguir identificar. Os modelos de manutenção preditiva possibilitam antecipar melhor as falhas em vez de aguardar ciclos de manutenção sistemática para tomar medidas ou, pior, precisar fazer paralisações não planejadas.”

A ENGIE Digital usa a AWS há mais de três anos: “Das 12 plataformas do portfólio da ENGIE Digital, 11 foram desenvolvidas na AWS. Esses serviços também são usados em outras entidades do grupo, como a Data@ENGIE, que é responsável pelo Common Data Hub, o data lake distribuído do grupo no qual a Agathe e a Robin Analytics funcionam atualmente”, contou Sarkar. A ENGIE Digital recorreu a essas soluções para desenvolver a Agathe e a Robin Analytics: “Decidimos escolher a arquitetura da AWS por causa das limitações da empresa, que, devido ao seu caráter, incorpora o conceito de manutenção preditiva. Com milhares de equipamentos em uso, cada um com diversos modelos, conseguimos nos adaptar muito rápido, e a escalabilidade é uma questão muito importante”, explicou Sarkar.

Para aproveitar a AWS ao máximo, a ENGIE Digital pediu ajuda à Mangrove, uma empresa de consultoria especializada em serviços da AWS: “Recorremos à Mangrove para que ela liderasse a transformação para os serviços da AWS que não estávamos usando na época, como o Amazon Simple Storage Service (Amazon S3) e o Amazon SageMaker. Também contamos com a especialidade da Mangrove para nos ajudar a aproveitar ao máximo as oportunidades que surgem com novos lançamentos e avanços nos serviços da AWS”, contou Mallet.

Para as plataformas Agathe e Robin Analytics, a Mangrove usa vários serviços da AWS, como explicou Bastien Murzeau, diretor e líder de tecnologia da ENGIE Digital: “O Amazon S3 é um serviço essencial para nós, pois todos os nossos dados são processados nele. É também graças a esse serviço que podemos analisar os dados usando serviços como o AWS Glue e o Amazon Athena e outros processos mais simples de transformação por meio do AWS Lambda”.

Esses serviços permitem que os usuários controlem os recursos usados, assim como os custos, explicou Murzeau: “O AWS Glue nos permite executar o Spark de modo mais fácil e econômico com escalabilidade dinâmica. Conseguimos realizar tarefas muito pequenas com a mesma facilidade que as grandes”.

“O controle de custos é essencial porque o setor de manutenção é muito competitivo”, acrescenta Mallet.

Um exemplo de colaboração entre a ENGIE Digital e a Mangrove é a adoção do Amazon SageMaker. Há um ano, a ENGIE Digital queria melhorar seus modelos de manutenção preditiva e recorreu à Mangrove para estimar os possíveis benefícios do uso. Agora Murzeau acredita que o serviço é extremamente importante: “O Amazon SageMaker é um serviço fundamental para nós. A vantagem de usá-lo é que não precisamos desperdiçar tempo criando algo, e ele é um serviço que funciona bem e oferece estabilidade. Antes, nós mesmos treinávamos nossos modelos e não seguíamos as práticas recomendadas que o serviço nos ajuda a seguir. Ele também oferece um nível mais alto de segurança devido à categorização das tarefas de treinamento e permite que os dados dos clientes sejam isolados. Outro benefício do Amazon SageMaker é o controle de custos, graças ao treinamento usando instâncias spot do Amazon Elastic Compute Cloud (Amazon EC2), que oferecem até 90% de economia em custos de computação”.

A ENGIE Digital usa todos esses serviços para permitir que a Agathe e a Robin Analytics desenvolvam e treinem um grande número e variedade de modelos de manutenção. “Com a Agathe, nosso objetivo é dar conta de oito mil equipamentos em cinco anos, cada um com dois a dez modelos de manutenção preditiva”, contou Mallet.

“Para as usinas termoelétricas da ENGIE, estamos nos preparando para integrar mais de 100 equipamentos à plataforma Robin Analytics, com o objetivo de chegar a mais de mil equipamentos ao todo até 2023. A variedade de tipos de equipamento é grande, como diversos tipos de válvulas, bombas e trocadores de calor, além da diversidade geográfica na implantação da solução de manutenção preditiva para as várias usinas e unidades de negócios do grupo”, comentou Sarkar sobre o desenvolvimento da Robin Analytics. As equipes da ENGIE Digital também estão estudando a adoção de outros serviços que podem ser úteis para as plataformas Agathe e Robin Analytics: “Como no ano passado, com o Amazon SageMaker, investigamos a viabilidade e os benefícios de migrar nossos bancos de dados de séries temporais para o Amazon Timestream, que planejamos adotar em algum momento”, contou Sarkar.

“Uma tecnologia da AWS que ainda não estamos usando, mas estamos considerando adotar é o Amazon SageMaker Studio para integrar os cientistas de dados das unidades de negócios e permitir que eles acessem nossa plataforma e conjuntos de dados. Assim, também poderemos garantir que o código deles esteja pronto para produção na plataforma”, disse Mallet, como uma medida de melhoria da plataforma Agathe.