Αυτή είναι μια guest post που γράφτηκε από κοινού με τον Moulham Zahabi από το Matarat.
Μάλλον όλοι έχουν ελέγξει τις αποσκευές τους όταν πετούν και περίμεναν με αγωνία να εμφανιστούν οι αποσκευές τους στο καρουζέλ. Η επιτυχής και έγκαιρη παράδοση των αποσκευών σας εξαρτάται από μια τεράστια υποδομή που ονομάζεται σύστημα διαχείρισης αποσκευών (BHS). Αυτή η υποδομή είναι μια από τις βασικές λειτουργίες της επιτυχημένης λειτουργίας του αεροδρομίου. Ο επιτυχής χειρισμός αποσκευών και φορτίου για πτήσεις αναχώρησης και άφιξης είναι κρίσιμος για τη διασφάλιση της ικανοποίησης των πελατών και την παροχή λειτουργικής αριστείας στο αεροδρόμιο. Αυτή η λειτουργία εξαρτάται σε μεγάλο βαθμό από τη συνεχή λειτουργία του BHS και την αποτελεσματικότητα των εργασιών συντήρησης. Ως σωσίβιο των αεροδρομίων, ένα BHS είναι ένα γραμμικό περιουσιακό στοιχείο που μπορεί να ξεπεράσει τα 34,000 μέτρα σε μήκος (για ένα μόνο αεροδρόμιο) διακινώντας πάνω από 70 εκατομμύρια αποσκευές ετησίως, καθιστώντας το ένα από τα πιο σύνθετα αυτοματοποιημένα συστήματα και ζωτικής σημασίας στοιχείο των λειτουργιών του αεροδρομίου.
Ο μη προγραμματισμένος χρόνος διακοπής λειτουργίας ενός συστήματος διακίνησης αποσκευών, είτε πρόκειται για μεταφορική ταινία, καρουζέλ ή μονάδα διαλογής, μπορεί να διαταράξει τη λειτουργία του αεροδρομίου. Μια τέτοια διακοπή είναι βέβαιο ότι θα δημιουργήσει μια δυσάρεστη εμπειρία επιβατών και πιθανώς θα επιβάλει κυρώσεις στους παρόχους υπηρεσιών αεροδρομίου.
Η κυρίαρχη πρόκληση με τη διατήρηση ενός συστήματος διακίνησης αποσκευών είναι ο τρόπος λειτουργίας ενός ολοκληρωμένου συστήματος με περισσότερα από 7,000 στοιχεία ενεργητικού και πάνω από ένα εκατομμύριο σημεία ρύθμισης συνεχώς. Αυτά τα συστήματα χειρίζονται επίσης εκατομμύρια τσάντες σε διαφορετικά σχήματα και μεγέθη. Είναι ασφαλές να υποθέσουμε ότι τα συστήματα διαχείρισης αποσκευών είναι επιρρεπή σε σφάλματα. Επειδή τα στοιχεία λειτουργούν σε κλειστό βρόχο, εάν ένα στοιχείο χαλάσει, επηρεάζει ολόκληρη τη γραμμή. Οι παραδοσιακές δραστηριότητες συντήρησης βασίζονται σε ένα σημαντικό εργατικό δυναμικό κατανεμημένο σε βασικές τοποθεσίες κατά μήκος του BHS που αποστέλλεται από τους χειριστές σε περίπτωση λειτουργικής βλάβης. Οι ομάδες συντήρησης βασίζονται επίσης σε μεγάλο βαθμό στις συστάσεις των προμηθευτών για τον προγραμματισμό του χρόνου διακοπής λειτουργίας για προληπτική συντήρηση. Ο προσδιορισμός εάν οι δραστηριότητες προληπτικής συντήρησης εφαρμόζονται σωστά ή η παρακολούθηση της απόδοσης αυτού του τύπου περιουσιακού στοιχείου μπορεί να είναι αναξιόπιστη και δεν μειώνει τον κίνδυνο απρόβλεπτου χρόνου διακοπής λειτουργίας.
Η διαχείριση ανταλλακτικών είναι μια πρόσθετη πρόκληση, καθώς οι χρόνοι παράδοσης αυξάνονται λόγω διαταραχών της παγκόσμιας αλυσίδας εφοδιασμού, ωστόσο οι αποφάσεις αναπλήρωσης αποθεμάτων βασίζονται σε ιστορικές τάσεις. Επιπλέον, αυτές οι τάσεις δεν ενσωματώνουν το ασταθές δυναμικό περιβάλλον των λειτουργικών περιουσιακών στοιχείων της BHS καθώς γερνούν. Για να αντιμετωπιστούν αυτές οι προκλήσεις, πρέπει να συμβεί μια σεισμική μετατόπιση στις στρατηγικές συντήρησης - μεταβαίνοντας από μια αντιδραστική σε προληπτική νοοτροπία. Αυτή η αλλαγή απαιτεί από τους χειριστές να χρησιμοποιούν την πιο πρόσφατη τεχνολογία για να εξορθολογίσουν τις δραστηριότητες συντήρησης, να βελτιστοποιήσουν τις λειτουργίες και να ελαχιστοποιήσουν τα λειτουργικά έξοδα.
Σε αυτήν την ανάρτηση, περιγράφουμε πώς χρησιμοποιούσε το AWS Partner Airis Solutions Αναζήτηση Amazon για εξοπλισμό, υπηρεσίες AWS Internet of Things (IoT) και CloudRail τεχνολογίες αισθητήρων για την παροχή μιας λύσης αιχμής για την αντιμετώπιση αυτών των προκλήσεων.
Επισκόπηση συστήματος διακίνησης αποσκευών
Το παρακάτω διάγραμμα και ο πίνακας απεικονίζουν τις μετρήσεις που έγιναν σε ένα τυπικό καρουζέλ στο Διεθνές Αεροδρόμιο King Khalid στο Ριάντ.
Τα δεδομένα συλλέγονται στις διαφορετικές θέσεις που απεικονίζονται στο διάγραμμα.
Τύπος αισθητήρα | επιχειρηματική αξία | Δεδομένα | Τοποθεσία |
Αισθητήρες ταχύτητας IO Link | Ομοιογενής Ταχύτητα Καρουζέλ | PDV1 (1 ανά λεπτό) | C |
Αισθητήρας κραδασμών με ενσωματωμένο Αισθητήρας θερμοκρασίας |
Χαλαρή βίδα, Άξονας μη ευθυγραμμισμένος, Βλάβη που φέρει, Βλάβη περιέλιξης κινητήρα |
Κόπωση (v-RMS) (m/s) Κρούση (a-Peak) (m/s^2) Τριβή (a-RMS) (m/s^2) Θερμοκρασία (C) Κορυφογραμμή |
Α και Β |
Αισθητήρας PEC απόστασης | Διακίνηση αποσκευών | Απόσταση (cm) | D |
Οι παρακάτω εικόνες δείχνουν το περιβάλλον και τον εξοπλισμό παρακολούθησης για τις διάφορες μετρήσεις.
Επισκόπηση λύσεων
Το σύστημα πρόβλεψης συντήρησης (PdMS) για συστήματα διαχείρισης αποσκευών είναι μια αρχιτεκτονική αναφοράς που βοηθά τους χειριστές συντήρησης αεροδρομίων στο ταξίδι τους να έχουν δεδομένα ως βοηθητικό πρόγραμμα για τη βελτίωση του απρογραμμάτιστου χρόνου διακοπής λειτουργίας. Περιέχει δομικά στοιχεία για την επιτάχυνση της ανάπτυξης και της ανάπτυξης συνδεδεμένων αισθητήρων και υπηρεσιών. Το PdMS περιλαμβάνει υπηρεσίες AWS για την ασφαλή διαχείριση του κύκλου ζωής των υπολογιστικών συσκευών αιχμής και των στοιχείων BHS, της απορρόφησης δεδομένων cloud, της αποθήκευσης, των μοντέλων συμπερασμάτων της μηχανικής μάθησης (ML) και της επιχειρηματικής λογικής για την ενεργοποίηση της προληπτικής συντήρησης εξοπλισμού στο cloud.
Αυτή η αρχιτεκτονική χτίστηκε από διδάγματα που αντλήθηκαν από τη συνεργασία με τις λειτουργίες του αεροδρομίου για αρκετά χρόνια. Η προτεινόμενη λύση αναπτύχθηκε με την υποστήριξη της Northbay Solutions, ενός AWS Premier Partner, και μπορεί να αναπτυχθεί σε αεροδρόμια όλων των μεγεθών και κλίμακας σε χιλιάδες συνδεδεμένες συσκευές εντός 90 ημερών.
Το ακόλουθο διάγραμμα αρχιτεκτονικής εκθέτει τα υποκείμενα στοιχεία που χρησιμοποιούνται για την κατασκευή της λύσης πρόβλεψης συντήρησης:
Χρησιμοποιούμε τις ακόλουθες υπηρεσίες για τη συναρμολόγηση της αρχιτεκτονικής μας:
- Το CloudRail.DMC είναι μια λύση λογισμικού ως υπηρεσίας (SaaS) από τον Γερμανό ειδικό στο IoT CloudRail GmbH. Αυτός ο οργανισμός διαχειρίζεται στόλους παγκόσμιων διανεμημένων πυλών αιχμής. Με αυτήν την υπηρεσία, βιομηχανικοί αισθητήρες, έξυπνοι μετρητές και διακομιστές OPC UA μπορούν να συνδεθούν σε μια λίμνη δεδομένων AWS με λίγα μόνο κλικ.
- AWS Core IoT σας επιτρέπει να συνδέσετε δισεκατομμύρια συσκευές IoT και να δρομολογήσετε τρισεκατομμύρια μηνύματα σε υπηρεσίες AWS χωρίς να διαχειρίζεστε υποδομές. Μεταδίδει με ασφάλεια μηνύματα προς και από όλες τις συσκευές και τις εφαρμογές σας IoT με χαμηλή καθυστέρηση και υψηλή απόδοση. Χρησιμοποιούμε το AWS IoT Core για να συνδεθούμε με τους αισθητήρες CloudRail και να προωθήσουμε τις μετρήσεις τους στο AWS Cloud.
- AWS IoT Analytics είναι μια πλήρως διαχειριζόμενη υπηρεσία που διευκολύνει την εκτέλεση και τη λειτουργικότητα εξελιγμένων αναλυτικών στοιχείων σε τεράστιους όγκους δεδομένων IoT χωρίς να χρειάζεται να ανησυχείτε για το κόστος και την πολυπλοκότητα που απαιτείται συνήθως για τη δημιουργία μιας πλατφόρμας αναλυτικών στοιχείων IoT. Είναι ένας εύκολος τρόπος για να εκτελέσετε αναλυτικά στοιχεία σε δεδομένα IoT για να αποκτήσετε ακριβείς πληροφορίες.
- Αναζήτηση Amazon για εξοπλισμό αναλύει δεδομένα από αισθητήρες εξοπλισμού για να δημιουργήσει αυτόματα ένα μοντέλο ML για τον εξοπλισμό σας με βάση τα συγκεκριμένα δεδομένα του στοιχείου—δεν απαιτούνται δεξιότητες επιστήμης δεδομένων. Το Lookout for Equipment αναλύει τα εισερχόμενα δεδομένα αισθητήρων σε πραγματικό χρόνο και εντοπίζει με ακρίβεια τα σήματα έγκαιρης προειδοποίησης που θα μπορούσαν να οδηγήσουν σε απροσδόκητο χρόνο διακοπής λειτουργίας.
- Amazon QuickSight επιτρέπει σε όλους στον οργανισμό να κατανοούν τα δεδομένα θέτοντας ερωτήσεις σε φυσική γλώσσα, οπτικοποιώντας πληροφορίες μέσω διαδραστικών πινάκων εργαλείων και αναζητώντας αυτόματα μοτίβα και ακραίες τιμές που υποστηρίζονται από την ML.
Όπως φαίνεται στο παρακάτω διάγραμμα, αυτή η αρχιτεκτονική επιτρέπει στα δεδομένα αισθητήρων να ρέουν σε επιχειρησιακές πληροφορίες.
Τα σημεία δεδομένων συλλέγονται με χρήση αισθητήρων IO-Link: Το IO-Link είναι μια τυποποιημένη διεπαφή που επιτρέπει την απρόσκοπτη επικοινωνία από το επίπεδο ελέγχου ενός βιομηχανικού στοιχείου (στην περίπτωσή μας, το σύστημα διακίνησης αποσκευών) στο επίπεδο του αισθητήρα. Αυτό το πρωτόκολλο χρησιμοποιείται για την τροφοδοσία δεδομένων αισθητήρα σε μια πύλη ακμής CloudRail και τη φόρτωση στον πυρήνα AWS IoT. Στη συνέχεια, το τελευταίο παρέχει δεδομένα εξοπλισμού σε μοντέλα ML για τον εντοπισμό λειτουργικών ζητημάτων και ζητημάτων εξοπλισμού που μπορούν να χρησιμοποιηθούν για τον καθορισμό του βέλτιστου χρονισμού για συντήρηση ή αντικατάσταση περιουσιακών στοιχείων χωρίς περιττό κόστος.
Συλλογή δεδομένων
Η μετασκευή υφιστάμενων περιουσιακών στοιχείων και των συστημάτων ελέγχου τους στο cloud παραμένει μια προκλητική προσέγγιση για τους χειριστές εξοπλισμού. Η προσθήκη δευτερευόντων αισθητήρων παρέχει έναν γρήγορο και ασφαλή τρόπο απόκτησης των απαραίτητων δεδομένων χωρίς να παρεμβαίνει στα υπάρχοντα συστήματα. Επομένως, είναι πιο εύκολο, πιο γρήγορο και μη επεμβατικό σε σύγκριση με την απευθείας σύνδεση των PLC ενός μηχανήματος. Επιπλέον, μπορούν να επιλεγούν μεταγενέστεροι αισθητήρες για να μετρήσουν με ακρίβεια τα σημεία δεδομένων που απαιτούνται για συγκεκριμένες καταστάσεις αστοχίας.
Με το CloudRail, κάθε βιομηχανικός αισθητήρας IO-Link μπορεί να συνδεθεί με υπηρεσίες AWS όπως το AWS IoT Core, AWS IoT SiteWise, ή AWS IoT Greengrass μέσα σε λίγα δευτερόλεπτα μέσω μιας πύλης διαχείρισης συσκευών που βασίζεται σε σύννεφο (CloudRail.DMC). Αυτό δίνει τη δυνατότητα στους ειδικούς του IoT να εργάζονται από κεντρικές τοποθεσίες και ενσωματωμένα φυσικά συστήματα που διανέμονται παγκοσμίως. Η λύση επιλύει τις προκλήσεις της συνδεσιμότητας δεδομένων για συστήματα πρόβλεψης συντήρησης μέσω ενός εύκολου μηχανισμού plug-and-play.
Η πύλη λειτουργεί ως η Βιομηχανική Αποστρατιωτικοποιημένη Ζώνη (IDMZ) μεταξύ του εξοπλισμού (OT) και της υπηρεσίας cloud (IT). Μέσω μιας ενσωματωμένης εφαρμογής διαχείρισης στόλου, το CloudRail διασφαλίζει ότι οι πιο πρόσφατες ενημερώσεις κώδικα ασφαλείας διατίθενται αυτόματα σε χιλιάδες εγκαταστάσεις.
Η παρακάτω εικόνα δείχνει έναν αισθητήρα IO-Link και την πύλη άκρης CloudRail (με πορτοκαλί):
Εκπαίδευση ενός μοντέλου ανίχνευσης ανωμαλιών
Οι οργανισμοί από τα περισσότερα βιομηχανικά τμήματα βλέπουν ότι οι σύγχρονες στρατηγικές συντήρησης απομακρύνονται από τις προσεγγίσεις που αφορούν την αστοχία, τις αντιδραστικές προσεγγίσεις και προχωρούν προς πιο προγνωστικές μεθόδους. Ωστόσο, η μετάβαση σε μια προσέγγιση συντήρησης βάσει συνθηκών ή πρόβλεψης απαιτεί δεδομένα που συλλέγονται από αισθητήρες που είναι εγκατεστημένοι σε όλες τις εγκαταστάσεις. Η χρήση ιστορικών δεδομένων που έχουν καταγραφεί από αυτούς τους αισθητήρες σε συνδυασμό με αναλυτικά στοιχεία βοηθά στον εντοπισμό των πρόδρομων ουσιών σε αστοχίες εξοπλισμού, γεγονός που επιτρέπει στο προσωπικό συντήρησης να ενεργεί ανάλογα πριν από τη βλάβη.
Τα συστήματα πρόβλεψης συντήρησης βασίζονται στην ικανότητα εντοπισμού πότε θα μπορούσαν να συμβούν αστοχίες. Οι OEM εξοπλισμού συνήθως παρέχουν φύλλα δεδομένων για τον εξοπλισμό τους και συνιστούν την παρακολούθηση ορισμένων λειτουργικών μετρήσεων με βάση σχεδόν τέλειες συνθήκες. Ωστόσο, αυτές οι συνθήκες είναι σπάνια ρεαλιστικές λόγω της φυσικής φθοράς του περιουσιακού στοιχείου, των περιβαλλοντικών συνθηκών στις οποίες λειτουργεί, του παρελθόντος ιστορικού συντήρησης ή απλώς του τρόπου με τον οποίο πρέπει να το λειτουργήσετε για να επιτύχετε τα επιχειρηματικά σας αποτελέσματα. Για παράδειγμα, δύο πανομοιότυποι κινητήρες (μάρκα, μοντέλο, ημερομηνία παραγωγής) εγκαταστάθηκαν στο ίδιο καρουζέλ για αυτήν την απόδειξη της ιδέας. Αυτοί οι κινητήρες λειτουργούσαν σε διαφορετικά εύρη θερμοκρασιών λόγω διαφορετικής έκθεσης στις καιρικές συνθήκες (ένα μέρος του μεταφορικού ιμάντα στο εσωτερικό και το άλλο έξω από τον τερματικό σταθμό του αεροδρομίου).
Ο κινητήρας 1 λειτουργούσε σε θερμοκρασία που κυμαίνεται από 32–35°C. Η ταχύτητα κραδασμών RMS μπορεί να αλλάξει λόγω κόπωσης κινητήρα (για παράδειγμα, σφάλματα ευθυγράμμισης ή προβλήματα ανισορροπίας). Όπως φαίνεται στο παρακάτω σχήμα, αυτός ο κινητήρας εμφανίζει επίπεδα κόπωσης που κυμαίνονται μεταξύ 2-6, με ορισμένες κορυφές στο 9.
Ο κινητήρας 2 λειτουργούσε σε ψυχρότερο περιβάλλον, όπου η θερμοκρασία κυμαινόταν μεταξύ 20–25°C. Σε αυτό το πλαίσιο, ο κινητήρας 2 εμφανίζει επίπεδα κόπωσης μεταξύ 4-8, με ορισμένες κορυφές στο 10:
Οι περισσότερες προσεγγίσεις ML αναμένουν πολύ συγκεκριμένες γνώσεις και πληροφορίες τομέα (συχνά δύσκολο να αποκτηθούν) που πρέπει να εξαχθούν από τον τρόπο λειτουργίας και συντήρησης κάθε στοιχείου (για παράδειγμα, πρότυπα υποβάθμισης αποτυχίας). Αυτή η εργασία πρέπει να εκτελείται κάθε φορά που θέλετε να παρακολουθήσετε ένα νέο στοιχείο ή εάν οι συνθήκες του στοιχείου αλλάζουν σημαντικά (όπως όταν αντικαθιστάτε ένα εξάρτημα). Αυτό σημαίνει ότι ένα εξαιρετικό μοντέλο που θα παραδοθεί στη φάση της δημιουργίας πρωτοτύπων πιθανότατα θα σημειώσει επιτυχία όταν κυκλοφορήσει σε άλλα στοιχεία, μειώνοντας δραστικά την ακρίβεια του συστήματος και στο τέλος, χάνοντας την εμπιστοσύνη των τελικών χρηστών. Αυτό μπορεί επίσης να προκαλέσει πολλά ψευδώς θετικά αποτελέσματα και θα χρειαστείτε τις απαραίτητες δεξιότητες για να βρείτε τα έγκυρα σήματα σας σε όλο τον θόρυβο.
Το Lookout for Equipment αναλύει μόνο τα δεδομένα χρονοσειρών σας για να μάθει τις κανονικές σχέσεις μεταξύ των σημάτων σας. Στη συνέχεια, όταν αυτές οι σχέσεις αρχίσουν να αποκλίνουν από τις κανονικές συνθήκες λειτουργίας (που καταγράφονται στην κατάσταση εκπαίδευσης), η υπηρεσία θα επισημάνει την ανωμαλία. Διαπιστώσαμε ότι η αυστηρή χρήση ιστορικών δεδομένων για κάθε στοιχείο σάς επιτρέπει να εστιάσετε σε τεχνολογίες που μπορούν να μάθουν τις συνθήκες λειτουργίας που θα είναι μοναδικές για ένα δεδομένο στοιχείο στο ίδιο το περιβάλλον στο οποίο λειτουργεί. Αυτό σας επιτρέπει να παρέχετε προβλέψεις που υποστηρίζουν την ανάλυση της βασικής αιτίας και τις πρακτικές πρόβλεψης συντήρησης σε αναλυτικό, επίπεδο ανά στοιχείο και μακροοικονομικό επίπεδο (συναρμολογώντας τον κατάλληλο πίνακα εργαλείων για να έχετε μια επισκόπηση πολλών στοιχείων ταυτόχρονα). Αυτή είναι η προσέγγιση που ακολουθήσαμε και ο λόγος που αποφασίσαμε να χρησιμοποιήσουμε το Lookout for Equipment.
Στρατηγική προπόνησης: Αντιμετώπιση της πρόκλησης ψυχρής εκκίνησης
Το BHS που στοχεύσαμε δεν ήταν οργανωμένο στην αρχή. Εγκαταστήσαμε αισθητήρες CloudRail για να αρχίσουμε να συλλέγουμε νέες μετρήσεις από το σύστημά μας, αλλά αυτό σήμαινε ότι είχαμε μόνο ένα περιορισμένο ιστορικό βάθος για να εκπαιδεύσουμε το μοντέλο ML μας. Αντιμετωπίσαμε την πρόκληση της ψυχρής εκκίνησης σε αυτήν την περίπτωση, αναγνωρίζοντας ότι χτίζουμε ένα σύστημα που βελτιώνεται συνεχώς. Αφού εγκαταστάθηκαν οι αισθητήρες, συλλέξαμε δεδομένα μιας ώρας και αντιγράψαμε αυτές τις πληροφορίες για να αρχίσουμε να χρησιμοποιούμε το Lookout for Equipment το συντομότερο δυνατό και να δοκιμάσουμε τη συνολική μας διοχέτευση.
Όπως ήταν αναμενόμενο, τα πρώτα αποτελέσματα ήταν αρκετά ασταθή επειδή το μοντέλο ML εκτέθηκε σε πολύ μικρή περίοδο λειτουργίας. Αυτό σήμαινε ότι οποιαδήποτε νέα συμπεριφορά που δεν εμφανιζόταν κατά την πρώτη ώρα θα επισημάνθηκε. Κατά την εξέταση των κορυφαίων αισθητήρων, η θερμοκρασία σε έναν από τους κινητήρες φαινόταν να είναι ο κύριος ύποπτος (T2_MUC_ES_MTRL_TMP
σε πορτοκαλί στο παρακάτω σχήμα). Επειδή η αρχική σύλληψη δεδομένων ήταν πολύ περιορισμένη (1 ώρα), κατά τη διάρκεια της ημέρας, η κύρια αλλαγή προερχόταν από τις τιμές θερμοκρασίας (η οποία είναι σύμφωνη με τις περιβαλλοντικές συνθήκες εκείνης της εποχής).
Όταν ταιριάξαμε αυτό με τις περιβαλλοντικές συνθήκες γύρω από αυτόν τον συγκεκριμένο μεταφορικό ιμάντα, επιβεβαιώσαμε ότι η εξωτερική θερμοκρασία αυξήθηκε σημαντικά, γεγονός που, με τη σειρά του, αύξησε τη θερμοκρασία που μετρήθηκε από αυτόν τον αισθητήρα. Σε αυτήν την περίπτωση, αφού τα νέα δεδομένα (υπολογίζοντας την αύξηση της εξωτερικής θερμοκρασίας) ενσωματωθούν στο σύνολο δεδομένων εκπαίδευσης, θα είναι μέρος της κανονικής συμπεριφοράς όπως καταγράφεται από το Lookout for Equipment και παρόμοια συμπεριφορά στο μέλλον θα είναι λιγότερο πιθανό να αυξήσει εκδηλώσεις.
Μετά από 5 ημέρες, το μοντέλο επανεκπαιδεύτηκε και τα ψευδώς θετικά ποσοστά μειώθηκαν αμέσως δραστικά:
Αν και αυτό το πρόβλημα ψυχρής εκκίνησης ήταν μια αρχική πρόκληση για να αποκτήσουμε χρήσιμες πληροφορίες, χρησιμοποιήσαμε αυτήν την ευκαιρία για να δημιουργήσουμε έναν μηχανισμό επανεκπαίδευσης που μπορεί να ενεργοποιήσει εύκολα ο τελικός χρήστης. Ένα μήνα μετά τον πειραματισμό, εκπαιδεύσαμε ένα νέο μοντέλο αντιγράφοντας δεδομένα αισθητήρα αξίας ενός μήνα σε 3 μήνες. Αυτό συνέχισε να μειώνει τα ψευδώς θετικά ποσοστά καθώς το μοντέλο ήταν εκτεθειμένο σε ένα ευρύτερο σύνολο συνθηκών. Μια παρόμοια πτώση του ποσοστού ψευδώς θετικών συνέβη μετά από αυτήν την επανεκπαίδευση: η κατάσταση που μοντελοποιήθηκε από το σύστημα ήταν πιο κοντά σε αυτό που βιώνουν οι χρήστες στην πραγματική ζωή. Μετά από 3 μήνες, επιτέλους είχαμε ένα σύνολο δεδομένων που μπορούσαμε να χρησιμοποιήσουμε χωρίς να χρησιμοποιήσουμε αυτό το τέχνασμα αντιγραφής.
Από εδώ και στο εξής, θα ξεκινήσουμε μια επανεκπαίδευση κάθε 3 μήνες και, το συντομότερο δυνατό, θα χρησιμοποιούμε δεδομένα έως και 1 έτους για να λάβουμε υπόψη την εποχικότητα της περιβαλλοντικής συνθήκης. Κατά την ανάπτυξη αυτού του συστήματος σε άλλα στοιχεία, θα είμαστε σε θέση να χρησιμοποιήσουμε ξανά αυτήν την αυτοματοποιημένη διαδικασία και να χρησιμοποιήσουμε την αρχική εκπαίδευση για να επικυρώσουμε τη γραμμή δεδομένων αισθητήρων μας.
Αφού εκπαιδεύτηκε το μοντέλο, αναπτύξαμε το μοντέλο και αρχίσαμε να στέλνουμε ζωντανά δεδομένα στο Lookout for Equipment. Το Lookout for Equipment σάς επιτρέπει να διαμορφώσετε έναν προγραμματιστή που ξυπνά τακτικά (για παράδειγμα, κάθε ώρα) για να στέλνει νέα δεδομένα στο εκπαιδευμένο μοντέλο και να συλλέγει τα αποτελέσματα.
Τώρα που ξέρουμε πώς να εκπαιδεύσουμε, να βελτιώσουμε και να αναπτύξουμε ένα μοντέλο, ας δούμε τους λειτουργικούς πίνακες εργαλείων που εφαρμόζονται για τους τελικούς χρήστες.
Οπτικοποίηση δεδομένων και πληροφορίες
Οι τελικοί χρήστες χρειάζονται έναν τρόπο να εξάγουν περισσότερη αξία από τα λειτουργικά τους δεδομένα για να βελτιώσουν καλύτερα τη χρήση των περιουσιακών τους στοιχείων. Με το QuickSight, συνδέσαμε τον πίνακα εργαλείων με τα ακατέργαστα δεδομένα μέτρησης που παρέχονται από το σύστημά μας IoT, επιτρέποντας στους χρήστες να συγκρίνουν και να αντιπαραβάλλουν βασικά κομμάτια εξοπλισμού σε ένα δεδομένο BHS.
Στον παρακάτω πίνακα εργαλείων, οι χρήστες μπορούν να ελέγξουν τους βασικούς αισθητήρες που χρησιμοποιούνται για την παρακολούθηση της κατάστασης του BHS και τη λήψη αλλαγών στις μετρήσεις περιόδου σε περίοδο.
Στην προηγούμενη γραφική παράσταση, οι χρήστες μπορούν να οπτικοποιήσουν οποιαδήποτε απροσδόκητη ανισορροπία της μέτρησης για κάθε κινητήρα (αριστερά και δεξιά διαγράμματα για θερμοκρασία, κόπωση, δόνηση, τριβή και κρούση). Στο κάτω μέρος, συνοψίζονται οι βασικοί δείκτες απόδοσης, με τις προβλέψεις και τις τάσεις ανά περίοδο.
Οι τελικοί χρήστες μπορούν να έχουν πρόσβαση σε πληροφορίες για τους ακόλουθους σκοπούς:
- Προβολή ιστορικών δεδομένων σε διαστήματα από 2 ώρες έως 24 ώρες.
- Εξαγωγή πρωτογενών δεδομένων μέσω μορφής CSV για εξωτερική ενσωμάτωση.
- Οπτικοποιήστε την απόδοση του ενεργητικού για μια καθορισμένη χρονική περίοδο.
- Δημιουργήστε πληροφορίες για τον επιχειρησιακό σχεδιασμό και βελτιώστε τη χρήση των περιουσιακών στοιχείων.
- Εκτελέστε ανάλυση συσχέτισης. Στην παρακάτω γραφική παράσταση, ο χρήστης μπορεί να απεικονίσει διάφορες μετρήσεις (όπως κόπωση κινητήρα έναντι θερμοκρασίας ή απόδοση αποσκευών έναντι ταχύτητας καρουζέλ) και να χρησιμοποιήσει αυτόν τον πίνακα εργαλείων για να ενημερώσει καλύτερα την επόμενη καλύτερη ενέργεια συντήρησης.
Εξάλειψη του θορύβου από τα δεδομένα
Μετά από μερικές εβδομάδες, παρατηρήσαμε ότι το Lookout for Equipment εξέπεμπε ορισμένα συμβάντα που θεωρούνταν ψευδώς θετικά.
Κατά την ανάλυση αυτών των γεγονότων, ανακαλύψαμε ακανόνιστες πτώσεις στην ταχύτητα του κινητήρα καρουζέλ.
Συναντηθήκαμε με την ομάδα συντήρησης και μας ενημέρωσαν ότι αυτές οι στάσεις ήταν είτε επείγουσες στάσεις είτε προγραμματισμένες δραστηριότητες συντήρησης για διακοπές. Με αυτές τις πληροφορίες, χαρακτηρίσαμε τις στάσεις έκτακτης ανάγκης ως ανωμαλίες και τις τροφοδοτήσαμε στο Lookout for Equipment, ενώ οι προγραμματισμένοι χρόνοι διακοπής λειτουργίας θεωρήθηκαν φυσιολογική συμπεριφορά για αυτό το καρουζέλ.
Η κατανόηση τέτοιων σεναρίων όπου τα μη φυσιολογικά δεδομένα μπορούν να επηρεαστούν από ελεγχόμενες εξωτερικές ενέργειες είναι κρίσιμη για τη βελτίωση της ακρίβειας του μοντέλου ανίχνευσης ανωμαλιών με την πάροδο του χρόνου.
Δοκιμή καπνού
Μετά από λίγες ώρες από την επανεκπαίδευση του μοντέλου και την επίτευξη σχετικά μη ανωμαλιών, η ομάδα μας πίεσε σωματικά τα πλεονεκτήματα, κάτι που εντοπίστηκε αμέσως από το σύστημα. Αυτό είναι ένα κοινό αίτημα από τους χρήστες επειδή πρέπει να εξοικειωθούν με το σύστημα και τον τρόπο με τον οποίο αντιδρά.
Κατασκευάσαμε τον πίνακα ελέγχου μας για να επιτρέψουμε στους τελικούς χρήστες να οπτικοποιούν ιστορικές ανωμαλίες με απεριόριστο χρονικό διάστημα. Χρησιμοποιώντας μια υπηρεσία επιχειρηματικής ευφυΐας, τους επιτρέψτε να οργανώσουν τα δεδομένα τους κατά βούληση και διαπιστώσαμε ότι τα γραφήματα ράβδων σε μια περίοδο 24 ωρών ή τα γραφήματα πίτας είναι ο καλύτερος τρόπος για να έχετε μια καλή εικόνα της κατάστασης του BHS. Εκτός από τους πίνακες εργαλείων που μπορούν να δουν οι χρήστες όποτε χρειάζονται, ρυθμίζουμε αυτοματοποιημένες ειδοποιήσεις που αποστέλλονται σε καθορισμένη διεύθυνση email και μέσω μηνύματος κειμένου.
Εξαγωγή βαθύτερων πληροφοριών από μοντέλα ανίχνευσης ανωμαλιών
Στο μέλλον, σκοπεύουμε να αντλήσουμε βαθύτερες πληροφορίες από τα μοντέλα ανίχνευσης ανωμαλιών που έχουν εκπαιδευτεί με το Lookout for Equipment. Θα συνεχίσουμε να χρησιμοποιούμε το QuickSight για να δημιουργήσουμε ένα διευρυμένο σύνολο γραφικών στοιχείων. Για παράδειγμα, διαπιστώσαμε ότι τα γραφικά στοιχεία οπτικοποίησης δεδομένων που εκτίθενται στο Δείγματα GitHub για Lookout for Equipment μας επιτρέπουν να εξάγουμε ακόμη περισσότερες πληροφορίες από τα ακατέργαστα αποτελέσματα των μοντέλων μας.
Αποτελέσματα
Η αντιδραστική συντήρηση στα συστήματα διακίνησης αποσκευών μεταφράζεται στα εξής:
- Χαμηλότερη ικανοποίηση επιβατών λόγω μεγάλου χρόνου αναμονής ή κατεστραμμένων αποσκευών
- Χαμηλότερη διαθεσιμότητα περιουσιακών στοιχείων λόγω των απρογραμμάτιστων βλαβών και της έλλειψης αποθέματος κρίσιμων ανταλλακτικών
- Υψηλότερα λειτουργικά έξοδα λόγω των αυξανόμενων επιπέδων αποθεμάτων εκτός από το υψηλότερο κόστος συντήρησης
Η εξέλιξη της στρατηγικής συντήρησης για την ενσωμάτωση αξιόπιστων, προγνωστικών αναλυτικών στοιχείων στον κύκλο λήψης αποφάσεων στοχεύει στη βελτίωση της λειτουργίας του στοιχείου και στην αποφυγή αναγκαστικών τερματισμών λειτουργίας.
Ο εξοπλισμός παρακολούθησης εγκαταστάθηκε τοπικά σε 1 ημέρα και διαμορφώθηκε πλήρως εξ αποστάσεως από ειδικούς του IoT. Στη συνέχεια, η αρχιτεκτονική του cloud που περιγράφεται στην επισκόπηση της λύσης αναπτύχθηκε με επιτυχία εντός 90 ημερών. Ο γρήγορος χρόνος υλοποίησης αποδεικνύει τα οφέλη που προτείνονται στον τελικό χρήστη, οδηγώντας γρήγορα σε μια μετατόπιση της στρατηγικής συντήρησης από ανθρωπογενείς αντιδραστικές (επιδιόρθωση βλαβών) σε προληπτικές βασισμένες σε μηχανές, βάσει δεδομένων (αποτροπή χρόνου διακοπής λειτουργίας).
Συμπέρασμα
Η συνεργασία μεταξύ της Airis, της CloudRail, της Northbay Solutions και της AWS οδήγησε σε νέα επιτεύγματα στο Διεθνές Αεροδρόμιο King Khalid (βλ. το δελτίο τύπου Για περισσότερες πληροφορίες). Ως μέρος της στρατηγικής του ψηφιακού μετασχηματισμού, το αεροδρόμιο του Ριάντ σχεδιάζει περαιτέρω αναπτύξεις για να καλύψει άλλα ηλεκτρομηχανικά συστήματα, όπως γέφυρες επιβίβασης επιβατών και συστήματα HVAC.
Εάν έχετε σχόλια σχετικά με αυτήν την ανάρτηση, υποβάλετέ τα στην ενότητα σχολίων. Εάν έχετε ερωτήσεις σχετικά με αυτήν τη λύση ή την εφαρμογή της, ξεκινήστε ένα νέο νήμα re: Post, όπου οι ειδικοί της AWS και η ευρύτερη κοινότητα μπορούν να σας υποστηρίξουν.
Σχετικά με τους συγγραφείς
Moulham Zahabi είναι ειδικός στις αερομεταφορές με πάνω από 11 χρόνια εμπειρία στο σχεδιασμό και τη διαχείριση αεροπορικών έργων και τη διαχείριση κρίσιμων πόρων αεροδρομίων στην περιοχή του GCC. Είναι επίσης ένας από τους συνιδρυτές της Airis-Solutions.ai, η οποία στοχεύει να ηγηθεί του ψηφιακού μετασχηματισμού της αεροπορικής βιομηχανίας μέσω καινοτόμων λύσεων AI/ML για αεροδρόμια και υλικοτεχνικά κέντρα. Σήμερα, ο Moulham είναι επικεφαλής της Διεύθυνσης Διαχείρισης Περιουσιακών Στοιχείων στη Σαουδική Εταιρεία Συμμετοχών Πολιτικής Αεροπορίας (Matarat).
Φαουζάν Χαν είναι Senior Solutions Architect που εργάζεται με πελάτες του δημόσιου τομέα, παρέχοντας καθοδήγηση για το σχεδιασμό, την ανάπτυξη και τη διαχείριση του φόρτου εργασίας και των αρχιτεκτονικών τους AWS. Η Fauzan είναι παθιασμένη με το να βοηθά τους πελάτες να υιοθετήσουν καινοτόμες τεχνολογίες cloud στον τομέα των HPC και AI/ML για την αντιμετώπιση των επιχειρηματικών προκλήσεων. Εκτός δουλειάς, ο Fauzan απολαμβάνει να περνά χρόνο στη φύση.
Michaël Hoarau είναι Αρχιτέκτονας Ειδικών Λύσεων AI/ML στην AWS που εναλλάσσεται μεταξύ επιστήμονα δεδομένων και αρχιτέκτονα μηχανικής μάθησης, ανάλογα με τη στιγμή. Είναι παθιασμένος με το να μεταφέρει τη δύναμη AI/ML στα καταστήματα των βιομηχανικών πελατών του και έχει εργαστεί σε ένα ευρύ φάσμα περιπτώσεων χρήσης ML, που κυμαίνονται από τον εντοπισμό ανωμαλιών έως την προγνωστική ποιότητα του προϊόντος ή τη βελτιστοποίηση κατασκευής. Δημοσίευσε ένα βιβλίο για την ανάλυση χρονοσειρών το 2022 και γράφει τακτικά για αυτό το θέμα LinkedIn και Μέτριας Δυσκολίας. Όταν δεν βοηθά τους πελάτες να αναπτύξουν τις επόμενες καλύτερες εμπειρίες μηχανικής μάθησης, του αρέσει να παρατηρεί τα αστέρια, να ταξιδεύει ή να παίζει πιάνο.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/deploy-a-predictive-maintenance-solution-for-airport-baggage-handling-systems-with-amazon-lookout-for-equipment/
- :είναι
- $UP
- 000
- 1
- 10
- 100
- 11
- 2022
- 7
- 70
- 9
- a
- Ικανός
- Σχετικα
- επιταχύνουν
- πρόσβαση
- αναλόγως
- Λογαριασμός
- Λογιστήριο
- ακρίβεια
- ακριβής
- με ακρίβεια
- Κατορθώνω
- επίτευξη
- την επίτευξη
- αποκτούν
- απέναντι
- Πράξη
- Ενέργειες
- ενεργειών
- δραστηριοτήτων
- πράξεις
- Επιπλέον
- Πρόσθετος
- Επιπλέον
- διεύθυνση
- διευθυνσιοδότηση
- ενστερνίζομαι
- Μετά το
- AI
- AI / ML
- ενισχύσεων
- στόχοι
- αεροδρόμιο
- αεροδρόμια
- Ειδοποιήσεις
- ευθυγραμμία
- Όλα
- Επιτρέποντας
- επιτρέπει
- Amazon
- Αναζήτηση Amazon για εξοπλισμό
- ανάλυση
- analytics
- αναλύσεις
- αναλύοντας
- και
- Ετησίως
- ανίχνευση ανωμαλιών
- εμφανίζομαι
- Εφαρμογή
- εφαρμογές
- πλησιάζω
- προσεγγίσεις
- κατάλληλος
- αρχιτεκτονική
- ΕΙΝΑΙ
- ΠΕΡΙΟΧΗ
- γύρω
- φθάνουν
- AS
- προσόν
- διαχείριση περιουσιακών στοιχείων
- Ενεργητικό
- At
- Αυτοματοποιημένη
- αυτομάτως
- διαθεσιμότητα
- αεροπορία
- AWS
- σακούλες
- μπαρ
- βασίζονται
- BE
- επειδή
- πριν
- οφέλη
- ΚΑΛΎΤΕΡΟΣ
- Καλύτερα
- μεταξύ
- δισεκατομμύρια
- Μπλοκ
- επιβίβαση
- βιβλίο
- Κάτω μέρος
- Όριο
- Ανάλυση
- φρένα
- γέφυρες
- Φέρνοντας
- ευρύτερη
- χτίζω
- Κτίριο
- χτισμένο
- επιχείρηση
- επιχειρηματικής ευφυΐας
- by
- που ονομάζεται
- CAN
- πιάνω
- Carousel
- περίπτωση
- περιπτώσεις
- Αιτία
- Κέντρα
- κεντρική
- ορισμένες
- αλυσίδα
- πρόκληση
- προκλήσεις
- πρόκληση
- αλλαγή
- Αλλαγές
- Διαγράμματα
- έλεγχος
- κλειστό
- πιο κοντά
- Backup
- συνιδρυτές
- συλλέγουν
- Συλλέγοντας
- ερχομός
- σχόλια
- Κοινός
- Επικοινωνία
- κοινότητα
- εταίρα
- συγκρίνουν
- σύγκριση
- εντελώς
- συγκρότημα
- περίπλοκο
- συστατικό
- εξαρτήματα
- Υπολογίστε
- έννοια
- κατάσταση
- Συνθήκες
- εμπιστοσύνη
- ΕΠΙΒΕΒΑΙΩΜΕΝΟΣ
- Connect
- συνδεδεμένος
- σύνδεση
- Συνδεσιμότητα
- θεωρούνται
- συνεπής
- Περιέχει
- συμφραζόμενα
- ΣΥΝΕΧΕΙΑ
- συνέχισε
- συνεχής
- συνεχώς
- αντίθεση
- έλεγχος
- ελέγχεται
- ελέγχους
- συνεργασία
- πυρήνας
- Συσχέτιση
- Κόστος
- Δικαστικά έξοδα
- θα μπορούσε να
- μετρητής
- Πορεία
- κάλυμμα
- δημιουργία
- κρίσιμης
- πελάτης
- Η ικανοποίηση των πελατών
- Πελάτες
- κύκλος
- ταμπλό
- ημερομηνία
- Λίμνη δεδομένων
- σημεία δεδομένων
- επιστημονικά δεδομένα
- επιστήμονας δεδομένων
- οπτικοποίηση δεδομένων
- βασίζονται σε δεδομένα
- Ημερομηνία
- ημέρα
- Ημ.
- αποφάσισε
- Λήψη Αποφάσεων
- αποφάσεις
- βαθύτερη
- παραδώσει
- παραδίδεται
- διανομή
- εξαρτώμενος
- Σε συνάρτηση
- εξαρτάται
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- ανάπτυξη
- αναπτύξεις
- βάθος
- περιγράφουν
- περιγράφεται
- Υπηρεσίες
- καθορισμένο
- σχέδιο
- καθέκαστα
- εντοπιστεί
- Ανίχνευση
- Προσδιορίστε
- καθορίζοντας
- ανάπτυξη
- αναπτύχθηκε
- Ανάπτυξη
- συσκευή
- Συσκευές
- διαφορετικές
- δύσκολος
- ψηφιακό
- ψηφιακή Μετασχηματισμού
- κατευθύνει
- ανακάλυψαν
- Αναστατώνω
- Αναστάτωση
- διαταραχές
- απόσταση
- διανέμονται
- Όχι
- τομέα
- Μην
- κάτω
- downtime
- δραστικά
- Πτώση
- Σταγόνες
- κατά την διάρκεια
- δυναμικός
- κάθε
- Νωρίς
- ευκολότερη
- εύκολα
- άκρη
- αποτελεσματικότητα
- είτε
- στοιχείο
- στοιχεία
- ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
- επείγον
- ενεργοποιήσετε
- δίνει τη δυνατότητα
- εξασφαλίζω
- εξασφαλίζει
- Ολόκληρος
- Περιβάλλον
- περιβάλλοντος
- εξοπλισμός
- σφάλμα
- λάθη
- Even
- Συμβάν
- εκδηλώσεις
- Κάθε
- όλοι
- παράδειγμα
- παραδείγματα
- υπερβαίνω
- Υπεροχή
- υφιστάμενα
- επεκτάθηκε
- αναμένω
- αναμένεται
- έξοδα
- εμπειρία
- Δραστηριοτητες
- βιώνουν
- εμπειρογνώμονας
- εμπειρογνώμονες
- εκτεθειμένος
- Έκθεση
- εξωτερικός
- εκχύλισμα
- Αποτυχία
- ενημερώνω
- FAST
- γρηγορότερα
- κούραση
- Fed
- λίγοι
- Εικόνα
- Τελικά
- Εύρεση
- Όνομα
- σημαία
- ΣΤΟΛΟΣ
- Πτήσεις
- ροή
- φέρουν
- Συγκέντρωση
- Εξής
- Για
- Πρόβλεψη
- μορφή
- Προς τα εμπρός
- Βρέθηκαν
- φρέσκο
- τριβή
- από
- πλήρως
- λειτουργία
- λειτουργίες
- περαιτέρω
- μελλοντικός
- Κέρδος
- πύλη
- GCC
- περιοχή GCC
- Γερμανικά
- παίρνω
- δεδομένου
- Παγκόσμιο
- Παγκόσμια
- GmBH
- καλός
- εξαιρετική
- Επισκέπτης
- Κείμενο
- καθοδήγηση
- λαβή
- Χειρισμός
- συμβαίνω
- συνέβη
- Έχω
- που έχει
- Επικεφαλίδα
- βαριά
- βοήθεια
- βοήθεια
- βοηθά
- Ψηλά
- υψηλότερο
- ιστορικών
- ιστορία
- Επιτυχία
- κράτημα
- ΩΡΕΣ
- Πως
- Πώς να
- Ωστόσο
- hpc
- HTTPS
- identiques
- αναγνωρίζει
- προσδιορίσει
- εικόνα
- εικόνες
- ανισορροπία
- αμέσως
- Επίπτωση
- εκτέλεση
- εφαρμοστεί
- επιβάλλω
- βελτίωση
- βελτίωση
- in
- περιλαμβάνει
- Εισερχόμενος
- ενσωματώνω
- Συσσωματωμένος
- Αυξάνουν
- αυξημένη
- αύξηση
- δείκτες
- βιομηχανικές
- της βιομηχανίας
- επηρεάζονται
- πληροφορώ
- πληροφορίες
- ενημερώνεται
- Υποδομή
- αρχικός
- καινοτόμες
- ιδέες
- εγκατασταθεί
- παράδειγμα
- ενσωματωθεί
- ολοκλήρωση
- Νοημοσύνη
- σκοπεύω
- διαδραστικό
- περιβάλλον λειτουργίας
- παρεμβαίνοντας
- International
- Internet
- Ίντερνετ των πραγμάτων
- απογραφή
- IoT
- iot συσκευές
- θέματα
- IT
- ΤΟΥ
- ταξίδι
- jpg
- Κλειδί
- βασιλιάς
- Ξέρω
- γνώση
- λίμνη
- Γλώσσα
- Αφάνεια
- αργότερο
- ξεκινήσει
- οδηγήσει
- που οδηγεί
- ΜΑΘΑΊΝΩ
- μάθει
- μάθηση
- Led
- Μήκος
- Μαθήματα
- Διδάγματα
- Αφήνει
- Επίπεδο
- επίπεδα
- ζωή
- κύκλος ζωής
- Μου αρέσει
- Πιθανός
- Περιωρισμένος
- γραμμή
- LINK
- ζω
- ζωντανά δεδομένα
- τοπικά
- θέσεις
- ματιά
- κοιτάζοντας
- να χάσει
- Χαμηλός
- μηχανή
- μάθηση μηχανής
- Macro
- Κυρίως
- διατηρήσουν
- Η διατήρηση
- συντήρηση
- κάνω
- ΚΑΝΕΙ
- Κατασκευή
- διαχείριση
- διαχειρίζεται
- διαχείριση
- διαχειρίζεται
- διαχείριση
- κατασκευής
- πολοί
- μαζική
- ταιριάζουν
- Ενδέχεται..
- μέσα
- μέτρο
- μετρήσεις
- μέτρησης
- μηχανισμός
- medium
- μήνυμα
- μηνύματα
- μέθοδοι
- Metrics
- εκατομμύριο
- εκατομμύρια
- Μύθος
- ML
- μοντέλο
- μοντέλα
- ΜΟΝΤΕΡΝΑ
- τρόπων
- στιγμή
- Παρακολούθηση
- παρακολούθηση
- Μηνας
- μήνες
- περισσότερο
- πλέον
- Μηχανοκίνητα
- Motors
- κίνηση
- πολλαπλούς
- Φυσικό
- Φύση
- απαραίτητος
- Ανάγκη
- ανάγκες
- Νέα
- επόμενη
- Θόρυβος
- κανονικός
- αποκτήσει
- of
- on
- Onboard
- ONE
- λειτουργούν
- λειτουργεί
- λειτουργεί
- λειτουργίας
- λειτουργία
- επιχειρήσεων
- λειτουργίες
- φορείς
- Ευκαιρία
- βέλτιστη
- βελτιστοποίηση
- Βελτιστοποίηση
- Πορτοκαλί
- επιχειρήσεις
- ΑΛΛΑ
- εκτός
- φόρμες
- επισκόπηση
- μέρος
- εταίρος
- εξαρτήματα
- παθιασμένος
- Το παρελθόν
- Patches
- πρότυπα
- επίδοση
- περίοδος
- Προσωπικό
- φάση
- φυσικός
- Φυσικώς
- κομμάτια
- αγωγού
- προγραμματίζονται
- σχεδιασμό
- φώναξε
- πλατφόρμες
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- παιχνίδι
- σας παρακαλούμε
- σημεία
- Πύλη
- θετικός
- δυνατός
- Θέση
- δύναμη
- τροφοδοτείται
- πρακτικές
- ακριβώς
- Προβλέψεις
- Προγνωστικό Analytics
- πρωθυπουργός
- τύπος
- επικρατών
- πρόληψη
- Προληπτική
- καθετήρας
- Πρόβλημα
- προβλήματα
- διαδικασια μας
- Προϊόν
- Ποιότητα προϊόντος
- παραγωγή
- προχωρά
- έργα
- απόδειξη
- απόδειξη της έννοιας
- δεόντως
- προτείνεται
- πρωτόκολλο
- προτυποποίηση
- αποδεικνύει
- παρέχουν
- παρέχεται
- Παρόχους υπηρεσιών
- παρέχει
- χορήγηση
- δημόσιο
- δημοσιεύθηκε
- σκοποί
- ποιότητα
- Ερωτήσεις
- γρήγορα
- αύξηση
- σειρά
- κυμαίνεται
- Τιμή
- Τιμές
- Ακατέργαστος
- Αντιδρά
- πραγματικός
- πραγματική ζωή
- σε πραγματικό χρόνο
- ρεαλιστικός
- λόγος
- συνιστώ
- συστάσεις
- μείωση
- μείωση
- περιοχή
- τακτικά
- Σχέσεις
- σχετικά
- αξιόπιστος
- λείψανα
- αντικαθιστώ
- ζητήσει
- απαιτείται
- Απαιτεί
- Αποτελέσματα
- επαναχρησιμοποίηση
- αύξηση
- Κίνδυνος
- Έλασης
- ρίζα
- Διαδρομή
- τρέξιμο
- SaaS
- ένα ασφαλές
- ίδιο
- ικανοποίηση
- Σαουδική
- Ζυγός
- σενάρια
- πρόγραμμα
- Επιστήμη
- Επιστήμονας
- αδιάλειπτη
- δευτερεύων
- δευτερόλεπτα
- Τμήμα
- τομέας
- προστατευμένο περιβάλλον
- ασφαλώς
- ασφάλεια
- φαινόταν
- τμήματα
- επιλέγονται
- αποστολή
- αρχαιότερος
- αισθητήρες
- Σειρές
- Διακομιστές
- υπηρεσία
- πάροχοι υπηρεσιών
- Υπηρεσίες
- σειρά
- διάφοροι
- σχήματα
- αλλαγή
- Κατάστημα
- έλλειψη
- δείχνουν
- παρουσιάζεται
- Δείχνει
- κλεισίματα
- Θέαμα
- σήματα
- σημαντικά
- παρόμοιες
- ενιαίας
- ευμεγέθης
- μεγέθη
- δεξιότητες
- small
- έξυπνος
- Καπνός
- λογισμικό
- λογισμικό ως υπηρεσία
- λύση
- Λύσεις
- Λύει
- μερικοί
- εξελιγμένα
- ειδικός
- συγκεκριμένες
- ταχύτητα
- Δαπάνες
- Ηθοποιοί
- Εκκίνηση
- ξεκίνησε
- Κατάσταση
- state-of-the-art
- Διακόπτει
- χώρος στο δίσκο
- στρατηγικές
- Στρατηγική
- εξορθολογισμό
- υποβάλουν
- επιτυχής
- Επιτυχώς
- τέτοιος
- προμήθεια
- αλυσίδας εφοδιασμού
- υποστήριξη
- Στήριξη
- σύστημα
- συστήματα
- τραπέζι
- στοχευμένες
- ομάδες
- Τεχνολογίες
- Τεχνολογία
- τερματικό
- δοκιμή
- Δοκιμές
- ότι
- Η
- Η περιοχή
- Το μέλλον
- τους
- Τους
- τους
- επομένως
- θερμικός
- Αυτοί
- πράγματα
- σκέψη
- χιλιάδες
- Μέσω
- παντού
- διακίνηση
- ώρα
- Χρονική σειρά
- φορές
- συγχρονισμός
- προς την
- σήμερα
- τοπικός
- προς
- παραδοσιακός
- Τρένο
- εκπαιδευμένο
- Εκπαίδευση
- Μεταμόρφωση
- Στρατηγική μετασχηματισμού
- Ταξίδια
- Τάσεις
- ενεργοποιούν
- τρισεκατομμύρια
- ΣΤΡΟΦΗ
- τυπικός
- συνήθως
- υποκείμενες
- καταλαβαίνω
- Απροσδόκητος
- μοναδικός
- μονάδα
- απεριόριστες
- us
- χρήση
- Χρήστες
- Χρήστες
- συνήθως
- χρησιμοποιώ
- ΕΠΙΚΥΡΩΝΩ
- αξία
- Αξίες
- διάφορα
- Ταχύτητα
- μέσω
- Δες
- οραματισμός
- ζωτικής σημασίας
- πτητικός
- όγκους
- vs
- περιμένετε
- προειδοποίηση
- Τρόπος..
- Weather
- Εβδ.
- Τι
- αν
- Ποιό
- ενώ
- Ο ΟΠΟΊΟΣ
- ευρύς
- Ευρύ φάσμα
- θα
- με
- εντός
- χωρίς
- Εργασία
- εργάστηκαν
- Εργατικό δυναμικό
- εργαζόμενος
- αξία
- θα
- έτος
- χρόνια
- Εσείς
- Σας
- zephyrnet