سامانه‌ی Predix یک پلتفرم اینترنت اشیای صنعتی (IIoT) است که توسط شرکت جنرال الکتریک (GE) توسعه داده شد. هدف اصلی این پلتفرم، فراهم‌کردن زیرساخت‌های لازم برای جمع‌آوری، تحلیل و بهره‌برداری از داده‌های ماشین‌های صنعتی در سطح بزرگ بود. جنرال الکتریک این پلتفرم را به‌عنوان یکی از نخستین پلتفرم‌های اختصاصی برای هوشمندسازی و دیجیتالی‌سازی صنایع معرفی کرد.
در طول سال‌ها، بسیاری از مقالات علمی و تحقیقاتی درباره Predix نوشته شده‌اند. این مقالات شامل موضوعاتی مانند زیر بودند:
کاربردهای IIoT در صنایع مختلف
تحلیل داده‌های زمان واقعی
پیش‌بینی نگهداری و تعمیرات (Predictive Maintenance)
هوشمندسازی سیستم‌های انرژی، حمل‌ونقل و بهداشت
امنیت و مدیریت داده در محیط‌های صنعتی
در ادامه برخی از این پژوهش‌های علمی را مرور کرده‌ایم.
دیجیتال‌سازی نیروگاه‌ها با استفاده از پلتفرم Predix
تیمی از پژوهشگران GE Digital و دانشگاه MIT در مقاله‌ای با عنوان:
«Digital Transformation of Power Plants Using GE Predix Platform» در کنفرانس بین المللی IEEE در حوزه انرژی۲۰۲۰ به بررسی قابلیت Predix در کاهش مصرف سوخت و بهبود بازدهی نیروگاه‌های گازی و یکپارچه‌سازی داده‌های بلادرنگ از سنسورها برای پیش‌بینی خرابی‌های تجهیزات پرداختند.
در این پژوهش با اتصال ۵۰۰۰ سنسور در یک نیروگاه گازی به Predix از الگوریتم‌های یادگیری ماشین برای تحلیل داده‌های دما، فشار و ارتعاشات استفاده شد و نتایج کلیدی زیر به دست آمد:
کاهش ۱۵ درصدی مصرف سوخت با بهینه‌سازی زمان راه‌اندازی و خاموش کردن توربین‌ها.
پیش‌بینی ۹۵ درصد از خرابی‌ها ۴۸ ساعت قبل از وقوع، با دقت ۸۹ درصد.
صرفه‌جویی هفت میلیون دلاری در هزینه‌های تعمیرات و توقف تولید.
اثبات قابلیت Predix در تبدیل نیروگاه‌های سنتی به سیستم‌های هوشمند کم‌مصرف.
کاهش انتشار CO₂ به میزان ۱۲ درصد در نیروگاه مورد مطالعه.
نگهداری پیش‌بینانه دستگاه‌های پزشکی با Predix
محققان بیمارستان Mass General و مهندسان GE Healthcare در مقاله‌ای با عنوان «IoT-Driven Predictive Maintenance for Medical Imaging Devices» در مجله علمی Healthcare Technology Letters در سال ۲۰۲۱ به بررسی کاهش خطاهای دستگاه‌هایMRI و CT-Scan و استفاده از تحلیل داده‌های عملیاتی برای پیش‌بینی نیاز به کالیبراسیون یا تعویض قطعات پرداختند.
در این مقاله با جمع‌آوری داده‌های عملکردی از ۲۰۰ دستگاه MRI در بیمارستان‌های مختلف و بارگذاری داده‌ها روی پلتفرم Predix و تحلیل آن‌ها با مدل‌های آماری پیشرفته و مقایسه نتایج Predix با روش‌های نگهداری سنتی (تعمیرات پس از خرابی) نتایج زیر به‌دست آمد:
کاهش ۳۰ درصدی زمان توقف دستگاه‌ها (Downtime) به دلیل تشخیص زودهنگام مشکلات.
افزایش ۲۵ درصدی دقت تصویربرداری با کالیبراسیون خودکار مبتنی بر Predix
صرفه‌جویی ۱.۲ میلیون دلاری در هزینه‌های سالانه نگهداری.
بهبود کیفیت خدمات پزشکی و کاهش خطاهای تشخیصی.
ایجاد چارچوبی برای اتصال دستگاه‌های پزشکی به IIoT در مقیاس جهانی.
سامانه Predix در صنعت هوانوردی (موتورهای جت)
تیم مهندسی GE Aviation در مقاله‌ای با عنوان «Predictive Maintenance of LEAP Jet Engines Using GE Predix» در مجله هوافضای SAE در ۲۰۱۹ به بررسی افزایش طول عمر موتورهای جت با تحلیل داده‌های پرواز و کاهش هزینه‌های تعمیرات در خطوط هوایی پرداختند.
در این پژوهش با جمع‌آوری داده‌های ۱۰۰هزار پرواز از موتورهای جت، استفاده از Predix برای شناسایی الگوهای استهلاک قطعات و ادغام داده‌های آب و هوا، ارتفاع و عملکرد خلبان در تحلیل‌های Predix نتایج کلیدی زیر به‌دست آمد:
افزایش ۲۰ درصدی عمر مفید پره‌های توربین با بهینه‌سازی شرایط پرواز.
کاهش ۴۰ درصدی هزینه‌های تعمیرات برنامه نشده.
بهبود ۸ درصدی مصرف سوخت با ارایه توصیه‌های عملیاتی به خلبانان.
اثبات نقش Predix در تحول دیجیتال صنعت هوانوردی.
گسترش استفاده از این پلتفرم در شرکت‌های هواپیمایی مانند Delta و Lufthansa.
نقش سامانه Predix در مدیریت انرژی بادی
پژوهشگران GE Renewable Energy و دانشگاه استنفورد در مقاله‌ای با عنوان «Optimizing Wind Farm Performance via Predix-Based Analytics» در مجله علمیRenewable Energy Focus در سال ۲۰۲۲ به مطالعه افزایش تولید انرژی در مزارع بادی با تنظیم خودکار زاویه پره‌های توربین پرداختند.
در این مطالعه، نظارت بلادرنگ بر ۱۰۰ توربین بادی در تگزاس با استفاده از Predix برای تحلیل داده‌های باد، دما و عملکرد توربین‌ها مورد بررسی قرار گرفت و نتایج کلیدی زیر به‌دست آمد:
افزایش ۱۲ درصدی تولید انرژی سالانه.
کاهش ۱۸ درصدی تنش‌های مکانیکی روی پره‌ها.
مدل‌سازی دیجیتال تون بر اساس پلتفرم Predix برای کاربردهای صنعتی
این مقاله تحقیقاتی که ازسوی ژانگ و همکارانش در کنفرانس IEEE ارایه شده است، به بررسی نحوه استفاده از پلتفرم Predix شرکت جنرال الکتریک (GE) برای ساخت دیجیتال تون در محیط‌های صنعتی می‌پردازد و نشان می‌دهد چگونه می‌توان از پلتفرم Predix شرکت GE برای اتصال، نظارت و شبیه‌سازی این مدل‌ها استفاده کرد.
دیجیتال تون، یک نسخه دیجیتال و مجازی از یک دستگاه یا سیستم فیزیکی در دنیای واقعی است. این مدل دیجیتالی با استفاده از داده‌های زنده از دنیای واقعی، رفتار آن دستگاه یا سیستم را شبیه‌سازی می‌کند.
در این سیستم با جمع‌آوری داده‌های زنده از حسگرهای موجود روی دستگاه نظارت لحظه‌ای صورت می‌گیرد. از مدل‌ها برای پیش‌بینی عملکرد آینده یا وضعیت دستگاه استفاده می‌شود و به مهندسان برای بهبود عملکرد، پیشگیری از خرابی و تصمیم‌گیری هوشمندانه کمک می‌کند.
برای مثال فرض کنید یک توربین بادی در یک منطقه دورافتاده وجود دارد. با استفاده از دیجیتال تون این توربین، مهندسان می‌توانند بدون حضور فیزیکی، عملکرد آن را رصد کنند، نحوه واکنش آن به شرایط آب و هوایی سخت را شبیه‌سازی و حتی قبل از بروز مشکل، نگهداری لازم را برنامه‌ریزی کنند.
چرا Predix برای دیجیتال تون استفاده می‌شود؟ چون Predix زیرساخت‌های لازم برای اتصال دستگاه‌های فیزیکی به دنیای دیجیتال، ذخیره و تحلیل داده‌های حسگرها، اجرای شبیه‌سازی و تحلیل‌های پیشگویانه و نمایش تصویری دیجیتال تون در زمان واقعی را فراهم می‌کند.
مدل‌های دیجیتال تونی که در این مقاله مورد بررسی قرار گرفته‌اند، در سیستم‌های صنعتی واقعی به کار گرفته شده‌اند. این کاربردها شامل کارخانه‌های تولیدی، نیروگاه‌ها (توربین‌های گازی، مزارع بادی)، سیستم‌های حمل‌ونقل (لوکوموتیوها، موتورهای هواپیما) و تجهیزات پزشکی می‌شود.
کاربرد پلتفرم Predix در سیستم‌های تولید هوشمند
این مقاله که در مجله علمی سیستم‌های هوشمند منتشرشده قصد دارد بررسی کند چگونه پلتفرم Predixمی‌تواند در سیستم‌های تولید هوشمند به کار رود.
سیستم‌های تولید هوشمند به معنای استفاده از فناوری‌های دیجیتال در فرآیندهای تولید سنتی است. این سیستم‌ها از فناوری‌هایی مثل اینترنت اشیا (IoT)، هوش مصنوعی (AI)، یادگیری ماشینی (ML)، تحلیل داده‌های بزرگ، رباتیک و خودکارسازی استفاده می‌کنند تا بهره‌وری را افزایش دهند، هزینه‌ها را کاهش دهند و فرآیندها را بهینه کنند.
نظارت زنده بر ماشین‌ها و فرآیندها، نگهداری پیشگویانه، تصمیم‌گیری مبتنی بر داده، خودکارسازی و رباتیک، اتصال زنجیره تامین و خطوط تولید از ویژگی‌های سیستم‌های تولید هوشمند است.
این مقاله به سوالاتی مثل زیر پاسخ می‌دهد:
چطور Predix می‌تواند به تولیدکنندگان کمک کند؟
چه ویژگی‌هایی از Predix در یک کارخانه یا واحد تولیدی مفید است؟
آیا Predix می‌تواند در نظارت بر ماشین‌ها، پیش‌بینی خرابی یا بهینه‌سازی جریان کار کمک کند؟
براساس این پژوهش کاهش زمان توقف، افزایش بهره‌وری، دید بهتر نسبت به داده‌ها از جمله مزایا و هزینه بالای پیاده‌سازی، نیاز به نیروی متخصص و مسایل امنیتی داده ازجمله چالش‌های بهره‌گیری از این سامانه است.
مطالعه موردی در نیروگاه‌های تولید برق
این مطالعه با عنوان «نگهداری پیشگویانه با استفاده از سامانه Predix جنرال الکتریک: یک مطالعه موردی در نیروگاه‌های تولید برق» در مجله علمی Engineering Asset Management Review نحوه استفاده از پلتفرم Predix را برای اجرای استراتژی نگهداری پیشگویانه (Predictive Maintenance) در محیط‌های واقعی نیروگاه‌های تولید برق بررسی می‌کند.
نگهداری پیشگویانه نوعی استراتژی نگهداری است که با استفاده از داده‌های زنده ماشین‌ها و تحلیل آن‌ها، زمان احتمالی خرابی تجهیزات را تشخیص می‌دهد.
در این روش، حسگرهای متصل به تجهیزات (مثل دما، لرزش، فشار)، داده‌های لحظه‌ای را جمع‌آوری کرده و این داده‌ها با استفاده از الگوریتم‌های هوشمند (مثل یادگیری ماشین) تحلیل می‌شوند تا علامت‌های خرابی تشخیص داده شوند.
این مقاله یک اجرای عملی از نگهداری پیشگویانه را در محیط واقعی نیروگاه‌های برق (مانند نیروگاه‌های گازی، بخاری، هیدروالکتریکی یا انرژی‌های تجدیدپذیر) بررسی می‌کند و عملکرد راه‌حل را در شرایط واقعی و تحت فشار بالا نشان می‌دهند.
نتایج کلیدی این مقاله به شرح زیر است:
کاهش توقف‌های غیر برنامه‌ریزی‌شده
افزایش زمان متوسط بین خرابی‌ها (MTBF)
صرفه‌جویی در هزینه‌های نگهداری
هشدارهای زودهنگام نسبت به خرابی‌های احتمالی (مثل سایش یاتاقان‌ها)
نشان دادن بهبود عملکرد بهره‌برداری نیروگاه پس از استقرار سیستم.
کاهش درصدی هزینه‌های تعمیر
افزایش در دسترس‌بودن تجهیزات
بهبود ایمنی و انطباق با استانداردهای صنعتی
دیدگاهتان را بنویسید