Cloud Computing - Another Buzzword or Leveraging Technology?

Cloud Computing is opening up many possibilities in the world of Predictive Maintenance (PdM). The benefits are quickly realized by companies who choose to leverage this technology.

Mnet 164247 Azima320
Clou Leve By Kennet Cloud C possibil Mainten quickly choose Cloud  co computer profession can  help unpreced transpare computin is  already operation performa this  tech maintena What i Cloud  co software, used, and confusion company  term is us At  least o Institute o  “ p se se What  doe available  d Co ragin h Piety, Ph.D omputing ities in th ance (Pd realized to leverag mputing  is    world,  als do not u   their  oper ented  levels ncy  for  main g the way of    available  t   use  cloud nce?  Can  ma nology  and nce industry? s Cloud C mputing  is   hardware, a  rarely expla   is due  in pa has  its own  ed in so man ne organizat f Standards a Cloud Compu ool  of  config rvices)  that  rvice provide s  this  mean over  the  Inte mput g Te . and David G is openi e world M). The by com e this tech the  latest  but  man nderstand w ation.  “The   of  efficie tenance  pro the future, o oday?  How    computing intenance  p   revolutio   omputing a  hot  topic  nd Web com ined, that it  rt because  t spin on what y different co ion has put a nd Technolo ting  is a mo urable  comp can  be  rapi r interaction ?  In  laymen rnet  to anyo ing - chnol eswein, BS,  ng up ma of Predict benefits panies w nology. buzzword  in y  mainte hat  it  is or    Cloud”  pr ncy,  uptime fessionals.  I r is it someth can  a  main   to  improv rofessionals  nize  the  p ? these  days pany  is usin leaves many  he  term  “clo  cloud comp ntexts, it is d  definition t gy (NIST):  del for enab uting  resour dly  provision .”1  ’s  terms,  clo ne with a n Anot ogy? M.E.  ny ive are ho   the  nance  how  it  omises  ,  and  s  cloud  ing that  tenance  e  plant  leverage  redictive  .  Every  IT,  g  this buzzw non‐comput ud  computin uting  is and  ifficult to def o the term c ling convenie ces  (e.g.,  ne ed  and  rele ud  computi etwork conn her B ord  in  its ma er profession g”  can mea how  it can b ine.  loud comput nt, on dema tworks,  serv ased  with  m ng  is  a  way  ection. These uzzw rketing. The als scratchin n many diffe enefit custom ing. Accordin nd network a ers,  storage, inimal  mana to  make  co   resources c ord   term  is so w g their heads rent  things.  ers. Becaus g to the Na ccess to a s   applications gement  effo mputer  reso an come  in      or idely  . The  Every  e the  tional  hared  ,  and  rt  or  urces  many  2  forms. The resource could be a server, a network, or software as long as the intended user can quickly  and  easily  gain  access  over  the  Internet.    Typically,  these  resources  are  provided  by  a  vendor  on  a  subscription or rental basis without any capital expenditures necessary on  the part of  the client. NIST  further specifies three service models for cloud computing:2  • Infrastructure as a Service (IaaS)  • Platform as a Service (PaaS)  • Software as a Service (SaaS)  The first two models are only used by computer professionals and are beyond the scope of this paper.  For the purposes of this paper, wherever the term cloud computing is used, the SaaS model is assumed.  What is Software as a Service (SaaS)? With  the Software as a Service  (SaaS) model,  the client pays a subscription  to use software. All other  tasks  associated  with  maintaining  the  software  are  handled  by  the  provider.  These  tasks  include  software  updates,  data  backups,  server  maintenance,  etc.  The  SaaS  model  is  the  most  commonly  encountered by non‐computer professionals and offers the most benefits and cost savings.  The term “cloud” comes from the idea that the user does not see or touch the physical equipment that  powers a cloud‐computing system. So, what is a cloud‐computing system made of? Today, large server  farms  power  many  web‐based  software  systems.  A  server  farm  is  multiple  connected  servers  that  function  as  a  large  “super  computer.”  The  server  farm  can  instantly  scale  by  powering  up  or  down  servers as needed without  interruption to service. Multiple software systems can run on a single farm.  As more  computing power  is needed more  servers are added  to  the  farm without downtime. During  low‐use  periods  like  nights  or  weekends,  many  of  the  servers  in  the  farm  can  be  powered  off  to  conserve energy. This also allows maintenance activities  to  take place without  impact  to  the user. As  demand increases, more servers are brought online to meet the users’ needs.  Cloud  computing  is  one  of  the  few  computer  innovations  to  start  at  the  consumer  level  and  then  migrate to enterprises.2   “Most IT innovations start in the enterprise and go to customer. This one is going to enterprise  from consumer.” — Geoffrey Moore, TCG Advisors.2  Some of the oldest, most well‐known, cloud computing systems are consumer products. Google Gmail,  Facebook, Windows Live Hotmail, and YouTube are all examples of cloud computing, more specifically  SaaS,  in  the consumer market. Hotmail, one of  the  first Web‐based email systems, officially  launched  July 4, 1996, symbolizing  freedom  from client‐ISP based email and  the ability  to access a user’s  inbox  from anywhere in the world.6 By February of 2009, Hotmail reported over 30 million users worldwide.6  Today, both private and public institutions are making a similar switch. The City of Los Angeles now uses  Google  Apps,  an  integrated  email  and  document  system  by  Google,  for  its  30,000  employees.4  Los  Angeles  joins the ranks of many other notable  institutions using Google Apps for their email,  including  the University of Notre Dame, Motorola Mobile Devices Division, and Arizona State University. A host of  cloud‐based business systems are available on the market. There are cloud‐based alternatives to most  3  any  traditional  client‐server  software  systems.  Salesforce.com, a Customer Relationship Management  (CRM) system using the SaaS model, has become one of the most popular CRM systems available today.  According to Gartner, a  leading IT research firm, 30% of new customer service and support application  investments will be through the SaaS model.3 It is likely that other business systems will follow the same  evolution.  Advantages of Cloud Computing The  most  noticeable  and  immediate  benefit  of  cloud  computing  is  the  elimination  of  capital  costs.  Without on‐site  servers and expanded  IT  infrastructure,  the up‐front  capital  investment  is often  zero  dollars. This is a huge advantage when making a business case for a cloud‐based system.  In  addition,  the ongoing operating  costs  are  also  reduced  greatly. There  are  a wide  range of  savings  estimates, some of which are much more optimistic than others, spanning from 39% to 90% operating  savings.4  There  are  many  well‐documented  cases  demonstrating  a  combined  implementation  and  operating cost savings  in the 20% to 40% range.7 An analysis by the City of Los Angeles  in  its move to  Google Apps found five‐year costs were reduced by 23.6%, saving over $5.4 million.4  These operating cost reductions are a direct result of increased efficiencies. In many companies, servers  run at 15% to 20% of their capacity.5 A cloud‐provider can easily consolidate the usage of a system from  many  companies  to  a  set  of  servers  that  is  sized  to match  the workload. A  cloud  provider  can  also  control  the  load  on  their  servers  even  as  demand  fluctuates.  By  sharing  fewer  computing  resources  among  a  larger  group  of  users,  operational  efficiency  is  increased.  In  addition,  the  manpower  to  maintain  the  systems  is utilized more  efficiently. With  traditional  client‐server  systems, maintenance  and support activities may require 5% to 10% of one IT person’s time. A cloud provider can utilize almost  100%  of  their  IT  person’s  time,  which  creates  an  increase  in  manpower  utilization  and  efficiency.  Granted, with a traditional system, the IT person would have other tasks to perform when they are not  supporting the system. With cloud computing, multi‐tasking is reduced and the IT department is free to  focus on more important activities.  In  addition  to  the  obvious  and  direct  cost  savings,  there  are  other  indirect  savings  and  benefits  associated with  cloud  computing.  For example, most  cloud  computing  vendors perform maintenance  upgrades routinely with zero downtime. This means that users receive the benefits of new features and  enhancements without  interruption to operations.  In addition, cloud providers have many  fail‐safes  in  place for power, network, and servers. Because of this, many providers guarantee a level of uptime that  is difficult to achieve with a single, client‐owned server. All of this adds up to more productivity for the  users.  Another benefit of cloud computing is ubiquity. A cloud system  is available from anywhere that has an  Internet connection. Some systems are even available via mobile phone or iPod. Because the same, high  security  standards are  imposed no matter where  the users are  connecting  from,  there  is  little  risk of  exposing the system and data to attack or theft.  Other  risks  are  also  minimized  by  using  the  cloud.  Costs  and  performance  are  predictable  because  pricing  and  Service  Level  Agreements  (SLA’s)  are  written  into  the  contract.  There  will  not  be  any  unforeseen  costs  associated  with  hardware  failure  or  data  recovery  services.  The  vendor  bears  the  burden of these costs and is better protected against these hazards in general. Even if a hard drive fails,  the system will failover to a redundant data drive. The cloud provider would then hot‐swap a new hard‐ 4  drive without impact to the customer. All of this is driven by the vendor’s need to meet their contractual  obligations.  How Cloud Computing Applies to the Predictive Maintenance Industry Drawing  on  the  NIST  definition,  a  fourth  model  can  be  defined  specifically  for  the  Predictive  Maintenance (PdM) industry: Expertise as a Service (EaaS).  In  this  model,  expert  diagnostic  knowledge  is  delivered  via  the  cloud.  For  the  PdM  industry,  those  reaping the most cloud computing benefits are combining EaaS with SaaS.  To do this, vendors are providing the hardware and software needed for their solution via the Internet  (SaaS) and then leveraging their own setup to also deliver diagnostic expertise (EaaS) on a much larger  scale than ever possible. This combination is enabling vendors to maximize the benefit and efficiency of  their  cloud based PdM program by delivering highly‐skilled diagnostic knowledge  to a wide audience  without any physical travel by analysts. This combination of models lets maintenance staff and analysts  access the PdM software over the Web and then perform whatever tasks are relevant to them. While  the analyst accesses the software to review data to detect faults, the plant manager accesses  it to see  the analyst’s recommendations and assess the health of his entire fleet based on the latest data.  The success of any PdM program rests on the ability of an analyst to make the correct interpretation of  volumes of vibration data. In general, it takes about two years for a new analyst to hone his or her skills  to be reasonably proficient at diagnosing machine faults. It is common for in‐house analyst positions to  have  high  turnover  as  proficient  analyst  are  promoted  or  seek  better  job  opportunities.  As  a  replacement  is  trained,  there  is  a  two‐year  cycle  in which  the  diagnostic  accuracy  of  the  predictive  maintenance program suffers. In addition, it is well documented that today’s highly skilled analysts are  retiring at a steady rate and there are few replacements coming up the ranks from the next generation.  Cloud‐based PdM programs enable plants  to access highly  skilled analysts provided by  the vendor.  It  brings  the  data  to  the  analyst  rather  than  the  analyst  to  the  machine.  Plants  need  only  train  their  maintenance  staff  to  collect vibration data and upload  it  to  the vendor’s  secure  cloud‐based  system.  While  there  is a slight  learning curve, anyone  familiar with  the machines can be  taught  to collect and  upload  data with  just  a  few  days  or weeks  of  training.  The  analyst  can  then  view  this  data  via  the  Internet,  thus  eliminating  the  need  for  costly  travel.  It  also  enables  one  analyst  to  serve  multiple  customers  since  all  customer  data  can  be  reviewed  securely  from  a  centralized Web‐based  system.  Further, the analyst can review and diagnose from anywhere in the world, as long as there is an Internet  connection.  Another huge benefit to the EaaS model relates to delivering the right skills for the problem at hand. An  in‐house analyst’s skills are  limited to the types of equipment and problems with which he or she has  had experience. By delivering expertise via the cloud, a vendor with a stable of analysts can deliver the  person with the expertise that matches the customer’s need.  Revolutionizing PdM The predictive maintenance industry stands to gain more from the cloud revolution than most any other  industry.  To  date,  PdM  systems  have  been  primarily  isolated  to  individual  laptop  and  desktop  5  computers.  PdM was  completely  left behind  in  the  client‐server  boom of  the  90s. By moving  to  the  cloud, PdM  systems will  reap all of  the cloud advantages previously outlined  in addition  to all of  the  client‐server  advantages  that  these  systems have  yet  to  achieve. The move  to  the  cloud will  also be  easier than for other  industries since PdM has not made a  large  investment  in traditional client‐server  systems.  Besides the general benefits outlined earlier, moving PdM to the cloud will revolutionize the industry in  several critical areas:  • Centralization. Data  is  leveraged more  efficiently.  If  a  person  needs  to  determine which  plant in a fleet is at the highest risk for downtime, it can be done quickly because the data is  on a single system. The person does not need to talk to several other people or access many  different systems to know the health of the fleet.  • Collaboration.  Multiple  people  can  share  the  same  information.  Several  experts  can  be  called upon to examine a potential problem. By working together and drawing upon a larger  set of experience, these experts can determine the best possible course of action for their  customers.  • Communication. Because email alerts, text messages, and even automated phone calls are  possible, the profile of PdM within an organization is raised.  • Transparency. More people  in your organization are exposed to the PdM process and can  clearly see the benefits. This raises the value of the program, making PdM a “need” instead  of a “want.”  • Integration. With so many people needing information from the PdM program, automated  data exchange between business systems becomes a reality.  • Participation.  The  door will  be  opened  for  others  to  gather  data,  contribute  knowledge,  report  observations,  and  feedback  findings  to  the  system.  Instead  of  a  one‐way  process,  PdM becomes an  interactive, ongoing process with many other departments  feeding data  back to the system.  All of this may sound like predictions of a distant future. Many might question whether all of this is even  possible.  If so, then the future  is here. Cloud‐based PdM systems have been quietly growing for more  than seven years. Today, more than 50 companies (many Fortune 500) already rely on cloud‐based PdM  services. In fact, there are already many success stories from migrating PdM to the cloud.  Case History 1: Equipment in Danger saved by “The Cloud” A  vibration  analyst  was  asked  to  perform  a  vibration  analysis  on  a  centrifugal  compressor.  The  compressor was  alarming on  the  Stage  2  vibration  sensor  that  is part of  the  control  system. With  a  traditional vibration service program, the vibration analyst would travel to the site, gather the vibration  data, analyze the data and then issue a report. In this case, it would have taken the analyst a minimum  of eight hours to physically get to the plant.  Luckily, th implemen the noisy  already at to any au the data a easily acc Working t impeller,  “in  the  cl short  tim repair on  and/or a w Case H A  custom monitorin and alerts acquisitio the techn is a need primary a program  with  Inter is was not a ted using a  machine him  the site perf thorized use nd called in  ess the same ogether, the but with  its  oud,”  the  an e  after  the o the wrong p rong diagno istory 2: V er  at  a  larg g program. T   the  technic n for each m ician contact   for  immedia nalyst was aw was  impleme net access (a  traditional v cloud compu self and uplo orming othe r from a cen a colleague   data and dia  two highly s associated oi alysts were  riginal  reque art of the m sis would ha acationi e  power  pla he plant use ian  to a pot achine. The t s the assigne te  action. U ay on vacat nted using c nd credentia ibration mon ting  system, ad it to a se r maintenanc tralized, secu for a closer l gnostic tools killed analyst l pump. Beca able  to quic st. A  travel  achine, a day ve been very ng Analy nt  was  gat d data collec ential proble echnician re d vibration a sually  this w ion. Luckily, a loud comput ls on the sy 6  itoring prog   the custome cure data cen e activities. T re cloud‐bas ook. The coll  without any  s determined use the vibr kly  collabora weary,  lone   after the p  costly.  st has No hering  vibrat tion hardwa m with a pr ceived a seve nalyst to requ as not a pro nother vibra ing  technolo stem). The b ram. Because r was alread ter. This was he data was ed system. T eague was tw travel neede  that the pro ation monito te  to make  a analyst  coul roblem  first o Impact o ion  data  as re that autom eliminary dia re alert for  est a quick r blem, excep tion analyst  gies,  the dat ackup analys  this custom y equipped   done while   then availab he vibration o time zone d.  blem was no ring service  n  accurate  d have easily ccurred. Th n Operat   part  of  its  atically ana gnosis  imme a very critica eview of the t  this was a  could be rea a was availa t was at a b er’s program to gather da the custome le via the Int  analyst exam s away, but    t with the St was  implem diagnosis wit   recommend e delay  in an ions routine  vibr lyzes the ma diately after l pump. Norm  data in case  weekend an ched. Becaus ble  to any a ackyard barb  was  ta on  r was  ernet  ined  could  age 2  ented  hin  a  ed  a  alysis  ation  chine   data  ally,  there  d  the  e this  nalyst  ecue,  but was  a software. Using only not have  machine w continued isolated o vacation.  knowing t Case H Immed A steel m was previ than a ye processin email  ale personne It was obv The pump in the reb result, da mill and f ble  to  borro    a Web brow a problem. T as still being  his data coll n the primar In the meant hat it was ac istory 3 iately for ill had  just r ously equipp ar. This mon g, analysis, a rt  was  sent  l as well as th ious that the  was remove uild effort. B mage to the  uture pump s w  a  laptop. ser, the ana o  the  relief   established ection routin y analyst’s co ime, plant p tually proble : Cloud Faster R ebuilt a  large ed with an a itoring system nd  long‐term out  by  the  e company w  pump had a d from serv earing fits w shaft and ca ervice was n  With  cloud  lyst was able of  the  techn . The alarm t e. Without c mputer. The ersonnel wo m free.  -based A esolution  critical pum utomated m  gathers da   storage.   A cloud‐based  ho was hired  problem an ice and  inspe ere  loose,  im sing had alre ot performed 7  computing,   to review th ician,  this wa hresholds we loud comput  analysis wo uld be very n utomate p using an u onitoring  sy ta on the pu fter  the  rebu monitoring   to monitor  d that the on cted. The ph peller and c ady begun. T  by this vend not  only  is  d e data and d s a  false ala re adjusted  ing, the softw uld have had ervous and  d System nfamiliar pu stem  that ha mp and send ilt pump wa system.  The the equipme set was a dir ysical  inspec ase wear rin he cost of th or.  ata  centrali etermine tha rm. The bas accordingly,  are and data  to wait until distracted by Detect mp service v d been  in o s  it securely  s  installed a   system  ale nt for such p   ect result of  tion revealed gs were not  e rebuild wa zed,  but  so  t the machin eline data  fo and the tech  would have  he returned  the machine Anoma endor. This  peration  for  to “the cloud nd  started u rted  mainten roblems.  the rebuild e  several mis secured, and s refunded t is  the  e did  r  this  nician   been   from  , not  lies pump  more  ” for  p, an  ance  ffort.  takes   as a  o the  8  With  traditional predictive maintenance practices,  it may have been  several weeks before any health  data was gathered on  this machine.  It would have been much more difficult  to  find a root cause at a  later date. Even worse, the pump could have failed without knowing why and be sent back to the same  vendor for a second rebuild; likely with the same result.   Because cloud computing was already implemented for the mill’s predictive maintenance program, the  problem was identified, diagnosed, and the root cause was discovered within hours.  Closing - The Future of PdM Has Arrived As illustrated in the three case histories, the cloud is already opening up many possibilities in the world  of  PdM.  The  benefits  are  quickly  realized  by  companies  who  choose  to  leverage  this  technology.  Organizations  that make  the move  to  the cloud will undoubtedly gain  the same benefits and discover  more possibilities on their own. Leading organizations are already using this technology to drive a wedge  between them and their competition.    ‹ © 2011 – Azima DLI – All rights reserved.  About the authors: Kenneth Piety, Ph.D., VP of Technology  Kenneth Piety  is the vice president of technology at Azima DLI, a machine condition monitoring company  that  has  fully  embraced  the  cloud.  He  co‐founded  Computational  Systems  Inc.  (CSI)  and  was  a  key  contributor there for nearly 20 years. Ken holds more than 30 patents related to predictive and proactive  maintenance technologies. He has worked for General Electric, Technology for Energy Corporation, and the  Oak Ridge National Laboratory. Ken holds a Ph.D. in Nuclear Engineering from the University of Tennessee.    David Geswein, BS, M.E., Director of Portal Operations  David Geswein  is  the director of portal operations  for Azima DLI.    In various  roles with Azima DLI he has  helped build and maintain the largest cloud‐based PdM programs in the world.  Prior to joining Azima DLI,  David was a Reliability and Performance  Engineer  for Duke  Energy.   He  is a Vibration  Institute  certified  Category IV Vibration analyst and holds a B.S. in Mechanical Engineering from Purdue University.      References: 1  (October 7, 2009) The NIST Definition of Cloud Computing. National Institute of Standards and  Technology (NIST) Web site. Retrieved from: http://csrc.nist.gov/groups/SNS/cloud‐computing/ on August  22, 2010.  9  2 (April 13, 2010) Google ready to get down to business. CloudTweaks.com – The Cloud Computing  Community. Retrieved from: http://www.cloudtweaks.com/2010/04/google‐ready‐to‐get‐down‐to‐ business/  on September 17, 2010.  3 (November 20, 2008) Gartner Says That 30 Percent of New Customer Service and Support Application  Investments Will Be Through the SaaS Model by 2012. Gartner Web site. Retrieved from:  http://www.gartner.com/it/page.jsp?id=808112  on September 17, 2010.  4 (April 7, 2010) Saving Money Through Cloud Computing. Retrieved from  http://www.brookings.edu/~/media/Files/rc/papers/2010/0407_cloud_computing_west/0407_cloud_co mputing_west.pdf  on September 21, 2010.  5 (March 25, 2005) Faster Guide: Server Consolidation. TechTerms@WhatIs.com. Retrieved from  http://searchdatacenter.techtarget.com/definition/server‐consolidation  on September 21, 2010.  6 Wikipedia – Hotmail. Retrieved from http://en.wikipedia.org/wiki/Hotmail  on October 5, 2010.  7 (April 16, 2009) Cloud Computing Savings – Real or Imaginary. Retrieved from  http://blog.appirio.com/2009/04/cloud‐computing‐savings‐real‐or.html  on October 5, 2010.
More