Усиление человеческой экспертизы машинным обучением: надежные решения Senseye

Автор: Адам Пул, ведущий продуктовый дизайнер

Технология ценна только когда упрощает жизнь, но эта простая истина теряется в рекламе последних технических чудес.

В рабочей среде людям совсем не нужны решения, оставляющие головную боль от дополнительных систем для управления. В текущей волне инноваций и энтузиазма вокруг умных заводов и Индустрии 4.0 важнее чем когда-либо находить решения, которые помогают людям строить более сильные бизнесы, а не усложняют рабочую жизнь.

Свободно текущие данные быстро становятся главной валютой в этой умной среде. Но данные бессмысленны, если они не дают людям возможность принимать лучшие бизнес-решения. С этой точки зрения критически важно, чтобы новое поколение промышленных систем доставляло пользовательский опыт, улучшающий рабочую жизнь.

Помогайте экспертизе масштабироваться

Сделайте это правильно — и такие системы смогут играть большую роль в масштабировании дефицитной человеческой экспертизы. Они дают людям больше времени на принятие решений, пока большая часть рутинного анализа данных выполняется автоматически за кулисами.

Чтобы действительно использовать силу умного завода, нужно соединять людей и машины правильно. Речь не об искусственном интеллекте (ИИ), вытесняющем годы человеческой экспертизы, а о том, чтобы люди и машины стали «умной системой»: сотрудничающими и дополняющими друг друга.

Устанавливайте приоритеты для оптимизации ресурсов

Senseye PdM — отличный пример. Наша облачная система предиктивного обслуживания может мониторить тысячи подключенных активов, автоматически обнаруживая аномальное поведение и паттерны, соответствующие известным режимам отказов отдельных машин. Цель — выявлять проблемы обслуживания гораздо раньше, позволяя пользователям устранять их до нарушения операций.

Занятые ремонтные команды обычно имеют всего пару минут в начале смены, чтобы определить, какие из их тысяч активов больше всего нуждаются во внимании. Уникально, что Senseye PdM представляет информацию в виде приоритизированного списка, отсортированного по Attention Index (Индексу внимания). Это позволяет пользователям сразу увидеть, куда направлять ресурсы.

Выход за рамки «Здоровья актива»

Как и большинство систем мониторинга состояния, Senseye PdM ранее помогала устанавливать приоритеты, показывая оценку Asset Health (Здоровье актива) для каждого актива. Теперь это заменяется Attention Index, дающим единый способ сортировки активов. Новый подход — часть нового поколения аналитики, развертываемой с новым набором собственных алгоритмов.

Attention Index учитывает все способы, которыми Senseye PdM может обнаружить или предсказать проблемы: детекцию аномалий, тренды, пороги и прогностику. ПО на каждом уровне направляет пользователя к определению коренной проблемы, ее устранению и фиксации в системе. Это кормит алгоритмы машинного обучения, чтобы отказы начинали обнаруживаться достаточно рано для действий.

Концепция Asset Health создает впечатление, что система понимает всё об активе. Это никогда не так. Система мониторинга может базировать эту оценку только на сенсорах и индикаторах, настроенных для актива (например, уровень вибрации). Если это дает оценку 0, что это значит? Это вводит пользователей в заблуждение.

Инсайты за один взгляд

Attention Index поддерживает принятие решений, представляя приоритизированный список активов. Экспертиза пользователя определяет следующий шаг. Благодаря простому и прямому дизайну ПО экономится драгоценное время. Используя силу машинного обучения, принимаются обоснованные решения, а фиксация реально выполненной работы заставляет все части системы продолжать обучение.

Помогая пользователям определять фокус ресурсов обслуживания, Senseye PdM выдает впечатляющие результаты: типичный рост точности обслуживания на 85%, сокращение простоев на 50% и рост производительности на 55%.

Хотите больше информации об Attention Index® в Senseye PdM? Скачайте наш вайтпейпер «Усиление человеческой экспертизы машинным обучением».