Aprimorando Expertise Humana com Machine Learning: Soluções Confiáveis pela Senseye

Por Adam Poole, Lead de Design de Produto

Tecnologia só é valiosa quando torna nossas vidas mais fáceis, ainda que essa verdade simples possa se perder na promoção da última mágica técnica.

Em ambiente de trabalho, a última coisa que pessoas precisam são soluções que as deixam com dor de cabeça de sistemas extras para gerenciar. Na onda atual de inovação e entusiasmo em torno de fábricas inteligentes e Indústria 4.0, é mais importante que nunca encontrar soluções que apoiem pessoas a construir negócios mais fortes, em vez de tornar suas vidas de trabalho mais complexas.

Dados fluindo livremente estão se tornando a moeda chefe neste ambiente inteligente. Mesmo assim, dados são inúteis a menos que capacitem pessoas a tomar melhores decisões de negócio. Com isso em mente, é crítico que a nova geração de sistemas industriais entregue uma experiência de usuário que torne vidas de trabalho das pessoas melhores.

Ajude a expertise ir mais longe

Acerte e esses sistemas podem desempenhar grande papel em ajudar a escalar expertise humana escassa. Eles podem dar às pessoas mais tempo para tomar decisões enquanto grande parte da análise de dados de rotina é realizada automaticamente nos bastidores.

Para realmente aproveitar o poder da fábrica inteligente, precisamos conectar humanos e máquinas da forma certa. Não é sobre inteligência artificial (IA) deslocando anos de expertise humana, é sobre humanos e máquinas se tornando o 'sistema inteligente': colaborando e complementando um ao outro.

Defina prioridades para otimizar recursos

Senseye PdM é um ótimo exemplo. Nosso sistema de Manutenção Preditiva baseado em nuvem pode monitorar milhares de ativos conectados, detectando automaticamente comportamento anômalo e padrões que correspondem a modos de falha conhecidos de máquinas individuais. O objetivo é detectar problemas de manutenção muito mais cedo, permitindo que usuários corrijam problemas antes que possam interromper operações.

Equipes de manutenção ocupadas tipicamente têm apenas alguns minutos no início de cada turno para identificar quais entre seus milhares de ativos mais precisam de sua atenção. Unicamente, Senseye PdM apresenta a informação de volta aos usuários na forma de uma lista priorizada, ordenada pelo Índice de Atenção. Isso permite que usuários vejam imediatamente onde devem direcionar seus recursos.

Indo Além da Saúde do Ativo

Em comum com a maioria dos sistemas de monitoramento de condição, Senseye PdM anteriormente ajudava usuários a definir prioridades indicando um score de Saúde do Ativo para cada ativo. Isso agora está sendo substituído pelo Índice de Atenção, que fornece uma única forma de ordenar ativos. Esta nova abordagem é parte de uma nova geração de analytics sendo implantada usando uma nova gama de algoritmos internos.

O Índice de Atenção leva em conta todas as formas que Senseye PdM pode detectar ou prever problemas: detecção de anomalia, tendências, limites e prognósticos. O software, em todos os níveis, guia o usuário para determinar o problema subjacente, retificá-lo e capturar isso no sistema. Isso alimenta algoritmos de machine learning para que falhas comecem a ser detectadas cedo o suficiente para agir.

Saúde do Ativo, como conceito, dá a impressão de que o sistema entende tudo sobre um ativo. Isso nunca é o caso. Um sistema de monitoramento de condição só pode basear este score nos sensores e indicadores de condição configurados para cada ativo (ex: nível de vibração). Se isso leva a score 0, o que isso realmente significa? É enganoso para usuários.

Insights de relance

Índice de Atenção suporta tomada de decisão apresentando lista priorizada de ativos. É a expertise do usuário que determina o próximo passo. Mantendo o design do software simples e direto, tempo valioso é economizado. Aproveitando o poder do machine learning, decisões informadas são tomadas, e capturando o trabalho real feito, todas as partes do sistema continuam a aprender.

Ao ajudar usuários a identificar onde devem focar seus recursos de manutenção, Senseye PdM entrega resultados impressionantes, com aumento típico de 85% em precisão de manutenção acompanhado por reduções de 50% em downtime e aumento de 55% em produtividade.

Quer mais informações sobre Índice de Atenção® dentro do Senseye PdM? Baixe nosso whitepaper "Aprimorando Expertise Humana com Machine Learning".