Potenciar la experiencia humana con Machine Learning: Soluciones confiables de Senseye

Por Adam Poole, Responsable de Diseño de Producto

La tecnología solo es valiosa cuando nos facilita la vida, pero esa simple verdad puede perderse en la promoción de la última magia técnica.

En un entorno laboral, lo último que necesitan las personas son soluciones que les dejen el dolor de cabeza de sistemas extra que gestionar. En la actual ola de innovación y entusiasmo en torno a fábricas inteligentes e Industria 4.0, es más importante que nunca encontrar soluciones que apoyen a las personas para construir negocios más fuertes, en lugar de hacer sus vidas laborales más complejas.

Los datos de flujo libre se están convirtiendo rápidamente en la moneda principal en este entorno inteligente. Aun así, los datos son inútiles a menos que capaciten a las personas para tomar mejores decisiones de negocio. Con eso en mente, es crítico que la nueva generación de sistemas industriales ofrezca una experiencia de usuario que mejore las vidas laborales de las personas.

Ayudar a que la experiencia vaya más lejos

Si se hace bien, estos sistemas pueden jugar un gran papel en ayudar a escalar la escasa experiencia humana. Pueden dar a las personas más tiempo para tomar decisiones mientras gran parte del análisis de datos rutinario se lleva a cabo automáticamente entre bastidores.

Para aprovechar verdaderamente el poder de la fábrica inteligente, necesitamos conectar humanos y máquinas de la manera correcta. No se trata de que la inteligencia artificial (IA) desplace años de experiencia humana, se trata de que humanos y máquinas se conviertan en el «sistema inteligente»: colaborando y complementándose mutuamente.

Establecer prioridades para optimizar recursos

Senseye PdM es un gran ejemplo. Nuestro sistema de Mantenimiento Predictivo basado en la nube puede monitorizar miles de activos conectados, detectando automáticamente comportamientos anómalos y patrones que coinciden con los modos de fallo conocidos de máquinas individuales. El objetivo es detectar problemas de mantenimiento mucho antes, permitiendo a los usuarios solucionar problemas antes de que puedan interrumpir las operaciones.

Los equipos de mantenimiento ocupados suelen tener solo unos minutos al inicio de cada turno para identificar cuáles de sus miles de activos necesitan más su atención. Únicamente, Senseye PdM presenta la información de vuelta a los usuarios en forma de una lista priorizada, ordenada por el Índice de Atención. Esto permite a los usuarios ver inmediatamente hacia dónde deben dirigir sus recursos.

Más allá de la Salud del Activo

En común con la mayoría de sistemas de monitorización de condición, Senseye PdM anteriormente ayudaba a los usuarios a establecer prioridades indicando una puntuación de Salud del Activo para cada activo. Esto ahora está siendo reemplazado por el Índice de Atención, que proporciona una única forma de ordenar activos. Este nuevo enfoque es parte de una nueva generación de analíticas que se están implementando usando una nueva gama de algoritmos internos.

El Índice de Atención tiene en cuenta todas las formas en que Senseye PdM puede detectar o predecir problemas: detección de anomalías, tendencias, umbrales y prognóstica. El software, en todos los niveles, guía al usuario hacia la determinación del problema subyacente, su rectificación y su captura en el sistema. Esto alimenta algoritmos de machine learning para que los fallos comiencen a detectarse lo suficientemente temprano como para actuar.

La Salud del Activo, como concepto, da la impresión de que el sistema lo entiende todo sobre un activo. Nunca es el caso. Un sistema de monitorización de condición solo puede basar esta puntuación en los sensores e indicadores de condición configurados para cada activo (p. ej., nivel de vibración). Si esto lleva a una puntuación de 0, ¿qué significa realmente? Es engañoso para los usuarios.

Insights de un vistazo

El Índice de Atención apoya la toma de decisiones presentando una lista priorizada de activos. Es la experiencia del usuario la que determina el siguiente paso. Al mantener el diseño del software simple y directo, se ahorra tiempo valioso. Al aprovechar el poder del machine learning, se toman decisiones informadas, y al capturar el trabajo real realizado, todas las partes del sistema continúan aprendiendo.

Al ayudar a los usuarios a identificar dónde deben enfocar sus recursos de mantenimiento, Senseye PdM ofrece resultados impresionantes, con un aumento típico del 85% en la precisión del mantenimiento acompañado de reducciones del 50% en downtime y un impulso del 55% en productividad.

¿Quiere más información sobre el Índice de Atención® dentro de Senseye PdM? Descargue nuestro whitepaper «Aumentar la experiencia humana con Machine Learning».