Meningkatkan Keahlian Manusia dengan Pembelajaran Mesin: Solusi Terpercaya oleh Senseye

Oleh Adam Poole, Product Design Lead

Teknologi hanya berharga ketika memudahkan kehidupan kita, namun kebenaran sederhana ini bisa hilang dalam promosi keajaiban teknis terbaru.

Di lingkungan kerja, hal terakhir yang dibutuhkan orang adalah solusi yang membuat mereka dengan pusing dari sistem tambahan yang harus dikelola. Dalam gelombang inovasi dan semangat yang melingkupi pabrik cerdas dan Industri 4.0 saat ini, semakin penting untuk menemukan solusi yang mendukung orang untuk membangun bisnis yang lebih kuat, bukan membuat kehidupan kerja mereka menjadi lebih kompleks.

Data yang mengalir bebas dengan cepat menjadi mata uang utama dalam lingkungan pintar ini. Meski demikian, data tidak berguna kecuali itu memberdayakan orang untuk membuat keputusan bisnis yang lebih baik. Dengan itu dalam pikiran, sangat penting bahwa generasi baru sistem industri menyediakan pengalaman pengguna yang membuat kehidupan kerja orang menjadi lebih baik.

Membantu keahlian meluas

Jika dilakukan dengan benar, sistem ini dapat memainkan peran besar dalam membantu menskalakan keahlian manusia yang langka. Mereka dapat memberi orang lebih banyak waktu untuk membuat keputusan sementara sebagian besar analisis data rutin dilakukan secara otomatis di balik layar.

Untuk benar-benar memanfaatkan kekuatan pabrik cerdas, kita perlu menghubungkan manusia dan mesin dengan cara yang tepat. Ini bukan tentang kecerdasan buatan (AI) menggantikan keahlian manusia selama bertahun-tahun, ini tentang manusia dan mesin menjadi 'sistem pintar': bekerja sama dan melengkapi satu sama lain.

Tetapkan prioritas untuk mengoptimalkan sumber daya

Senseye PdM adalah contoh yang bagus. Sistem Pemeliharaan Prediktif berbasis cloud kami dapat memantau ribuan aset terhubung, secara otomatis mendeteksi perilaku anormal dan pola yang cocok dengan mode kegagalan yang diketahui dari mesin individu. Tujuannya adalah untuk menemukan masalah pemeliharaan jauh lebih awal, memungkinkan pengguna untuk memperbaiki masalah sebelum mereka dapat mengganggu operasi.

Tim pemeliharaan yang sibuk biasanya hanya memiliki beberapa menit di awal setiap ganti shift untuk mengidentifikasi di antara ribuan aset mereka mana yang paling memerlukan perhatian mereka. Secara unik, Senseye PdM menyajikan informasi kembali kepada pengguna dalam bentuk daftar prioritas, diurutkan berdasarkan Attention Index. Ini memungkinkan pengguna untuk segera melihat di mana mereka harus mengalokasikan sumber daya mereka.

Melebihi Kesehatan Aset

Seperti kebanyakan sistem pemantauan kondisi, Senseye PdM sebelumnya membantu pengguna menetapkan prioritas dengan menunjukkan skor Kesehatan Aset untuk setiap aset. Ini sekarang digantikan oleh Attention Index, yang menyediakan satu cara untuk mengurutkan aset. Pendekatan baru ini adalah bagian dari generasi analitik selanjutnya yang diterapkan menggunakan rentang algoritma internal baru.

Attention Index mempertimbangkan semua cara Senseye PdM dapat mendeteksi atau memprediksi masalah: deteksi anomali, tren, ambang batas dan prognostika. Perangkat lunak, di setiap tingkat, memandu pengguna untuk menentukan masalah mendasar, memperbaikinya dan menangkapnya dalam sistem. Ini memberi makan algoritma pembelajaran mesin sehingga kegagalan dapat mulai terdeteksi cukup awal untuk mengambil tindakan.

Kesehatan Aset, sebagai konsep, memberikan kesan bahwa sistem memahami segalanya tentang aset. Ini tidak pernah terjadi. Sistem pemantauan kondisi hanya dapat mendasarkan skor ini pada sensor dan indikator kondisi yang disiapkan untuk setiap aset (misalnya tingkat getaran). Jika ini menghasilkan skor 0, apa yang sebenarnya berarti? Ini menyesatkan bagi pengguna.

Wawasan sekilas

Attention Index mendukung pengambilan keputusan dengan menyajikan daftar aset yang diprioritaskan. Ini adalah keahlian pengguna yang menentukan langkah berikutnya. Dengan menjaga desain perangkat lunak sederhana dan mudah, waktu yang berharga dihemat. Dengan memanfaatkan kekuatan pembelajaran mesin, keputusan yang tepat diambil, dan dengan menangkap pekerjaan aktual yang dilakukan, semua bagian sistem terus belajar.

Dengan membantu pengguna mengidentifikasi di mana mereka harus memfokuskan sumber daya pemeliharaan, Senseye PdM memberikan hasil yang mengesankan, dengan peningkatan akurasi pemeliharaan sebesar 85% yang biasanya diiringi pengurangan waktu henti sebesar 50% dan peningkatan produktivitas sebesar 55%.

Ingin informasi lebih lanjut tentang Attention Index® dalam Senseye PdM? Unduh whitepaper kami "Augmenting Human Expertise with Machine Learning".