Senseye PdM - 150 人年研发成果

在我们的上一篇文章中，我们研究了我们如何将多年来在预测性维护方面学到的知识应用于我们今天所做的一切。在这里，我们将探讨所有这些经验和理解如何使 Senseye PdM 成为市场上领先的预测性维护产品。

多年经验

正如我们之前提到的，Senseye PdM 是 150 多人年专门用于预测性维护的研发时间的结果。除了领先的数据科学家团队之外，如果没有各种行业专家、机械工程师和状态监测专家的技能，就不可能构建它。我们在航空航天和国防行业工作了 30 年——在安全、维护实践和预测性维护技术方面处于世界领先地位——我们的创始人在预测性维护方面的广泛知识和经验也被证明是无价的。

这种水平的经验和传统，加上我们最先进的机器学习技术，使 Senseye PdM 成为真正独特的解决方案——通过我们可以提供的深度领域支持和咨询，它变得更加有效。

设计时考虑到用户

Senseye PdM 的独特之处在于，与其他预测性维护产品不同，它是为使用它的维护工程师设计的。我们知道这些人有多忙。这就是为什么它不需要对其使用的传感器数据进行持续的手动审查。它也不需要为它监控的每种类型的机器开发定制模型。相反，它会自动为每台机器创建高保真模型，无需人工干预。

这意味着可以对给定工厂内的每台机器进行预测性维护，即使是那些关键性较低的机器。结合人工智能、机器学习、统计建模、预测和数据挖掘，该系统可以自动分析机器数据，消除任何可能扭曲结果的环境噪声，从而准确确定机器的健康状况并预测其退化情况。

然后将分析结果输入 Senseye 的注意力引擎，这是一种专有算法，可为每台机器生成一个注意力指数®。足够高的注意力指数将导致注意力引擎生成一个案例，将维护工程师的注意力引导到有问题的机器上。

而且，因为我们知道维护团队几乎没有时间通过​​大量数据来寻找他们正在寻找的东西，所以 Senseye PdM 以清晰易懂的格式向他们提供他们需要知道的一切，让他们能够做出反应速度和准确性。

Senseye 的理念

我们的经验让我们几乎本能地理解了 PdM 是什么，以及它应该如何发挥作用。简而言之，我们将 Senseye PdM 视为一种决策支持系统，可帮助维护专业人员维护他们的机器。这种观点构成了支撑我们所做的一切的哲学的基础。

那么，这里是应用程序设计和成功所依赖的分析背后的三个指导原则。

1 - 引导注意

该应用程序以及支持它的分析的主要目的是将其用户的注意力集中在需要它的机器上。

2 - 关注意义

分析需要良好的数据、高质量的算法和丰富的上下文来生成任何有意义的东西。但是，我们知道，制造环境中的上下文是有限的，因此我们专注于让我们的分析在可用的最少上下文的情况下尽可能高效地工作。

3 - 为用户建模

我们用来自用户的额外上下文来补充我们有限的上下文。例如，通过将分析集中在用户身上，我们能够预测用户兴趣以及机器健康状况。因为我们可以接触到用户，所以我们可以使用他们的反馈来优化我们的预测。

这三个原则中的每一个都来自对预测性维护的深刻理解，源于多年的直接经验。这就是 Senseye 解决 PdM 问题的方法的独特之处。

在我们的下一篇也是最后一篇文章中，我们将考虑预测性维护的未来会是什么样子。在此之前，您可以联系我们了解更多关于 Senseye 幕后工作的信息，或下载我们的白皮书 - Senseye 深入了解：为什么预测性维护如此困难？ - 更多细节。