通过机器学习增强人类专业知识 | Senseye
作者：产品设计主管 Adam Poole
技术只有在让我们的生活更轻松时才有价值，但在推广最新的技术魔法时可能会丢失这个简单的真理。
在工作环境中，人们最不需要的就是让他们为管理额外系统而头疼的解决方案。在当前围绕智能工厂和工业 4.0 的创新和热情浪潮中，找到支持人们建立更强大业务的解决方案比以往任何时候都更加重要，而不是让他们的工作生活变得更加复杂。
自由流动的数据正迅速成为这个智能环境中的主要货币。即便如此，除非数据能够帮助人们做出更好的业务决策，否则数据毫无意义。考虑到这一点，新一代工业系统必须提供能够改善人们工作生活的用户体验。
帮助专业知识走得更远
做对了，这些系统可以在帮助扩展稀缺的人类专业知识方面发挥重要作用。它们可以给人们更多的时间来做决定，而大部分常规数据分析都是在幕后自动执行的。
要真正利用智能工厂的力量，我们需要以正确的方式连接人和机器。这不是关于人工智能 (AI) 取代多年的人类专业知识，而是关于人类和机器成为“智能系统”：相互协作和互补。
设置优先级以优化资源
Senseye PdM 就是一个很好的例子。我们基于云的预测性维护系统可以监控数以千计的连接资产，自动检测与单个机器的已知故障模式相匹配的异常行为和模式。其目的是更早地发现维护问题，使用户能够在问题中断之前解决问题。
忙碌的维护团队通常在每个班次开始时只有几分钟的时间来确定他们数千资产中最需要他们关注的资产。独特的是，Senseye PdM 以优先列表的形式将信息呈现给用户，按注意力指数排序。这使用户能够立即看到他们应该将资源引导到哪里。
超越资产健康
与大多数状态监测系统一样，Senseye PdM 以前通过指示每项资产的资产健康评分来帮助用户设置优先级。这现在被注意力指数所取代，它提供了一种分类资产的单一方式。这种新方法是使用一系列新的内部算法部署的下一代分析的一部分。
注意力指数考虑了Senseye PdM可以检测或预测问题的所有方式：异常检测、趋势、阈值和预后。该软件在各个级别都指导用户确定潜在问题，纠正它并在系统中捕获它。这为机器学习算法提供了数据，以便尽早发现故障并采取行动。
资产健康作为一个概念，给人的印象是系统了解资产的一切。从来都不是这样。状态监测系统只能基于为每项资产设置的传感器和状态指标（即振动水平）来评分。如果这导致得分为 0，那究竟意味着什么？误导用户。
一目了然的见解
注意力指数通过呈现资产的优先列表来支持决策。决定下一步的是用户的专业知识。通过保持软件的设计简单明了，可以节省宝贵的时间。通过利用机器学习的力量，做出明智的决策，并通过捕获实际完成的工作，系统的所有部分都在继续学习。
通过帮助用户确定他们应该将维护资源集中在哪里，Senseye PdM 提供了令人印象深刻的结果，维护精度通常提高 85%，停机时间减少 50%，生产力提高 55%。
想了解更多关于注意力指数®的信息 在 Senseye PdM 中？下载我们的白皮书“通过机器学习增强人类专业知识”。
工业技术