Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Manufacturing Technology >> Technologie industrielle

Améliorer l'expertise humaine grâce à l'apprentissage automatique | Senseye

Par Adam Poole, responsable de la conception des produits

La technologie n'a de valeur que lorsqu'elle nous facilite la vie, mais cette simple vérité peut être perdue dans la promotion des dernières prouesses techniques.

Dans un environnement de travail, la dernière chose dont les gens ont besoin, ce sont des solutions qui leur laissent le casse-tête des systèmes supplémentaires à gérer. Dans la vague actuelle d'innovation et d'enthousiasme entourant les usines intelligentes et l'industrie 4.0, il est plus important que jamais de trouver des solutions qui aident les gens à bâtir des entreprises plus solides, plutôt que de rendre leur vie professionnelle plus complexe.

Les données en libre circulation deviennent rapidement la principale devise de cet environnement intelligent. Même ainsi, les données sont inutiles si elles ne permettent pas aux gens de prendre de meilleures décisions commerciales. Dans cet esprit, il est essentiel que la nouvelle génération de systèmes industriels offre une expérience utilisateur qui améliore la vie professionnelle des gens.

Aider l'expertise à aller plus loin

Faites les choses correctement et ces systèmes peuvent jouer un rôle important en aidant à faire évoluer l'expertise humaine rare. Ils peuvent donner aux gens plus de temps pour prendre des décisions tandis qu'une grande partie de l'analyse des données de routine est effectuée automatiquement dans les coulisses.

Pour vraiment exploiter la puissance de l'usine intelligente, nous devons connecter les humains et les machines de la bonne manière. Il ne s'agit pas d'intelligence artificielle (IA) supplantant des années d'expertise humaine, il s'agit d'humains et de machines devenant le « système intelligent » :collaborant et se complétant.

Définir des priorités pour optimiser les ressources

Senseye PdM en est un excellent exemple. Notre système de maintenance prédictive basé sur le cloud peut surveiller des milliers d'actifs connectés, détectant automatiquement les comportements anormaux et les modèles qui correspondent aux modes de défaillance connus des machines individuelles. L'objectif est de détecter les problèmes de maintenance beaucoup plus tôt, permettant aux utilisateurs de résoudre les problèmes avant qu'ils ne puissent perturber les opérations.

Les équipes de maintenance très occupées ne disposent généralement que de quelques minutes au début de chaque quart de travail pour identifier, parmi leurs milliers d'actifs, lesquels nécessitent le plus leur attention. De manière unique, Senseye PdM présente les informations aux utilisateurs sous la forme d'une liste prioritaire, triée par l'indice d'attention. Cela permet aux utilisateurs de voir immédiatement où ils doivent diriger leurs ressources.

Aller au-delà de la santé des actifs

À l'instar de la plupart des systèmes de surveillance d'état, Senseye PdM aidait auparavant les utilisateurs à établir des priorités en indiquant un score d'intégrité des actifs pour chaque actif. Celui-ci est désormais remplacé par l'indice d'attention, qui fournit un moyen unique de trier les actifs. Cette nouvelle approche fait partie d'une nouvelle génération d'analyses déployées à l'aide d'une nouvelle gamme d'algorithmes internes.

Attention Index prend en compte toutes les façons dont Senseye PdM peut détecter ou prédire les problèmes :détection d'anomalies, tendances, seuils et pronostics. Le logiciel, à tous les niveaux, guide l'utilisateur pour déterminer le problème sous-jacent, le rectifier et le capturer dans le système. Cela alimente les algorithmes d'apprentissage automatique afin que les défaillances puissent commencer à être repérées suffisamment tôt pour prendre des mesures.

Asset Health, en tant que concept, donne l'impression que le système comprend tout sur un actif. Ce n'est jamais le cas. Un système de surveillance de l'état ne peut baser ce score que sur les capteurs et les indicateurs d'état configurés pour chaque actif (c'est-à-dire le niveau de vibration). Si cela conduit à un score de 0, qu'est-ce que cela signifie vraiment ? C'est trompeur pour les utilisateurs.

Insights en un coup d'œil

Attention Index soutient la prise de décision en présentant une liste de priorités des actifs. C'est l'expertise de l'utilisateur qui détermine l'étape suivante. En gardant la conception du logiciel simple et directe, un temps précieux est économisé. En exploitant la puissance de l'apprentissage automatique, des décisions éclairées sont prises et, en capturant le travail réel effectué, toutes les parties du système continuent d'apprendre.

En aidant les utilisateurs à identifier où ils doivent concentrer leurs ressources de maintenance, Senseye PdM fournit des résultats impressionnants, avec une augmentation typique de 85 % de la précision de la maintenance accompagnée de réductions de 50 % des temps d'arrêt et d'une augmentation de 55 % de la productivité.

Vous voulez plus d'informations sur Attention Index® dans Senseye PdM ? Téléchargez notre livre blanc "Augmenter l'expertise humaine avec l'apprentissage automatique".


Technologie industrielle

  1. Apprentissage automatique sur AWS ; Tout savoir
  2. La chaîne d'approvisionnement et l'apprentissage automatique
  3. Conduire la fiabilité et améliorer les résultats de la maintenance avec l'apprentissage automatique
  4. Prédiction précise de la durée de vie de la batterie avec des modèles d'apprentissage automatique
  5. Intelligence artificielle vs apprentissage automatique vs apprentissage en profondeur | La différence
  6. Quelle est cette odeur ? Une machine peut dire
  7. Transformation de la chaîne d'approvisionnement avec une touche humaine
  8. Apprentissage automatique dans la maintenance prédictive
  9. Comment l'IA et l'apprentissage automatique impactent l'usinage CNC