Ориентированная на человека аналитика данных для принятия решений для промышленного Интернета вещей (IIoT)

Ориентированная на человека аналитика данных для принятия решений для промышленного Интернета вещей (IIoT)

По мере того, как компании внедряют приложения для аналитики и обработки данных, перед ними стоит множество задач. Согласно Harvard Business Review, многие приложения для обработки данных терпят неудачу из-за плохого определения цели, непонимания ключевых данных или недостаточного внимания к ценности для бизнеса.1

Мы считаем, что лучший путь к аналитике данных и особенно аналитике для промышленного Интернета вещей должен включать несколько ключевых элементов:

Ключевые элементы эффективной аналитики:

• Основывается на существующих знаниях ваших профильных экспертов
• Позволяет инженерам использовать платформу и участвовать в процессе аналитики
• Позволяет автоматизировать ключевые процессы
• Создает прочную основу для более сложной аналитики (например, прогнозной)

В этом техническом документе каждый из этих элементов рассматривается более подробно и исследуется, почему они важны для создания ценности для вашей организации.

Наилучшая отправная точка – платформа, созданная на основе знаний ваших экспертов в предметной области.

Ваши профильные эксперты (SME) и инженеры создают и обслуживают ваше оборудование на протяжении десятилетий. Их опыт и знания — это лучший доступный опыт в отношении того, как ваше оборудование должно эксплуатироваться, обслуживаться и оцениваться. Использование их знаний для наилучшей оценки данных с оборудования и того, что эти данные означают, является идеальной отправной точкой для применения аналитики.

Аналитические платформы, использующие исключительно машинное обучение или искусственный интеллект, могут не понимать, что означают данные и смысл событий в данных. Без человеческого взаимодействия или интерпретации более продвинутая аналитика, такая как прогнозы, с трудом достигает желаемого результата. Без определенного результата оценка процесса может занять месяцы, и даже в этом случае аналитическая эффективность и точность могут оставаться неизвестными и недоказанными.

Мы считаем, что лучшая отправная точка для аналитики — это начать с использования ваших собственных проверенных аналитических методов в качестве основы, а затем использовать естественный блочный подход.

Использование платформы, позволяющей инженерам участвовать в процессе, способствует внедрению аналитики.

Внедрение новой аналитики и бизнес-моделей, основанных на данных, в корне меняет способ ведения бизнеса на протяжении многих лет. Чтобы осуществить этот переход, получение одобрения и доверия ключевых игроков в вашей организации значительно повлияет на успех новой программы. Наличие платформы, на которой малые и средние предприятия могут взаимодействовать и взаимодействовать без необходимости быть специалистом по данным или разработчиком, приводит к более широкому внедрению и более эффективным бизнес-результатам для организации.

Внедрение платформы, которая автоматизирует текущие процессы, создает краткосрочную и значительную ценность.

Чтобы получить ценность от больших наборов данных и данных датчиков, только платформа, которая начинает автоматизировать часть процесса, может создать масштабируемую ценность. Это означает, что платформа должна быть способна интерпретировать данные, генерировать идеи и предоставлять конечным пользователям рекомендуемые результаты. В противном случае это становится просто еще одним способом визуализации и изучения данных. Это может повысить ценность само по себе, но не достигает того эффекта, который обеспечивает автоматизация. Как отмечалось ранее, создание системы на основе ваших проверенных аналитических методов, а затем добавление уровня более продвинутой аналитики, такой как прогнозы на основе машинного обучения, — это лучший путь к высокоточной автоматизированной платформе.

Создание платформы с прочным фундаментом знаний ваших экспертов — лучший способ приблизиться к внедрению всего набора аналитических данных.

Создание платформы, настроенной вашими собственными малыми и средними предприятиями, создает оптимальную основу для всего спектра аналитики. Ваши эксперты могут предоставить знания в важных областях, таких как:

• Значение ключевых данных
• Как датчики связаны друг с другом
• Что представляет собой событие, требующее действия
• Что считается ложной тревогой
• Исключения из правил

Как только эти знания станут частью автоматизированной платформы, добавление полного спектра аналитики станет более эффективным. Например, знание того, что представляет собой ложная тревога, может привести к пониманию того, что превратило ложную тревогу в действительную тревогу и какие индикаторы стоит автоматически отслеживать. Напротив, подход, который пытается использовать только методы машинного обучения или ИИ без этих ключевых понятий, может привести к проблемам с «правильным» бизнес-результатом, точностью, обработкой исключений и обеспечением значительной ценности для бизнеса.

Сделайте копию для себя: Загрузить информационный документ

Бизнес-кейсы и результаты NarrativeWave

Узнайте, как клиенты NarrativeWave создали ценность и эффективно внедрили ориентированную на человека аналитику для принятия решений. Эти примеры бизнес-кейсов показывают, как NarrativeWave повлиял на операции клиентов, прибыльность, незапланированные простои и эффективность рабочей силы.

Повышена точность анализа событий и тревог

• Проблема. Традиционный рабочий процесс диагностики событий или аварийных сигналов на крупных промышленных объектах — это ручной процесс для инженеров. Этот производитель искал решение, которое повысит точность и снизит риск дорогостоящих человеческих ошибок.
• Решение. Платформа NarrativeWave позволила инженерам заказчика создавать модели обнаружения и уравнения через платформу SaaS. В настоящее время этот производитель получает точный и автоматизированный анализ первопричин событий почти в режиме реального времени.
• Влияние. Программное обеспечение обеспечило увеличение точности диагностики событий на 25%, что означает более последовательное и предсказуемое решение для инженеров и клиентов этого производителя.

Сокращение времени, затрачиваемого на диагностику предупреждений и сигналов тревоги

• Задача. Датчики на крупных промышленных объектах генерируют миллионы точек данных в секунду. При срабатывании оповещения инженеры часами проводили избыточное ручное исследование, чтобы диагностировать проблему и подготовить действенный отчет для клиентов. Процесс диагностики может занять до 16 часов, и технические специалисты изо всех сил старались не отставать от растущих требований к обслуживанию.
• Решение. Платформа NarrativeWave автоматизировала их ручные процессы, предоставляя инженерам анализ, полезные сведения, рекомендации и отчетыменее чем за 3 минуты. Это позволило их инженерам почти в режиме реального времени принимать решения о том, что произошло, почему это произошло и что делать дальше.
• Воздействие. Результатом стала 95%-ная экономия времени при диагностике оповещений и аварийных сигналов, что сократило время незапланированных простоев оборудования, повысило эффективность рабочей силы и увеличило прибыльность контрактов на обслуживание. Это доказало возможность экономии в несколько миллионов долларов в год для этого OEM-производителя, а также улучшило поддержку контрактов на обслуживание в режиме реального времени.

Оптимизированная производительность квалифицированного инженерного труда

• Проблема. Более 50% всех отраслевых сигналов тревоги являются ложными срабатываниями, которые еще предстоит диагностировать и устранить. Наш клиент искал решение, которое позволило бы его инженерам оптимизировать рабочий процесс и тратить меньше времени на обслуживание недействительных аварийных сигналов.
• Решение. Платформа NarrativeWave автоматизировала анализ первопричин событий для получения действенной информации на основе данных производителя. Результатом стало объяснение произошедшего события и рекомендации о том, что делать дальше, которые были предоставлены инженерам в течение нескольких минут.
• Воздействие. Платформа точно и быстро устраняла ложные тревоги, позволяя инженерам уделять больше времени устранению действительных тревог и обслуживанию клиентов. Впервые инженеры максимально эффективно повлияли на деятельность этого производителя.

Повышение эффективности при создании моделей обнаружения

• Задача. У крупного корпоративного клиента была надежная настройка анализа с 3 моделями обнаружения и 150 пороговыми вариантами. Процесс итерации моделей обнаружения у клиента изначально занимал 3–4 месяца и требовал, чтобы инженеры полагались на разработку инженера-программиста, специалиста по данным или стороннего поставщика программного обеспечения.
• Решение. Платформа NarrativeWave предоставила интуитивно понятный конвейер, позволяющий бизнес-пользователям быстро создавать, управлять и повторять свои собственные модели обнаружения. Платформа ориентирована на пользователя, управляется и используется внутренними инженерами заказчика, без постоянной потребности в разработчиках или специалистах по данным.
• Влияние. Время итерации значительно сократилось с момента использования NarrativeWave. Что еще более важно, инженеры этого клиента могут самостоятельно настраивать итерации, что позволяет немедленно влиять на бизнес-операции и на своих клиентов.

Расширенная база знаний нового поколения

• Задача. Инженеры обнаруживают сигналы тревоги по отдельности уже 30 и более лет. Работая с крупным производителем двигателей, мы обнаружили, что процесс обнаружения не записывался, не стандартизировался и не был доступен другим инженерам и руководству организации.
• Решение.Платформа настроена на запись знаний и отзывов инженеров, в результате чего со временем платформа становится все умнее. Инженеры могут настраивать бизнес-анализ и рекомендации, чтобы сделать их максимально точными, тем самым создавая постоянно развивающуюся базу знаний для МСП.
• Воздействие. Результатом стало то, что производитель впервые смог перенять знания своих инженеров. Это расширило сотрудничество между инженерами, улучшила стандартизацию и позволило сделать ценные знания доступными для всей организации.

Улучшенное состояние и управление автопарком

• Проблема. Производители и операторы оборудования в настоящее время не имеют представления об активах всего своего парка, что затрудняет выявление низкоэффективных и наиболее эффективных активов.
• Решение. С помощью NarrativeWave производительность активов можно оценивать практически в режиме реального времени, что позволяет организациям лучше управлять критически важными активами и планировать будущие действия одним щелчком мыши.
• Влияние. Представление всей платформы обеспечивает значительную экономию времени на отслеживание состояния парка и управление им для производителей и операторов оборудования. Кроме того, платформа сокращает время незапланированных простоев и помогает организациям предотвращать критические отказы оборудования.

Улучшенная прогнозная аналитика и обслуживание

• Задача. Производители и операторы оборудования заинтересованы в развертывании прогнозных моделей для улучшения обслуживания активов и гарантийной поддержки. Подходам с чистым машинным обучением не хватает прочной фундаментальной основы, и их может быть трудно реализовать успешно.
• Решение. С помощью базы знаний NarrativeWave ключевая информация, такая как значение событий, взаимосвязь датчиков и то, что представляет собой действительный сигнал тревоги, уже известна. Применяя методы машинного обучения к прочной основе NarrativeWave, прогнозная аналитика реализуется более эффективно.
• Воздействие. Этот подход обеспечивает стратегический метод использования прогнозной аналитики и улучшает результаты внедрения аналитики. В результате получается высокоточная, поддающаяся аудиту платформа, а не чистый подход «черного ящика».

Основа NarrativeWave будет поддерживать внедрение прогнозной аналитики, независимо от того, предоставляется ли она NarrativeWave или сторонними поставщиками программного обеспечения.

Сделайте копию для себя: Загрузить бизнес-кейсы

Сводка

Свяжитесь с нами, чтобы понять, как использование платформы, которая позволяет пользователям эффективно опираться на существующие знания ваших инженеров, обеспечивает более широкое внедрение в вашей организации, повышает вероятность создания краткосрочной и долгосрочной ценности и является лучшей основой для приложения. расширенной аналитики.

Для получения дополнительной информации обращайтесь: [email protected]

Подробнее о NarrativeWave:
Веб-сайт: www.narrativewave.com
LinkedIn: www.linkedin.com/company/narrativewave
Facebook: ww .facebook.com/narrativewave
Твиттер: @narrativew