As perguntas certas a serem feitas ao avaliar uma solução de monitoramento de condição baseada em IA

Você está procurando uma solução de integridade de máquina? À primeira vista, parece que existem inúmeras opções, mas, olhando mais de perto, muitas das chamadas empresas de monitoramento de condições alimentadas por IA ainda oferecem uma solução que é muito mais baseada em rotina ou em limites.

Compartilhe

No mês passado, a postagem ‘ Cuidado com a IA falsa: analise os bastidores antes de comprar ‘ gerou uma discussão interna sobre quais são as melhores perguntas que os fabricantes devem fazer quando pretendem investir em uma solução baseada em IA. Afinal de contas, com poucas regulamentações e vocabulários mutáveis, muitos fornecedores estão usando quaisquer termos para fazer uma venda – quando na verdade a sua IA é fraca ou inexistente. 

Então, aqui estão algumas perguntas para ajudá-lo a investigar o que está acontecendo e realmente entender o que você está comprando: 

Qual é a qualidade dos dados e o nível de insights que eles são capazes de gerar?

Hoje, uma combinação de protocolos sem fio de alta largura de banda, alta frequência de  amostragem e utilização de IA específica pode funcionar para detectar e diagnosticar uma ampla gama de falhas – tanto agudas quanto graduais. No entanto, muitas soluções geralmente coletam e enviam dados de qualidade muito inferior, o que limita severamente sua capacidade de fornecer diagnósticos oportunos e precisos. Além disso, outras abordagens algorítmicas, como ISO e limites adaptativos, resultam em altos índices de alarmes falsos (70%) e falhas de detecção (15%), o que o coloca em risco de tempo de paradas não planejadas.

Quão precisos são os alertas? E esses alertas são preditivos e prescritivos?

Idealmente, a precisão dos alertas deve ser confiável, escalável e garantida. E essa precisão é ainda mais verificada e fortalecida se esses alertas forem preditivos e prescritivos.

Somente uma plataforma de diagnóstico verdadeiramente prescritiva – aquela que integra a inteligência das máquinas e a inteligência humana de verificação (Inteligência Híbrida) – pode alcançar métricas de precisão consistentes que sejam confiáveis em escala.

Quantos níveis de inteligência artificial e humana eles empregam para o monitoramento de condições?

Para obter insights profundos, específicos e confiáveis sobre suas máquinas, você precisa de diferentes níveis de Inteligência Híbrida (IA e humana) trabalhando em conjunto, tais como:

  • Detecção de anomalias (algoritmo focado em onde está o problema e quando ocorreu) 
  • Detecção de falhas (algoritmo focado no que é o problema, sua causa e como pode ser resolvido) 
  • Análise de gravidade (algoritmo focado no tempo até a falha e quão grave será)
  • Inteligência especializada (seres humanos reais, como analistas de vibração e/ou engenheiros de confiabilidade, fornecendo uma camada adicional de suporte e interpretação para os clientes)

Com que rapidez sua IA detecta e diagnostica falhas em máquinas? Qual é a taxa de falhas de detecção e alarmes falsos?

O reconhecimento direto de padrões no comportamento dos equipamentos pode deduzir com precisão o modo de falha e a causa raiz com uma precisão que se aproxima o mais possível de 100%. Se você combinar esse tipo de IA com uma equipe de análise de vibração de Categoria III e IV, poderá detectar e receber alertas de falhas rapidamente a partir do primeiro dia, mesmo em máquinas que estão a menos de 24 horas de falhar.

Em comparação, os sistemas baseados em limites geram um volume significativo de alertas falsos, que, quando combinados com tempos de resposta mais lentos da equipe de análise do back office, tornam mais difícil focar nas máquinas que realmente estão falhando.

Eles podem fornecer diagnósticos precisos imediatamente após a implantação ou precisam criar um modelo de IA personalizado para você após a primeira falha?

Se uma solução já possui centenas de milhões de horas de dados de máquina gravados em centenas de tipos de ativos e modos de falha, o fornecedor não precisará esperar até que sua máquina falhe para criar um algoritmo. Portanto, certifique-se de entender o que significa “estabelecer a linha de base” antes de implantar. Em outras palavras, se a solução está aprendendo e diagnosticando a partir de um grande conjunto de dados, o valor pode ser alcançado mais rapidamente. Se essa solução precisa começar do zero, você terá um caminho mais longo antes de começar a ver valor.

Em conclusão… 

Há cada vez mais opções disponíveis e isso pode te deixar confuso, mas fazendo essas perguntas, você pode ter mais certeza de que está escolhendo a melhor opção que gera mais valor para sua empresa. 

Claro, talvez você tenha percebido que as melhores respostas para todas essas perguntas deveriam levá-lo à solução iMachine da Techplus. Mas se você precisar pesquisar de qualquer maneira, essas perguntas fornecerão as respostas de que você precisa para selecionar a solução certa de saúde de máquinas.