Организации тратят огромные ресурсы на выявление и устранение причин простоев работы, вызванных выходом из строя того или иного оборудования.
Внедрение решений, использующих предиктивную аналитику, помогает существенно сокращать расходы компаний и минимизировать появление критических ситуаций. Технологии предиктивной аналитики позволяют осуществлять постоянный контроль технического состояния оборудования, предусматривать плановое обслуживание, ремонт и устранение отказов тех или иных устройств и установок.
Сегодня люди обладают большим опытом и наработками во многих отраслях и умеют оцифровывать данные. Нейронные сети используют только те данные, которые мы научились собирать, с их помощью обработка и анализ происходят гораздо эффективнее. Но часто данных недостаточно, они ограниченны или нерепрезентативны. Поэтому ответственность за взвешивание рисков, агрегацию информации из разных источников и принятие решения лежит в первую очередь на человеке, а задача современных технологий — предоставить максимум возможных инструментов для принятия более эффективных и объективных решений.
По мнению экспертов компании Microsoft, более 60% данных, собираемых на уровне организаций, не анализируется и не используется в цикле принятия решений. Автоматизировать процесс обработки, классификации или поиска взаимосвязей в данных помогает машинное обучение или нейронные сети, но они не способны заменить человека в процессе принятия окончательного решения.
Цифровые технологии проникают во все отрасли. Не исключение и сфера электроэнергетики. В ней процессы цифровизации проходят на всех уровнях. Например, ключевые узлы станций в системах генерации электроэнергии сегодня оборудуются системами диагностики и «умного» мониторинга, таких как EcoStruxure™ Asset Connet и Power Monitoring Expert. Для эффективного распределения энергии в электрических сетях применяют системы Smart Grids, а конечные потребители электроэнергии все чаще прибегают к технологии «Умный дом» или же устанавливают смарт-счетчики, которые накапливают и передают информацию, а также осуществляют расчеты за коммунальные услуги.
Процесс цифровой трансформации создает ощутимую потребность компаний в специалистах новых профессий, обладающих определенными компетенциями. Поиск нужных специалистов осложняется рядом факторов, таких как разность возрастов, уровня опыта и подготовки, территориальная удаленность, конкуренция на глобальном и локальном кадровых рынках. Поэтому многие компании делают ставку на переобучение текущего персонала.
«Лекционно-лабораторные» или семинарные занятия не дают стабильного качества на смешанной аудитории из-за отсутствия персонализации и учета особенностей каждого человека. В связи с этим на первое место выходит вопрос эффективности обучения сотрудников. Эффективность может выражаться в показателе time-to-knowledge (время на освоение необходимой экспертизы/навыка). Показатель достигается за счет методик эффективного запоминания и усвоения материала (active recall, spaced repetition), регулярной и качественной оценки результатов на всех этапах процесса обучения, а также диверсификации методов подачи материала: онлайн/офлайн, VR/AR, самостоятельных занятий/с преподавателем и других форматов. Кроме того, на этот показатель влияют индивидуальные предпочтения и интересы человека.
Несомненно, с приходом цифровых технологий и современных решений в корне меняется и подход к обучению специалистов. Сегодня человек должен иметь возможность в любой момент получить доступ к необходимым знаниям не отходя от рабочего места. В этом ему будут помогать решения в области виртуальных помощников, чат-ботов и баз знаний, созданных с помощью искусственного интеллекта на основе внутренних ресурсов компаний (историй переписок, документов, акронимов, терминов и так далее).
Несмотря на активное внедрение решений предсказательной аналитики, до сих пор остается нерешенным вопрос этики. Часто данные нерепрезентативны или механизм обучения несовершенен. Это нередко провоцирует предвзятость нейросети на уровне предсказаний и требует человеческого внимания. Корреляция не означает наличия причинно-следственной связи, однако она дает подсказку, в каком направлении необходимо двигаться. Поэтому предиктивная аналитика в основном имеет рекомендательный характер и не берет на себя ответственность за точный расчет. Однако вполне возможно, что с развитием и совершенствованием технологии ситуация может поменяться.
Александр Саванович, заместитель генерального директора по сервисным услугам в России и СНГ компании
Schneider Electric.
Рекламодателям
Подписка на журнал
Email рассылка
О нас