بیشتر تأخیرهای تعمیرات صنعتی با شکستن یک آچار شروع نمی‌شوند؛ با یک عکس شروع می‌شوند. تکنسینی در یک پست برق، تصاویری از بوشینگ معیوب می‌فرستد؛ مهندسِ راه‌دور نمی‌تواند تشخیص دهد که ترک پشت فلنج ادامه دارد یا نه؛ تماس دیگری به ارسال چند تصویر دیگر از تقریباً همان زاویه منجر می‌شود—و پیش از آنکه همه بتوانند برداشت ذهنی مشترکی از یک تجهیز سه‌بعدی پیدا کنند، بازه خاموشی به پایان می‌رسد.

دیوید فتّال، هم‌بنیان‌گذار و مدیر ارشد فناوری Leia Inc.، معتقد است این ناهماهنگی گلوگاه خاموش عملیات صنعتی است. زیرساخت‌ها پیچیده‌تر شده‌اند—از انرژی توزیع‌شده در شبکه‌های فرسوده گرفته تا خطوط تولیدی که ربات‌ها را با ماشین‌آلات سی‌ساله ترکیب می‌کنند—اما رسانه‌ای که مردم برای به‌اشتراک‌گذاری آنچه می‌بینند استفاده می‌کنند، همچنان سرسختانه دوبعدی مانده است: عکس‌ها، حاشیه‌نویسی‌ها، گزارش‌ها و تماس‌های ویدیویی که هر دریافت‌کننده را مجبور می‌کنند واقعیت فضایی را در ذهن خود بازسازی کنند.

تجهیزات پست برق و دارایی‌های فرایندی سه‌بعدی هستند؛ عکس‌برداری تخت از محل همچنان کارشناسان راه‌دور را وادار می‌کند مقیاس، عمق و آنچه پشت نزدیک‌ترین سطح قرار دارد را حدس بزنند.

زمان واقعاً کجا صرف می‌شود؟

تحلیلگران صنعت برآورد می‌کنند کار عملی ممکن است تنها ۳۰ تا ۴۰ درصد از کل زمان تعمیر را تشکیل دهد. بقیه زمان صرف شناسایی، واکنش، عیب‌یابی، هماهنگی و راستی‌آزمایی می‌شود—همه از جنس تفسیر هستند. هشدارهای حسگرها، عکس‌های محل و شواهد پس از تعمیر، همگی باید مسیر محل تا تصمیم‌گیرندگان را طی کنند. دوربین‌ها عمق را فشرده می‌کنند، آنچه پشت نزدیک‌ترین سطح قرار دارد پنهان می‌سازند و نشانه‌های ضعیفی از مقیاس ارائه می‌دهند. وقتی تکنسین زوایای اشتباهی را حدس می‌زند، کار به‌ندرت با صدای بلند شکست می‌خورد. شکست آن در قالب مراجعه دوباره رخ می‌دهد—قطعات اشتباه، اطلاعات ناقص و مهارت‌های نامتناسب—پیش از آنکه خودرو حتی از پایگاه حرکت کرده باشد.

برخورد با مراجعه‌های تکراری به‌عنوان یک مشکل زمان‌بندی، اصل موضوع را نادیده می‌گیرد. این مراجعه‌ها اغلب بهای انتقال مشکلات سه‌بعدی از طریق کانال‌های دوبعدی هستند.

هندسه ردیف کابینت‌ها و تجهیزات کلیدزنی دقیقاً همان جایی است که حاشیه‌نویسی روی عکس‌ها از کار می‌افتد—و مدل‌های فضایی مشترک می‌توانند تعیین فاصله و دسترسی را تغییر دهند.

هوش مصنوعی فضایی به‌همراه نمایشگرهای فراگیر

راه خروج از این وضعیت از نگاه فتّال، مگاپیکسل بیشتر نیست؛ بلکه دو فناوریِ در حال بلوغ است. نخست، هوش مصنوعی فضایی که می‌تواند تصویربرداری نسبتاً کاملِ دورگرد از یک تجهیز، با تلفن یا دوربین بازرسی، را به یک نمایش سه‌بعدی قابل‌اندازه‌گیری تبدیل کند—هندسه‌ای برای مقایسه با نقشه‌ها، ردیابی تغییرات ناشی از خوردگی و نشست، و سابقه‌ای زنده که در هر بازدید به‌روزرسانی می‌شود. دوم، نمایشگرهای فراگیرِ قابل‌تغییر در لپ‌تاپ‌ها، نمایشگرها و تبلت‌های معمولی که عمق واقعی را نمایش می‌دهند، به‌جای آنکه بیننده را مجبور کنند آن را از سایه‌روشن و حرکت استنباط کند.

وقتی عمق روی دستگاه‌هایی ارائه شود که تیم‌ها از قبل در اختیار دارند، پذیرش فناوری به‌جای خرید ناوگانی از هدست‌های اختصاصی، به یک تصمیم نرم‌افزاری تبدیل می‌شود. کنترل پرسپکتیو از فردی که صحنه را ثبت کرده به فردی منتقل می‌شود که باید آن را درک کند: مهندس راه‌دور خودش پشت فلنج را می‌بیند، فاصله آزاد را بررسی و اندازه‌گیری می‌کند. برنامه‌ریزان اعزام که بر اساس یک مدل فضایی به‌روز کار می‌کنند، می‌توانند پیش از حرکت خودرو، قطعات، دسترسی و مهارت‌های لازم را تأیید کنند.

کیفیت ثبت همچنان تعیین می‌کند که یک مدل فضایی برای اندازه‌گیری قابل‌استفاده باشد—یا فقط مشِ زیبای دیگری باشد که هیچ‌کس برای تصمیم‌گیری درباره فاصله آزاد به آن اعتماد نمی‌کند.

از تماس‌های بهتر تا حافظه سازمانی

دستاوردهای فوری شامل کاهش اعزام خودرو، عیب‌یابی سریع‌تر و بازبینی‌های طراحی‌ای است که در آن ذی‌نفعان یک زمینه فضایی مشترک دارند. ارزش انباشتی، انتقال دانش است: ثبت فضاییِ بازدید یک متخصص باتجربه، از یک دستورالعمل مکتوب دیگر مؤثرتر است؛ آن هم در صنعتی که سرعت بازنشستگی نیروهایش از سرعت جایگزینی تخصص بیشتر است. اپراتورها با هر بار ثبت، حافظه‌ای فضایی می‌سازند که به سرمایه‌گذاری‌های انجام‌شده در دوقلوی دیجیتال و مدیریت دارایی متصل می‌شود—در کنار همان اکوسیستم‌های کنترل و حفاظت که کارخانه‌ها از پیش برایشان قطعات یدکی نگه می‌دارند، از مجموعه‌های فرایندی و ایمنی Honeywell گرفته تا خطوط پایش تجهیزات دوار مانند پایش وضعیت Bently Nevada.

دیدگاه

عملیات صنعتی به‌دلیل کمبود داده متوقف نشدند؛ آن‌ها متوقف شدند چون ابزارهای به‌اشتراک‌گذاری آنچه یک فرد می‌بیند، بُعدی را حذف می‌کنند که از همه مهم‌تر است. بازگرداندن درک فضایی مشترک، جایگزین PLCها، تاریخچه‌نگارها یا سامانه‌های سفارش کار نخواهد شد—بلکه باعث می‌شود این سامانه‌ها درباره یک واقعیت فیزیکی مشترک گفت‌وگو کنند. سازمان‌هایی که ثبت با هوش مصنوعی فضایی را زیرساخت بدانند، نه یک نمایش آزمایشی، ابتدا سوءتفاهم‌ها را کاهش خواهند داد و بعد شگفت‌زده خواهند شد که چگونه پیش‌تر دارایی‌های حیاتی را بر اساس عکس‌ها اداره می‌کردند.