درک فضایی مشترک: تکامل بعدی عملیات صنعتی
عکس‌های تخت همچنان گلوگاه نگهداری صنعتی هستند. ثبت فضایی با هوش مصنوعی به‌همراه نمایشگرهای فراگیر می‌تواند به تیم‌های میدانی و اداری یک واقعیت سه‌بعدی مشترک ارائه دهد و اعزام‌های مجدد و پرهزینه نیر...
بیشتر تأخیرهای تعمیرات صنعتی با شکستن آچار شروع نمی‌شوند؛ با یک عکس شروع می‌شوند. تکنسینی در یک پست برق، تصاویری از بوشینگِ در حال خرابی می‌فرستد؛ مهندسِ دورکار نمی‌تواند تشخیص دهد ترک پشت فلنج امتداد دارد یا نه؛ تماس دیگری برقرار می‌شود و تصاویر بیشتری تقریباً از همان زاویه ارسال می‌شوند—و پیش از آنکه همه به درک مشترکی از یک تجهیز سه‌بعدی برسند، 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 است: عکس‌ها، حاشیه‌نویسی‌ها، گزارش‌ها و تماس‌های ویدیویی که هر دریافت‌کننده را وادار می‌کنند واقعیت فضایی را در ذهن خود بازسازی کند.
تجهیزات پست برق و فرایندی سه‌بعدی هستند؛ عکاسی تختِ میدانی همچنان کارشناسان دورکار را وادار می‌کند مقیاس، عمق و آنچه پشت نزدیک‌ترین سطح قرار دارد 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، پاسخ‌گویی، عیب‌یابی، هماهنگی و راستی‌آزمایی می‌شود—همه از جنس تفسیرند. هشدارهای حسگرها، عکس‌های میدانی و شواهد پس از تعمیر باید مسیر سایت 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 زاویه‌های نادرست را حدس می‌زند، کار معمولاً به‌شکلی آشکار شکست نمی‌خورد؛ بلکه به یک مراجعه مجدد تبدیل می‌شود—قطعات اشتباه، اطلاعات ناقص و مهارت‌های نامتناسب—پیش از آنکه کامیون حتی از انبار حرکت کرده باشد.
درمان مراجعه‌های مجدد به‌عنوان یک مشکل زمان‌بندی، اصل موضوع را نادیده می‌گیرد. این مراجعه‌ها اغلب هزینه انتقال مشکلات سه‌بعدی از طریق کانال‌های دوبعدی هستند.
ردیف تابلوها و هندسه تجهیزات کلیدزنی دقیقاً جایی هستند که حاشیه‌نویسی روی عکس‌ها از کار می‌افتد—و مدل‌های فضایی مشترک در آنجا تعیین می‌کنند چه کسی می‌تواند فاصله ایمن و امکان دسترسی را ارزیابی کند.
هوش مصنوعی فضایی به‌همراه نمایشگرهای فراگیر
راه خروج از دید فتّال، مگاپیکسل بیشتر نیست؛ بلکه دو فناوریِ در حال بلوغ است. نخست، هوش مصنوعی فضایی که می‌تواند تصویربرداری نسبتاً کاملی از حرکت پیرامون تجهیز با تلفن یا دوربین بازرسی را به یک بازنمایی 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، مانیتورها و تبلت‌های روزمره که عمق واقعی را نمایش می‌دهند، به‌جای آنکه بیننده را وادار کنند آن را از سایه‌روشن و حرکت استنباط کند.
وقتی عمق روی دستگاه‌هایی که تیم‌ها از قبل در اختیار دارند ارائه شود، پذیرش آن به یک تصمیم نرم‌افزاری تبدیل می‌شود، نه خرید ناوگانی از هدست‌های اختصاصی. کنترل زاویه دید از فردی که صحنه را ثبت کرده به فردی منتقل می‌شود که باید آن را درک کند: مهندس دورکار خودش پشت فلنج را می‌بیند، فاصله را بررسی و اندازه‌گیری می‌کند. برنامه‌ریزان اعزام که بر اساس یک مدل فضایی به‌روز کار می‌کنند، می‌توانند پیش از حرکت کامیون، قطعات، دسترسی و مهارت‌های لازم را تأیید کنند.
کیفیت ثبت همچنان تعیین می‌کند که یک مدل فضایی برای اندازه‌گیری قابل‌استفاده است یا فقط مشِ زیبای دیگری که هیچ‌کس برای تصمیم‌های مربوط به فاصله ایمن به آن اعتماد نمی‌کند.
از تماس‌های بهتر تا حافظه سازمانی
دستاوردهای فوری شامل کاهش اعزام کامیون، عیب‌یابی سریع‌تر و بازبینی‌های طراحی‌ای هستند که در آن ذی‌نفعان یک زمینه فضایی مشترک دارند. ارزش انباشتی، انتقال دانش است: ثبت فضاییِ بازدید یک متخصص باتجربه از یک رویه مکتوب دیگر بهتر است؛ آن هم در صنعتی که نیروی متخصصش سریع‌تر از توان جایگزینی آن بازنشسته می‌شود. اپراتورها با هر ثبت، حافظه‌ای فضایی می‌سازند که به سرمایه‌گذاری‌های موجود 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 هانی‌ول گرفته تا خطوط پایش تجهیزات دوار مانند پایش وضعیت بنتلی نوادا.
دیدگاه
عملیات صنعتی به‌دلیل کمبود داده متوقف نشدند؛ آن‌ها متوقف شدند چون ابزارهای به‌اشتراک‌گذاری آنچه یک فرد می‌بیند، مهم‌ترین بُعد را حذف می‌کنند. بازگرداندن درک فضایی مشترک جایگزین PLCها، تاریخچه‌نگارها یا سامانه‌های دستورکار نخواهد شد—بلکه باعث می‌شود این سامانه‌ها درباره یک واقعیت فیزیکی مشترک گفت‌وگو کنند. سازمان‌هایی که ثبت با هوش مصنوعی فضایی را زیرساخت می‌دانند، نه یک نمایش آزمایشی، ابتدا سوءتفاهم‌ها را کاهش خواهند داد و بعد متعجب خواهند شد که چگونه پیش‌تر تجهیزات حیاتی را بر اساس عکس‌ها اداره می‌کردند.