Расслабься. Гениальное исследование о том, как вовремя взятая пауза в разы увеличивает ваши результаты

Чтобы лучше понять мир датчиков, я посетил огромный центр программного обеспечения General Electric в Сан-Рамоне, штат Калифорния, чтобы взять интервью у Билла Руха, директора компании по цифровым технологиям. История GE интересна уже сама по себе. В значительной степени благодаря способности ускорять установку датчиков на всём своём промышленном оборудовании компания всё активнее трансформируется в разработчика программного обеспечения имеющего большую базу в Кремниевой долине. Забудьте о стиральных машинах – подумайте о машинах умных. Способность GE устанавливать датчики повсюду открывает возможности для «промышленного интернета», известного также, как «интернет вещей» (IoT). И позволяет каждой «вещи» иметь датчик, который передает то, что эта «вещь» чувствует в любом месте. Таким образом, в любой момент её работа может быть предсказана или скорректирована.

– Интернет вещей, – объяснил Билл Рух, – создаёт нервную систему, которая позволит людям не отставать от темпов изменений, сделает информационную нагрузку более удобной для использования и в целом сделает всё разумным.

General Electric сама собирает данные более чем со 150 000 медицинских устройств, с 36 000 реактивных двигателей, с 2500 локомотивов, с 20 700 единиц нефтегазового оборудования, с 23 000 ветровых и 3900 газовых турбин – и все они ежеминутно передают в GE информацию по беспроводной связи.

Эта новая индустриальная нервная система, по мнению Руха, изначально была ускорена благодаря достижениям в потребительской сфере – таким, например, как смартфоны с поддержкой камер и GPS. То, что в ХХ веке было даже не целью, а фантастической мечтой о будущем прогрессе, в начале третьего тысячелетия стало обыденностью – благодаря множеству взаимосвязанных технологий и материалов, которые стали меньше, умнее, дешевле и быстрее.

– Смартфон послужил отправной точкой для масштабирования датчиков и уменьшения их размеров и цены до такой степени, что мы смогли разместить их повсюду, – сказал Рух.

Теперь миниатюрные датчики используются на таком количестве макро- и микроуровней, о каком мы не могли и подумать. Датчики передают сведения в централизованные банки данных, а затем всё более мощные программные приложения ищут структуры в огромном количестве полученной информации. Внезапно мы получили возможность различать и предсказывать самые слабые сигналы до того, как они станут сильными. Мы теперь можем улавливать различные шаблоны и закономерности, предсказывая события и предотвращая негативные последствия. Мы опорожняем мусорные баки в оптимальный момент или регулируем давление в пожарном гидранте, чтобы его не прорвало (и не повлекло дорогостоящую замену). Мы экономим время, деньги, энергию и жизни. И в целом делаем человечество более эффективным, чем могли бы себе представить.

– Старый подход, – сказал Рух, – назывался техническим обслуживанием по принципу: если что-то выглядит грязным, вымойте его. Профилактическое обслуживание заключалось в том, чтобы менять масло каждые шесть тысяч миль, независимо от того, жёстко вы водите автомобиль или нет. Новый подход – «упредительное обслуживание». Теперь мы можем предсказать почти точный момент, когда шина, двигатель, аккумулятор автомобиля, вентилятор турбины или что-то ещё потребует замены. Или определить моторное масло, которое лучше всего подходит для конкретного двигателя, в зависимости от условий, в которых вы управляете автомобилем.

Если вы вспомните GE прошлых лет, – добавил Рух, – то прежде компания базировалась на убеждении механиков, будто с помощью физики можно моделировать мир и сразу же понять, как всё работает. Идея заключалась в том, что если вы точно знаете, как работают газовая турбина и двигатель внутреннего сгорания, то можете использовать законы физики и сказать: «Вот как это будет работать, и вот когда оно сломается».

Рух объяснил, что в традиционном инженерном сообществе не было веры в то, будто данные могут многое предложить. Они использовали информацию, чтобы проверить физические модели и затем следовать этим моделям.

– Новое поколение исследователей данных говорит: «Вам не нужно понимать физику, чтобы искать и находить закономерности». Есть закономерности, которых разум человека не мог найти, ибо сигналы на раннем этапе настолько слабы, что их не видно. Но теперь, когда у нас есть вся эта вычислительная мощность, мы легко замечаем даже самые слабые сигналы. И так как мы распознали слабый сигнал, становится ясно, что он является ранним признаком того, когда что-то сломается или станет неэффективным.