“砖已经大大提高了在我们的数据跨职能团队合作,让我们共同努力新数据驱动的创新改善工作场所的安全。”
许多工业伤害不会在一夜之间发生。他们发展缓慢,长期重复性的运动有害,最终导致物理伤害,在糟糕的情况下,是无法弥补的。StrongArm技术是解决这一问题可穿戴设备跟踪日常运动和活动以及佩戴者的直接环境。砖,他们能够实时摄取大量的下游的物联网数据机器学习提供专有的安全分数和分类的活动来预测风险,导致一个更聪明,更安全的环境:StrongArm已经能够工业工作场所受伤率减少一半以上,并提供数百万美元的医疗和保险成本节约他们的顾客和顾客的员工。
利用数据的复杂性来改善工作场所的安全
工伤是一个大问题,可以产生重大的成本影响,不仅对员工的雇主也必须首当其冲的医疗费用。
“下腰处的伤是最常见的类型的损伤在工业工作区。每次一个工人受伤,它通常成本超过65000美元的医疗费用,”科比Eadon解释说,CIO StrongArm技术。
StrongArm的目标是捕捉每一相关数据每天point-roughly 120万数据点,每个存在预测损伤和防止这些成本失控的发生。如此大量的时间序列数据实时流动,他们努力建立可靠和高性能ETL管道可能规模满足数据科学的需要。维护基础设施还需要大量资源,往往采取整个星期提供足够稳定来处理他们的工作负载集群。
从数据科学的角度来看,从一个笔记本电脑工作证明极限的能力有效地执行特定的查询和无法对整个数据集训练他们的模型。
在各种数据团队,两个系统之间的协作和人员是具有挑战性的。数据专业人员已经斗争与合作团队往往是孤立的,他们的工作历史上不异花授粉和紧迫性,但是没有合适的工具来促进团队合作需要,只是加剧了这种情况。
一个统一的数据湖和流线型的机器学习生命周期
与砖统一数据分析平台、迭代和协作不再是一个问题作为数据工程,数据科学和分析师能够更容易bob体育客户端下载地一起工作的数据。
三角洲湖解决数据可靠性的问题,让他们轻松轻松摄取实时物联网数据从各种来源。数据无缝管道流动到数据科学团队,数据科学团队能够更容易地与机器学习创新。MLflow简化整个机器学习生命周期,以确保最好的模型使其生产。
“砖之前,我没有办法我数据结构科学研究项目。如果我有一个模型和迭代20次,我会忘记我的第一个模型的结果是什么,所以我将不得不挖掘,“湿婆Bommireddy StrongArm数据科学家说。“MLflow易于管理,解决了数据的迭代特性科学。”
最后一批受益于整个组织统一的数据分析师团队。马特说,能够产生结果对于非技术团队已经非常满足。“我可以提供所有团队有意义的结果,数据特有的,在15分钟内,”他说。“砖已经解决了很多数据用例”。
背后的故事:数据团队的影响
伤害减少60%导致超过5美元的成本节约
StrongArm现在能够解锁的见解从传感器数据,转化为新的战略客户可以使用可能改善工作场所的安全,员工的生计。
后执行深深入分析他们的一个最大的财富100强客户,StrongArm测量减少工作场所伤害60%,交付一个储蓄总值5347368美元的投资回报率(ROI) 355%。同时,StrongArm已经能够减少受伤的风险评估的误差从23%降至5%——78%的改善。
“我们的业务保护工业的运动员。,”Eadon解释道。“砖允许我们释放数据和机器学习的力量来帮助工作场所变得更安全、更有效率,更好的环境,数以万计的产业工人,我们依靠在我们的日常生活。”
开始的数据分析师利用内部指标和生成指示板通过画面更好地理解他们的软件和传感器是如何执行的。今天,他们的数据分析师团队运行的画面指示板数量——所有的砖——包括他们的软件版本的性能,传感器校准性能等等。
