Bagaimana membuat rantai pasokan pemeliharaan Anda lebih efektif menggunakan data

Menjaga peralatan dan suku cadang yang tepat di lokasi untuk memperbaiki dan memelihara peralatan produksi adalah tindakan penyeimbang. Anda perlu tetap menjalankan manufaktur tetapi Anda tidak ingin mengikat sejumlah besar modal dalam peralatan dan suku cadang yang mungkin tidak digunakan selama berbulan-bulan, bertahun-tahun, atau mungkin tidak pernah sama sekali. Atau, hidup dengan peralatan pabrik yang memiliki waktu henti yang tidak dapat diprediksi dapat menghabiskan biaya yang signifikan melalui hilangnya ketersediaan produksi dan pemeliharaan yang tidak terencana.

Pemeliharaan, Perbaikan &Overhaul yang Efektif “MRO” adalah tentang perencanaan, pengelolaan, pengkoordinasian layanan dan pengiriman dari berbagai pemasok, memiliki visibilitas real-time di mana setiap bagian berada, dan memastikan proses intensif sumber daya adalah sebagai biaya- seefektif mungkin.

MRO yang efektif bergantung pada informasi yang akurat dan tepat waktu. Secara khusus, mengetahui masalah yang tepat dan tindakan apa yang telah dilakukan sangat penting untuk memprediksi dan mencegah masalah ini di masa mendatang.

Analisis pemeliharaan &perbaikan data 'teks bebas' yang tidak terstruktur saat ini membutuhkan masukan manusia yang cukup besar oleh personel yang berpengalaman sepanjang siklus analisis untuk memastikan bahwa informasi tersebut konsisten dan akurat. Jika tidak, perusahaan mungkin tidak tahu berapa banyak insiden serupa yang terjadi dan apakah mereka meningkat, atau memiliki akar penyebab yang sama. Informasi mungkin terkubur dalam teks dan menggunakan kata-kata yang berbeda, singkatan dan semantik untuk menggambarkan kejadian serupa. Sebaliknya, masalah serupa mungkin menjadi berbeda berdasarkan perbedaan halus dalam deskripsi.

Alat penambangan teks dapat menemukan kata kunci tetapi saat ini hanya manusia yang memberikan wawasan akhir yang mengubah data mentah menjadi pengetahuan. Biasanya ini berasal dari interpretasi insiden yang lebih holistik, membandingkan data tidak terstruktur dengan informasi terstruktur dan dapat disimpulkan dari sumber data yang berbeda atau pengetahuan sebelumnya.

Tantangan dengan pendekatan saat ini adalah bahwa manusia dapat bertindak secara subjektif, membuat kesalahan, dan kapasitas individu mereka tidak cepat atau terukur.

Selanjutnya, setiap analisis di seluruh basis data yang berbeda (misalnya mencoba menggabungkan data diagnostik atau manufaktur) mengarah ke lebih banyak tantangan teknis.

Mengingat tekanan ini, rantai pasokan MRO telah lama matang untuk efisiensi dan peningkatan.

Telah berhasil mengadopsi teknik dan teknologi baru di seluruh sektor yang telah menyoroti kemungkinan penghematan yang dapat dicapai.

Pada tahun 2014, PwC mensurvei lebih dari 100 perusahaan manufaktur dan pemeliharaan dan menemukan bahwa penggunaan pencetakan 3D, atau dikenal sebagai 'rekayasa aditif' untuk meningkatkan ketersediaan suku cadang di titik penggunaan, memangkas biaya dengan mengurangi pemborosan, dan mengurangi konten tenaga kerja. Sebagian besar perusahaan telah melaporkan peningkatan signifikan dalam kecepatan dan fleksibilitas terkait dengan pengembangan dan penyesuaian produk. Penelitian selanjutnya mengatakan bahwa jika hanya 50 persen suku cadang yang diproduksi menggunakan teknologi ini, akan ada penghematan biaya sebesar $3,4 miliar.

Ada juga teknologi yang sudah digunakan dalam transportasi (di mana masalah MRO seringkali lebih akut). Teknologi utama yang dipilih oleh Espen Olsen, direktur Eropa untuk kedirgantaraan di IFS, yang berpotensi memiliki dampak terbesar pada MRO yang berlaku untuk manufaktur dan kedirgantaraan termasuk teknologi seluler (insinyur yang dilengkapi dengan aplikasi seluler untuk mengakses informasi yang relevan pada saat dibutuhkan) dan perangkat yang dapat dikenakan teknologi. Japan Airlines sudah menggunakan Google Glass dalam proses perawatannya. Kacamata dipakai oleh para insinyur yang bekerja di sekitar pesawat di landasan. Gambar pesawat dikirim ke spesialis perawatan untuk penilaian yang kemudian memberi tahu masalah apa pun yang mereka lihat kembali ke teknisi di lapangan.

Salah satu tren teknologi lain yang disoroti Espen adalah bahwa Big Data memegang kunci untuk memprediksi masa depan. Dia mengatakan:“Di MRO, ada potensi besar untuk menggunakan rahasia data untuk mengaktifkan segala sesuatu mulai dari analisis prediktif hingga pengoptimalan inventaris yang lebih besar, pemantauan pola penggunaan yang lebih baik, dan pelacakan penting serta analisis kesehatan peralatan secara real-time. Namun sejauh ini hanya ada sedikit jawaban untuk penggunaan kuncinya, atau yang lebih penting, cara mengidentifikasi data mana yang berguna, dan mana yang tidak.

“Pada 2015 sektor komersial akan dan harus menangani big data secara langsung. Secara khusus saya pikir dalam menggunakan data besar untuk analisis prediktif. Dengan menyediakan data kunci seputar kegagalan aset, ini kemudian dapat diintegrasikan ke dalam sistem logistik untuk membantu menginformasikan dan meningkatkan desain masa depan, mengoptimalkan penggunaan, dan menurunkan total biaya siklus hidup.”

Prediksi ini sekarang terwujud dengan pengenalan perangkat lunak baru yang dapat mengotomatisasi proses klasifikasi MRO.

AMROC adalah produk baru dari Warwick Analytics dan merupakan salah satu pendekatan yang memungkinkan. Ini secara otomatis mengubah data pemeliharaan yang berbeda dan tidak terstruktur. Ini telah terbukti secara dramatis meningkatkan wawasan yang tersedia untuk operator, pengelola, dan produsen kedirgantaraan dan sekarang digunakan oleh produsen dan perusahaan energi di MRO pabrik mereka.

Jadi bagaimana cara kerjanya? Seperti yang kita ketahui, analisis data 'teks bebas' pemeliharaan &perbaikan saat ini membutuhkan masukan manusia yang cukup besar oleh personel yang berpengalaman sepanjang siklus analisis untuk memastikan bahwa informasi tersebut konsisten dan akurat. Namun, AMROC mengubah data tidak terstruktur dan semi terstruktur tersebut termasuk teks, log, dan diagnostik menjadi data terstruktur untuk klasifikasi. Perangkat lunak ini secara otomatis menambang ribuan kemungkinan pola yang berbeda dari data terstruktur dan tidak terstruktur, dan kemudian menyusun dan mengklasifikasikan masalah, berdasarkan pola ini, hampir secara real-time, sangat mengurangi waktu yang dibutuhkan untuk mengklasifikasikan dan menghitung teks bebas secara manual data perawatan &perbaikan. Data tidak perlu dibersihkan, dan karena itu tidak tunduk pada asumsi dan kesalahan.

Dengan teknologi TI baru seperti AMROC , biaya MRO dalam transportasi dan manufaktur akan menurun tetapi bukan hanya pemain besar dan OEM yang perlu inovatif. Perusahaan di puncak rantai pasokan meminta pemasok mereka untuk juga meningkatkan produktivitas mereka dalam hal MRO.

Kesimpulannya, ada teknologi baru di luar sana yang menjanjikan untuk membantu meningkatkan MRO dengan menemukan informasi dari data, dan menggunakannya untuk memahami dan memprediksi masalah. Mereka tidak akan pernah dapat menggantikan manusia yang berpengalaman, tetapi mereka akan dapat secara dramatis membantu orang tersebut untuk mendapatkan wawasan yang kaya, akurat, dan tepat waktu serta membuat seluruh rantai pasokan MRO lebih produktif.

Kunjungi www.warwickanalytics.com untuk informasi lebih lanjut.