Melintasi jurang - mengapa sulit untuk keluar dari api penyucian percontohan

Disorot dalam laporan McKinsey 2018, banyak perusahaan industri mengalami "penyucian percontohan" dan terus melakukannya – sebuah fenomena di mana, sementara mereka memiliki aktivitas signifikan yang sedang berlangsung, mereka belum melihat manfaat bottom-line yang berarti.

Keluar dari api penyucian ini mengharuskan perusahaan untuk "menyeberangi jurang", sebuah proses yang diamati dan dijelaskan oleh konsultan manajemen Geoffrey A. Moore di awal tahun sembilan puluhan. Secara kasar, sementara banyak proyek teknis terkait TI akan berhasil pada awalnya, dengan energi yang cukup besar di belakangnya, mereka akan sering kesulitan untuk diadopsi dengan benar. Moore mengamati bahwa ada perbedaan yang signifikan antara inovator dan pengadopsi awal, dan gelombang pengadopsi berikutnya, yang dukungannya diperlukan untuk memastikan proyek akan berskala. Akibatnya, keengganan dan menebak-nebak hasil dari kepemimpinan perusahaan untuk melanjutkan komitmen ke tahap berikutnya dapat membuat proyek percontohan yang sukses dalam keadaan lumpuh.

Ini adalah sesuatu yang sering Anda lihat dengan startup. Pendiri yang bersemangat mengembangkan teknologi baru dan menjadi sangat baik dalam menjelaskannya dalam istilah teknis. Ini membantu mereka mengumpulkan dukungan dari jenis organisasi tertentu – inovator dan pengguna awal – dan akan ada banyak energi awal di balik proyek ini. Tapi awal yang menggembirakan ini akan diikuti oleh masa hening. Ini adalah jurang yang harus mereka lewati.

Gambar 1:Siklus Hidup Adopsi teknologi, Geoffrey A. Moore. Sumber, dilisensikan di bawah lisensi Creative Commons Attribution 3.0 Unported.

Bukan hanya startup, tentu saja. Vendor dapat menghabiskan waktu di konferensi untuk membicarakan produk di ruang tertentu – seperti pemeliharaan prediktif – kepada audiens inovator dan pengguna awal yang, pada umumnya, akan memahami dan tertarik dengan apa yang mereka dengar. Tantangan yang kemudian dihadapi audiens ini adalah meyakinkan pengambil keputusan utama di dalam perusahaan mereka sendiri – manajer pemeliharaan, manajer pabrik, TI, dan tim keuangan – yang tidak akan peduli dengan hal yang sama. Istilah teknis dan daftar periksa hanya akan membuat mereka tidak terkesan dan tidak yakin, kesenjangan dalam kemampuan dicocokkan dengan kesenjangan dalam komunikasi.

Resistensi internal

Jurang bisa ada di dalam organisasi individu maupun di industri yang lebih luas. Ini adalah tantangan yang paling sering dihadapi oleh orang-orang yang tugasnya melayani kebutuhan masa depan perusahaan. Jika mereka tidak dapat membuat bukti konsep yang terkait dengan kasus penggunaan dan menunjukkan di mana teknologi akan menambah nilai bisnis, tidak seorang pun dalam bisnis yang berfungsi sehari-hari akan peduli bahwa itu akan datang.

Sebuah perusahaan mungkin mencoba solusi pemeliharaan prediktif baru, misalnya, tetapi tidak akan dapat meyakinkan tim pemeliharaannya untuk mengadopsinya. Mereka tidak tertarik pada pembicaraan teknis, mereka khawatir tentang motor yang sedang panas, dan kapan akan gagal. Memprediksi kegagalan motor tidak ada hubungannya dengan AI dan pembelajaran mesin sejauh yang mereka ketahui – mereka hanya menginginkan solusi fungsional yang akan memberi mereka beberapa wawasan yang dapat ditindaklanjuti.

Banyak organisasi menemukan diri mereka pada tahap percontohan dan berjuang untuk mencari cara bagaimana untuk skala. Banyak orang lain akan menghadapi perlawanan internal untuk adopsi yang lebih luas. Untuk meningkatkan peluang Anda melintasi jurang, dan melarikan diri dari api penyucian percontohan, sebaiknya hindari bahasa inovator dan pengguna awal dan gunakan bahasa mayoritas awal sebagai gantinya. Sebenarnya, istilah teknis seperti IoT, AI, pembelajaran mesin, dan bukti konsep sebagian besar tidak berarti bagi banyak orang, dan hanya akan membuat mereka kedinginan. Jauh lebih efektif untuk mempresentasikan produk baru Anda sebagai solusi, bukan teknologi, dan menjelaskan hasil bisnis - masalah yang akan dipecahkan dan manfaat yang akan dihasilkan.

Pasar baru, pesan baru

Senseye menghadapi tantangan tambahan. Kami beroperasi di pasar yang relatif baru, dan jika kami tidak mengajari orang sejak awal cara kerja teknologi kami serta hasil dan manfaat bisnis apa yang dapat diberikannya, kami menghadapi risiko pelanggan kami menjadi sarat dengan kesalahpahaman dan harapan yang tidak realistis. Memang, dalam pengalaman puluhan tahun kami di bidang pemeliharaan prediktif, kami telah melihat betapa kurangnya pemahaman – baik oleh produsen maupun vendor – telah mengakibatkan sejumlah besar solusi gagal melewati jurang, dan ditakdirkan untuk merana dalam api penyucian percontohan.

Alih-alih kebanyakan kata kunci populer yang mencakup AI, Pembelajaran Mesin, IoT, dan Industri 4.0, vendor pemeliharaan prediktif harus berbicara tentang hasil bisnis; apa yang telah mereka capai, dan apa yang dapat mereka lakukan tidak hanya dari sudut pandang teknis tetapi bagaimana mereka akan menciptakan dampak terukur pada bisnis klien mereka. Pemeliharaan prediktif adalah paradigma baru dan manfaatnya sangat banyak:

• Keberlanjutan :
  • Perpanjangan masa pakai aset melalui pemantauan yang cermat dan waktu penggantian yang tepat
  • Penghapusan pemeliharaan yang berlebihan dengan pengurangan dan perluasan kegiatan pemeliharaan yang direncanakan
  • Pengurangan pemeriksaan fisik yang berisiko &mengganggu karena semua data dipantau dari jarak jauh dan otomatis
  • Pengurangan persediaan dan penggunaan suku cadang sebagai pengganti yang direncanakan dapat diperpanjang berdasarkan informasi kondisi mesin yang sebenarnya
  • Pengurangan risiko lingkungan yang timbul dari potensi kebocoran dan efek samping kegagalan mesin
    
    
• Efektifitas Peralatan Secara Keseluruhan (atau metrik serupa terkait):
  • Membantu mendorong metrik kualitas – alat berat yang lebih sehat menghasilkan suku cadang yang lebih baik
  • Memastikan throughput maksimum dengan mengetahui operasi aktual dan memungkinkan perawatan mesin lebih awal
  • Mengurangi waktu henti alat berat yang tidak direncanakan (memastikan ketersediaan) dengan melakukan pemeliharaan sebelum kegagalan fungsi

Pengurangan risiko bisnis dengan peningkatan produktivitas dan keberlanjutan adalah sesuatu yang dapat dicapai semua orang dan metrik dari proyek-proyek ini membuktikannya – ini adalah hal-hal yang dapat membuat semua orang di mayoritas awal bersemangat.

Untuk membaca lebih lanjut tentang mengapa penerapan dan penerapan pemeliharaan prediktif begitu disalahpahami dan dipenuhi dengan kegagalan, dan bagaimana pengalaman kami (baik dan buruk) telah menginformasikan solusi Senseye PdM kami sendiri, Anda dapat mengunduh buku putih kami “Senseye in Depth – Mengapa Pemeliharaan Prediktif begitu sulit?” di sini.