Cara Menjalankan Bukti Konsep Pemeliharaan Prediktif
Di blog ini, kami membagikan beberapa pelajaran yang telah kami pelajari dari PoC yang berhasil dan tidak berhasil. Kami ingin mengatakan bahwa semua PoC kami telah mencapai tujuan akhir penskalaan, tetapi ini akan mengabaikan wawasan berharga yang sekarang dapat kami bagikan untuk membantu Anda menghindari kesalahan yang sama.
Pengantar
AI dan analitik adalah topik hangat dan hampir setiap vendor mengklaim kemampuan "untuk melakukan" Predictive Maintenance (PdM) dengan platform analitik prediktif mereka. Namun, hubungan dengan vendor perangkat lunak Pemeliharaan Prediktif biasanya panjang dan membutuhkan banyak kepercayaan. Dengan banyaknya kebisingan di pasar, oleh karena itu masuk akal untuk melakukan latihan untuk memilih vendor potensial. Seperti halnya memilih dokter, Anda harus yakin bahwa vendor dapat melakukan apa yang mereka katakan mampu mereka lakukan.
Seringkali masuk akal bagi organisasi untuk menjalankan latihan untuk memastikan mereka tidak hanya memilih vendor yang tepat, tetapi organisasi itu sendiri cukup siap untuk memastikan proyek PdM memiliki semua yang dibutuhkan untuk berhasil, dan dapat berubah dan beradaptasi untuk memanfaatkan manfaat yang ditawarkan. Bukti konsep (PoC) PdM dapat membantu memastikan hal ini – jika dilakukan dengan cara yang benar.
Dalam pengalaman kami, banyak perusahaan telah mencoba dan gagal beberapa PdM PoC sebelum akhirnya mencapai hasil yang mereka harapkan. Beberapa pelanggan kami telah mencoba tiga solusi lain sebelum mencapai apa yang mereka harapkan. Pelajaran yang dipetik dari kegagalan adalah bahwa seringkali vendor tidak sepenuhnya bersalah - masalahnya sebenarnya ada di dalam. Hanya kesadaran mereka akan kesuksesan dalam proyek industri lain yang memberi mereka kepercayaan diri untuk membuat perubahan secara internal dan bertahan untuk mencapai kesuksesan.
Analisis prediktif Pemeliharaan prediktif
Penting bagi kita untuk mengatasi kesalahpahaman utama dan umum:alat analisis prediktif dapat digunakan sebagai bagian dari program PdM, tetapi analisis prediktif dan PdM jauh dari hal yang sama.
Ilmuwan data dapat bekerja pada data mesin dan mengidentifikasi anomali dan tren – dan menghasilkan beberapa tangkapan layar yang meyakinkan. Tapi itu adalah hal lain untuk memiliki pemahaman mendalam tentang apa artinya hal-hal itu bagi kesehatan mesin, dan untuk dapat melakukan diskusi mendalam tentang strategi pemeliharaan apa yang harus diadopsi dengan informasi baru ini. Ilmuwan data murni biasanya tidak memiliki pengalaman dan pengetahuan yang dibutuhkan untuk bertindak sebagai teknisi pemeliharaan. Akibatnya, algoritme khusus yang mereka buat sering kali berkinerja buruk dalam kondisi industri dunia nyata.
Menemukan vendor yang lebih terbiasa dengan analisis prediktif daripada pemeliharaan prediktif
Mesin khusus mungkin memiliki mode kegagalan khusus dan unik, tetapi mode kegagalan dan jenis informasi yang diperlukan untuk mendeteksinya di sebagian besar mesin umum, seperti motor, kotak roda gigi, dan robot sangat dipahami dengan baik dari perspektif pemantauan kondisi. Kegagalan sering "adalah apa adanya" jadi, jika vendor mengajukan pertanyaan dasar tentang mode kegagalan mesin dan meminta Anda untuk menentukan semuanya, jelas mereka tidak memiliki latar belakang dalam pemantauan kondisi atau perawatan mesin dan tidak tahu apa yang mereka sedang melakukan. Peluang sukses sangat tipis.
Meminta Anda untuk memberi label segala sesuatu pada tahap awal – dan tidak dapat memahami apa yang ditampilkan dalam log pemeliharaan Anda dan membuat korelasinya – dapat berarti Anda berurusan dengan vendor yang akan mengambil pendekatan pemodelan yang dipesan lebih dahulu. Ini dapat memberikan hasil yang sangat baik hingga puluhan mesin tetapi akan berjuang dengan skalabilitas dan biaya untuk hal lainnya.
Pemeliharaan adalah disiplin 'langsung' yang paling praktis, sementara analitik data berakar pada penerapan teori dan matematika tingkat lanjut. PoC harus menjadi titik di mana kedua dunia tersebut bertemu untuk memberikan manfaat bisnis yang terukur melalui PdM.
Menemukan pemasok PdM yang tepat itu sulit – mereka perlu memahami praktik perawatan Anda, mesin Anda, dan hasil bisnis apa yang ingin Anda capai dan mereka harus memiliki komitmen yang sama seperti Anda untuk mencapainya. Mereka perlu melakukan ini melalui penerapan teori dan matematika yang tepat – dan melakukannya dengan cara yang dapat diskalakan secara ekonomi dan organisasi.
Untuk informasi lebih lanjut tentang praktik terbaik dan perangkap umum yang harus dihindari, unduh buku putih lengkap kami "Cara Menjalankan Bukti Konsep Pemeliharaan Prediktif" di bawah.
