Munculnya PdM dan Mengapa Sulit untuk Memperbaikinya

Pemeliharaan prediktif (PdM) adalah pendekatan proaktif untuk mengatasi kegagalan mesin sebelum menjadi masalah. Dengan menganalisis volume besar data alat berat, PdM memungkinkan staf pemeliharaan memahami kesehatan alat berat dan mengoptimalkan aktivitasnya sesuai dengan itu untuk mencegah waktu henti yang tidak direncanakan dan menghilangkan kegagalan mendadak. Namun, terlepas dari manfaatnya yang jelas, sebagian besar penerapan PdM pasti akan gagal. Dalam postingan ini, kita akan melihat kebangkitan PdM, dan mengapa begitu banyak vendor - dan pelanggan mereka - terus melakukan kesalahan.

Pemeliharaan prediktif - dulu dan sekarang

Pemeliharaan prediktif telah ada jauh lebih lama dari yang Anda kira. Selama Perang Dunia Kedua, ilmuwan CH Waddington mengamati bahwa tingkat kegagalan atau perbaikan pesawat cenderung mencapai puncaknya segera setelah sesi inspeksi atau perawatan. Dikenal sebagai “Efek Waddington”, fenomena ini mengakibatkan penyesuaian proses perawatan agar sesuai dengan kondisi fisik pesawat dan frekuensi penggunaannya, dengan siklus inspeksi yang disesuaikan berdasarkan analisis data yang dihasilkan. Singkatnya, ini adalah awal dari PdM.

Banyak yang telah berubah sejak itu, tentu saja. Revolusi Industri Keempat dan munculnya Industri 4.0 telah melihat terobosan teknologi yang terjadi pada tingkat yang "mengganggu hampir setiap industri di setiap negara". Terobosan ini telah menghasilkan peningkatan yang signifikan dalam sensor, jaringan, akuisisi data, dan teknologi penyimpanan yang, bersama dengan akses ke banyak daya komputasi dan data yang disediakan oleh kemajuan terbaru dalam teknologi AI, telah membuat PdM menjadi semakin dapat diterapkan ke industri yang lebih luas. .

Saat ini, sama seperti hampir 80 tahun yang lalu, manfaat utama PdM tetap pada kapasitasnya untuk menginformasikan keputusan. Bertanggung jawab untuk mengawasi banyak mesin di satu atau lebih situs, profesional perawatan adalah orang yang sangat sibuk. Dengan memberikan pemahaman yang lebih baik tentang kesehatan mesin mereka yang berkelanjutan, solusi PdM dapat membantu mereka memanfaatkan waktu dan sumber daya yang terbatas yang tersedia untuk mereka dengan lebih baik.

Jadi, mengingat warisannya dan keuntungan nyata yang ditawarkannya, mengapa begitu sulit bagi banyak orang untuk mencapai kesuksesan di PdM?

Tiga kesalahan umum

Sebenarnya, banyak vendor yang ikut-ikutan ikut-ikutan PdM meskipun hanya sedikit menghargai apa yang pada dasarnya merupakan domain yang sangat unik. Beberapa hanya mencoba untuk "mengisi daya super" alat pemantauan warisan, sementara yang lain telah menerapkan pendekatan ilmu data konvensional ke ruang masalah yang jauh dari konvensional. Tanpa pemahaman yang diperlukan tentang apa sebenarnya sistem PdM itu, dan bagaimana cara kerjanya, banyak solusi baru bahkan tidak akan berhasil sampai ke pasar. Akibatnya, hanya sedikit bisnis yang akan mencapai kesuksesan nyata dalam skala besar.

Pada akhirnya, sebagian besar dari kurangnya pemahaman ini - dan kesuksesan PdM berikutnya - bermuara pada tiga kesalahan mendasar yang sering dilakukan vendor dan pelanggan mereka berulang kali.

1. Seperti yang telah kita lihat, konsep PdM bukanlah hal baru. Teknik seperti pemantauan kondisi, kredit pemeliharaan, dan prognostik telah ada selama beberapa waktu sekarang. Namun kurangnya kemampuan untuk menskalakan teknik-teknik ini di luar sekadar mesin kritis membuat penerapannya sebagian besar terbatas hanya pada mesin-mesin penting saja.
2. PdM bukanlah, seperti yang diyakini beberapa orang, masalah Big Data di mana ada jutaan titik data dan label untuk melatih model. Lingkungan pabrik sangat dinamis dan bising, dengan berbagai variabel termasuk perawatan mesin, kecepatan produksi yang berbeda, dan bahkan perilaku operator mesin yang berbeda. Dan, tentu saja, setiap mesin itu unik. Meskipun demikian, banyak organisasi masih akan menggunakan pendekatan ilmu data klasik untuk PdM.
3. Penting untuk diingat betapa sibuknya para profesional perawatan. Jika pengalaman pengguna sistem PdM tidak mencerminkan hal ini, ada risiko bahwa sistem tidak akan berinteraksi dengan pengguna targetnya. Semua informasi dan wawasan berharga yang dihasilkannya akan diabaikan, dan investasi organisasi dalam sistem itu sendiri akan sia-sia.

Senseye mengerti PdM

Senseye telah menghabiskan lebih dari 150 orang-tahun waktu penelitian dan pengembangan secara eksklusif di PdM. Itu sebabnya kami memahami cara kerja PdM. Yang penting, kami memahami bagaimana PdM meningkatkan operasi harian teknisi pemeliharaan. Dan karena pemahaman itulah solusi PdM kami berhasil. Itu sebabnya kami tahu cara menerapkannya dalam skala besar, itulah sebabnya kami tidak hanya melibatkan ilmuwan data, dan itulah mengapa pengalaman pengguna itu penting.

Postingan kami berikutnya akan mengeksplorasi bagaimana kami menerapkan pelajaran yang telah kami pelajari untuk semua yang kami lakukan. Sampai saat itu, Anda dapat menemukan detail lebih lanjut tentang dari mana PdM berasal dan mengapa vendor - dan beberapa pembeli - tidak melakukannya dengan benar di buku putih kami “Senseye in Depth:Mengapa Pemeliharaan Prediktif begitu sulit?”.