Bagaimana AI membawa 0% waktu henti yang tidak direncanakan ke dalam jangkauan
Waktu henti yang tidak direncanakan adalah masalah jutaan dolar. Penghentian tak terduga selama produksi atau operasi dapat merugikan organisasi rata-rata $2 juta (€1,70 juta) setiap kali, dan 82% perusahaan mengalami setidaknya satu pemadaman yang tidak direncanakan setiap tiga tahun (menurut penelitian Aberdeen ).
Setiap pemadaman menimbulkan risiko kehilangan jam produksi, produk rusak, biaya tenaga kerja tambahan, dan pesanan suku cadang yang terburu-buru. Tidak mengherankan jika tagihan dapat meningkat dengan cepat, kata Jasper Hoogeweegen, CEO di Samotics .
Pertimbangkan kerusakan pada kepercayaan pelanggan serta dampak kesehatan dan keselamatan sistem yang gagal dan berjalan tidak efisien, dan menjadi jelas bahwa waktu henti yang tidak direncanakan akan menjadi masalah yang jauh lebih besar daripada sekadar biaya.
Sampai saat ini, pendekatan untuk meminimalkan waktu henti sebagian besar berpusat pada strategi reaktif dan pencegahan yang tidak efektif atau tidak efisien. Berulang kali bereaksi terhadap masalah pemeliharaan setelah mereka terjadi tidak berkelanjutan dalam jangka panjang. Sementara itu, strategi pencegahan yang memperhatikan waktu dan mencoba mencegah kegagalan sering kali mengakibatkan pemeriksaan yang tidak perlu pada peralatan yang sehat, sementara hingga 85% dari semua peralatan mungkin gagal secara acak, terlepas dari berapa banyak pemeliharaan preventif yang diterapkan.
Ini semua berfungsi sebagai kontradiksi utama dengan skenario ideal ketika Anda mempertimbangkan bahwa 72% organisasi menyebutkan mencapai nol waktu henti yang tidak direncanakan sebagai prioritas tinggi. Mengurangi dugaan akan menjadi kunci untuk menghapus semua kegagalan yang tidak terduga.
Unduhan saat downtime
Ratusan juta aset merupakan jantung dari ekonomi industri; motor listrik, pompa, kipas angin, mixer, rol, katup... daftarnya terus berlanjut. Organisasi di seluruh dunia, yang mencakup berbagai industri seperti pengelolaan air dan energi, hingga bahan kimia dan baja, semakin beralih ke pemantauan kesehatan alat berat secara real-time untuk menghilangkan waktu henti yang tidak direncanakan bila memungkinkan.
Semua kesalahan dan kegagalan mesin memiliki asal. Data adalah kunci untuk mengenali tanda-tanda kerusakan jauh sebelumnya dan memungkinkannya untuk diperbaiki pada waktu yang tepat sebelum menimbulkan tantangan yang lebih besar. Ini membutuhkan banyak data yang perlu diperoleh dan diproses sepanjang waktu. Era IoT telah memungkinkan akuisisi data ini, tetapi volume analisis yang diperlukan untuk data yang berukuran petabyte jauh melampaui kemampuan manusia.
Di sinilah AI berperan.
Memperbaiki pendekatan pemeliharaan
Potensi AI untuk pemantauan kesehatan aset diakui di awal evolusinya. Menawarkan alternatif yang disambut baik untuk strategi reaktif dan pencegahan tradisional, AI menawarkan wawasan yang dapat ditindaklanjuti organisasi dan sarana untuk tidak hanya memperbaiki dan mencegah, tetapi juga memprediksi kapan tantangan dan kegagalan mungkin terjadi.
Tidak seperti analis manusia, AI dapat memproses sejumlah besar data mesin yang masuk, hampir secara real-time dan tanpa jeda. Hanya dengan menggunakan data beberapa minggu, AI dapat membangun gambaran sebenarnya tentang kesehatan mesin. Dari model dasar ini, ia mampu menetapkan dan mendeteksi pemicu atau 'sidik jari' pola perilaku yang ditetapkan kegagalan yang menunjukkan jenis kerusakan tertentu.
Model dasar yang sama ini menunjukkan penyimpangan dari perilaku normal alat berat yang menunjukkan operasi yang tidak efisien. Karena motor listrik seringkali merupakan konsumen listrik tunggal terbesar dalam organisasi industri, mengatasi inefisiensi ini dapat mengurangi biaya secara signifikan dan meminimalkan dampak lingkungan.
Bertindak bukan bereaksi – normal baru
Seperti semua teknologi berbasis AI, mereka hanya menjadi lebih pintar dari waktu ke waktu. Semakin besar perpustakaan data masa lalu, semakin banyak perangkat lunak dapat belajar dan meningkatkan akurasinya. AI kini telah mapan sebagai alat yang sangat berharga untuk mengurangi waktu henti yang tidak direncanakan, dan ribuan aset secara global di berbagai industri telah merasakan manfaatnya.
Solusi terkemuka mampu mendeteksi lebih dari 90% kegagalan hingga lima bulan sebelumnya. Dengan inovasi yang cepat di cakrawala, kami terus bekerja menuju masa depan di mana 0% waktu henti yang tidak direncanakan akan menjadi norma baru.
Ini juga membawa perubahan budaya yang signifikan dan disambut baik karena AI mendorong organisasi di seluruh dunia untuk bertindak alih-alih bereaksi. Dengan semakin berkurangnya tenaga profesional perawatan berpengalaman, teknologi berbasis AI dapat mengubah pekerjaan mereka dari melakukan pekerjaan keliling di sekitar lokasi produksi menjadi menerapkan keahlian mereka di tempat yang paling dibutuhkan.
Memberdayakan organisasi untuk mengambil pendekatan proaktif untuk pemeliharaan adalah lingkaran yang baik. Dengan lebih banyak data, sistem menjadi lebih cerdas, memungkinkan organisasi untuk bertindak lebih cepat dan pada gilirannya, menghemat lebih banyak dari waktu henti yang tidak direncanakan dan aset yang tidak efisien. Untuk organisasi di seluruh dunia, mengambil kendali dan tindakan akan membuat gangguan dari masalah pemeliharaan mendadak menjadi sesuatu yang sudah berlalu.
Penulisnya adalah Jasper Hoogeweegen, CEO di Samotics .
