IBM: Meningkatkan Keandalan dan Keselamatan Aset dengan Solusi EAM Proaktif

Skip Snyder IBM membahas manfaat solusi EAM yang efektif bagi produsen.

Menggabungkan perangkat lunak, sistem, dan layanan, manajemen aset perusahaan (EAM) membantu memelihara, mengontrol, dan mengoptimalkan kualitas aset operasional selama siklus hidupnya. Dalam wawancara dengan Skip Snyder, Senior Partner, IBM Global Business Services, ia membagi manfaat solusi EAM menjadi tiga kategori: mengoptimalkan kualitas dan memanfaatkan aset, waktu operasional produktif, dan pengurangan biaya.

Mengoptimalkan Kualitas dan Memanfaatkan Aset

Sederhananya, "peralatan yang terawat dengan baik mendukung output yang andal dan berkualitas tinggi," kata Snyder. "Namun, pemeliharaan mencegah dapat sangat mahal, dan organisasi terus-menerus mencoba mengurangi pemeriksaan yang tidak perlu jika bisa."

Salah satu cara untuk mengoptimalkan kualitas dan memanfaatkan aset adalah dengan memantau kesehatan aset melalui sensor, mencari tren yang mengindikasikan potensi degradasi yang dapat ditindaklanjuti untuk mencegah kerusakan. Cara lain termasuk menggunakan kamera dan mikrofon untuk memantau kesehatan peralatan - dalam beberapa kasus, akar mengantarkan sensor, kamera, dan mikrofon ke peralatan dan mengumpulkan data. Metode ini meningkatkan produktivitas teknisi, membebaskan mereka untuk tugas yang bernilai lebih tinggi sambil terus mengumpulkan data.

"Seiring bertambahnya jumlah sensor dan perangkat pada aset, volume data yang dilacak telah berekspor secara eksponensial. Ini telah menjadi mustahil bagi manusia sendirian untuk memantau segalanya. AI sekarang memainkan peran penting dalam manajemen aset perusahaan (EAM) untuk membantu memahami semua data tersebut dan mendapatkan nilai darinya karena ia dapat belajar dan mengidentifikasi tren. Teknologi dapat memperdalam pemahaman aset dengan menerjemahkan data menjadi wawasan yang dapat ditindaklanjuti yang dapat digunakan untuk mendorong pemeliharaan yang lebih efektif," kata Snyder.

"Misalnya, pemeliharaan berbasis kondisi menggantikan pemeliharaan berbasis waktu. Alih-alih melakukan pemeriksaan atau perbaikan setiap beberapa bulan atau sesuai jadwal yang ditetapkan, wawasan dari data operasional dan analitik dapat memprediksi kegagalan aset. Ini memastikan aset yang memerlukan perhatian mendapatnya pada waktu yang tepat, meningkatkan keandalan dan mengoptimalkan pemeliharaan. Kemampuan pemantauan jarak jauh memungkinkan deteksi anomali berkelanjutan. Kinerja aset terus dilacak dan dievaluasi oleh kecerdasan buatan (AI), yang dapat memicu peringatan berdasarkan indikator seperti kondisi flatline dan perubahan tiba-tiba dalam pembacaan sensor."

Sugar Creek Brewery

"Sugar Creek Brewery adalah contoh pelanggan IBM Maximo yang menggunakan EAM, AI, dan IoT untuk mengoptimalkan kualitas dan mengurangi kerugian. Mereka kehilangan lebih dari US$30.000 per bulan dalam sisa bir melalui proses produksi. Dengan mengintegrasikan teknologi ke dalam proses pembuatan bir, mereka dapat mengidentifikasi masalah yang mempengaruhi kualitas produk mereka. Parameter seperti waktu pengisian, suhu, pH, gravitasi, tekanan, karbonasi, dan level semuanya dikirim ke cloud untuk analisis. Data ini dapat memberikan informasi untuk proses baru atau menyempurnakan proses yang ada untuk memastikan produk memenuhi ekspektasi manufaktur dan penghematan biaya dari kerugian manufaktur kini diinvestasikan kembali ke dalam bisnis," - Skip Snyder, Senior Partner, IBM Global Business Services.

Waktu Operasional Produktif

Dengan sistem EAM yang tepat yang didukung oleh platform hybrid cloud terbuka dan alur kerja cerdas yang didorong AI, produsen dapat "mendeteksi potensi kerusakan peralatan dan secara otomatis mengeluarkan pesan kerja ke teknisi untuk mencegahnya, dengan semua informasi yang mereka butuhkan untuk menyelesaikan masalah, termasuk alat, riwayat aset, analisis penyebab akar, dan praktik terbaik," tambah Snyder.

Pengurangan Biaya

Saat menilai biaya, Snyder menjelaskan bahwa hal ini dapat dilakukan dengan dua cara: "Pertama, apakah teknisi melakukan pekerjaan yang tepat pada waktu yang tepat dengan cara yang tepat? Kedua, apakah waktu henti peralatan karena kerusakan, penundaan perbaikan atau hilangnya bagian telah dihilangkan atau diminimalkan?"

Sekarang, untuk bagian pertama, semakin efisien teknisi, semakin banyak peralatan yang dapat mereka jaga tetap berjalan secara berkelanjutan. "Di mana ada efisiensi yang lebih besar, ada nilai yang lebih tinggi," tambah Snyder. "Wawasan real-time dan kemampuan otomatisasi memberdayakan karyawan Anda untuk membuat keputusan yang didorong data dengan kecepatan dan kepercayaan dan fokus energi mereka pada pekerjaan yang bernilai lebih tinggi."

Untuk bagian kedua, semakin banyak informasi yang diketahui dan dapat diantisipasi ketika datang ke kebutuhan pemeliharaan peralatan, semakin efisien operasinya. "Hasilnya adalah waktu henti yang lebih sedikit karena kerusakan yang tidak terduga atau harus menunda perbaikan karena Anda tidak memiliki bagian untuk memperbaikinya. Dengan informasi yang tepat, Anda akan dapat memprediksi kegagalan, dan dengan program EAM yang tepat, Anda sekarang memiliki bagian yang tepat dalam jumlah yang tepat pada waktu yang tepat, sehingga mengoptimalkan kinerja peralatan dan meningkatkan Efektivitas Efisiensi Peralatan Keseluruhan (OEE)."

Praktik Terbaik bagi Produsen yang Mengadopsi Solusi EAM

Pada akhirnya, Snyder merenung bahwa ada banyak praktik terbaik untuk mengadopsi solusi EAM, tetapi pada akhirnya itu kembali pada mengetahui kesehatan peralatan, melengkapi tenaga kerja dengan informasi dan alat yang tepat, dan secara proaktif memastikan keandalan dan keselamatan.

"Untuk mewujudkan ini, memiliki kemampuan hybrid cloud dan AI yang tersedia sangat penting. Arsitektur hybrid cloud terbuka memungkinkan produsen untuk memindahkan pemrosesan lebih dekat ke operasi dan mengurangi latensi data sehingga informasi dan alat yang tepat sampai ke tenaga kerja dengan waktu yang tepat. AI kemudian membantu tenaga kerja menyaring gunung data dari lantai produksi dan luar sana untuk membantu mereka memahami apa yang benar-benar terjadi dengan peralatan mereka dan kemudian apa tindakan terbaik untuk mengatasi potensi masalah yang timbul."

Fokus utama bagi produsen juga harus praktik data yang baik. Karena EAM bergantung pada data untuk membuat keputusan, "kualitas data yang buruk atau kurangnya data mengarah pada hal-hal seperti teknisi membuang waktu pada prioritas yang salah, inventaris tidak tersedia kapan dan di mana dibutuhkan, tidak memiliki alat yang tepat yang tersedia, dan pada akhirnya, kerusakan peralatan dan penundaan produksi."

Untuk beralih dari pencegahan ke proaktif, produsen harus memiliki strategi untuk "mengumpulkan, menganalisis, dan bertindak berdasarkan data dengan memanfaatkan IoT, mobile, AI, robotika, dan inovasi teknologi lainnya; untuk memahami kesehatan peralatan mereka; dan akhirnya, mengotomatisasi proses untuk bertindak berdasarkan wawasan yang dihasilkan oleh teknologi."