Optimasikan Rantai Pasokan Pemeliharaan Anda dengan Otomatisasi Berbasis Data
Dan Somers dari Warwick Analytics (www.warwickanalytics.com) bicara dengan Manufacturing Global tentang bagaimana perangkat lunak sekarang dapat secara akurat mengotomatisasi proses klasifikasi pemeliharaan dan garansi dan apa artinya ini untuk insinyur, manajer dan mekanik di industri.
Menjaga peralatan dan bagian yang tepat di tempat untuk memperbaiki dan memelihara peralatan produksi adalah keseimbangan. Anda perlu menjaga manufaktur tetap berjalan tetapi Anda tidak ingin mengikat jumlah besar modal dalam peralatan dan bagian yang mungkin tidak akan digunakan selama bulan, tahun atau mungkin tidak pernah. Sebaliknya, tinggal dengan peralatan pabrik yang memiliki waktu henti yang tidak terduga dapat membiayai jumlah besar melalui ketersediaan produksi yang hilang dan pemeliharaan yang tidak terjadwal.
Pemeliharaan, Perbaikan & Overhaul — "MRO" yang efektif adalah tentang perencanaan, manajemen, koordinasi layanan dan pengiriman dari berbagai macam supplier, memiliki visibilitas waktu nyata di mana setiap bagian berada, dan memastikan proses yang intensif sumber daya ini hemat biaya sebagaimana mungkin.
MRO yang efektif bergantung pada informasi yang akurat dan tepat waktu. Khususnya, mengetahui masalah yang tepat dan tindakan apa yang telah dilakukan sangat penting untuk memprediksi dan mencegah masalah ini di masa depan.
Analisis data teks terstruktur 'free text' pemeliharaan & perbaikan saat ini memerlukan input manusia yang besar oleh personel yang berpengalaman selama siklus analisis untuk memastikan informasi yang konsisten dan akurat. Jika tidak, perusahaan mungkin tidak tahu berapa banyak insiden serupa yang terjadi dan apakah mereka meningkat, atau memiliki penyebab akar yang sama. Informasi mungkin tertinggal dalam teks dan menggunakan kata-kata yang berbeda, singkatan dan semantika untuk menggambarkan insiden serupa. Sebaliknya masalah serupa mungkin ternyata berbeda berdasarkan perbedaan halus dalam deskripsi.
Alat penambangan teks dapat mencatat kata kunci namun saat ini hanya manusia yang memberikan wawasan akhir yang mengubah data mentah menjadi pengetahuan. Biasanya ini berasal dari interpretasi yang lebih holistik dari insiden, membandingkan data terstruktur dengan informasi terstruktur dan yang dapat disimpulkan dari sumber data yang berbeda atau pengetahuan sebelumnya.
Tantangan dengan pendekatan saat ini adalah bahwa manusia dapat bertindak subjektif, membuat kesalahan dan kapasitas individu mereka tidak cepat atau scalable.
Selanjutnya, analisis yang melintasi database yang berbeda (misalnya mencoba menggabungkan data diagnosis atau manufaktur) mengarah pada banyak tantangan teknis lebih lanjut.
Mengingat tekanan ini, rantai pasokan MRO telah lama matang untuk efisiensi dan perbaikan.
Telah ada adopsi yang sukses dari teknik dan teknologi baru di seluruh sektor yang telah menyoroti penghematan yang dapat dicapai.
Pada 2014, PwC menyelidiki lebih dari 100 perusahaan manufaktur dan pemeliharaan dan menemukan bahwa penggunaan pencetakan 3D, yang juga dikenal sebagai 'additive engineering' untuk meningkatkan ketersediaan bagian cadangan di titik penggunaan, mengurangi biaya dengan mengurangi limbah, dan mengurangi konten tenaga kerja. Sebagian besar perusahaan telah melaporkan peningkatan signifikan dalam kecepatan dan fleksibilitas yang berkaitan dengan pengembangan produk dan kustomisasi. Penelitian tersebut melanjutkan bahwa jika hanya 50 persen bagian cadangan diproduksi menggunakan teknologi ini akan ada penghematan biaya sebesar $3,4 miliar.
Ada juga teknologi yang sudah digunakan di transportasi (di mana masalah MRO seringkali lebih akut). Teknologi kunci yang dipilih oleh Espen Olsen, direktor Eropa untuk penerbangan di IFS, sebagai berpotensi memberikan dampak terbesar pada MRO yang berlaku baik untuk manufaktur maupun penerbangan termasuk teknologi seluler (insinyur dilengkapi dengan aplikasi seluler untuk mengakses informasi yang relevan saat kebutuhan) dan teknologi wearable. Japan Airlines sudah menggunakan Google Glass dalam proses pemeliharaan mereka. Kacamata dipakai oleh insinyur yang bekerja di sekitar pesawat di tarmac. Citra pesawat dikirim ke spesialis pemeliharaan untuk penilaian yang kemudian memberikan masukan masalah apa pun yang mereka lihat kembali ke insinyur di lapangan.
Tren teknologi lain yang disorot Espen adalah bahwa Big Data memegang kunci untuk memprediksi masa depan. Dia berkata: "Dalam MRO, ada potensi besar untuk menggunakan rahasia data untuk mengaktifkan semuanya dari analitik prediktif hingga optimisasi inventaris yang lebih besar, pemantauan yang lebih baik terhadap pola penggunaan dan pelacakan serta analisis yang esensial terhadap kesehatan peralatan secara waktu nyata. Namun sejauh ini masih sedikit yang tersedia untuk penggunaan utamanya, atau yang lebih penting, sarana untuk mengidentifikasi data mana yang berguna, dan mana yang tidak.
"Pada 2015 sektor komersial akan dan harus menghadapi big data secara langsung. Khususnya saya pikir dalam menggunakan big data untuk analisis prediktif. Dengan menyediakan data kunci tentang kegagalan aset, ini kemudian dapat diintegrasikan ke dalam sistem logistik untuk membantu memberitahukan dan meningkatkan desain masa depan, mengoptimalkan penggunaan dan menurunkan biaya siklus hidup total."
Prediksi ini kini telah terealisasi dengan perkenalan perangkat lunak baru yang dapat mengotomatisasi proses klasifikasi MRO.
AMROC adalah produk baru dari Warwick Analytics dan adalah satu pendekatan yang mungkin. Ia secara otomatis mentransformasi data pemeliharaan yang berbeda dan tidak terstruktur. Ia telah terbukti secara dramatis meningkatkan wawasan yang tersedia untuk operator, pemelihara dan produsen penerbangan dan kini digunakan oleh produsen dan perusahaan energi pada pabrik MRO mereka.
Bagaimana cara kerjanya? Seperti yang kita ketahui analisis data teks terstruktur 'free text' pemeliharaan & perbaikan saat ini memerlukan input manusia yang besar oleh personel yang berpengalaman selama siklus analisis untuk memastikan informasi yang konsisten dan akurat. Namun, AMROC mengubah data yang tidak terstruktur dan setengah terstruktur termasuk teks, log dan diagnosis menjadi data terstruktur untuk klasifikasi. Perangkat lunak secara otomatis menambang ribuan pola yang mungkin dari data terstruktur dan tidak terstruktur, dan kemudian mengstruktur dan mengklasifikasikan masalah, berdasarkan pola ini, dalam waktu dekat-real-time, sangat mengurangi waktu yang dibutuhkan untuk secara manual mengklasifikasi dan mengukur data pemeliharaan & perbaikan teks bebas. Data tidak perlu dibersihkan, dan oleh karena itu tidak terkena asumsi dan kesalahan.
Dengan teknologi IT baru seperti AMROC, biaya MRO di transportasi dan manufaktur ditetapkan untuk menurun tetapi bukan hanya pemain besar dan OEM yang perlu inovatif. Perusahaan di puncak rantai pasokan meminta supplier mereka untuk juga meningkatkan produktivitas mereka ketika berkaitan dengan MRO.
Simpulan, ada teknologi baru di luar yang berjanji untuk membantu meningkatkan MRO dengan menemukan informasi dari data, dan menggunakan itu untuk memahami dan memprediksi masalah. Mereka tidak akan pernah dapat menggantikan manusia yang berpengalaman, tetapi mereka akan dapat membantu orang itu secara dramatis untuk mendapatkan wawasan yang kaya, akurat dan tepat waktu dan membuat seluruh rantai pasokan MRO lebih produktif.
Kunjungi www.warwickanalytics.com untuk informasi lebih lanjut.
