Menyelingkui Jurang: Mengatasi Pilot Purgatory untuk Nilai Bisnis Nyata
Diperlihatkan dalam laporan McKinsey 2018, banyak perusahaan industri mengalami “pilot purgatory” dan terus melakukannya – fenomena di mana, sementara mereka memiliki aktivitas yang signifikan berlangsung, mereka belum melihat manfaat garis bawah yang berarti.
Keluar dari purgatory ini memerlukan perusahaan untuk “menyelingkui jurang”, proses yang diamati dan digambarkan oleh konsultan manajemen Geoffrey A. Moore pada awal tahun sembilan puluh. Secara kasar, sementara banyak proyek IT terkait teknis akan berhasil pada awalnya, dengan energi yang signifikan di belakangnya, mereka seringkali akan sulit untuk diadopsi dengan benar. Moore mengamati bahwa ada perbedaan yang signifikan antara inovator dan adopsi awal, dan gelar adopsi berikutnya, yang dukungan mereka diperlukan untuk memastikan proyek akan berkembang skala. Secara efektif, keraguan dan pertanyaan ulang atas hasil dari kepemimpinan perusahaan untuk melanjutkan berkomitmen ke tahap berikutnya dapat meninggalkan proyek pilot yang bahkan berhasil dalam keadaan paralisis.
Itu adalah sesuatu yang Anda akan sering lihat dengan startup. Pendiri yang bersemangat mengembangkan teknologi baru dan menjadi sangat baik dalam menjelaskannya dalam istilah teknis. Ini membantu mereka mendapatkan dukungan dari jenis organisasi tertentu – inovator dan adopsi awal – dan akan ada banyak energi awal di belakang proyek. Tetapi awal yang menguntungkan ini akan diikuti olehperiode keheningan. Itulah jurang yang harus mereka selang.

Figure 1: The technology Adoption Lifecycle, Geoffrey A. Moore. Source, licensed under the Creative Commons Attribution 3.0 Unported license.
Tidak hanya startup, tentu. Vendor dapat menghabiskan waktu di konferensi membicarakan produk di ruang tertentu – seperti pemeliharaan prediktif – untuk audiens inovator dan adopsi awal yang, secara umum, akan memahami dan bersemangat dengan apa yang mereka dengar. Tantangan yang dihadapi audiens ini kemudian adalah meyakinkan pengambil keputusan akhir di perusahaan mereka sendiri – manajer pemeliharaan, manajer pabrik, TI, dan tim keuangan – yang tidak akan peduli pada hal yang sama. Istilah teknis dan daftar periksa hanya akan membuat mereka tidak terkesan dan tidak yakin, kesenjangan kemampuan dicocokkan dengan kesenjangan komunikasi.
Resistensi internal
Jurang dapat ada dalam organisasi individu serta di dalam industri yang lebih luas. Ini adalah tantangan yang paling sering dihadapi oleh orang-orang yang tugasnya adalah melayani kebutuhan masa depan perusahaan. Jika mereka tidak dapat membuat bukti konsep yang terkait dengan use case dan menunjukkan di mana teknologi akan menambahkan nilai pada bisnis, tidak ada satu orang pun di bisnis yang berfungsi sehari-hari akan peduli bahwa itu akan datang.
Sebuah perusahaan mungkin mencoba solusi pemeliharaan prediktif baru, misalnya, tetapi tidak akan bisa meyakinkan tim pemeliharaan mereka untuk mengadopsi. Mereka tidak tertarik pada pembicaraan teknis, mereka khawatir tentang motor yang panas, dan kapan akan gagal. Memprediksi kegagalan motor tidak ada hubungannya dengan AI dan machine learning menurut mereka – mereka hanya ingin solusi fungsional yang akan memberikan mereka wawasan yang dapat ditindaklanjuti.
Banyak organisasi menemukan diri mereka di tahap pilot dan kesulitan mencari tahu cara menskala. Banyak lainnya akan mengalami resistensi internal terhadap adopsi yang lebih luas. Untuk meningkatkan peluang Anda menyelingkui jurang dan melarikan diri dari pilot purgatory, sebaiknya hindari bahasa inovator dan adopsi awal dan gunakan bahasa mayoritas awal sebagai gantinya. Kebenarannya adalah, istilah teknis seperti IoT, AI, machine learning, dan bukti konsep sebagian besar tidak berarti bagi banyak orang, dan hanya akan membuat mereka dingin. Lebih efektif untuk menyajikan produk baru Anda sebagai solusi, bukan teknologi, dan menjelaskan hasil bisnis – masalah yang akan dipecahkan dan manfaat yang akan dibawa.
Pasar baru, pesan baru
Senseye menghadapi tantangan tambahan. Kami beroperasi di pasar yang relatif baru, dan jika kami tidak mengajarkan orang dari awal bagaimana teknologi kami bekerja dan apa hasil bisnis dan manfaat yang dapat dihasilkan, kami berisiko pelanggan kami menjadi tertimpa kesalahpahaman dan harapan yang tidak realistis. Memang, dalam pengalaman kami selama bertahun-tahun di bidang pemeliharaan prediktif, kami telah melihat bagaimana kurangnya pemahaman yang luas – baik oleh produsen maupun vendor – telah menghasilkan sejumlah besar solusi yang gagal menyelingkui jurang, dan ditakdirkan untuk membusuk di pilot purgatory.
Daripada berbagai macam kata kunci populer yang mencakup AI, Machine Learning, IoT, dan Industry 4.0, vendor pemeliharaan prediktif harus berbicara tentang hasil bisnis; apa yang telah mereka capai, dan apa yang dapat mereka lakukan tidak hanya dari sudut pandang teknis tetapi bagaimana mereka akan menciptakan dampak yang terukur pada bisnis klien mereka. Pemeliharaan prediktif adalah paradigma baru dan manfaatnya banyak:
- Keberlanjutan:
- Perpanjangan umur aset melalui pemantauan yang cermat dan waktu penggantian yang sesuai
- Eliminasi pemeliharaan berlebihan melalui pengurangan dan perpanjangan aktivitas pemeliharaan yang direncanakan
- Pengurangan pemeriksaan fisik berisiko dan mengganggu karena semua data dipantau secara jarak jauh dan otomatis
- Pengurangan inventaris dan penggunaan suku cadang karena penggantian yang direncanakan dapat diperpanjang berdasarkan informasi kondisi mesin aktual
- Pengurangan risiko lingkungan yang ada dari potensi kebocoran dan efek samping kegagalan mesin
- Overall Equipment Effectiveness (atau metrik serupa lainnya):
- Membantu mendorong metrik kualitas – mesin yang lebih sehat menghasilkan bagian yang lebih baik
- Memastikan throughput maksimal dengan menyadari operasi aktual dan mengaktifkan pemeliharaan mesin yang lebih awal
- Mengurangi waktu henti mesin yang tidak terencana (memastikan ketersediaan) dengan melakukan pemeliharaan sebelum kegagalan fungsional
Pengurangan risiko bisnis dengan peningkatan produktivitas dan keberlanjutan adalah sesuatu yang bisa didukung oleh semua orang dan metrik dari proyek-proyek ini membuktikannya – ini adalah hal-hal yang bisa membuat semua orang di mayoritas awal bersemangat.
Untuk membaca lebih lanjut mengapa implementasi dan penerapan pemeliharaan prediktif begitu disalahpahami dan penuh kegagalan, dan bagaimana pengalaman kami (baik dan buruk) telah memberi tahu solusi Senseye PdM kami sendiri, Anda dapat mendownload white paper kami “Senseye in Depth – Why is Predictive Maintenance so hard?” di sini.
