Menguasai Prediktif Maintenance: Panduan Eksekusi PoC yang Teruji
Dalam blog ini, kami berbagi beberapa pelajaran yang telah kami pelajari dari PoC yang berhasil dan yang gagal. Kami ingin bisa mengatakan bahwa semua PoC kami telah mencapai tujuan akhirnya untuk menskala, tetapi ini akan mengabaikan wawasan berharga yang sekarang dapat kami bagikan untuk membantu Anda menghindari kesalahan yang sama.
Pendahuluan
AI dan analitik adalah topik hangat dan hampir setiap vendor mengklaim kemampuan “untuk melakukan” Prediktif Maintenance (PdM) dengan platform analitik prediktif mereka. Namun, hubungan dengan vendor software Prediktif Maintenance biasanya berlangsung lama dan membutuhkan sejumlah besar kepercayaan. Dengan banyaknya kebisingan di pasar, oleh karena itu masuk akal untuk melakukan latihan untuk menyaring vendor potensial. Seperti memilih dokter, Anda perlu yakin bahwa vendor dapat melakukan apa yang dikatakan mereka mampu lakukan.
Masuk akal bagi organisasi untuk melakukan latihan untuk memastikan mereka tidak hanya memilih vendor yang tepat, tetapi organisasi itu sendiri cukup siap untuk memastikan proyek PdM memiliki segala sesuatu yang dibutuhkan untuk berhasil, dan mampu berubah dan beradaptasi untuk memanfaatkan manfaat yang ditawarkan. PoC (proof of concept) PdM dapat membantu memastikan ini — jika dilakukan dengan cara yang tepat.
Dalam pengalaman kami, banyak perusahaan telah mencoba dan gagal beberapa PoC PdM sebelum akhirnya mencapai hasil yang mereka harapkan. Beberapa pelanggan kami telah mencoba tiga solusi lain sebelum mencapai apa yang diharapkan. Pelajaran yang dipetik dari kegagalan adalah bahwa seringkali vendor tidak sepenuhnya bersalah — masalah sebenarnya ada di dalam. Hanya kesadaran mereka tentang keberhasilan dalam proyek industri lain yang memberikan mereka kepercayaan untuk membuat perubahan secara internal dan tekun untuk mencapai keberhasilan.
Analitik Prediktif ≠ Prediktif Maintenance
Penting bagi kami untuk menanggapi salah paham kunci dan umum: alat analitik prediktif dapat digunakan sebagai bagian dari program PdM, tetapi analitik prediktif dan PdM jauh dari hal yang sama.
Ilmuwan data dapat bekerja pada data mesin dan mengidentifikasi anomali serta tren — dan menghasilkan beberapa screenshot yang memukau. Namun, ini adalah hal yang sama sekali berbeda untuk memiliki pemahaman mendalam tentang apa artinya hal-hal tersebut untuk kesehatan mesin, dan dapat melakukan diskusi mendalam tentang strategi pemeliharaan apa yang harus diadopsi dengan informasi baru ini. Ilmuwan data murni biasanya kurang memiliki pengalaman dan pengetahuan yang diperlukan untuk bertindak sebagai insinyur pemeliharaan. Akibatnya, algoritma custom yang mereka ciptakan seringkali berkinerja buruk dalam kondisi industri nyata.
Mengenali Vendor yang Lebih Biasa dengan Analitik Prediktif daripada Prediktif Maintenance
Mesin khusus mungkin memiliki mode kegagalan yang khusus dan unik, tetapi mode kegagalan dan jenis informasi yang diperlukan untuk mendeteksi mereka dalam mesin umum, seperti motor, gearbox, dan robot, sangat dipahami dari perspektif pemantauan kondisi. Kegagalan seringkali “adalah apa adanya” jadi, jika vendor bertanya pertanyaan dasar tentang mode kegagalan mesin dan meminta Anda untuk menentukan semuanya, jelas mereka tidak memiliki latar belakang dalam pemantauan kondisi atau pemeliharaan mesin dan tidak tahu apa yang mereka lakukan. Peluang keberhasilan sangat kecil.
Meminta Anda untuk menandai segalanya pada tahap awal — dan tidak dapat memahami apa yang ditampilkan dalam log pemeliharaan Anda serta membuat korelasi — dapat berarti Anda sedang berurusan dengan vendor yang akan mengambil pendekatan pemodelan custom. Ini dapat menghasilkan hasil yang sangat baik untuk hingga puluhan mesin tetapi akan kesulitan dengan skalabilitas dan biaya untuk apa pun yang lebih banyak.
Pemeliharaan adalah disiplin praktis ‘hands-on’ yang究tama, sedangkan analitik data berakar pada penerapan teori dan matematika lanjutan. PoC harus menjadi titik di mana kedua dunia ini bergabung untuk memberikan manfaat bisnis yang dapat diukur melalui PdM.
Mencari supplier PdM yang tepat adalah tantangan — mereka perlu memahami praktik pemeliharaan Anda, mesin Anda, dan hasil bisnis apa yang ingin Anda capai, dan mereka perlu set komitmen seperti Anda untuk mencapai itu. Mereka perlu melakukan ini melalui penerapan teori dan matematika yang tepat — dan melakukannya dengan cara yang dapat diskala secara ekonomi dan organisasi.
Untuk informasi lebih lanjut tentang praktik terbaik dan jebakan umum yang harus dihindari, unduh white paper lengkap kami "How to Run a Predictive Maintenance Proof of Concept" di bawah ini.
