Apa itu Pemeliharaan Prediktif?

Untuk setiap aset dan peralatan Anda, ada titik kecil dan manis di mana Anda melakukan perawatan yang cukup untuk menghindari waktu henti yang tidak terjadwal tetapi tidak terlalu banyak sehingga Anda berisiko mengalami perawatan yang berlebihan.

Pemeliharaan prediktif dapat membantu Anda menemukan tempat itu dan kemudian tetap pada target.

Tempat terbaik untuk memulai adalah dengan beberapa definisi dasar, dan kemudian bekerja dari sana.

Apa itu pemeliharaan prediktif?

Salah satu cara untuk memikirkan strategi pemeliharaan ini adalah sebagai hasil dari kombinasi pengembangan perangkat keras dan perangkat lunak. Apa yang memungkinkannya adalah sensor yang lebih murah, lebih andal, dan algoritme yang lebih cepat dan akurat.

Pada tingkat paling dasar, pemeliharaan prediktif adalah tempat Anda menambahkan sensor ke aset dan peralatan Anda untuk aliran data real-time yang konstan yang kemudian Anda gabungkan dengan banyak data historis tentang pemeliharaan, perbaikan, dan inventaris MRO terkait. Setelah Anda mengumpulkan semua data, Anda memasukkannya ke dalam perangkat lunak khusus yang memberi tahu Anda tugas pemeliharaan mana yang perlu Anda lakukan dan kapan Anda perlu melakukannya.

Apa perbedaan antara strategi pemeliharaan lain dan pemeliharaan prediktif?

Judul alternatif untuk bagian ini bisa jadi, Tapi bukankah semua pemeliharaan semacam "prediktif"? Dan jawabannya adalah ya, semacam.

Untuk memahami mengapa, ada baiknya memikirkan cuaca.

Perawatan prediktif vs preventif

Dengan pemeliharaan preventif, Anda memprediksi masa depan, tetapi Anda melakukannya sebagian besar menggunakan rata-rata yang andal. Jadi, Anda tahu bahwa salah satu pompa Anda bekerja sekitar 10.000 siklus sebelum Anda perlu memeriksanya dari retakan pada seal dan mengganti pelumas. Anda tidak akan pernah yakin seratus persen kapan mungkin berhenti bekerja tanpa pemeliharaan, tetapi Anda memiliki gambaran kasar, sehingga Anda dapat menjadwalkan PM Anda sebelum itu, menambahkan sedikit margin untuk keselamatan.

Ini kira-kira sama dengan memprediksi cuaca di Alaska pada pertengahan Januari. Anda tidak tahu persis seberapa dingin nanti, tetapi bahkan tanpa melihat ke luar jendela, Anda masih mengenakan jaket dan sepatu bot. Ini musim dingin di Alaska. Rata-rata, itu sangat dingin.

Prediktif vs pemeliharaan berbasis kondisi

Dengan pemeliharaan berbasis kondisi, Anda masih memprediksi masa depan, tetapi sekarang Anda bekerja dengan data historis dan waktu nyata. Jika Anda memiliki sensor pada pompa itu sehingga Anda tahu persis seberapa besar getarannya, Anda dapat menggunakannya untuk memutuskan apakah perlu perawatan atau tidak. Di masa lalu, selalu baik-baik saja di frekuensi X. Tapi Anda juga tahu bahwa frekuensinya naik ke Y sebelum terakhir kali gagal. Menempatkan apa yang Anda ketahui dari masa lalu dengan apa yang Anda ketahui sekarang, Anda dapat memprediksi apakah pompa baik-baik saja atau meluncur menuju kegagalan.

Melompat kembali ke analogi cuaca, Anda sekarang melihat ke luar jendela untuk mendapatkan pemahaman yang lebih baik tentang kondisi saat ini. Langit cerah? Apakah itu awan di kejauhan? Terlihat mendung, dan terakhir kali hujan. Sekarang tidak hujan, tetapi Anda tahu untuk membawa payung.

Dengan pemeliharaan prediktif, Anda melihat masa depan dengan cara yang sama seperti para ahli memperkirakan cuaca. Mereka tidak hanya memikirkan suhu rata-rata di musim tertentu. Dan mereka tidak hanya melihat ke luar jendela.

Sebaliknya, mereka memasukkan banyak informasi historis dan bacaan terkini ke dalam perangkat lunak pemodelan kompleks yang menghasilkan prediksi akurat. Dan dengan kombinasi yang tepat dari pembacaan suhu dan citra satelit, ini seperti memiliki bola kristal:prakiraan tujuh hari rata-rata 80% akurat. Untuk prakiraan lima hari, akurasinya meningkat menjadi 90%.

Apa keuntungan dari pemeliharaan prediktif?

Cara lain untuk mengajukan pertanyaan ini adalah "Apa keuntungan memiliki kekuatan super dan bisa melihat masa depan?"

Ini adalah daftar panjang keuntungan yang jelas, tetapi ada juga banyak tumpang tindih dengan semua strategi pemeliharaan lainnya. Sama seperti yang lainnya, pemeliharaan prediktif membantu Anda menghindari waktu henti tak terjadwal yang mahal dan membuat frustrasi dengan membantu Anda menemukan dan memperbaiki masalah kecil terlebih dahulu sebelum berkembang menjadi masalah besar. Ini adalah cara untuk menjaga semua aset dan peralatan Anda sejauh mungkin di Kurva P-F, di mana Anda memiliki banyak waktu untuk merencanakan dan menjadwalkan semuanya.

Dan dengan semua waktu ekstra itu, Anda dapat memastikan bahwa Anda memiliki inventaris dan tim MRO yang tepat untuk melakukan semuanya dengan benar. Anda juga dapat menjadwalkan pekerjaan ketika aset atau peralatan sudah diatur ke offline.

Namun tidak seperti strategi pemeliharaan lainnya, dengan prediktif, Anda tidak perlu terlalu khawatir tentang pemeliharaan yang berlebihan. Dan ya, Anda harus khawatir tentang perawatan yang berlebihan.

Masalah pertama dengan perawatan yang berlebihan adalah pemborosan waktu dan bakat teknisi Anda secara keseluruhan. Tim pemeliharaan melakukan pekerjaan yang tidak perlu, membuang-buang waktu dan inventaris Anda. Jika tim mengganti sabuk kipas terlalu dini, Anda kehilangan semua nilai yang masih ada di sabuk.

Tapi Anda melakukan lebih dari sekadar membuang nilai. Anda juga membawa risiko. Setiap kali tim melakukan pekerjaan pemeliharaan, Anda berisiko melakukan kesalahan. Seringkali, risikonya kecil, tetapi selalu ada.

Kembali ke contoh sabuk kipas. Berapa banyak aset atau peralatan yang dibiarkan terbuka oleh teknisi saat mereka mengganti ikat pinggang? Bagaimana jika mereka menjatuhkan alat, merusak bagian lain? Atau, bagaimana jika mereka tidak menutup semuanya dengan benar, membuat usus rentan terhadap debu dan kotoran?

Pemeliharaan prediktif membantu Anda menjadwalkan jumlah pemeliharaan yang tepat, sehingga Anda mengetahui masalah lebih awal sambil menghindari nilai yang hilang dan risiko tambahan.

Apa kerugian dari pemeliharaan prediktif?

Kerugian besar adalah biayanya jauh lebih mahal daripada strategi pemeliharaan lainnya, baik untuk menyiapkan semuanya dan kemudian menjalankannya.

Anda perlu berinvestasi dalam sensor, perangkat lunak, dan kecanggihan. Anda memerlukan sensor untuk mengumpulkan data, perangkat lunak untuk menghitung angka, dan orang-orang dengan pelatihan yang tepat untuk memahami dan memanfaatkan laporan.

Tetapi biaya tersebut sangat masuk akal jika Anda melihatnya dalam hal laba atas investasi. Dalam jangka pendek, strategi pemeliharaan termurah sepanjang masa untuk disiapkan dan dijalankan tidak menghasilkan apa-apa. Tapi dalam jangka panjang, itu juga yang paling mahal.

Pemeliharaan prediktif bisa menjadi kebalikannya. Biayanya lebih besar untuk menyiapkan dan menjalankannya, tetapi jika Anda menggunakannya pada aset dan peralatan yang tepat, dalam jangka panjang, Anda menghemat waktu, uang, dan frustrasi.

Gagasan untuk mencocokkannya dengan aset dan peralatan yang tepat adalah bagian yang bagus untuk kerugian berikutnya, yaitu bahwa hal itu hanya masuk akal untuk sebagian aset Anda yang spesifik. Faktanya, karena biaya terkait, Anda hanya dapat menggunakannya pada aset yang kritis dan memiliki mode kegagalan yang dapat Anda prediksi dengan biaya efektif. Untuk yang lainnya, itu tidak masuk akal.

Bagaimana masa depan pemeliharaan prediktif?

Semua hal yang masuk ke pemeliharaan prediktif diatur untuk menjadi lebih luas dan lebih murah sebagai bagian dari tren umum yang tunduk pada Hukum Moore, yang menyatakan bahwa jumlah transistor pada microchip berlipat ganda setiap dua tahun sementara biaya komputer turun setengahnya. .

Kira-kira setiap dua tahun, Anda mendapatkan kira-kira dua kali kekuatan pemrosesan dengan setengah biaya.

Tapi itu tidak berarti pemeliharaan prediktif diatur pada akhirnya masuk akal untuk semua orang dan setiap aset. Beberapa aset dan peralatan akan selalu lebih murah untuk dirawat dengan perawatan reaktif, sesuai permintaan, atau preventif. Ini sama dengan masa depan mobil terbang. Tidak peduli seberapa murah atau mudahnya akhirnya, untuk beberapa lokasi, berjalan kaki selalu lebih mudah.

Langkah selanjutnya

Jika Anda ingin beralih dari manajemen perintah kerja berbasis kertas atau spreadsheet, langkah terbaik berikutnya adalah menerapkan solusi CMMS berbasis cloud yang andal.

Tetapi jika pemeliharaan prediktif lebih cocok, ada Archibus oleh iOFFICE + SpaceIQ.

Ringkasan

Pemeliharaan prediktif membantu tim pemeliharaan melakukan pekerjaan yang cukup pada aset dan peralatan untuk memaksimalkan waktu kerja tanpa menaikkan biaya dan risiko yang terkait dengan pemeliharaan yang berlebihan. Strategi pemeliharaan bergantung pada kombinasi data historis, aliran data waktu nyata, dan perangkat lunak canggih untuk secara akurat memprediksi kegagalan jauh sebelumnya, memberi tim waktu yang dibutuhkan untuk menjadwalkan sumber daya dan membawa suku cadang dan bahan yang diperlukan. Meskipun memiliki banyak keunggulan standar dari strategi populer lainnya, pemeliharaan prediktif membantu pimpinan dan teknisi hanya melakukan pekerjaan yang diperlukan, menghindari pemborosan dan risiko kerusakan tidak disengaja yang dapat terjadi selama inspeksi dan tugas pemeliharaan rutin. Tantangan utamanya adalah mencocokkan strategi dengan aset yang tepat. Karena biaya yang terkait, baik saat memulai maupun yang sedang berlangsung, Anda hanya dapat melihat ROI saat menerapkan strategi ke aset yang penting dan memiliki mode kegagalan yang dapat Anda prediksi dengan hemat biaya. Itu berarti bahwa meskipun Hukum Moore memprediksi harga untuk sensor dan perangkat lunak akan terus turun, pemeliharaan prediktif hanya masuk akal untuk sebagian kecil aset.