Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Onderhoud en reparatie van apparatuur

De kloof oversteken - waarom het moeilijk is om uit het vagevuur van de piloot te komen

Uitgelicht in een McKinsey-rapport uit 2018, ervaren veel industriële bedrijven een "pilot vagevuur" en blijven dit doen - een fenomeen waarin ze, hoewel ze aanzienlijke activiteiten aan de gang hebben, nog geen betekenisvolle bottom-line voordelen hebben gezien.

Om uit dit vagevuur te komen, moeten bedrijven 'de kloof oversteken', een proces dat begin jaren negentig werd waargenomen en beschreven door managementconsultant Geoffrey A. Moore. Hoewel veel technische IT-gerelateerde projecten het in het begin goed zullen doen, met veel energie achter de rug, zullen ze grofweg vaak moeite hebben om goed te worden geadopteerd. Moore merkte op dat er een significant verschil is tussen innovators en early adopters, en de volgende golf van adopters, wiens buy-in nodig is om ervoor te zorgen dat een project zal schalen. In feite kan een terughoudendheid en twijfel aan de resultaten van het leiderschap van het bedrijf om zich te committeren aan de volgende fase zelfs succesvolle proefprojecten in een staat van verlamming brengen.

Dat zie je vaak bij startups. Opgewonden oprichters ontwikkelen nieuwe technologie en worden heel goed in het technisch uitleggen ervan. Dit helpt hen om steun te krijgen van bepaalde soorten organisaties - de innovators en early adopters - en er zal veel initiële energie achter het project zitten. Maar deze bemoedigende start zal worden gevolgd door een periode van stilte. Dit is de kloof die ze moeten oversteken.

Figuur 1:De levenscyclus van technologie-adoptie, Geoffrey A. Moore. Bron, gelicentieerd onder de Creative Commons Attribution 3.0 Unported-licentie.

Het zijn natuurlijk niet alleen startups. Verkopers kunnen op conferenties tijd besteden aan het praten over producten in een bepaalde ruimte - zoals voorspellend onderhoud - voor een publiek van innovators en early adopters die over het algemeen zullen begrijpen en enthousiast zijn over wat ze horen. De uitdaging waarmee dit publiek wordt geconfronteerd, is het overtuigen van de uiteindelijke besluitvormers binnen hun eigen bedrijven - de onderhoudsmanagers, fabrieksmanagers, IT- en financiële teams - die zich niet om dezelfde dingen zullen bekommeren. Technische termen en checklists zorgen ervoor dat ze niet onder de indruk en niet overtuigd zijn, een hiaat in de capaciteit gaat gepaard met een hiaat in de communicatie.

Interne weerstand

De kloof kan zowel binnen individuele organisaties als in de bredere industrie bestaan. Het is een uitdaging die het vaakst wordt geconfronteerd met die mensen wiens taak het is om in de toekomstige behoeften van een bedrijf te voorzien. Als ze niet in staat zijn om proof-of-concept te creëren die is gekoppeld aan use-cases en om aan te tonen waar technologie waarde zal toevoegen aan het bedrijf, zal niemand in het bedrijf die dagelijks functioneert, er iets om geven dat het eraan komt.

Een bedrijf kan bijvoorbeeld een nieuwe oplossing voor voorspellend onderhoud proberen, maar zal zijn onderhoudsteam niet kunnen overtuigen om het te adopteren. Ze zijn niet geïnteresseerd in technisch gepraat, ze maken zich zorgen over die motor die heet wordt en wanneer hij het begeeft. Het voorspellen van het falen van de motor heeft wat hen betreft niets te maken met AI en machine learning - ze willen gewoon een functionele oplossing die hen bruikbare inzichten geeft.

Veel organisaties bevinden zich in de pilotfase en worstelen om erachter te komen hoe ze kunnen schalen. Vele anderen zullen interne weerstand ondervinden tegen bredere acceptatie. Om je kansen om de kloof over te steken en te ontsnappen aan het vagevuur van de piloot te vergroten, kun je het beste de taal van innovators en early adopters vermijden en in plaats daarvan de taal van de vroege meerderheid gebruiken. De waarheid is dat technische termen zoals IoT, AI, machine learning en proofs of concept voor veel mensen grotendeels zinloos zijn en ze gewoon koud laten. Het is veel effectiever om uw nieuwe product te presenteren als een oplossing in plaats van als een technologie, en de bedrijfsresultaten te beschrijven - de problemen die het gaat oplossen en de voordelen die het met zich meebrengt.

Een nieuwe markt, een nieuwe boodschap

Senseye staat voor een extra uitdaging. We opereren in een relatief nieuwe markt, en als we mensen niet vanaf het begin leren hoe onze technologie werkt en welke zakelijke resultaten en voordelen het kan opleveren, lopen we het risico dat onze klanten bedolven worden onder misverstanden en onrealistische verwachtingen. In onze decennialange ervaring op het gebied van voorspellend onderhoud hebben we inderdaad gezien hoe een wijdverbreid gebrek aan begrip - zowel bij fabrikanten als bij leveranciers - ertoe heeft geleid dat een groot aantal oplossingen de kloof niet hebben overgestoken en gedoemd zijn weg te kwijnen in piloot vagevuur.

In plaats van de overvloed aan populaire modewoorden zoals AI, Machine Learning, IoT en Industry 4.0, zouden leveranciers van voorspellend onderhoud het moeten hebben over bedrijfsresultaten; wat ze hebben bereikt en wat ze kunnen doen, niet alleen vanuit technisch oogpunt, maar hoe zullen ze een meetbare impact creëren op de activiteiten van hun klanten. Voorspellend onderhoud is een nieuw paradigma en de voordelen zijn legio:

  • Duurzaamheid :
    • Levensduur van activa door zorgvuldige monitoring en timing van geschikte vervanging
    • Beperking van overmatig onderhoud door vermindering en uitbreiding van geplande onderhoudsactiviteiten
    • Vermindering van risicovolle en storende fysieke inspecties omdat alle gegevens op afstand en automatisch worden gecontroleerd
    • Gereduceerde voorraad en gebruik van reserveonderdelen als geplande vervanging kan worden uitgebreid op basis van informatie over de werkelijke machineconditie
    • Vermindering van de aanwezige milieurisico's door mogelijke lekken en bijwerkingen van machinestoringen

  • Algemene effectiviteit van apparatuur (of gerelateerde vergelijkbare statistieken):
    • Kwaliteitsstatistieken helpen verbeteren - gezondere machines produceren betere onderdelen
    • Zorgen voor een maximale doorvoer door op de hoogte te zijn van de daadwerkelijke werking en vooraf onderhoud van machines mogelijk te maken
    • Het verminderen van ongeplande machinestilstand (zorgen voor beschikbaarheid) door onderhoud uit te voeren voordat een functionele storing optreedt

Vermindering van bedrijfsrisico's met een toename van productiviteit en duurzaamheid is iets waar iedereen achter kan staan ​​en de statistieken van deze projecten bewijzen het - dit zijn dingen waar iedereen in de vroege meerderheid enthousiast over kan worden.

Om meer te lezen over waarom de implementatie en inzet van voorspellend onderhoud zo verkeerd begrepen en bezaaid zijn met storingen, en hoe onze ervaring (goed en slecht) onze eigen Senseye PdM-oplossing heeft geïnformeerd, kunt u onze whitepaper “Senseye in Depth – Waarom is Predictive Maintenance zo moeilijk?” hier.


Onderhoud en reparatie van apparatuur

  1. Waarom een ​​cloudinstituut de beste plek is om cloudtraining te volgen
  2. Waarom Work Execution Management de basis is van alle onderhoudsactiviteiten
  3. Haal het giswerk uit onderhoudsbeslissingen
  4. 11 tips om meer uit uw EAM-systeem te halen
  5. Get Your Fiix:Onderhoudsnieuws voor maart 2019
  6. Hoe loopt de onderhoudsachterstand uit de hand?
  7. Waarom is het nu de tijd om software voor onderhoud en activabeheer te kopen
  8. Hoe u het maximale uit uw magazijnscansysteem haalt
  9. Het is uit! De brochure 2021-22 Robotics and Automation News Awards
  10. Waarom Cat®-uitrusting de meest betrouwbare uitrusting op de markt is
  11. Hoe u het meeste uit uw tafelmodel slijpmachine haalt