Veelvoorkomende Valkuilen Vermijden: Predictive Maintenance Succes Met Senseye

Wat zijn de valkuilen die ervoor zorgen dat predictive maintenance-projecten mislukken en hoe vermijdt u ze? Hoe zorgt u ervoor dat teams de expertise in toestandsmonitoring en de juiste 'best practices' voor predictive maintenance verwerven als onderdeel van bredere digitale transformatieprojecten?

In deze film bespreken Senseye's Alexander Hill en Rob Russell samen met Peter Gagg van MCP Consulting Group wat er vanaf het begin aanwezig moet zijn om predictive maintenance-initiatieven de best mogelijke kansen op succes te geven, en hoe fabrikanten en andere industriële organisaties op deze eerste stappen kunnen voortbouwen om doorlopende verbeteringen te realiseren.

Transcript

Alexander Hill, Senseye: De hoofd oorzaken van mislukkende PdM-projecten vallen in twee hoofdcategorieën: technologie en cultuur.

Aan de technologische kant kan het zijn dat data simpelweg niet beschikbaar is – het project kan vol enthousiasme starten, maar u ontdekt dat de data die u van deze machines kunt krijgen, gewoon niet geschikt is voor doeleinden van toestandsmonitoring. Er zijn dingen die daarover gedaan kunnen worden, sensoren kunnen retrofitted worden, verdere data-analyse kan worden uitgevoerd om betere kwaliteit data te verkrijgen.

De andere kant is cultureel. Te vaak wordt predictive maintenance gezien als een leuk, interessant innovatieproject. Maar dit is real-world onderhoud, het heeft echte gevolgen voor machines en mensen, en dus zou de business case heel duidelijk moeten zijn.

Rob Russell, Senseye: Er moet een directe pull zijn van de eindgebruikers en die pull moet gecreëerd worden door centrale teams die de voordelen van deze oplossingen uitleggen. Het is echt belangrijk dat u senior-level buy-in heeft voor het proces, maar ook dat er gedediceerde bronnen zijn die geïncentiveerd zijn om vooruit te gaan met predictive maintenance-activiteiten.

Peter Gagg, MCP Consulting Group: Als u geen buy-in krijgt, dan gaat u de nieuwe technieken niet duurzaam maken. Om die duurzaamheid te hebben, moet u echt demonstreren dat er heel significante voordelen te behalen zijn – of het nu gaat om het verminderen van downtime, het effectiever maken van de ingenieurstijd, of het makkelijker maken van hun leven.

U moet erkennen dat tijdens dat eerste deel van de reis, u fouten zult maken en falen zullen gebeuren. U moet daaruit leren. Geen systeem zal fool-proof zijn vanaf de vroege stadia. U moet dat herhalende leerproces hebben.

Alexander Hill: Is er een strategisch doel om predictive maintenance te implementeren? Als dit gewoon een wetenschappelijk project is, dan is het waarschijnlijk niet om de volledige exposure, buy-in en interactie te krijgen die het nodig heeft. U moet dit in handen geven van onderhoud – de mensen wier dagelijkse levens erdoor verbeterd zullen worden. Als het in een R&D-lab zit, is het veel moeilijker om dat te doen.

Rob Russell: Er moet zeker een plan zijn van hoe u deze nieuwe technologieën neemt en in die operationele omgevingen plaatst. Er moet erkend worden dat, terwijl dat plaatsvindt, er periodes van ondoelmatigheid zullen zijn terwijl mensen op snelheid komen met de nieuwe technologie.

Peter Gagg: Het blijft terugkomen op het trainen van de mensen, controleren of ze de juiste procedures of processen volgen, en sommige KPI's of metrics hebben om te demonstreren dat u voordelen krijgt van de nieuwe technieken die geïntroduceerd zijn. Zorg ervoor dat u het predictive maintenance-programma monetariseert zodat het een winstgenerator wordt en geen kost.

Alexander Hill: Wanneer we waarde bewezen hebben – we kunnen dat typisch in twee maanden doen – dan is het een kwestie van vinden waar anders we kunnen uitbreiden, is de data beschikbaar, is de behoefte er? Dan is het zo simpel als de data erin zetten, inschakelen, en ervoor zorgen dat we het in meer handen kunnen leggen.