Zorgen voor succesvol voorspellend onderhoud | Senseye

Wat zijn de valkuilen die voorspellende onderhoudsprojecten doen mislukken en hoe voorkom je ze? Hoe zorgt u ervoor dat teams de expertise op het gebied van conditiebewaking en de juiste 'best practice' voor voorspellend onderhoud verwerven als onderdeel van bredere digitale transformatieprojecten?

In deze film worden Alexander Hill en Rob Russell van Senseye vergezeld door Peter Gagg van MCP Consulting Group, om te bespreken wat er vanaf het begin moet gebeuren om preventieve onderhoudsinitiatieven de de beste kansen op succes, en hoe fabrikanten en andere industriële organisaties kunnen voortbouwen op deze eerste stapstenen om door te gaan met duurzame verbeteringen.

Transcript

Alexander Hill, Senseye:De belangrijkste oorzaken van het mislukken van PdM-projecten vallen uiteen in twee hoofdcategorieën:technologie en cultuur.

Aan de technologische kant kan het zijn dat gegevens gewoon niet beschikbaar zijn - het project kan vol enthousiasme beginnen, maar u merkt dat de gegevens die u van deze machines kunt krijgen, gewoon niet geschikt zijn voor conditiebewakingsdoeleinden. Daar zijn dingen aan te doen, sensoren kunnen achteraf worden ingebouwd, verder data-analysewerk kan worden gedaan om data van betere kwaliteit naar voren te brengen.

De andere kant is cultureel. Te vaak wordt predictief onderhoud gezien als een mooi, interessant innovatieproject. Maar dit is echt onderhoud, het heeft reële gevolgen voor machines en mensen, en dus moet de businesscase heel duidelijk zijn.

Rob Russell, Senseye:Er moet een directe aantrekkingskracht zijn van de eindgebruikers en die aantrekkingskracht moet worden gecreëerd door centrale teams die de voordelen van deze oplossingen uitleggen. Het is erg belangrijk dat u zich op senior niveau inschrijft voor het proces, maar ook dat er toegewijde middelen zijn die worden gestimuleerd om vooruit te gaan met voorspellende onderhoudsactiviteiten.

Peter Gagg, MCP Consulting Group:Als je geen buy-in krijgt, ga je de nieuwe technieken niet duurzaam maken. Om die duurzaamheid te hebben, moet je echt aantonen dat er een aantal zeer belangrijke voordelen te behalen zijn - of het nu gaat om het verminderen van uitvaltijd, het effectiever maken van de tijd van de ingenieur of het vereenvoudigen van hun leven.

Je moet erkennen dat je tijdens dat eerste deel van de reis fouten zult maken en dat er fouten zullen gebeuren. Daar moet je van leren. Geen enkel systeem zal vanaf het begin onfeilbaar zijn. Je moet dat herhalende leerproces hebben.

Alexander Hill:Is er een strategische doelstelling om predictief onderhoud te implementeren? Als dit slechts een wetenschappelijk project is, zal het waarschijnlijk niet de volledige exposure, buy-in en interactie krijgen die het nodig heeft. U moet dit in de handen van het onderhoud leggen - de mensen wier dagelijks leven erdoor wordt verbeterd. Als het in een R&D-lab zit, is het veel moeilijker om dat te doen.

Rob Russell:Er moet absoluut een plan zijn over hoe je deze nieuwe technologieën gaat gebruiken en hoe je ze in die besturingsomgevingen plaatst. Er moet worden erkend dat, terwijl dat gebeurt, er perioden van inefficiëntie zullen zijn naarmate mensen op de hoogte raken van de nieuwe technologie.

Peter Gagg:Het blijft terugkomen op het trainen van de mensen, het controleren of ze de juiste procedures of processen volgen, en het hebben van enkele KPI's of meetwaarden om aan te tonen dat je voordeel haalt uit de nieuwe technieken die zijn geïntroduceerd. Zorg ervoor dat u inkomsten heeft gegenereerd met het programma voor voorspellend onderhoud, zodat het een winstgenerator wordt en geen kostenpost.

Alexander Hill:Als we waarde hebben bewezen - we zijn meestal in staat om dat in twee maanden te doen - dan is het een kwestie van zoeken waar we nog meer kunnen uitbreiden, zijn de gegevens beschikbaar, is daar de behoefte aan? Dan is het zo simpel als het invoeren van de gegevens, het inschakelen en ervoor zorgen dat we het in de handen van meer mensen kunnen leggen.