Оптимизируйте цепочку поставок MRO с автоматизацией на основе данных

Дэн Сомерс из Warwick Analytics (www.warwickanalytics.com) говорит Manufacturing Global о том, как ПО теперь может точно автоматизировать процесс классификации обслуживания и гарантии и что это значит для инженеров, менеджеров и механиков в отрасли.

Хранение правильного оборудования и деталей на месте для ремонта и обслуживания производственного оборудования — это балансировка. Вам нужно держать производство работающим, но вы не хотите заморозывать огромные суммы капитала в оборудовании и деталях, которые могут не использоваться месяцами, годами или, может быть, никогда. Альтернативно, жизнь с заводским оборудованием, имеющим непредсказуемый простой, может стоить значительную сумму через потерянную доступность производства и неплановое обслуживание.

Эффективное Обслуживание, Ремонт и Оверхол (MRO) — это о планировании, управлении, координации сервиса и поставок от широкого спектра поставщиков, наличии видимости в реальном времени где каждая деталь расположена, и уверенности, что ресурсоемкий процесс настолько рентабелен, насколько может быть.

Эффективное MRO опирается на точную и своевременную информацию. В частности, знание точных проблем и какие действия были предприняты критично для предсказания и предотвращения этих проблем в будущем.

Анализ неструктурированных данных «свободного текста» обслуживания и ремонта в настоящее время требует значительного человеческого ввода опытным персоналом на протяжении всего цикла анализа, чтобы гарантировать, что информация последовательна и точна. Иначе компания может не знать, сколько похожих инцидентов произошло и растут ли они, или имеют ли общую корневую причину. Информация может быть зарыта в тексте и использовать разные слова, шортхенд и семантику для описания похожего инцидента. И наоборот, похожие проблемы могут оказаться отличными, основанными на тонких различиях в описаниях.

Инструменты текстового майнинга могут находить ключевые слова, но в настоящее время только люди обеспечивают финальный инсайт, конвертирующий сырой данные в знания. Обычно это приходит от более холстической интерпретации инцидента, сравнивая неструктурированные данные со структурированными и выводимой информацией из разрозненных источников данных или предварительных знаний.

Вызов с этим текущим подходом в том, что люди могут действовать субъективно, совершать ошибки и их индивидуальная емкость не быстрая или масштабируемая.

Кроме того, любой анализ по разрозненным базам данных (например, попытка комбинировать диагностические или производственные данные) ведет к многим более техническим вызовам.

Даны эти давления, MRO цепочка поставок давно была зрелой для эффективности и улучшений.

Было успешное принятие новых техник и технологий по сектору, которое подсветило возможные сбережения, которые могут быть достигнуты.

В 2014 году, PwC опросил более 100 производственных и обслуживающих компаний и обнаружил, что использование 3D-печати, иначе известной как «аддитивная инженерия» для увеличения доступности запчастей в точке использования, сократило затраты за счет снижения отходов и уменьшения трудового содержания. Большинство компаний уже сообщили о значительных выгодах в скорости и гибкости, относящихся к разработке продукта и кастомизации. Исследование продолжило говорить, что если всего 50 процентов запасных частей будут произведены с использованием этой технологии, будут сбережения затрат в $3.4 миллиарда.

Есть также технологии, уже используемые в транспорте (где MRO проблемы часто более острые). Ключевые технологии, выделенные Эспеном Ольсен, европейским директором по аэрокосмике в IFS, как потенциально имеющие наибольшее влияние на MRO, применимое к и производству, и аэрокосмике, включают мобильную технологию (инженеры, оснащенные мобильными приложениями для доступа к релевантной информации в момент нужды) и носимые технологии. Japan Airlines уже используют Google Glass в их процессе обслуживания. Очки носят инженеры, работающие вокруг самолета на tanahе. Изображения самолета отправляются специалистам по обслуживанию для оценки, которые затем передают любые проблемы, которые они видят, обратно инженеру на земле.

Другой технологический тренд, который Эспен подсветил, был тем, что Big Data держит ключ к предсказанию будущего. Он говорит: «В MRO есть огромный потенциал использования секретов данных для включения всего от предиктивной аналитики до более оптимальной инвентаризации, лучшего мониторинга паттернов использования и существенного отслеживания и анализа здоровья оборудования в реальном времени. Но до сих пор было мало в виде ответов для его ключевых использований, или, что более важно, средств идентификации, какие данные полезны, а какие нет.

«В 2015 году коммерческий сектор будет и должен столкнуться с big data лицом к лицу. В частности, я думаю в использовании big data для предиктивного анализа. Предоставляя ключевые данные вокруг неудач активов, это может быть затем интегрировано в логистические системы для помощи в информировании и улучшении будущих дизайнов, оптимизации использования и снижения общей стоимости жизненного цикла».

Это предсказание теперь достигнуло реализации с введением нового ПО, которое может автоматизировать процесс MRO классификации.

AMROC — новый продукт от Warwick Analytics и один из возможных подходов. Он автоматически трансформирует разрозненные и неструктурированные данные обслуживания. Показано, что он драматически улучшает инсайт, доступный для аэрокосмических операторов, обслуживающих и производителей и теперь используется производителями и энергетическими компаниями на их заводском MRO.

Так как это работает? Как мы знаем, анализ данных «свободного текста» обслуживания и ремонта в настоящее время требует значительного человеческого ввода опытным персоналом на протяжении всего цикла анализа, чтобы гарантировать, что информация последовательна и точна. Однако AMROC конвертирует неструктурированные и полуструктурированные данные включая текст, логи и диагностику в структурированные данные для классификации. ПО автоматически майнит тысячи разных возможных паттернов из структурированных и неструктурированных данных, а затем структурирует и классифицирует проблемы, основанные на этих паттернах, в почти реальном времени, драматически сокращая время, затраченное на ручную классификацию и квантификацию free-text данных обслуживания и ремонта. Данные не нужно чистить, и поэтому они не подвергаются предположениям и ошибкам.

С новыми ИТ технологиями как AMROC, MRO затраты в транспорте и производстве установлены на спад, но не только крупные игроки и OEM должны быть инновационными. Компании на вершине цепочки поставок просят своих поставщиков также улучшить их продуктивность, когда речь идет о MRO.

В заключение, есть новые технологии там, которые обещают помочь улучшить MRO, находя информацию из данных, и используя то, чтобы понимать и предсказывать проблемы. Они никогда не смогут заменить опытного человека, но они смогут драматически помочь этому человеку получить богатые, точные и своевременные инсайты и сделать всю MRO цепочку поставок более продуктивной.

Посетите www.warwickanalytics.com для получения дополнительной информации.