Избегайте частых подводных камней: обеспечьте успех предиктивного ТО с Senseye

Каковы подводные камни, вызывающие провал проектов предиктивного ТО, и как их избежать? Как обеспечить, чтобы команды приобрели экспертизу мониторинга состояния и соответствующие «best practice» для предиктивного ТО как часть более широких проектов цифровой трансформации?

В этом фильме Александр Хилл и Роб Рассел из Senseye вместе с Питером Гаггом из MCP Consulting Group обсуждают, что должно быть на месте с самого начала, чтобы дать инициативам предиктивного ТО лучшие шансы на успех, и как производители и другие промышленные организации могут строить на этих первоначальных ступенях для продолжения драйва устойчивых улучшений.

Транскрипт

Александр Хилл, Senseye: Главные причины провала проектов PdM делятся на две категории: технология и культура.

По технологии: данные могут быть просто недоступны — проект стартует с энтузиазмом, но выясняется, что данные, которые можно получить от этих машин, просто не подходят для целей мониторинга состояния. С этим можно что-то сделать: датчики можно ретрфитить, дальнейшую работу по анализу данных можно сделать для извлечения лучшего качества данных.

Другая сторона — культурная. Слишком часто предиктивное ТО видят как приятный, интересный инновационный проект. Но это реальное ТО, у него реальные последствия для машин и людей, и бизнес-кейс должен быть очень ясным.

Роб Рассел, Senseye: Нужен прямой pull от конечных пользователей, и этот pull должен создаваться центральными командами, объясняющими выгоды этих решений. Очень важно иметь senior-level buy-in для процесса, но также и dedicated ресурсы, инцентивированные толкать вперед активность предиктивного ТО.

Питер Гагг, MCP Consulting Group: Если не получите buy-in — не сделаете новые техники устойчивыми. Для устойчивости нужно действительно продемонстрировать, что есть очень значительные выгоды — будь то сокращение простоев, делая время инженера более эффективным, или делая их жизнь легче.

Признать, что в начальной части пути будут ошибки и провалы. Нужно учиться на этом. Никакая система не будет fool-proof с ранних стадий. Нужен процесс повторного обучения.

Александр Хилл: Есть ли стратегическая цель внедрить предиктивное ТО? Если это просто science project, вряд ли получит полную экспозицию, buy-in и взаимодействие. Нужно положить это в руки ТО — людей, чья повседневная жизнь улучшится от этого. Если сидит в R&D лабе — гораздо сложнее.

Роб Рассел: Определенно нужен план, как взять эти новые технологии и положить их в операционные среды. Признать, что пока это происходит, будут периоды неэффективности, пока люди набирают скорость с новой технологией.

Питер Гагг: Все возвращается к обучению людей, проверке, что они следуют правильным процедурам/процессам, и наличию KPI или метрик для демонстрации выгод от введенных новых техник. Убедитесь, что монетизировали программу предиктивного ТО, чтобы она стала генератором прибыли, а не затрат.

Александр Хилл: Когда доказали ценность — типично делаем это за 2 месяца — тогда вопрос: где еще можно расширить, есть ли данные, есть ли нужда? Тогда просто: вкладываем данные, включаем, и убеждаемся, что можем дать это в руки большему числу людей.