Comment exécuter une preuve de concept de maintenance prédictive

Dans ce blog, nous partageons certaines des leçons que nous avons tirées des PoC réussis et des PoC ratés. Nous aimerions pouvoir dire que tous nos PoC ont atteint leurs objectifs finaux de mise à l'échelle, mais ce serait ignorer des informations précieuses que nous pouvons maintenant partager pour vous aider à éviter de commettre la même erreur.

Présentation

L'IA et l'analyse sont des sujets d'actualité et presque tous les fournisseurs revendiquent la capacité de « faire » la maintenance prédictive (PdM) avec leur plate-forme d'analyse prédictive. Cependant, la relation avec un fournisseur de logiciels de maintenance prédictive est généralement longue et nécessite une grande confiance. Avec une grande quantité de bruit sur le marché, il est donc logique d'effectuer un exercice pour sélectionner les fournisseurs potentiels. Comme pour le choix de votre médecin, vous devez être certain qu'un fournisseur peut faire ce dont il dit qu'il est capable.

Il est souvent logique pour une organisation d'effectuer un exercice pour s'assurer non seulement qu'elle sélectionne le bon fournisseur, mais que l'organisation elle-même est suffisamment préparée pour assurer un projet PdM a tout pour réussir, et qu'il est capable d'évoluer et de s'adapter pour profiter des avantages offerts. La preuve de concept (PoC) PdM peut aider à garantir cela, si elle est effectuée correctement.

D'après notre expérience, de nombreuses entreprises ont essayé et échoué plusieurs PoC PdM avant d'obtenir enfin les résultats escomptés. Certains de nos clients ont essayé trois autres solutions avant d'obtenir ce qu'ils attendaient. Les leçons tirées des échecs étaient que souvent le fournisseur n'était pas entièrement responsable - le problème résidait en fait à l'intérieur. Ce n'est que leur conscience du succès dans d'autres projets de l'industrie qui leur a donné la confiance nécessaire pour apporter des changements en interne et persévérer pour réussir.

Analyse prédictive ≠ Maintenance prédictive

Il est important de résoudre un malentendu clé et courant :les outils d'analyse prédictive peuvent être utilisés dans le cadre d'un programme PdM, mais l'analyse prédictive et la PdM sont loin d'être la même chose.

Les scientifiques des données peuvent travailler sur les données de la machine et identifier les anomalies et les tendances - et produire des captures d'écran convaincantes. Mais c'est une toute autre chose d'avoir une compréhension approfondie de ce que ces choses signifient pour la santé des machines et de pouvoir avoir une discussion approfondie sur la stratégie de maintenance à adopter avec ces nouvelles informations. Les data scientists purs n'ont généralement pas l'expérience et les connaissances nécessaires pour agir en tant qu'ingénieurs de maintenance. Par conséquent, les algorithmes personnalisés qu'ils conçoivent fonctionnent souvent mal dans des conditions industrielles réelles.

Identifier un fournisseur plus habitué à l'analyse prédictive qu'à la maintenance prédictive

Les machines spéciales peuvent avoir des modes de défaillance spéciaux et uniques, mais les modes de défaillance et les types d'informations nécessaires pour les détecter dans la plupart des machines courantes, telles que les moteurs, les boîtes de vitesses et les robots, sont très bien compris du point de vue de la surveillance de l'état. L'échec est souvent "ce qu'il est", donc, si un fournisseur pose des questions de base sur les modes de défaillance de la machine et vous demande de tout définir, il est clair qu'il n'a pas d'expérience en surveillance de l'état ou en maintenance de la machine et ne sait pas ce qu'il fais. Les chances de succès sont très minces.

Vous demander de tout étiqueter à un stade précoce - et être incapable de comprendre ce qui est affiché dans vos journaux de maintenance et d'établir des corrélations - peut signifier que vous avez affaire à un fournisseur qui va adopter une approche de modélisation sur mesure. Cela peut avoir de très bons résultats pour jusqu'à des dizaines de machines, mais aura du mal avec l'évolutivité et le coût pour rien de plus.

La maintenance est la discipline pratique ultime, tandis que l'analyse de données est ancrée dans l'application de la théorie et des mathématiques avancées. Le PoC doit être le point de convergence de ces deux mondes pour offrir des avantages commerciaux mesurables grâce à la PdM.

Trouver le bon fournisseur PdM est difficile - ils doivent comprendre vos pratiques de maintenance, vos machines et les résultats commerciaux que vous cherchez à atteindre et ils doivent être aussi déterminés que vous à les atteindre. Pour ce faire, ils doivent appliquer les théories et les mathématiques appropriées, et le faire d'une manière économiquement et organisationnellement évolutive.

Pour en savoir plus sur les meilleures pratiques et les pièges courants à éviter, téléchargez notre livre blanc complet "Comment exécuter une preuve de concept de maintenance prédictive" ci-dessous.