Assurer une maintenance prédictive réussie | Senseye

Quels sont les pièges qui font échouer les projets de maintenance prédictive et comment les éviter ? Comment vous assurez-vous que les équipes acquièrent l'expertise en surveillance de l'état et les « meilleures pratiques » appropriées pour la maintenance prédictive dans le cadre de projets de transformation numérique plus larges ?

Dans ce film, Alexander Hill et Rob Russell de Senseye sont rejoints par Peter Gagg de MCP Consulting Group, pour discuter de ce qui doit être mis en place dès le départ pour donner aux initiatives de maintenance prédictive le meilleures chances de succès possibles, et comment les fabricants et les autres organisations industrielles peuvent s'appuyer sur ces étapes initiales pour continuer à apporter des améliorations durables.

Transcription

Alexander Hill, Senseye :Les principales causes d'échec des projets PdM se répartissent en deux catégories principales :la technologie et la culture.

Du côté de la technologie, il se peut que les données ne soient tout simplement pas disponibles - le projet peut démarrer plein d'enthousiasme, mais vous trouvez que les données que vous pouvez obtenir de ces machines ne sont tout simplement pas adaptées à des fins de surveillance de l'état. Il y a des choses qui peuvent être faites à ce sujet, des capteurs peuvent être modernisés, d'autres travaux d'analyse de données peuvent être effectués afin d'obtenir des données de meilleure qualité.

L'autre côté des choses est culturel. Trop souvent, la maintenance prédictive est considérée comme un beau projet d'innovation intéressant. Mais il s'agit d'une maintenance dans le monde réel, elle a des conséquences réelles pour les machines et les humains, et l'analyse de rentabilisation doit donc être très claire.

Rob Russell, Senseye :Il doit y avoir une attraction directe des utilisateurs finaux et cette attraction doit être créée par des équipes centrales expliquant les avantages de ces solutions. Il est vraiment important que vous ayez l'adhésion de la haute direction pour le processus, mais aussi qu'il y ait des ressources dédiées qui soient incitées à faire avancer les activités de maintenance prédictive.

Peter Gagg, MCP Consulting Group :Si vous n'obtenez pas d'adhésion, vous n'allez pas rendre les nouvelles techniques durables. Pour avoir cette durabilité, vous devez vraiment démontrer qu'il y a des avantages très importants à obtenir - qu'il s'agisse de réduire les temps d'arrêt, de rendre le temps de l'ingénieur plus efficace ou de lui faciliter la vie.

Vous devez reconnaître que pendant cette première partie du voyage, vous ferez des erreurs et des échecs se produiront. Vous devez apprendre de cela. Aucun système ne sera infaillible dès les premières étapes. Vous devez avoir ce processus d'apprentissage répété.

Alexander Hill :Y a-t-il un objectif stratégique pour mettre en œuvre la maintenance prédictive ? S'il ne s'agit que d'un projet scientifique, il est peu probable qu'il obtienne toute l'exposition, l'adhésion et l'interaction dont il a besoin. Vous devez remettre cela entre les mains de la maintenance - les personnes dont la vie quotidienne en sera améliorée. S'il se trouve dans un laboratoire de R&D, c'est beaucoup plus difficile à faire.

Rob Russell :Il doit absolument y avoir un plan sur la façon dont vous prenez ces nouvelles technologies et vous les mettez dans ces environnements d'exploitation. Il faut reconnaître que, pendant que cela se produit, il y aura des périodes d'inefficacité à mesure que les gens se familiariseront avec la nouvelle technologie.

Peter Gagg :Cela revient sans cesse à former les gens, à vérifier qu'ils suivent les bonnes procédures ou processus, et à avoir des KPI ou des mesures pour démontrer que vous bénéficiez des nouvelles techniques qui ont été introduites. Assurez-vous d'avoir monétarisé le programme de maintenance prédictive afin qu'il devienne un générateur de profit et non un coût.

Alexander Hill :Lorsque nous avons prouvé notre valeur - nous sommes généralement capables de le faire en deux mois - il s'agit alors de trouver où nous pouvons nous développer, les données sont-elles disponibles, le besoin est-il là ? Ensuite, c'est aussi simple que de mettre les données, de les activer et de s'assurer que nous pouvons les mettre entre les mains d'un plus grand nombre de personnes.