Cómo ejecutar una prueba de concepto de mantenimiento predictivo

En este blog, compartimos algunas de las lecciones que aprendimos de PoC exitosos y no exitosos. Nos encantaría poder decir que todas nuestras PoC lograron sus objetivos finales de escalamiento, pero esto sería ignorar información valiosa que ahora podemos compartir para ayudarlo a evitar cometer el mismo error.

Introducción

La inteligencia artificial y el análisis son temas candentes y casi todos los proveedores afirman tener la capacidad de "hacer" mantenimiento predictivo (PdM) con su plataforma de análisis predictivo. Sin embargo, la relación con un proveedor de software de mantenimiento predictivo suele ser larga y requiere una gran cantidad de confianza. Con una gran cantidad de ruido en el mercado, tiene sentido realizar un ejercicio para seleccionar proveedores potenciales. Al igual que con la elección de su médico, debe estar seguro de que un proveedor puede hacer lo que dice que es capaz de hacer.

A menudo tiene sentido que una organización realice un ejercicio para asegurarse de que no solo seleccione al proveedor correcto, sino que la propia organización esté lo suficientemente preparada para garantizar un proyecto de PdM tiene todo lo que necesita para tener éxito, y que es capaz de cambiar y adaptarse para aprovechar los beneficios que se ofrecen. La prueba de concepto (PoC) de PdM puede ayudar a garantizar esto, si se hace de la manera correcta.

Según nuestra experiencia, muchas empresas han probado y fallado varias pruebas de concepto de PdM antes de lograr finalmente los resultados esperados. Algunos de nuestros clientes han probado otras tres soluciones antes de lograr lo que esperaban. Las lecciones aprendidas de las fallas fueron que, a menudo, el proveedor no tenía la culpa del todo:el problema en realidad estaba dentro. Fue solo su conocimiento del éxito en otros proyectos de la industria lo que les dio la confianza para hacer cambios internamente y persistir para lograr el éxito.

Análisis predictivo ≠ Mantenimiento predictivo

Es importante que abordemos un malentendido clave y común:las herramientas de análisis predictivo se pueden usar como parte de un programa de PdM, pero el análisis predictivo y el PdM están lejos de ser lo mismo.

Los científicos de datos pueden trabajar en datos de máquinas e identificar anomalías y tendencias, y producir algunas capturas de pantalla convincentes. Pero es otra cosa completamente diferente tener una comprensión profunda de lo que esas cosas significan para la salud de la maquinaria y poder tener una discusión profunda sobre qué estrategia de mantenimiento adoptar con esta nueva información. Los científicos de datos puros generalmente carecen de la experiencia y el conocimiento necesarios para actuar como ingenieros de mantenimiento. Como resultado, los algoritmos personalizados que diseñan a menudo funcionan mal en condiciones industriales del mundo real.

Detectar un proveedor más acostumbrado al análisis predictivo que al mantenimiento predictivo

Las máquinas especiales pueden tener modos de falla especiales y únicos, pero los modos de falla y los tipos de información necesarios para detectarlos en la maquinaria más común, como motores, cajas de engranajes y robots, se entienden muy bien desde una perspectiva de monitoreo de condición. La falla a menudo "es lo que es", por lo que, si un proveedor hace preguntas básicas sobre los modos de falla de la máquina y le pide que defina todo, está claro que no tiene experiencia en monitoreo de condiciones o mantenimiento de la máquina y no sabe lo que necesita. estás haciendo. Las posibilidades de éxito son muy escasas.

Pedirle que etiquete todo en una etapa temprana, y no poder entender lo que se muestra en sus registros de mantenimiento y hacer correlaciones, puede significar que está tratando con un proveedor que adoptará un enfoque de modelado personalizado. Esto puede tener muy buenos resultados para hasta decenas de máquinas, pero tendrá problemas con la escalabilidad y el costo para cualquier otra cosa.

El mantenimiento es la disciplina práctica definitiva, mientras que el análisis de datos se basa en la aplicación de la teoría y las matemáticas avanzadas. El PoC debe ser el punto en el que estos dos mundos converjan para ofrecer beneficios comerciales medibles a través de PdM.

Encontrar el proveedor de PdM adecuado es difícil:necesitan comprender sus prácticas de mantenimiento, sus máquinas y los resultados comerciales que busca lograr, y deben estar tan comprometidos como usted para lograrlos. Necesitan hacer esto mediante la aplicación de las teorías y las matemáticas correctas, y hacerlo de una manera que sea económica y organizativamente escalable.

Para obtener más información sobre las mejores prácticas y las trampas comunes que se deben evitar, descargue nuestro documento técnico completo "Cómo ejecutar una prueba de concepto de mantenimiento predictivo" a continuación.