Cruzando el abismo:por qué es difícil salir del purgatorio del piloto

Como se destaca en un informe de McKinsey de 2018, muchas empresas industriales están experimentando el "purgatorio piloto" y continúan haciéndolo, un fenómeno en el que, si bien tienen una actividad significativa en marcha, aún no han visto ningún beneficio final significativo.

Salir de este purgatorio requiere que las empresas “crucen el abismo”, un proceso observado y descrito por el consultor de gestión Geoffrey A. Moore a principios de los años noventa. En términos generales, si bien muchos proyectos técnicos relacionados con TI funcionarán bien al principio, con una energía considerable detrás de ellos, a menudo tendrán dificultades para ser adoptados adecuadamente. Moore observó que existe una diferencia significativa entre los innovadores y los primeros usuarios, y la próxima ola de usuarios, cuya participación es necesaria para garantizar que un proyecto crezca. En efecto, la renuencia y las dudas sobre los resultados por parte de los líderes de la empresa para proceder a comprometerse con la siguiente etapa pueden dejar incluso los proyectos piloto exitosos en un estado de parálisis.

Es algo que verás a menudo con las nuevas empresas. Los fundadores entusiasmados desarrollan nuevas tecnologías y se vuelven muy buenos para explicarlas en términos técnicos. Esto les ayuda a obtener el apoyo de ciertos tipos de organizaciones, los innovadores y los primeros en adoptar, y habrá una gran cantidad de energía inicial detrás del proyecto. Pero este comienzo alentador será seguido por un período de silencio. Este es el abismo que deben cruzar.

Figura 1:El ciclo de vida de adopción de tecnología, Geoffrey A. Moore. Fuente, con licencia Creative Commons Attribution 3.0 Unported.

No se trata solo de nuevas empresas, por supuesto. Los proveedores pueden pasar tiempo en conferencias hablando sobre productos en un espacio determinado, como el mantenimiento predictivo, a una audiencia de innovadores y primeros usuarios que, en general, comprenderán y se entusiasmarán con lo que escuchen. El desafío al que se enfrenta esta audiencia es convencer a los máximos responsables de la toma de decisiones dentro de sus propias empresas (los gerentes de mantenimiento, los gerentes de planta, los equipos de TI y finanzas) que no se preocuparán por las mismas cosas. Los términos técnicos y las listas de verificación simplemente los dejarán sin impresionar y sin convencer, una brecha en la capacidad se corresponde con una brecha en la comunicación.

Resistencia interna

El abismo puede existir dentro de organizaciones individuales, así como en la industria en general. Es un desafío al que se enfrentan con mayor frecuencia aquellas personas cuyo trabajo es atender las necesidades futuras de una empresa. Si no pueden crear pruebas de concepto vinculadas a casos de uso y demostrar dónde la tecnología agregará valor al negocio, a nadie en el negocio que funcione día a día le importará lo que se avecina.

Una empresa puede probar una nueva solución de mantenimiento predictivo, por ejemplo, pero no podrá persuadir a su equipo de mantenimiento para que la adopte. No están interesados ​​en charlas técnicas, están preocupados por ese motor que se está calentando y cuándo va a fallar. Predecir la falla del motor no tiene nada que ver con la IA y el aprendizaje automático en lo que a ellos respecta; solo quieren una solución funcional que les brinde información procesable.

Muchas organizaciones se encuentran en la etapa piloto y luchan por descubrir cómo escalar. Muchos otros encontrarán resistencia interna a una adopción más amplia. Para mejorar sus posibilidades de cruzar el abismo y escapar del purgatorio de los pilotos, es mejor evitar el lenguaje de los innovadores y los primeros en adoptar y utilizar el lenguaje de la mayoría temprana en su lugar. La verdad es que los términos técnicos como IoT, IA, aprendizaje automático y pruebas de concepto carecen en gran medida de sentido para muchas personas y simplemente las dejarán indiferentes. Es mucho más efectivo presentar su nuevo producto como una solución, en lugar de una tecnología, y describir los resultados comerciales:los problemas que resolverá y los beneficios que brindará.

Un nuevo mercado, un nuevo mensaje

Senseye enfrenta un desafío adicional. Operamos en un mercado relativamente nuevo, y si no enseñamos a las personas desde el principio cómo funciona nuestra tecnología y qué resultados comerciales y beneficios puede ofrecer, corremos el riesgo de que nuestros clientes se llenen de malentendidos y expectativas poco realistas. De hecho, en nuestras décadas de experiencia en el campo del mantenimiento predictivo, hemos visto cómo una gran falta de comprensión, tanto por parte de los fabricantes como de los proveedores, ha resultado en una gran cantidad de soluciones que no logran cruzar el abismo y están destinadas a languidecer en purgatorio piloto.

En lugar de la plétora de palabras de moda populares que incluyen IA, Machine Learning, IoT e Industry 4.0, los proveedores de mantenimiento predictivo deberían hablar sobre los resultados comerciales; lo que han logrado y lo que pueden hacer no solo desde el punto de vista técnico, sino también cómo crearán un impacto medible en el negocio de sus clientes. El mantenimiento predictivo es un nuevo paradigma y los beneficios son innumerables:

• Sostenibilidad :
  • Extensión de la vida útil de los activos a través de un control cuidadoso y el momento del reemplazo adecuado
  • Eliminación del mantenimiento excesivo mediante la reducción y extensión de las actividades de mantenimiento planificadas
  • Reducción de inspecciones físicas riesgosas y disruptivas ya que todos los datos se monitorean de forma remota y automática
  • Inventario reducido y uso de piezas de repuesto como un reemplazo planificado que se puede ampliar en función de la información sobre el estado real de la máquina
  • Reducción de los riesgos ambientales presentes por posibles fugas y efectos secundarios de fallas en las máquinas
    
    
• Efectividad general del equipo (o métricas similares relacionadas):
  • Ayudar a impulsar las métricas de calidad:las máquinas más saludables producen mejores piezas
  • Garantizar el máximo rendimiento al conocer la operación real y permitir el mantenimiento avanzado de las máquinas
  • Reducir el tiempo de inactividad no planificado de la máquina (garantizando la disponibilidad) al realizar el mantenimiento antes de que ocurra una falla funcional

La reducción del riesgo comercial con un aumento de la productividad y la sostenibilidad es algo que todos pueden respaldar y las métricas de estos proyectos lo prueban:son cosas que entusiasman a todos en la mayoría temprana.

Para leer más acerca de por qué la implementación y el despliegue del mantenimiento predictivo son tan mal entendidos y llenos de fallas, y cómo nuestra experiencia (buena y mala) ha informado nuestra propia solución Senseye PdM, puede descargar nuestro informe técnico "Senseye en profundidad:¿Por qué es ¿El mantenimiento predictivo es tan difícil? aquí.