Evite Errores Comunes: Domine el Éxito en Mantenimiento Predictivo con Senseye

¿Cuáles son los escollos que causan el fracaso de proyectos de mantenimiento predictivo y cómo evitarlos? ¿Cómo asegurar que los equipos adquieran la experiencia en monitorización de condición y las 'mejores prácticas' apropiadas para mantenimiento predictivo como parte de proyectos más amplios de transformación digital?

En este vídeo, Alexander Hill y Rob Russell de Senseye se unen a Peter Gagg de MCP Consulting Group para discutir qué debe estar en su lugar desde el inicio para dar a las iniciativas de mantenimiento predictivo las mejores posibilidades de éxito, y cómo fabricantes y otras organizaciones industriales pueden construir sobre estos primeros peldaños para seguir impulsando mejoras sostenidas.

Transcripción

Alexander Hill, Senseye: Las causas principales de fracaso de proyectos PdM caen en dos categorías principales: tecnología y cultura.

En el lado tecnológico, puede ser que los datos simplemente no estén disponibles – el proyecto empieza con entusiasmo pero descubre que los datos que puede obtener de estas máquinas no son aptos para propósitos de monitorización de condición. Hay cosas que hacer: sensores pueden retroinstalarse, trabajo adicional de análisis de datos para sacar datos de mejor calidad.

El otro lado es cultural. Demasiado a menudo el mantenimiento predictivo se ve como un proyecto de innovación interesante y bonito. Pero esto es mantenimiento real, tiene consecuencias reales para máquinas y humanos, y el caso de negocio debe ser muy claro.

Rob Russell, Senseye: Tiene que haber un tirón directo de los usuarios finales y ese tirón debe ser creado por equipos centrales explicando los beneficios de estas soluciones. Es realmente importante que tenga adhesión a nivel directivo, pero también que haya recursos dedicados incentivados para impulsar la actividad de mantenimiento predictivo.

Peter Gagg, MCP Consulting Group: Si no consigue adhesión, no va a hacer sostenibles las nuevas técnicas. Para tener esa sostenibilidad, realmente tiene que demostrar que hay beneficios muy significativos – ya sea reduciendo inactividad, haciendo el tiempo del ingeniero más efectivo, o facilitándoles la vida.

Tiene que reconocer que durante esa parte inicial del viaje, cometerá errores y habrá fallos. Tiene que aprender de eso. Ningún sistema será infalible desde las etapas iniciales. Tiene que tener ese proceso de aprendizaje repetido.

Alexander Hill: ¿Hay un objetivo estratégico para implementar mantenimiento predictivo? Si esto es solo un proyecto de ciencia, probablemente no obtendrá la exposición, adhesión e interacción completa que necesita. Necesita poner esto en manos del mantenimiento – la gente cuya vida diaria mejorará con ello. Si está en un laboratorio de I+D, es mucho más difícil.

Rob Russell: Definitivamente necesita un plan de cómo toma estas nuevas tecnologías y las pone en esos entornos operativos. Tiene que reconocerse que, mientras eso ocurre, habrá periodos de ineficiencia mientras la gente se pone al día con la nueva tecnología.

Peter Gagg: Vuelve siempre a formar a la gente, comprobar que siguen los procedimientos o procesos correctos, y tener KPIs o métricas para demostrar que obtiene beneficios de las nuevas técnicas introducidas. Asegúrese de que ha monetizado el programa de mantenimiento predictivo para que se convierta en generador de beneficio y no en un coste.

Alexander Hill: Cuando hemos probado valor – típicamente somos capaces de hacerlo en dos meses – entonces es caso de encontrar dónde más expandir, si los datos están disponibles, si la necesidad está ahí. Luego es tan simple como meter los datos, encenderlo, y asegurar que podemos ponerlo en manos de más gente.