A ascensão do PdM e por que é tão difícil acertar

A manutenção preditiva (PdM) é uma abordagem proativa para lidar com falhas de máquina antes que elas se tornem um problema. Ao analisar grandes volumes de dados de máquina, o PdM permite que a equipe de manutenção entenda a saúde das máquinas e otimize suas atividades de acordo, a fim de evitar paralisações não planejadas e eliminar falhas repentinas. Mas, apesar de seus benefícios óbvios, a maioria das implantações de PdM está fadada ao fracasso. Neste post, veremos a ascensão do PdM e por que tantos fornecedores - e seus clientes - continuam errando.

Manutenção preditiva - antes e agora

A manutenção preditiva existe há muito mais tempo do que você imagina. Durante a Segunda Guerra Mundial, o cientista CH Waddington observou que a taxa de falha ou reparo de um avião tendia a ser mais alta imediatamente após uma sessão de inspeção ou manutenção. Conhecido como “efeito Waddington”, esse fenômeno resultou no ajuste dos processos de manutenção para corresponder à condição física de um avião e à frequência de seu uso, com ciclos de inspeção ajustados com base na análise dos dados resultantes. Em suma, foi o início do PdM.

Muita coisa mudou desde então, é claro. A Quarta Revolução Industrial e o advento da Indústria 4.0 viram avanços tecnológicos ocorrendo a uma taxa tal que estão “interrompendo quase todas as indústrias em todos os países”. Esses avanços levaram a melhorias significativas nas tecnologias de sensor, rede, aquisição de dados e armazenamento que, juntamente com o acesso a uma grande quantidade de poder de computação e dados disponibilizados pelos recentes avanços na tecnologia de IA, fizeram com que o PdM se tornasse cada vez mais aplicável à indústria em geral. .

Hoje, assim como há quase 80 anos, o principal benefício do PdM continua sendo sua capacidade de informar decisões. Responsáveis ​​por supervisionar muitas máquinas em um ou mais locais, os profissionais de manutenção são pessoas extremamente ocupadas. Ao fornecer a eles uma melhor compreensão da integridade contínua de suas máquinas, uma solução de PdM pode ajudá-los a usar melhor o tempo e os recursos limitados disponíveis.

Então, dada a sua herança e as claras vantagens que oferece, por que tem sido tão difícil para tantos alcançar o sucesso em PdM?

Três erros comuns

A verdade é que muitos fornecedores embarcaram na onda do PdM, apesar de terem pouca apreciação do que é, essencialmente, um domínio muito exclusivo. Alguns simplesmente tentaram “sobrecarregar” as ferramentas de monitoramento legadas, enquanto outros aplicaram abordagens convencionais de ciência de dados a um espaço de problemas que está longe de ser convencional. Sem a compreensão necessária de exatamente o que é um sistema PdM e como ele funciona, muitas soluções novas nem chegarão ao mercado. Como resultado, poucas empresas alcançarão algum sucesso real em escala.

Em última análise, grande parte dessa falta de compreensão - e o sucesso subsequente do PdM - se resume a três erros fundamentais que os fornecedores e seus clientes costumam cometer repetidamente.

1. Como vimos, o conceito de PdM não é novidade. Técnicas como monitoramento de condições, créditos de manutenção e prognósticos já existem há algum tempo. Mas a falta de capacidade de dimensionar essas técnicas além de apenas máquinas críticas significa que sua implantação foi amplamente limitada apenas a máquinas críticas.
2. PdM não é, como alguns acreditam, um problema de Big Data no qual existem milhões de pontos de dados e rótulos para treinar modelos. Um ambiente de fábrica é altamente dinâmico e barulhento, com uma série de variáveis, incluindo manutenção de máquinas, diferentes velocidades de produção e até mesmo comportamento de diferentes operadores de máquinas. E, claro, cada máquina é única. Apesar disso, muitas organizações ainda adotarão uma abordagem clássica de ciência de dados para PdM.
3. É importante lembrar o quanto os profissionais de manutenção estão ocupados. Se a experiência do usuário de um sistema PdM não refletir isso, existe o risco de que ele não se envolva com seus usuários-alvo. Todas as informações valiosas e insights gerados serão ignorados, e o investimento de uma organização no próprio sistema será desperdiçado.

Senseye entende de PdM

Senseye gastou mais de 150 pessoas-anos de tempo de pesquisa e desenvolvimento exclusivamente em PdM. É por isso que entendemos como o PdM funciona. É importante ressaltar que entendemos como o PdM melhora a operação diária dos engenheiros de manutenção. E é por esse entendimento que nossas soluções de PdM são bem-sucedidas. É por isso que sabemos como implantá-lo em escala, é por isso que não jogamos apenas cientistas de dados nele e é por isso que a experiência do usuário é importante.

Nosso próximo post explorará como aplicamos as lições que aprendemos em tudo o que fazemos. Até lá, você pode encontrar mais detalhes sobre a origem do PdM e por que os fornecedores - e alguns compradores - não estão acertando em nosso white paper "Senseye in Depth:Por que a manutenção preditiva é tão difícil?".