Dominando a Manutenção Preditiva: Guia Comprovado para Execução de Prova de Conceito (PoC)

Neste blog, compartilhamos algumas das lições aprendidas com PoCs bem-sucedidos e malsucedidos. Gostaríamos de poder dizer que todos os nossos PoCs atingiram seus objetivos finais de escalabilidade, mas isso ignoraria insights valiosos que agora podemos compartilhar para ajudar você a evitar os mesmos erros.

Introdução

IA e analytics são temas quentes e quase todo fornecedor afirma ter capacidade "para fazer" Manutenção Preditiva (PdM) com sua plataforma de analytics preditivo. No entanto, o relacionamento com um fornecedor de software de PdM costuma ser longo e exigir grande confiança. Com muito ruído no mercado, faz sentido realizar um exercício para reduzir a lista de fornecedores potenciais. Assim como na escolha do seu médico, você precisa ter certeza de que o fornecedor pode fazer o que diz ser capaz.

Muitas vezes, faz sentido para uma organização realizar um exercício para garantir que não apenas selecione o fornecedor certo, mas que a própria organização esteja suficientemente preparada para assegurar que um projeto de PdM tenha tudo o que precisa para ter sucesso, e que seja capaz de mudar e se adaptar para aproveitar os benefícios oferecidos. A prova de conceito (PoC) de PdM pode ajudar a garantir isso — se feita da maneira correta.

Em nossa experiência, muitas empresas tentaram e falharam em múltiplos PoCs de PdM antes de finalmente alcançar os resultados esperados. Alguns de nossos clientes tentaram três outras soluções antes de obter o que esperavam. As lições aprendidas com as falhas foram que, muitas vezes, o fornecedor não era inteiramente culpado — o problema estava internamente. Foi apenas a consciência do sucesso em outros projetos do setor que lhes deu a confiança para fazer mudanças internas e persistir até alcançar o sucesso.

Analytics Preditivo ≠ Manutenção Preditiva

É importante abordar um mal-entendido fundamental e comum: ferramentas de analytics preditivo podem ser usadas como parte de um programa de PdM, mas analytics preditivo e PdM estão longe de ser a mesma coisa.

Cientistas de dados podem trabalhar com dados de máquinas e identificar anomalias e tendências — e produzir capturas de tela convincentes. Mas é outra coisa totalmente diferente ter uma compreensão profunda do que essas coisas significam para a saúde das máquinas e ser capaz de ter uma discussão aprofundada sobre qual estratégia de manutenção adotar com essas novas informações. Cientistas de dados puros geralmente carecem da experiência e conhecimento necessários para atuar como engenheiros de manutenção. Como resultado, os algoritmos personalizados que criam frequentemente têm desempenho ruim em condições industriais reais.

Identificando Fornecedor Mais Acostumado a Analytics Preditivo do que a Manutenção Preditiva

Máquinas especiais podem ter modos de falha especiais e únicos, mas os modos de falha e os tipos de informação necessários para detectá-los na maioria das máquinas comuns, como motores, caixas de engrenagens e robôs, são muito bem compreendidos do ponto de vista de monitoramento de condição. A falha "é o que é", então, se um fornecedor faz perguntas básicas sobre modos de falha de máquinas e pede que você defina tudo, fica claro que ele não tem experiência em monitoramento de condição ou manutenção de máquinas e não sabe o que está fazendo. As chances de sucesso são muito pequenas.

Pedir que você rotule tudo em um estágio inicial — e ser incapaz de entender o que está mostrado em seus registros de manutenção e fazer correlações — pode significar que você está lidando com um fornecedor que adotará uma abordagem de modelagem personalizada. Isso pode ter bons resultados para até dezenas de máquinas, mas terá dificuldades com escalabilidade e custo para qualquer coisa além disso.

A manutenção é a disciplina prática "mão na massa" por excelência, enquanto a análise de dados está enraizada na aplicação de teoria e matemática avançada. O PoC deve ser o ponto em que esses dois mundos convergem para entregar benefícios de negócios mensuráveis através da PdM.

Encontrar o fornecedor certo de PdM é difícil — eles precisam entender suas práticas de manutenção, suas máquinas e quais resultados de negócio você busca, e precisam ser tão comprometidos quanto você em alcançá-los. Eles precisam fazer isso através da aplicação das teorias e matemática certas — e de forma economicamente e organizacionalmente escalável.

Para mais sobre melhores práticas e armadilhas comuns a evitar, baixe nosso white paper completo "How to Run a Predictive Maintenance Proof of Concept" abaixo.