AI가 유지 보수 작업을 대체할 수 있습니까?

더럼 대학교에서 드라이브 트레인 역학이 풍력 터빈 부품의 고장 물리학에 미치는 영향을 연구하는 박사 학위를 취득한 후, 저는 철도 부문에 합류하여 자산 관리를 수행했습니다. 및 유지 보수 지원 역할. 2018년에 저는 Senseye에 합류하여 유지보수 부서의 예측 유지보수 여정에 대한 기술 지원을 제공했으며 현재는 전 산업 분야에서 유지보수 실무자를 안내하는 성장하는 팀을 이끌고 있습니다.

AI 및 예측 유지 관리 – 위협이 아닌 이점

Elon Musk는 AI를 "실존적 위협"으로 묘사했습니다. AI가 우리가 일하는 방식을 확실히 변화시킬 것이라는 것은 사실이지만 그의 견해는 진실에서 멀어질 수 없습니다. 사실, 그것은 사람들의 일자리를 향상시킬 뿐만 아니라 새로운 일자리를 창출할 것입니다. 특히 유지보수와 관련하여 그렇습니다.

챗봇과 무인 차량의 개발이 콜센터와 물류를 어떻게 혼란에 빠뜨렸는지 생각할 때 사람들이 AI가 직업 전망에 미칠 영향에 대해 경계할 수 있다는 것은 놀라운 일이 아닙니다. 기계의 고장을 예측할 수 있는 새로운 기술에 직면했을 때, 이를 통해 저임금, 경험이 부족한 작업자의 사용을 장려하여 고도로 숙련된 유지 보수 기술자의 필요성을 없앨 수 있을 것으로 기대하는 것이 합리적입니다.

현실은 완전히 반대입니다. 우리는 기업들이 이 모델을 따르려고 시도하는 것을 보았지만 이러한 프로젝트의 대부분은 실패할 운명이었습니다. 그들은 예측 유지 보수의 기본 개념을 이해하지 못했을 뿐입니다. 고도로 숙련된 직원에게 자신의 노력을 집중하는 데 도움이 되는 도구를 제공하고 가치가 없는 일상적인 작업 중 일부를 제거하면 직원이 기술을 보다 효과적인 작업에 집중할 수 있어 효율성이 크게 향상됩니다.

결국, 시스템이 특정 자산이 언제 고장날지 정확히 결정하는 데 아무리 뛰어나더라도 실제로 유지 관리를 수행할 사람이 필요합니다. 문제는 시간을 효율적으로 사용하는 것입니다.

인간의 전문성

AI 기반 예측 유지 관리 시스템은 본질적으로 유지 관리 팀이 고용주에게 더 ​​큰 가치를 제공할 수 있도록 하는 의사 결정 지원 도구입니다. 그러나 자동화된 시스템은 서비스를 제공하는 사람들만큼만 효과적입니다. 의미 있는 통찰력을 생성하는 데 필요한 데이터를 수신하려면 인적 전문성이 필요합니다.

AI는 조직 자산의 상태에 대한 통찰력을 제공하지만 이러한 통찰력에 대한 조치를 취하는 방법에 대한 모든 결정은 운영자가 내려야 합니다. 물론 AI 기반 소프트웨어는 필요한 유지 관리를 물리적으로 수행할 수 없습니다.

유지 관리 팀을 중복으로 만드는 대신 자동화된 예측 유지 관리 시스템이 지원하므로 수동 프로세스만 사용하는 것보다 더 정확하고 정보에 입각한 결정을 내리고 훨씬 더 큰 효율성을 달성할 수 있습니다. Senseye PdM을 사용하면 일반적으로 고객이 유지 관리 직원의 생산성을 55% 높이고 가동 중지 시간 예측의 정확도를 85% 향상할 수 있습니다. 요컨대, AI 기반 예측 유지 관리 시스템의 사용은 많은 사람들이 상상했던 것과 반대되는 효과를 가져옵니다. 이는 위협이 아닙니다.

예를 들어, 자동차 부문의 고객 중 한 명이 상태 기반 유지 관리를 수행하고 있었는데 기계의 데이터가 있었지만 사용하는 시스템은 자동화되지 않았습니다. 팀은 참여하고 유지 관리를 수행할 수 있는 패턴에 대한 데이터 검색을 시도하면서 최대 50개의 자산(각각 이해하려고 시도하는 수십 개의 신호 포함)만 볼 수 있었습니다. 그러나 프로세스의 첫 번째 부분을 자동화함으로써 더 이상 항상 동일한 50개 자산을 볼 필요가 없었습니다. 지속적으로 올바른 신호를 찾고 문제가 되는 부분과 그렇지 않은 부분에 대해 경고함으로써 팀은 2,000개 자산(해당 지역의 플랜트 전체 균형)을 볼 수 있었습니다. 이제 팀의 각 사람은 훨씬 더 가치가 있었습니다. 인력을 줄이는 대신 동일한 사람들이 훨씬 더 큰 기능을 제공할 수 있었습니다.

강력한 도구

유지 관리 관리자는 자산을 잘 알고 있습니다. 그들이 기계 옆을 지나가다가 이상한 소리를 듣거나 이상한 냄새를 맡는다면 일반적으로 무언가가 옳지 않다는 신호로 받아들입니다. 자동화된 예측 유지 관리 도구도 별반 다르지 않습니다. 자산에 문제가 있는지 알려주기 위해 지능형 알고리즘을 사용하여 데이터 서명의 변경 사항을 찾는 것입니다. 단순히 효율성을 높이는 것입니다. 인간적인 요소는 여전히 중요합니다.

궁극적으로 AI는 유지 관리 팀을 대체하는 것이 아니라 지원하기 위해 존재합니다. 단 3개월 만에 Senseye PdM을 사용한 후 작업 방식이 완전히 바뀌었음을 고객의 경험을 통해 확인했습니다. 그들은 훨씬 더 향상되고 능동적인 결정을 내릴 수 있습니다. 머신 데이터와 데이터의 변화를 보고 특정 자산을 교체할지 여부를 훨씬 더 잘 결정할 수 있습니다.

AI의 채택 증가는 의심할 여지 없이 파괴적이며 올바른 방식으로 관리되며 상당한 이점이 있습니다. 예측 유지 관리 솔루션의 역할은 목표에 맞는 통찰력을 제공하는 것입니다. 중요한 결정을 내리는 것은 여전히 ​​유지 관리 팀의 몫입니다. AI는 효율성과 효율성을 향상시켜 유지보수 엔지니어를 고용주에게 더욱 가치 있게 만드는 강력한 도구입니다. 그리고 그것은 나에게 실존적 위협처럼 들리지 않습니다.

Senseye PdM이 유지보수 팀의 일상적인 운영을 개선하는 방법에 대해 자세히 알아보려면 연락해 주세요.