대규모 예측 유지 관리의 성공

지난 게시물에서 우리는 예측 유지 관리(PdM)의 부상과 왜 그렇게 많은 공급업체와 그 고객이 계속해서 이를 잘못 이해하는지 살펴보았습니다. 여기에서는 수년간 예측 유지 관리에 대해 배운 것을 오늘날 우리가 하는 모든 일에 어떻게 적용했는지 살펴보겠습니다.

항공 우주 산업에서 30년 이상의 경력과 PdM에만 전념한 150인년 이상의 연구 및 개발 시간을 결합하여 다양한 분야에 예측 유지 관리 기술을 배포하는 방법에 대해 많은 것을 배웠습니다. 또한 다양한 부문과 고객 성숙도 수준을 지속적으로 접하면서 계속해서 배우고 있습니다. 무엇보다 예측 유지보수를 잘 하는 것이 쉽지 않다는 것을 배웠습니다.

중요하게도, 우리는 PdM을 잘하는 방법을 아는 것이 아니라 왜 중요한지 배웠습니다. 예를 들어, PdM의 진정한 가치는 상당한 투자 수익을 제공하더라도 설명하기 어려울 수 있다는 것을 배웠습니다. PdM 전략을 구현하는 것은 가볍게 여겨서는 안 됩니다. 이사회에서 작업 현장에 이르기까지 전체 비즈니스에 영향을 미칩니다. 이 규모의 변화를 시작하기 전에 성공에 대한 어느 정도의 확신이 필요합니다.

다음은 경험상 조직이 예측 유지 관리 여정을 시작할 때 염두에 두어야 할 몇 가지 핵심 사항입니다.

예측 유지 관리는 일반적인 데이터 과학 사용 사례가 아닙니다.

고객에게 이전에 실패한 구현 시도에 대해 이야기하면 할수록 PdM이 일반적인 빅 데이터 문제로 취급될 수 없다는 확신이 생깁니다. 이는 빅 데이터 솔루션이 작동하는 데 필요한 풍부한 컨텍스트가 PdM에 심각하게 부족하다는 사실에 크게 기인합니다. 많은 기계 고장 모드도 본질적으로 미묘하기 때문에 확립된 기계 학습 알고리즘이 식별 가능한 패턴을 정확하게 예측하기 어렵습니다.

일반적인 데이터 과학 솔루션에서 90% 이상의 정확도 수준을 기대하는 것은 무리가 아닙니다. 그러나 PdM 솔루션에서 유사한 정확도를 기대하는 것은 작동 방식에 대한 근본적인 오해를 시사합니다. 예, 실험실 환경에서 선별된 고품질 데이터를 사용하면 특정 기계 및 특정 고장 모드에 대해 이와 같은 결과를 얻을 수 있습니다. 그러나 이것은 현실을 나타내지 않습니다. 모든 기계와 고장 모드는 고유하며, 다른 센서 유형은 다양한 정확도 수준의 데이터를 제공합니다. 공장 현장의 역동적인 특성과 중요한 맥락 정보가 전반적으로 부족하다는 것은 말할 것도 없습니다.

일반화된 질문을 하거나 PdM 솔루션의 정확성에 대해 구체적인 주장을 하는 사람에게는 어려운 질문을 해야 합니다.

시청자 파악

우리의 경험을 통해 알게 된 또 다른 사실은 바쁜 유지보수 팀은 일반적으로 교대 근무를 시작할 때 시간이 거의 없다는 것입니다. 자신이 담당하는 많은 기계 중 어느 것이 가장 주의를 기울여야 하는지 식별합니다. 그들은 그래프를 연구하고 해당 정보를 찾기 위해 원시 데이터를 샅샅이 뒤지는 데 시간을 보내고 싶지 않습니다.

따라서 간단하고 직관적인 소프트웨어 설계는 유지 관리 전문가에게 읽기 쉬운 대시보드에서 필요한 통찰력을 제공하고 귀중한 시간을 절약하는 데 필수적입니다. 그러나 많은 공급업체에서 이러한 대시보드를 제공하지만 일반적으로 사용자의 고유한 워크플로, 기본 설정 및 경험을 고려하지 않는 일반적인 제품일 수 있습니다. 실제로 이러한 전문가의 지식과 경험은 매우 중요합니다. 이를 활용하는 것은 PdM 솔루션의 성공에 매우 중요합니다.

Senseye의 제품은 이 모든 것을 염두에 두고 설계되었습니다. 우리는 분석을 명확한 사용자 인터페이스와 원활하게 통합하여 단순함을 목표로 합니다. 여러 개의 차트와 그래프가 아니라, 기계 데이터, 유지보수 데이터 및 작업자 데이터를 사용하여 주의가 필요한 기계의 우선 순위를 지정하는 독점 알고리즘인 Attention Engine에 의해 정렬된 목록 형태로 정보가 표시됩니다.

사용자가 여정 중 어디에 있는지 파악

우리는 또한 서로 다른 회사(종종 같은 회사 내의 서로 다른 영역)가 예측 유지 관리 여정에서 서로 다른 단계에 있다는 것을 배웠습니다. 예를 들어 한 회사는 정기적인 경로 기반 상태 모니터링 검사만 수행할 수 있습니다. 그러나 다른 하나는 기계의 상태와 고장 시간을 정확하게 예측하기 위해 강력하고 자동화된 상태 모니터링과 PdM 솔루션을 결합할 것입니다.

물론 이러한 예는 규모의 반대편에 있으며 대부분의 회사는 둘 사이의 어딘가에 있을 것입니다. 경영진의 더 큰 이해와 경영진의 동의로 데이터와 문화적 준비성 모두의 성숙도가 높아집니다. IT팀. 그러나 회사는 성숙도 수준에 따라 다른 지원 및 배포 패키지가 필요하므로 해당 규모에서 회사가 어디에 있는지 아는 것이 중요합니다.

수년간의 경험은 우리에게 효과가 있는 것과 그렇지 않은 것에 대해 많은 것을 가르쳐 주었습니다. 다음 게시물에서 우리는 이러한 모든 경험과 이해가 어떻게 Senseye PdM을 시장에서 선도적인 PdM 제품으로 만들었는지 탐구할 것입니다. 그때까지 PdM에 대해 배운 가장 중요한 내용에 대한 자세한 내용은 백서 "Senseye in Depth:Predictive Maintenance가 왜 그렇게 어려운가요?"에서 확인할 수 있습니다.