PdM의 부상과 제대로 하기 어려운 이유

예측 유지 관리(PdM)는 문제가 되기 전에 기계 오류를 해결하기 위한 사전 예방적 접근 방식입니다. PdM은 방대한 양의 기계 데이터를 분석함으로써 유지보수 직원이 기계의 상태를 이해하고 그에 따라 활동을 최적화하여 예상치 못한 다운타임을 방지하고 갑작스러운 장애를 제거할 수 있도록 합니다. 그러나 명백한 이점에도 불구하고 대부분의 PdM 배포는 실패할 수밖에 없습니다. 이 게시물에서 우리는 PdM의 부상과 왜 그렇게 많은 공급업체와 그들의 고객이 계속해서 잘못된 생각을 하는지 살펴보겠습니다.

예측 유지보수 - 그때와 지금

예측 유지 관리는 생각보다 훨씬 오래되었습니다. 제2차 세계 대전 중에 과학자 CH Waddington은 항공기의 고장 또는 수리 비율이 검사 또는 유지 보수 세션 직후에 가장 높은 경향이 있음을 관찰했습니다. 와딩턴 효과(Waddington Effect)라고 알려진 이 현상은 결과 데이터를 분석하여 검사 주기를 조정하여 항공기의 물리적 상태와 사용 빈도에 맞게 유지 관리 프로세스를 조정하는 결과를 가져왔습니다. 한마디로 PdM의 시작이었다.

물론 그 이후로 많은 것이 변했습니다. 4차 산업혁명과 인더스트리 4.0의 도래는 "모든 국가의 거의 모든 산업을 혼란에 빠뜨리는" 속도로 발생하는 기술 혁신을 목격했습니다. 이러한 혁신으로 인해 센서, 네트워크, 데이터 수집 및 저장 기술이 크게 개선되었으며, 최근 AI 기술의 발전으로 제공되는 풍부한 컴퓨팅 성능 및 데이터에 대한 액세스와 함께 PdM이 더 넓은 산업에 점점 더 많이 적용될 수 있게 되었습니다. .

거의 80년 전과 마찬가지로 오늘날에도 PdM의 주요 이점은 결정을 알리는 기능입니다. 하나 이상의 현장에 있는 많은 기계를 감독하는 책임이 있는 유지보수 전문가는 매우 바쁜 사람들입니다. PdM 솔루션은 기계의 지속적인 상태에 대한 더 나은 이해를 제공함으로써 제한된 시간과 사용 가능한 리소스를 더 잘 활용하는 데 도움이 될 수 있습니다.

그렇다면 그 유산과 그것이 제공하는 분명한 이점을 감안할 때 많은 사람들이 PdM에서 성공을 거두는 것이 왜 그렇게 어려웠습니까?

일반적인 세 ​​가지 실수

사실 많은 벤더들이 본질적으로 매우 독특한 영역이 무엇인지에 대한 인식이 거의 없음에도 불구하고 PdM의 대열에 합류했습니다. 일부는 단순히 레거시 모니터링 도구를 "과급"하려고 시도한 반면, 다른 일부는 기존의 데이터 과학 접근 방식을 기존과는 거리가 먼 문제 공간에 적용했습니다. PdM 시스템이 정확히 무엇인지, 그리고 어떻게 작동하는지에 대한 필요한 이해 없이는 많은 새로운 솔루션이 시장에 출시되지 못할 것입니다. 결과적으로 규모에 따라 실질적인 성공을 거둔 기업은 거의 없습니다.

궁극적으로 이러한 이해 부족과 그에 따른 PdM 성공의 대부분은 공급업체와 고객이 몇 번이고 반복적으로 범하는 세 가지 근본적인 실수로 귀결됩니다.

1. 지금까지 살펴본 바와 같이 PdM의 개념은 새로운 것이 아닙니다. 상태 모니터링, 유지 보수 크레딧 및 예후와 같은 기술은 얼마 전부터 존재해 왔습니다. 그러나 이러한 기술을 중요한 시스템 이상으로 확장할 수 있는 능력이 없기 때문에 배포가 중요한 시스템에만 국한되어 있습니다.
2. PdM은 일부 사람들이 생각하는 것처럼 모델을 교육할 수백만 개의 데이터 요소와 레이블이 있는 빅 데이터 문제가 아닙니다. 공장 환경은 기계 유지보수, 다양한 생산 속도, 다양한 기계 작업자의 행동을 포함한 다양한 변수로 인해 매우 역동적이고 시끄럽습니다. 물론 모든 기계는 고유합니다. 그러나 그럼에도 불구하고 많은 조직에서는 여전히 PdM에 대해 고전적인 데이터 과학 접근 방식을 사용할 것입니다.
3. 유지보수 전문가가 얼마나 바쁜지를 기억하는 것이 중요합니다. PdM 시스템의 사용자 경험이 이를 반영하지 않으면 대상 사용자와 소통하지 못할 위험이 있습니다. 생성하는 모든 귀중한 정보와 통찰력은 무시될 것이며 시스템 자체에 대한 조직의 투자는 낭비될 것입니다.

Senseye는 PdM을 이해합니다.

Senseye는 150인년 이상의 연구 및 개발 시간을 독점적으로 보냈습니다. PDM에. 이것이 우리가 PdM이 작동하는 방식을 이해하는 이유입니다. 중요한 것은 PdM이 유지보수 엔지니어의 일상 업무를 어떻게 개선하는지 이해하고 있다는 것입니다. 그리고 우리의 PdM 솔루션이 성공적이라는 이해 덕분입니다. 이것이 우리가 대규모로 배포하는 방법을 알고 있는 이유이며, 데이터 과학자를 그냥 두는 것이 아니라 사용자 경험이 중요한 이유입니다.

다음 포스트에서는 배운 내용을 우리가 하는 모든 일에 어떻게 적용했는지 살펴볼 것입니다. 그때까지는 PdM이 어디에서 왔는지, 왜 공급업체와 일부 구매자가 이를 제대로 이해하지 못하는지에 대한 자세한 내용은 "Senseye in Depth:왜 예측 유지 관리가 어려운가?" 백서에서 확인할 수 있습니다.