予知保全の概念実証を実行する方法

このブログでは、成功したPoCと失敗したPoCの両方から学んだ教訓のいくつかを共有しています。すべてのPoCがスケーリングの最終目標を達成したと言えるようにしたいと思いますが、これは、同じ過ちを犯さないようにするために共有できる貴重な洞察を無視することになります。

はじめに

AIと分析はホットなトピックであり、ほとんどすべてのベンダーが、予測分析プラットフォームで予知保全（PdM）を「実行」できると主張しています。ただし、予知保全ソフトウェアベンダーとの関係は通常長く、大量の信頼が必要です。したがって、市場には大量のノイズがあるため、潜在的なベンダーを選択するための演習を行うことは理にかなっています。医師を選ぶ場合と同様に、ベンダーが能力があると言っていることを確実に実行できるようにする必要があります。

組織が適切なベンダーを選択するだけでなく、組織自体が十分に準備されていることを確認するための演習を実行することは、多くの場合理にかなっています。 PdMプロジェクトには、成功するために必要なすべてのものがあり、提供されるメリットを活用するために変更および適応することができます。 PdMの概念実証（PoC）は、これを確実にするのに役立ちます–正しい方法で行われた場合。

私たちの経験では、多くの企業が、期待する結果を最終的に達成する前に、複数のPdMPoCを試したり失敗したりしています。一部のお客様は、期待どおりの結果を達成する前に、他の3つのソリューションを試しました。失敗から学んだ教訓は、多くの場合、ベンダーが完全に過失ではなく、問題は実際に内在しているということでした。他の業界プロジェクトでの成功に対する彼らの認識だけが、社内で変更を加え、成功を達成するために持続する自信を与えました。

予測分析≠予知保全

重要で一般的な誤解に対処することが重要です。予測分析ツールはPdMプログラムの一部として使用できますが、予測分析とPdMはまったく同じものではありません。

データサイエンティストは、マシンデータに取り組み、異常や傾向を特定し、説得力のあるスクリーンショットを作成できます。しかし、それらが機械の健康に何を意味するのかを深く理解し、この新しい情報で採用する保守戦略について詳細に議論できるようにすることは、まったく別のことです。純粋なデータサイエンティストは通常​​、メンテナンスエンジニアとして行動するために必要な経験と知識を欠いています。その結果、彼らが考案したカスタムアルゴリズムは、実際の産業条件ではうまく機能しないことがよくあります。

予知保全よりも予測分析に慣れているベンダーを見つける

特殊な機械には特殊で固有の故障モードがある場合がありますが、故障モードと、モーター、ギアボックス、ロボットなどの最も一般的な機械でそれらを検出するために必要な情報の種類は、状態監視の観点から非常によく理解されています。多くの場合、故障は「それが何であるか」であるため、ベンダーが機械の故障モードについて基本的な質問をし、すべてを定義するように求めている場合、状態監視や機械のメンテナンスのバックグラウンドがなく、何をしているのかわからないことは明らかです。やってる。成功の可能性は非常に低いです。

早い段階ですべてにラベルを付けるように依頼し、メンテナンスログに何が表示されているかを理解できず、相関関係を作成できない場合は、特注のモデリングアプローチを採用するベンダーと取引している可能性があります。これは、最大数十台のマシンで非常に良い結果をもたらす可能性がありますが、それ以上のスケーラビリティとコストに苦労します。

メンテナンスは究極の実践的な「実践的な」分野であり、データ分析は理論と高度な数学の応用に根ざしています。 PoCは、これら2つの世界が収束して、PdMを通じて測定可能なビジネス上のメリットを提供するポイントである必要があります。

適切なPdMサプライヤーを見つけるのは困難です。彼らはあなたのメンテナンス慣行、あなたのマシン、そしてあなたが達成しようとしているビジネスの成果を理解する必要があり、あなたがそれらを達成するのと同じくらいコミットする必要があります。彼らは、適切な理論と数学を適用することでこれを行う必要があります。そして、経済的かつ組織的にスケーラブルな方法でこれを行う必要があります。

回避すべきベストプラクティスと一般的な落とし穴の詳細については、以下の完全なホワイトペーパー「予知保全の概念実証を実行する方法」をダウンロードしてください。