Ketika organisasi secara strategis memantau kesehatan dan kinerja aset mereka yang paling berharga, mereka mengurangi biaya operasional dan mengurangi kemungkinan kerusakan yang dapat mengakibatkan pemeliharaan yang tidak terencana. Dengan menerapkan pemeliharaan preventif dan prediktif, mereka dapat meningkatkan kemampuan prediksi dan menjadwalkan perbaikan ketika itu sesuai dengan kebutuhan mereka, bukan setelah terjadi kegagalan yang tak terduga.

Tugas pemeliharaan sangat penting untuk menjaga kesehatan dan produktivitas aset organisasi. Namun, biayanya bisa sangat bervariasi dan dapat berdampak pada profitabilitas organisasi. Peningkatan kemampuan pengambilan keputusan yang dihasilkan oleh pendekatan APM yang kuat membantu organisasi terhindar dari melakukan pemeliharaan yang berlebihan dan tidak perlu.

Menggunakan kecerdasan buatan (AI) dan pembelajaran mesin (ML) untuk menerapkan pemeliharaan prediktif dan preventif, solusi APM modern memberikan peningkatan dalam ketersediaan aset dan kondisi aset. Operator yang dibantu oleh teknologi baru ini lebih mampu merekomendasikan strategi perbaikan yang membantu mengurangi waktu henti yang merugikan bagi aset-aset yang diandalkan perusahaan.

Banyak organisasi kaya aset saat ini memanfaatkan kemampuan Internet of Things (IoT) dan kecerdasan buatan (AI) sebagai bagian dari strategi APM keseluruhan untuk membantu mereka menemukan peluang efisiensi yang lebih besar. Padahal di masa lalu, para pimpinan bisnis harus menunggu hingga akhir bulan atau kuartal untuk meninjau angka kinerja, hari ini mereka bisa mendapatkan data yang sama secara real time. Dalam studi kasus tahun 2022, 51 persen organisasi mengatakan mereka akan memprioritaskan peningkatan efisiensi operasional daripada inisiatif mereka yang lain.¹ 

APM yang efektif dimulai pada tahap pertama dari siklus hidup aset: perencanaan. Bahkan sebelum sebuah aset diakuisisi, para pengambil keputusan perlu memikirkan bagaimana mengoperasikan dan memeliharanya agar sesuai dengan operasi mereka yang lebih luas. Untuk melakukan hal ini, mereka perlu menilai nilai aset.

Penilaian aset sangat bervariasi antara organisasi dan industri. Misalnya, dalam bisnis pengiriman makanan, kesehatan dan kinerja kendaraan yang digunakan untuk mengangkut barang adalah hal yang sangat penting. Namun, untuk perusahaan piranti lunak, meskipun mungkin memiliki armada kendaraan yang digunakan dari waktu ke waktu, kesehatan dan kinerja kendaraan tidak terlalu penting untuk operasi bisnis sehari-hari. Oleh karena itu, kedua organisasi ini akan memberikan taksiran nilai yang berbeda pada aset yang sama. Ketika Anda mulai membentuk APM, pilih aset yang penting untuk operasi bisnis terlebih dahulu. Anda dapat mengatur kondisi aset yang memiliki prioritas yang lebih rendah nanti.

Salah satu teknik yang semakin berharga dalam APM adalah penciptaan kembaran digital. Kembaran digital adalah representasi virtual dari aset yang memungkinkan operator menjalankan tes dan memprediksi kinerja berdasarkan simulasi. Dengan kembaran digital yang baik, pengambil keputusan dapat mengetahui seberapa baik kinerja suatu aset dalam kondisi yang akan mereka hadapi. Kembaran digital membantu operator dan pemimpin pemeliharaan menemukan masalah kinerja dan mendapatkan wawasan tentang kemungkinan peningkatan rencana pemeliharaan. 

Dalam hal pemantauan kinerja aset serta otomatisasi alur kerja aset penting, piranti lunak APM, seperti sistem manajemen aset perusahaan (EAM), sangat penting untuk menjalankan strategi yang efektif. EAM menggabungkan piranti lunak dan layanan untuk membantu organisasi memelihara, mengontrol, dan mengoptimalkan aset operasional mereka. Dengan jumlah data yang dihasilkan saat ini melalui IoT, manajer pemeliharaan semakin mengandalkan piranti lunak manajemen, seperti EAM, yang dilengkapi analisis data yang disempurnakan dengan AI untuk membantu mereka mengambil keputusan yang lebih cerdas.

Selain EAM, banyak inisiatif APM menggunakan sistem manajemen pemeliharaan terkomputerisasi (CMMS) untuk membantu departemen pemeliharaan memusatkan informasi aset yang vital. CMMS memberi tahu manajer pemeliharaan di mana aset berada, jenis layanan atau perbaikan apa yang diperlukan, dan siapa yang harus melakukannya. CMMS yang kuat dapat membuat informasi penting tentang aset dapat segera diakses dan diaudit oleh operatornya.

Pendekatan APM yang paling efektif saat ini bergantung pada kemampuan untuk menjadwalkan pemeliharaan secara teratur untuk mencegah kerusakan peralatan dan untuk terus menilai kinerja secara real time. Kedua strategi ini, pemeliharaan preventif dan prediktif, adalah kunci keberhasilan banyak inisiatif APM. 

Pemeliharaan preventif menggunakan aktivitas pemeliharaan yang dijadwalkan secara teratur untuk mengurangi kemungkinan aset yang rusak. Waktu henti direncanakan dengan menggunakan praktik terbaik dan rata-rata historis, seperti waktu rata-rata antara kegagalan (MTBF).

Pemeliharaan prediktif secara terus menerus menilai dan menilai ulang kondisi aset menggunakan sensor yang mengumpulkan data tentang aset secara real-time. Data ini kemudian dicerna oleh EAM atau CMMS berkemampuan AI di mana alat dan proses analisis data canggih seperti ML mengidentifikasi, mendeteksi, dan mengatasi masalah secara real time. Berdasarkan data ini dan analisis selanjutnya, algoritme digunakan untuk membuat model yang memprediksi kapan potensi masalah pada peralatan di masa depan dapat muncul. Pemeliharaan prediktif telah terbukti menurunkan biaya pemeliharaan, mengurangi waktu henti aset sebesar 35-50 persen dan meningkatkan masa pakai aset sebesar 20-40 persen.²

Mungkin metrik yang paling banyak digunakan untuk mengevaluasi keberhasilan program pemeliharaan adalah MTBF dari aset yang ditugaskan untuk diperbaiki. MTBF adalah rumus sederhana yang menghitung jumlah rata-rata waktu antara perbaikan yang diperlukan pada sebuah peralatan dengan membagi total waktu operasi dengan jumlah kegagalan selama waktu tersebut. Departemen pemeliharaan yang asetnya memiliki MTBF tinggi biasanya dinilai "kuat".  

Seperti yang dikenal dan banyak digunakan sebagai MTBF, efektivitas peralatan keseluruhan (OEE) (tautan berada di luar ibm.com) adalah metrik populer lainnya untuk mengukur kinerja aset. Pengukuran ini berfokus pada tiga metrik: Ketersediaan, kinerja, dan kualitas peralatan. "Ketersediaan" ditentukan menggunakan waktu produksi aset aktual dibandingkan dengan waktu produksi yang direncanakan, "kinerja" mengukur seberapa baik kinerja peralatan dibandingkan dengan potensi maksimumnya, dan "kualitas" mengevaluasi tingkat produksi produk yang dianggap "berkualitas baik" dibandingkan dengan produk yang memiliki cacat atau memerlukan pengerjaan ulang. Untuk menentukan skor OEE aset, ketiga faktor ini dikalikan.

Dua metrik lagi yang digunakan untuk mengukur keberhasilan program APM adalah seberapa cepat dan efektif teknisi pemeliharaan menutup tiket pesanan kerja yang ditugaskan kepada mereka dan persentase keseluruhan dari pekerjaan yang diselesaikan vs. tidak selesai. 

Biasanya dikaitkan dengan strategi pemeliharaan jangka panjang, metrik frekuensi tugas pemeliharaan darurat memberikan wawasan tentang keefektifan program pemeliharaan preventif. Sederhananya, semakin baik departemen pemeliharaan dalam melakukan pemeliharaan preventif, semakin jarang kerusakan yang memerlukan intervensi darurat.