Implementasi predictive maintenance (PdM) yang sukses tidak hanya membutuhkan pengembangan model machine learning yang akurat, tetapi juga proses dan pola pikir baru untuk menanamkan perubahan. Faktanya, manajemen perubahan yang menempatkan pengguna/manusia sebagai pusat implementasi adalah satu-satunya faktor keberhasilan yang paling penting untuk memastikan adopsi dalam skala besar dan mencapai dampak yang berkelanjutan.
Dalam membentuk program manajemen perubahan, terdapat lima elemen yang mendukung pengenalan PdM di perusahaan, antara lain: desain ulang proses, pembangunan kapabilitas, KPI dan insentif, role model, serta komunikasi.
Yang pertama adalah desain ulang proses dari ujung ke ujung yang bertujuan untuk memberikan kejelasan tentang peran dan tanggung jawab pasca implementasi, berdasarkan masukan kolektif dari tim lintas fungsi.
Yang kedua adalah pengembangan kemampuan berkelanjutan untuk membekali perusahaan dengan keterampilan teknis yang diperlukan untuk solusi digital. Keterampilan teknis tersebut juga harus bisa mengatasi kebutuhan jangka panjang untuk talent pool internal yang kompeten dalam data engineering, data science, dan design thinking.
Elemen ketiga yaitu KPI dan insentif baru. Kedua hal ini biasanya diperlukan untuk mengukur PdM di luar masalah teknis dan lebih fokus pada indikator tertinggal yang lebih luas, seperti pengurangan downtime yang tidak direncanakan, kepatuhan terhadap jadwal proses pemeliharaan internal, dan tingkat adopsi dari solusi. Beberapa perusahaan bahkan menggunakan gamifikasi digital untuk mendorong adopsi dan penggunaan oleh karyawan.
Keempat, manajemen puncak juga menghadapi tugas untuk mengubah pola pikir kolektifnya menjadi panutan cara kerja baru dan membuat komitmen mereka terhadap PdM bisa dilihat oleh semua orang.
Elemen terakhir dalam manajemen perubahan adalah komunikasi. Perubahan yang dibuat dengan hati-hati, komunikasi omnichannel dan kampanye yang teratur, serta pembelajaran mikro yang mudah dicerna dapat mempromosikan keterlibatan di semua tingkat perusahaan.
Artikel ini merangkum dari tulisan Prediction at scale: How industry can get more value out of maintenance di McKinsey
コメント