Bagaimana AI Mengoptimalkan Tingkat Stok Spare Part Inventaris Pemeliharaan
Inventaris spare part untuk pemeliharaan adalah salah satu kategori inventaris yang paling sulit dikelola. Part-part tersebut dibutuhkan secara tidak sering dan tidak dapat diprediksi. Konsekuensi dari tidak memiliki sebuah part ketika dibutuhkan berkisar dari ketidaknyamanan kecil hingga penghentian produksi. Banyak part bersifat spesifik untuk model peralatan tertentu tanpa pengganti. Dan total nilai inventaris spare part di pabrik manufaktur pada umumnya bersifat substansial, sering kali jutaan dolar.
Pendekatan tradisional terhadap penyetokan spare part sangat bergantung pada penilaian manajer pemeliharaan dan vendor peralatan, dilengkapi dengan data konsumsi historis. AI menyediakan pendekatan yang lebih sistematis dan optimal secara ekonomis.
Keputusan Penyetokan
Untuk setiap spare part, keputusan penyetokan melibatkan jawaban atas beberapa pertanyaan. Berapa probabilitas part ini akan dibutuhkan dalam suatu periode? Jika dibutuhkan dan tidak ada di stok, berapa biaya downtime yang dihasilkan saat menunggu pengiriman? Berapa biaya untuk menyimpan part ini dalam inventaris? Berapa lead time pemasok, dan apakah pengiriman darurat tersedia?
Tingkat stok yang optimal menyeimbangkan biaya yang diharapkan dari kekurangan stok (biaya downtime dikalikan dengan probabilitas kekurangan stok) terhadap biaya carrying dari inventaris. Untuk part kritis dengan biaya downtime tinggi dan lead time yang panjang, Anda menyimpan lebih banyak. Untuk part non-kritis dengan biaya downtime rendah atau pasokan darurat yang tersedia, Anda menyimpan lebih sedikit atau tidak sama sekali.
Bagaimana AI Menghitung Tingkat Optimal
Optimalisasi spare part berbasis AI menggunakan data prediksi kegagalan dari sistem pemeliharaan prediktif untuk memperkirakan probabilitas permintaan. Jika AI memprediksi bahwa bearing tertentu kemungkinan akan gagal dalam kuartal berikutnya, AI memastikan bahwa pengganti tersedia di stok. Jika tidak ada kegagalan yang diprediksi, safety stock untuk bearing tersebut dapat dikurangi.
AI juga mempertimbangkan efek armada. Jika Anda memiliki 50 pompa identik dengan bearing yang sama, probabilitas bahwa setidaknya satu bearing akan memerlukan penggantian dalam suatu periode jauh lebih tinggi dibandingkan untuk satu pompa. AI menghitung probabilitas permintaan armada secara keseluruhan dan menyetok dengan demikian.
Lead Time dan Risiko Pasokan
Part dengan lead time yang panjang atau tidak dapat diandalkan memerlukan safety stock yang lebih tinggi. AI memantau kinerja pengiriman pemasok aktual dan menyesuaikan safety stock ketika lead time berubah. Jika pemasok yang secara historis mengirim dalam dua minggu tiba-tiba memerlukan empat minggu, AI meningkatkan tingkat stok untuk part dari pemasok tersebut.
Untuk part di mana original equipment manufacturer adalah satu-satunya sumber, AI mengevaluasi risiko gangguan pasokan dan dapat merekomendasikan kualifikasi sumber alternatif atau menyetok unit tambahan sebagai asuransi.
Manajemen Keusangan
Seiring peralatan menua dan akhirnya digantikan, spare part menjadi usang. AI melacak basis terpasang dari peralatan dan mengidentifikasi spare part yang mendekati keusangan. Untuk part di mana peralatan akan digantikan dalam beberapa tahun ke depan, AI mengurangi tingkat stok untuk menghindari kelebihan inventaris pada saat pensiun. Untuk part yang sedang dihentikan oleh produsen, AI merekomendasikan pembelian seumur hidup sebelum part menjadi tidak tersedia.
Untuk informasi lebih lanjut tentang optimalisasi pemeliharaan AI dalam manufaktur, kunjungi halaman analisis manufaktur FirmAdapt.