in: Direct Release | May 19, 2014 | by: Jagat Review

[PR] Perusahaan Energi Meningkatkan Hasil Produksi dengan Analytics SAS®

  • SAS® Predictive Asset Maintenance dengan SAS® Visual Analytics membantu tingkatkan produktifitas, keuntungan dan mencegah kerusakan
  • SAS Indonesia akan mengumumkan solusi bagi industri minyak dan gas pada IPA Convention and Exhibition pada 21-23 Mei 2013

JAKARTA (19 Mei 2014) – Kerusakan alat tidak semata-mata karena membutuhkan biaya – tapi akan sangat membahayakan karyawan dan menyebabkan bencana untuk lingkungan. Predictive analytics dari pemimpin business analytics,SAS membantu perusahaan energi dan menggunakan big data yang dikumpulkan dari mesin dan peralatan untuk memprediksi isu sebelum peralatan tersebut menyebabkan gangguan yang membahayakan.

Executive Dashboard_SAS Predictive Asset Management

SAS® Predictive Asset Maintenance telah membantu perusahaan seperti POSCO dan Perusahaan Eksplorasi dan Produksi Shell terhindar dari keterlambatan yang tidak terencana dan menjaga target produksi tetap tercapai. Dengan tambahan kekuatan SAS® Visual Analytics, perusahaan dapat dengan mudah menganalisa data untuk menemukan akar penyebab sistemik, memastikan keamanan yang lebih tinggi dan melindungi komitmen produksi.

“Tekanan kompetitif dan meningkatnya regulasi yang ketat memerlukan solusi analytics yang melebihi sistem manajemen aset tradisional,” kata Reinhard Hoene, Senior Product Manager SAS. “Organisasi yang mengkombinasikan predictive analytics dengan visual analytics pada dasarnya memiliki data ‘GPS’ untuk membantu menemukan informasi penting dalam gunungan data. Dengan kemampuan melihat penurunan kinerja sejak dini dan mengambil ukuran pencegahan sebelum isunya berubah menjadi kerugian atau masalah berbahaya – itu tak ternilai harganya.”

“Gangguan operasional dan peristiwa bencana sering kali terjadi ketika prosedur maintenance (pemeliharaan) tidak diikuti dengan baik,” kata Andrew Hess, Presiden PHM Society dan ex pimpinan prognostics and health management (PHM) di F-35 Joint Strike Fighter Program Departemen Pertahanan Amerika. “Ketika Anda tidak dapat memprediksi kegagalan secara akurat dan memperkirakan bagian mana yang akan tersisa, Anda dapat mengetahui risiko pengurangan ketersediaan sistem secara signifikan.”

Key Performance Indicators by Asset and Geo

“SAS Predictive Asset Maintenance dapat mengetahui kapan waktunya maintenance peralatan dihentikan,” dia lanjut menjelaskan pemeliharaan peralatan yang diprediksi merupakan pertimbangan konstan di berbagai industri, termasuk bidang pertahanan, produksi minyak dan gas, dan manufaktur. Hess menyarankan agar perusahaan tidak mencoba dengan membuat sistem peringatan sendiri. “Mengapa harus membangun sendiri jika SAS Predictive Asset Maintenance telah memiliki apa yang Anda butuhkan dan bahkan memberikan lebih? Software yang telah teruji dapat memberikan insight secara akurat agar organisasi dapat memberikan perhatian lebih sebelum bencana terjadi atau operasi menjadi terganggu. Silahkan putuskan secepatnya tanpa harus berpikir panjang.”

Untuk memperkuat pendapat Hess, pelaku industri lainnya mengidentifikasi keterlambatan yang tidak terencana sebagai salah satu tantangan terbesar yang dihadapi perusahaan/ pabrik yang memproses energi. ARC Advisory Group (Riset Teknologi untuk Industri) menyatakan penonaktifan yang tidak terjadwal dan kemunduran terhitung sebesar 7 persen menyebabkan kehilangan produksi. Departemen Energi Amerika memprediksi program maintenance prediktif yang fungsional dapat membuat return on investment sepuluh kali lipat, produksi meningkat hingga 25 persen.

SAS Predictive Asset Maintenance dapat membantu perusahaan berpindah dari hal reaktif “Apa yang sedang terjadi?” menjadi prediktif “Apakah memerlukan perbaikan atau penggantian sekarang untuk menjaga produksi tetap berjalan selama siklus perbaikan selanjutnya?” Upgrade produk SAS Predictive Asset Maintenance terbaru memberikan Anda model data, pilihan seleksi data yang lebih besar dan framework fleksibel yang mendukung berbagai industry. Dengan SAS Predictive Asset Maintenance, perusahaan dapat memperlama masa produktif asset tanpa meningkatkan kemungkinan kerusakan peralatan.

SAS Predictive Asset Maintenance mengkombinasikan integrasi data yang powerful, visualisasi, analytics deskriptif dan prediktif, dan business intelligence untuk menghasilkan kinerja asset yang tidak bias dan memperoleh pandangan secara luas. Kemampuan ini meningkatkan kecepatan sembari mengoptimalkan biaya pemeliharaan dan siklus produktif asset dengan memprediksi peristiwa yang menyebabkan kehabisan tenaga. Asset di masa mendatang atau kegagalan proses lebih mudah diselesaikan karena usaha mitigasi yang dilakukan sebelumnya tercatat pada gudang informasi terpusat, memfasilitasi root cause analysis yang cepat.

SAS Visual Analytics memiliki kinerja yang tinggi (high-performance), solusi in-memory yang didesain untuk dengan cepat mengeksplorasi data yang sangat banyak. Pengguna dapat menandai pola, mengidentifikasi peluang untuk analisis lebih jauh dan memberikan hasil visual melalui laporan Web atau iPad® dan tablet Android.

SAS Visual Analytics dapat dengan cepat membaca data ke dalam memory untuk proses ultra-fast (dengan sangat cepat) dan menghasilkan visualisasi data. Pengguna kemudian dapat mengeksplorasi seluruh data, mengeksekusi korelasi analytics pada miliaran baris data hanya dalam hitungan menit atau detik, dan hasilnya dapat langsung tervisualisasi.

Untuk mempelajari tentang SAS Predictive Asset Maintenance dapat dengan men-download white paper berjudul Driving Corporate Performance with Predictive Maintenance Solutions, dengan mengunjungi website SAS. Dapat juga men-download white paper berjudul See the Possibilities with Data Visualization untuk mempelajari tentang SAS Visual Analytics.

Informasi tentang SAS Predictive Asset Maintenance dan SAS® Visual Analytics bagi perusahaan minyak & gas di Indonesia dilakukan dalam Indonesian Petroleum Association Convention and Exhibition pada tanggal 21-23 May 2014 di Jakarta Convention Center.

Tags:

Share This:

Comments

RANDOM ARTICLES