Baxter Meningkatkan Efisiensi Operasional dengan Pemeliharaan Prediktif Menggunakan Amazon Monitron

Dengan kantor pusat di Amerika Serikat dan fasilitas-fasilitas di seluruh dunia, Baxter berupaya memberikan produk berkualitas tinggi untuk merawat pasien di rumah sakit, klinik dan fasilitas rawat jalan, serta klinik rawat inap.

Untuk menghindari gangguan rantai pasokan dan menjaga kualitas, Baxter perlu membangun ketahanan dalam operasinya, dengan memastikan bahwa fasilitasnya tetap aktif dan berjalan tanpa waktu henti yang tidak diharapkan sehingga perusahaan dapat memberikan produk-produk yang dapat menyelamatkan nyawa kepada pelanggan serta pasien secara tepat waktu dan dapat mencapai misinya untuk menyelamatkan serta mempertahankan kehidupan. Baxter menggunakan berbagai peralatan industri dalam utilitas, proses, dan zona pengemasan untuk memproduksi perangkat medis serta obat-obatan. Dengan operasi yang berjalan sepanjang waktu dan persyaratan yang ketat selama proses produksi terkait berbagai faktor seperti suhu dan pergerakan produk, operasi yang andal sangatlah diperlukan.

Sistem pemantauan peralatan Baxter sebelumnya mengandalkan inspeksi manual berbasis waktu yang mengharuskan teknisi berada langsung di sekitar lokasi untuk memeriksa peralatan. Siklus inspeksi ribuan aset manufaktur fasilitas dapat membutuhkan waktu beberapa minggu. Kegagalan peralatan dapat terjadi di tengah siklus inspeksi ini dan menyebabkan waktu henti peralatan yang tidak terduga. Pada beberapa inspeksi peralatan, teknisi perlu masuk ke ruang terbatas sehingga perusahaan harus menghentikan operasi untuk tujuan keselamatan.

Gugus tugas pemeliharaan prediktif di Baxter, yang meninjau prediksi kegagalan dan log pemeliharaan terjadwal serta memastikan bahwa sensor getaran dan suhu dilakukan deployment pada skala besar serta digabungkan dengan teknologi ML, dapat menjadi solusi yang ampuh untuk mendeteksi anomali yang dapat menyebabkan kegagalan komponen sistem. Pada tahun 2021, Baxter memulai proyek bukti konsep untuk menggunakan Amazon Monitron dan memasang sensor nirkabel untuk menangkap data getaran dan suhu. Dalam deployment awal ini, perusahaan memasang 400 sensor Amazon Monitron dalam 1 bulan di salah satu fasilitas terbesarnya di Amerika Serikat.

Karena Amazon Monitron dapat secara otomatis mendeteksi kondisi pengoperasian alat berat yang tidak normal dengan menganalisis sinyal getaran dan suhu menggunakan standar dari Organisasi Internasional untuk Standardisasi dan model ML, Baxter dapat berkembang dengan cepat tanpa memerlukan tim dengan keahlian ML. Teknisi Baxter dapat meninjau dan mengatasi berbagai masalah secara langsung dari aplikasi Amazon Monitron. Setelah keberhasilan proyek bukti konsep, Baxter telah melakukan deployment 2.500 sensor Amazon Monitron di fasilitas mercusuar dan berencana memasang puluhan ribu sensor di pabrik-pabrik tambahan di seluruh Amerika Serikat, Eropa, dan Asia. “Biaya yang dikeluarkan perusahaan untuk Amazon Monitron adalah sepersepuluh dari harga produk lain di pasar. Selain itu, Amazon Monitron tidak mengharuskan Baxter untuk mempekerjakan puluhan rekayasawan ML,” kata A.K. Karan, global senior director of digital transformation di Baxter. “Amazon Monitron adalah salah satu dari sedikit solusi di pasar yang dapat memenuhi kebutuhan kami akan kecepatan, efisiensi biaya, dan skalabilitas untuk operasi global kami yang luas.”

Baxter telah melihat manfaat langsung melalui pengurangan waktu inspeksi manual oleh teknisi dan kemampuan untuk secara cepat menskalakan ke berbagai fasilitas tambahan. “Kecepatan kami dalam melakukan deployment perangkat Amazon Monitron sangat luar biasa,” kata Tim Marini, direktur senior operasi di Baxter. “Memasang sensor, mengunduh aplikasi Amazon Monitron, dan memulai aplikasi dapat dilakukan dalam hitungan menit.” Manfaat lain yang perusahaan dapatkan termasuk perubahan budaya bagi para teknisi yang kini mengambil pendekatan proaktif, alih-alih reaktif. “Menggunakan Amazon Monitron telah membantu kami mengubah paradigma dari kegagalan kritis yang tidak terduga dan tidak diharapkan menjadi pemantauan sistem penting hampir secara waktu nyata,” kata Krizay Elenitoba-Johnson, site director di fasilitas manufaktur Baxter di Alabama. “Kami dapat mengubah waktu henti peralatan yang tidak terduga menjadi hasil yang terduga dan terkelola dengan baik.”

Faktor pendorong utama untuk beralih dari pendekatan reaktif ke strategi pemeliharaan prediktif adalah peningkatan waktu aktif dan pengurangan biaya pemeliharaan dengan menjadwalkan pemeliharaan, alih-alih menanggapi perbaikan darurat. “Kekuatan ML yang dikombinasikan dengan data yang dapat ditindaklanjuti yang dikirimkan secara instan pada aplikasi seluler telah meningkatkan produktivitas tim secara signifikan. Ini adalah sebuah gebrakan besar bagi kami,” kata Adam Aldridge, reliability engineering manager.

“Waktu perolehan nilai berlangsung sangat cepat dan telah menambah momentum pada upaya transformasi digital Baxter. Amazon Monitron telah memberi kami data yang dapat ditindaklanjuti yang diperlukan untuk memelihara ribuan aset manufaktur di fasilitas kami sehingga memungkinkan kami untuk memprediksi dan mencegah waktu henti peralatan yang tidak terduga,” kata Karan. “Ini memberi kami keuntungan besar dalam menciptakan pasokan yang andal dan berkelanjutan bagi pelanggan kami. Hal ini sangat penting utamanya karena berbagai permasalahan rantai pasokan terjadi di seluruh industri.”

Sejak melakukan deployment Amazon Monitron, Baxter telah meniadakan waktu henti mesin yang tidak terduga selama lebih dari 500 jam dari lebih dari 40 peringatan dalam rentang waktu singkat di fasilitas mercusuarnya. Durasi ini setara dengan sekitar 7 juta unit produksi sehingga Baxter dapat memberikan dampak positif bagi kehidupan sekitar 10.000 pasien.

Berdasarkan keberhasilannya sejauh ini, Baxter berencana untuk meningkatkan penggunaan Amazon Monitron pada keseluruhan jaringan yang terdiri atas 70 lokasi manufaktur di seluruh dunia dalam beberapa tahun ke depan. Baxter berharap agar deployment tersebut dapat terus menciptakan perubahan budaya di fasilitasnya karena hal ini akan menerapkan program pemeliharaan prediktif dan memajukan transformasi digital perusahaan untuk terus menggunakan data serta wawasan guna meningkatkan proses bisnis.