Waarom de tijd rijp is om over te gaan op proactieve operaties

De snelle acceptatie van IoT en ingebouwde slimme sensoren door fabrikanten van apparatuur in combinatie met nieuwe connectiviteitsopties bieden gemakkelijke toegang tot een schat aan rijke operationele gegevens. Fabrikanten en gebruikers van apparatuur willen steeds vaker gebruikmaken van de inzichten die zijn verkregen door die gegevens te analyseren en te modelleren om van reactieve naar proactieve operaties over te schakelen. op dit gebied, de uitdagingen waarmee bedrijven worden geconfronteerd, en de belangrijkste technologieën die bijdragen aan succes. Hier volgt een samenvatting van dat gesprek.

RTinsights:waarom is er interesse om over te gaan naar proactieve operaties, en waarom nu?

MacDonald: Service en aftermarket worden belangrijke aspecten van moderne productiebedrijven. Klanten eisen meer waarde en fabrikanten beseffen dat hechtere klantrelaties op lange termijn winstgevender en duurzamer zijn. En als ze dat niet zijn, zijn ze op zijn minst een manier om ervoor te zorgen dat klanten terugkeren om consistente inkomsten te genereren.

Je hebt marges op de producten die continu onder druk staan. Bedrijven en leidinggevenden beschouwen service als een plaats om de margedruk te compenseren door meer waarde te leveren, nauwere klantrelaties te smeden, mogelijkheden te bieden om oplossingen dieper in die klantactiviteiten te verankeren en aanvullende producten en diensten te leveren die verband houden met hun kernaanbiedingen.

Het probleem voor veel fabrikanten is dat veel van de service en aftermarketactiviteiten traditioneel zijn overgedragen aan derden, die hun werk misschien niet precies op dezelfde manier doen of richtlijnen volgen. Proactief gaan is weg om de controle terug te krijgen. Het is in feite op zijn minst het herwinnen van zichtbaarheid, en dan een bepaald niveau van controle waarmee je operaties kunt standaardiseren.

Als u voor service kiest, die marges kan hebben van 2,5x op de verkoop van nieuwe producten, en u ziet dat veel fabrikanten 40 tot 50% van hun totale winst uit de aftermarket halen, is het gemakkelijk in te zien waarom fabrikanten beginnen met proactieve inzichten en proactieve operaties. Dat geeft hen de mogelijkheid om te luisteren naar apparatuur en middelen in het veld en operationele bewegingen aan te passen aan patronen die ze ontdekken. Proactieve operaties bieden ook een manier om de winstgevendheid van de servicebusiness te beschermen. Ze kunnen dan agressievere SLA's aanbieden. Als ze dat doen, is de kans veel groter dat ze winstgevende zaken binnenhalen en op de langere termijn behouden.

RTinsights:wat zijn de voordelen van een proactieve aanpak?

MacDonald: Ik ga een analogie gebruiken. Laten we een stapje terug doen en nadenken over deze fysieke activa of slimme, verbonden producten. U hebt telemetriegegevens en mogelijk andere gegevens over service van systemen. Dat is het equivalent van kunnen horen. De vraag wordt:waar luister ik naar? Er is veel lawaai, dus hoe kan ik kiezen en luisteren naar alleen wat belangrijk is?

Denk na over functies en statistisch belang met betrekking tot prestaties, zonder zelfs maar rekening te houden met voorspellende en prescriptieve analyses. Het geeft je de mogelijkheid om duidelijk te horen welke noten in of uit de toon vallen te midden van het achtergrondgeluid.

Natuurlijk kun je altijd een schreeuw horen. Maar meestal komt een schreeuw van iemand (of iets) die al in een soort crisis zit en schade ervaart. Je gaat dus reactief met problemen om.

Het heeft voordelen om echt naar de juiste dingen te kunnen luisteren. U kunt prestatiepatronen en gedrag gaan identificeren om een ​​diagnose te stellen van wat er gebeurt. Klanten verwachten een naadloze werking. Ze hebben de neiging om de fabrikanten te straffen die volgens hen, of het nu goed of fout is, hen ongeplande uitvaltijd heeft veroorzaakt. Door noten te horen die niet gestemd zijn, kun je een probleem aanpakken voordat er een schreeuw uit de apparatuur of van je klant komt.

Analytics levert de diagnostische inzichten waar ik het over had. Het kan afwijkingen detecteren van best practices of hoe apparatuur in een omgeving moet worden bediend of gebruikt. Proactieve operaties op basis van die analyses spotten problemen voordat ze zich voordoen.

Met een geconnecteerd product krijgt u zicht op wat er gebeurt in de omgeving waarin de asset opereert. Met analyses, met name geavanceerde analyses, kunnen die gegevens worden verwerkt om statistisch relevante afwijkingen, patronen en gebeurtenissen te identificeren. Dat biedt uiteindelijk een meer objectieve kijk op wat een probleem werkelijk is.

Service-efficiëntie kan worden verbeterd met een betere planning en toewijzing van middelen. Voorspellende inzichten die fabrikanten helpen om over te stappen van dat break-fix orcalendar-gebaseerde servicemodel, kunnen servicebezoeken veel efficiënter maken, waardoor zaken als het totale aantal vrachtwagens, terugbelverzoeken en meer worden verminderd.

Zonder een aangesloten product sturen we vaak een technicus om die diagnoses uit te voeren om erachter te komen dat ze niet het juiste onderdeel op de truck hebben, of de expertise die nodig is om een ​​probleem op te lossen. Als een klant operationele downtime ervaart, vertraagt ​​dit de reparatie. Het vermijden van storingen is van cruciaal belang. Maar dat geldt ook voor de efficiëntie van het uitvoeren van routine-onderhoud voor bewerkingen of acties, in plaats van zaken als riemwissel of smering. Vaak is het efficiënter om het routine-onderhoud uit te voeren voordat het technisch noodzakelijk is. Op die manier kunnen alledaagse servicegesprekken worden omgezet in waardevollere touchpoints.

Ook weet een goede technicus met de juiste analyses naar welke andere problemen hij moet zoeken. Ze kunnen de juiste diagnose uitvoeren om het probleem snel op te lossen en extra datapunten verzamelen om betere inzichten te krijgen over de apparatuur in de omgeving.

Het belang van dergelijke externe, selfservice-mogelijkheden kan niet genoeg worden benadrukt, vooral tijdens een pandemie.

RTinsights:zie je het gebruik van prescriptieve analyse en onderhoud al regelmatig, of is het nog te vroeg?

MacDonald: Ja. Er is gebruik. Maar het is eerder een kwestie van een machinebouwer dan van productieactiviteiten. Een van onze gebruiksscenario's voor selectiekaderanalyse is een bandenfabrikant. De bandenbouwmachine heeft verschillende instellingen. Als het niet op een bepaalde manier wordt gedaan, leidt dit tot herbewerking of afval, wat uiteindelijk geldverlies en uiteindelijk inkomstenverlies tot gevolg heeft.

Het hele concept van prescriptieve analyses kreeg vorm omdat de gegevens beschikbaar waren en ze hun gegevens kenden. Ze zouden het kunnen koppelen aan de operationele uitkomsten van een predictivelens. Ze weten wat er gaat gebeuren voordat de stap die tot dat resultaat leidt, plaatsvindt. Maar ze hadden ook hefbomen. In de context van de machinebouwer zijn de instelpunten werkelijke hefbomen of hefbomen in de gegevens. Je zou kunnen beginnen met het uitvoeren van optimalisaties en de verschillende setpoints voorschrijven om bepaalde problemen te voorkomen. Dat is een use case die gelijk staat aan honderden en honderden miljoenen dollars aan ROI.

RTInsights:hebben we het hier over ROI?

MacDonald: Dat is het absoluut, vooral als je het vanuit een operationeel standpunt bekijkt. Zie mij opnieuw als de fabrikant van bandenbouwmachines of enig ander apparaat dat bij een fabricageproces wordt gebruikt. Mijn klant moet de manier waarop ze dingen doen veranderen om beter gebruik te maken van hun apparatuur. Dan begin ik bij mezelf te denken, wacht even. Misschien zijn mijn technische specificaties niet ontwikkeld op basis van langdurig gebruik, of simuleren ze zelfs de juiste omstandigheden. De setpoints zijn dynamischer dan we hadden verwacht.

Dat is waar je begint te zeggen:misschien moet ik beginnen met het leveren van de analyse van deze setpoints en een applicatie aan mijn eindklant leveren. Als ik inzicht heb in hoe mijn apparatuur waarde of uitdagingen gaat opleveren tijdens het gebruik, kan ik ze misschien die inzichten geven, zelfs als een service, om ervoor te zorgen dat die operationele resultaten worden behaald.

RTinsights:welke onderliggende technologieën zijn nu nodig voor succes?

MacDonald: De kritieke technologie is natuurlijk de connectiviteit. Het geeft ons de mogelijkheid om te contextualiseren waar activa zich bevinden en ons het fysieke landschap te laten weten in termen van gegevens. Met de juiste technologie kunnen we de data modelleren in relatie tot hun context.

Maar er zijn ook veel andere technologieën die belangrijk zijn. Er is systeemintegratie betrokken bij edge-connectiviteit met sensoren. Er zijn ook andere systemen of servicesystemen die deel kunnen gaan uitmaken van een algemene proactieve inspanning. Hoe meer mogelijkheden en tools u kunt bieden die de systeemintegratie vereenvoudigen, hoe beter.

Remotemonitoring is de plek waar u begint. Zoals ik al zei, je moet op zijn minst kunnen horen voordat je begint te luisteren.

Ik denk dat augmented hulp op afstand, augmented 3D werkinstructies en augmentedexpert capture van cruciaal belang zijn. Zaken als service, onderdelenbeheer en workflowbeheer kunnen inzichten uit de analyses halen. Statistische berekeningen en machine learning maken het eenvoudiger.

Met geautomatiseerde machine learning kunt u modellen maken en sneller afstemmen om de gegevens weer te geven. Dit helpt u om betere voorspellingen en resultaten te krijgen. En dit alles moet worden verbeterd met algemene analyses.

Daarnaast heb je een applicatieontwikkelingsplatform nodig. Er komt veel kijken bij deze gebruiksscenario's voor proactieve bewerkingen. De meest kritieke mogelijkheden komen neer op het vermogen om gegevens te verbinden, op te slaan en te begrijpen, met name met behulp van geavanceerde analysetechnieken, zoals machine learning om modellen te bouwen om voorspellingen te doen.

Dit moet gedaan worden voordat je iets aanzet. U moet over realtime systemen en applicaties beschikken om gegevens in die modellen te krijgen. Je moet systemen en applicaties hebben die de voorspelling kunnen nemen en er iets mee kunnen doen.

De opwaartse spiraal van inzicht en bedrijfswaarde is enorm. Zonder alomtegenwoordige connectiviteit is het onmogelijk om een ​​proactief operatie-initiatief verder te schalen dan een pilotschaal. Vertrouwen op handmatige, inconsistente methoden om gegevens te extraheren, wordt steeds minder haalbaar.

Evenzo moet u bij elke stap van het proces een verscheidenheid aan analysetechnieken beschikbaar hebben om dat nuttige inzicht te leveren. Een fabrikant kan beginnen met het toevoegen van sensoren aan en het op afstand aansluiten op apparatuur in het veld. Ze beginnen drempels in te stellen die operators, technici op afstand en serviceorganisaties waarschuwen om te onderzoeken dat een apparaat mogelijk een probleem heeft.

Die drempels kunnen, met extra inzicht, evolueren naar situaties zoals voortschrijdende gemiddelden en benchmarks die rekening houden met het begrip van normale gebruiks- en bedrijfspatronen. Onderzoeken die zijn gemarkeerd, kunnen worden ingevoerd in algoritmen voor machine learning. Ze kunnen potentieel causale patronen blootleggen en rijke geautomatiseerde diagnostiek produceren. Ze kunnen dan beginnen met het maken van voorspellingen en zelfs recepten. Het geeft ons de mogelijkheid om zakelijke en operationele processen van de grond af aan te heroverwegen. Ik denk dat het een fundamentele manier is om serviceactiviteiten te transformeren.

RTinsights:wat zijn de uitdagingen bij het gebruik van deze technologieën, en hoe helpt PTC?

MacDonald: Fundamenteel kan dat eerste uitgangspunt, die connectiviteit, een uitdaging zijn om proactieve operaties mogelijk te maken. Het is noodzakelijk om verbinding te maken met verschillende apparaten en verschillende versies van vergelijkbare apparaten, wetende dat die apparaten waarschijnlijk onder verschillende omstandigheden werken bij één fabrikant en hun hele klantenbestand. De datametingen en de technische connectiviteitsprotocollen gaan uiteindelijk verschillen. PTC helpt door mogelijkheden te bieden die hiërarchieën ondersteunen, gefedereerd van edge naar cloud, die het gemakkelijker maken om die digitale assets te definiëren en te herhalen.

Fabrikanten staan ​​voor een unieke uitdaging omdat ze over beperkte gegevens over de bedrijfsomgeving van de klant beschikken. Ze hebben dus zelden gegevens buiten de aangesloten apparatuur die ze verkopen en onderhouden. Dat betekent dat ze mogelijk niet altijd de gelabelde gegevens hebben. En ze moeten vooral nadenken over label uitkomstgegevens omdat de uitkomst een operationeel stuk zou kunnen zijn.

Mogelijk moeten ze andere technieken gebruiken, zoals anomaliedetectie en statistische monitoring. Dat zijn goede opstapjes voordat voorspellende inzichten mogelijk zijn. Dit geldt met name in gevallen waarin een omstandigheid of storingsmodus niet duidelijk is opgeslagen en blijft bestaan.

Ten slotte vereisen proactieve operaties integratie in verschillende systemen om verschillende acties te ondernemen tegen voorspellende inzichten of andere inzichten, of dat nu een verkoopvisualisatie is die een workflow en andere systemen initieert. Het hebben van workflowtools en API-integraties binnen een platform en software die je opnieuw gebruikt, is absoluut essentieel en iets om naar te zoeken.

Een sleutel tot dit alles is om te beseffen dat digitale transformatie uiteindelijk een toegewijde inspanning vereist. Er moet samenwerking zijn en de bereidheid om te leren en te herhalen. Je hebt deze basis nodig om op voort te bouwen, want het is hard werken om technologie te implementeren.

Er is nomagie. De sleutel tot succes is meer dan technologie. Projecten moeten aansluiten bij die overkoepelende visie. Er zijn verschillende belanghebbenden die het eens moeten worden over gemeenschappelijke gegevensdefinities. Er zijn ingenieurs, architecten, datawetenschappers en operators die een manier moeten vinden om samen te werken. Ze hebben van oudsher bestaan ​​in zeer gescheiden universums. Ze moeten samenwerken en pogingen herhalen om inzicht te krijgen en te verkrijgen. Ze moeten betere acties ondernemen om te begrijpen hoe die gegevens de processen in de echte wereld beïnvloeden die ze willen beïnvloeden.

Ze moeten allemaal bereid zijn om deze datagestuurde beslissingen te nemen. En dat vereist uitvoerend leiderschap als voorwaarde voor succes. Leiders die een slecht gedefinieerd project met onrealistische verwachtingen overhoop gooien, lopen het risico te mislukken. U moet beginnen met de bedrijfsdoelen en terugwerken naar een digitale transformatievisie. U moet dit zelfs doen voordat u de goede projecten identificeert die u als bouwsteen voor uw strategie kunt gebruiken.

Kortom, moderne leiders moeten een visie hebben die zowel duidelijk genoeg is om rond te organiseren, als flexibel genoeg om om te gaan met inherente onzekerheid over hoe we precies itereren om daar te komen. Hoe je die balans perfect kunt vinden, is een van die dingen die achteraf meestal duidelijk zijn, maar als je vooruitkijkt, kan het behoorlijk moeilijk zijn.

RTinsights:welke industrieën en toepassingen hebben het meeste te winnen door over te stappen op proactieve operaties?

MacDonald: Elke fabrikant die apparatuur levert die essentieel is voor de bedrijfsvoering van de klant, kan hiervan profiteren. Het zijn situaties waar downtime van cruciaal belang is. Proactieve operaties zijn ook breed toepasbaar om optimalisaties te stimuleren. Maar de businesscase is erg sterk en de kans is enorm voor apparatuur of bedrijfsmiddelen waar uitvaltijd van cruciaal belang is, waar service kostbaar is, en vooral waar veiligheid en naleving van de regelgeving een hoge prioriteit hebben.

Een goed voorbeeld is Howden, een wereldleider in de productie van lucht- en gasbehandelingsoplossingen. De apparatuur wordt gebruikt in sectoren als infrastructuur, energieopwekking, olie en gas, afvalwater, metalen, mijnbouw en transport.

Hun activa zijn van cruciaal belang voor de gezondheid van het systeem. Ze ontwikkelden de Howden Uptime-oplossing, in eerste instantie voor hun hoogwaardige op maat gemaakte activa, een verbonden IoT-oplossing. Hun product geeft inzichten, niet alleen aan hun serviceorganisatie, maar ook aan hun eindklanten.

Waterconcentratie maakte geen deel uit van die oplossing omdat het niet inline werd gecontroleerd in de apparatuur of het activum. (Technici deden routinematig handmatige metingen.) Een van hun olie- en gasklanten had hier problemen mee. Het natuurlijke instinct van de klant is om te zeggen:"Hé, de apparatuur werkt niet. Het veroorzaakt uitvaltijd." Howden wilde het probleem begrijpen. Item voegde een watervoorspellingsmodel toe aan hun applicatie waardoor ze begrepen dat het iets in de operatie was in plaats van de apparatuur. Het model gaf ook inzicht in hoe de apparatuur beter kan worden gebruikt met de omstandigheden van de operatie.

Het was een kans op basis van een belangrijke klant waar ze een enorme kans zagen om hun algehele IoT-oplossing vooruit te helpen en manieren te vinden om voortdurend diagnostische en voorspellende inzichten te leveren. Die oplossing konden ze dan samen met andere klanten gebruiken.

En ik denk dat Howden vooral zou zeggen dat de kritische succesfactor is om de waarde te begrijpen die wordt gecreëerd op het snijvlak van wat ze doen. Data-analyse en voorspellende modellering zijn van fundamenteel belang om de wereldwijde overstap naar servitization te versnellen. En dat gezegd hebbende, een groot deel van de waarde van een proactief serviceproject is het bouwen van een blauwdruk die een strategische concurrentiedifferentiatie biedt in een zeer volwassen industriële markt.