De impact van zichtbare machinegegevens in de Executive Suite

Wat je hier heeft gebracht, zal je niet brengen waar je naartoe gaat. Dit gezegde kan de sleutel zijn tot het begrijpen van het verschil in het adopteren en schalen van technologie. Leidinggevenden hebben gezien hoe de integratie van nieuwe technologie zoals AI en IoT waarde toevoegt, maar missen mijlpalen en ROI-schattingen. Hieronder wordt besproken hoe leidinggevenden machinegegevens kunnen gebruiken voor business intelligence om die volgende stap te bereiken.

Problemen met het opschalen van proefprojecten

Een van de huidige drijfveren in de maakindustrie is het gebruik van technologie om de productie te verhogen en de kosten te verlagen. Veel vroege projecten richten zich op connectiviteit en machinegegevens. Hoewel een machinegegevensproject veelbelovend kan zijn, kan het niet voldoen aan de verwachte ROI of schaal met vergelijkbare resultaten. Dit komt vaak doordat de doelstellingen van pilotprogramma's gericht zijn op dat ene project.

Leidinggevenden moeten weten hoe machinedataprojecten lokale doelstellingen bereiken, maar overwegen hoe lokaal succes andere belanghebbenden zou beïnvloeden. Hoewel we begrijpen hoe machinegegevens in het grotere geheel passen, levert nieuwe technologie mogelijk geen verandering op bedrijfsniveau op totdat een bepaald percentage van acceptatie of N-waarde is bereikt. Hieronder schetsen we waar u rekening mee moet houden bij het starten van een proefprogramma.

Waar te beginnen?

Ken uw doelstelling en waarom deze belangrijk zijn. Overweeg meerdere projecten (slechts een paar, niet tientallen) die lokaal de grootste impact kunnen hebben, terwijl u begrijpt wat het potentieel is om hogere niveaus van bedrijfsinformatie te beïnvloeden als het slaagt of faalt.

Documenteer uw workflow, middelen en andere belangrijke prestatie-indicatoren om gebieden te identificeren waar technologie snel kan worden geïntegreerd om machinegegevens te verkrijgen. Weet hoe lang het duurt om voldoende gegevens te verzamelen voor nauwkeurige resultaten om weloverwogen beslissingen te nemen. Geïnformeerde beslissingen omvatten twee reeksen resultaten:tijd om te bepalen of de pilot een succes was, en hoe lang of hoeveel adoptie nodig is om machinegegevens te verzamelen voor hogere zakelijke functies.

Maar het gaat al dertig jaar goed!

Deze verklaring is misschien wel de meest schadelijke verklaring in een dynamische en snel evoluerende industrie. Hier zit echter enige waarheid in. Begin niet met de aanname om verouderde apparatuur te vernietigen of alles te verbinden met nieuwe, ultramoderne apparaten. Oudere apparatuur kan nog steeds worden aangesloten!

Verouderde apparatuur of netwerken kunnen nog steeds waarde bieden. Als u ze bijwerkt, zou u geld kunnen uitgeven aan afnemende opbrengsten, terwijl dat geld naar een gebied zou kunnen gaan dat een betere ROI zou opleveren. Wees je bewust van nieuwe technologieën die werken met oudere apparatuur om te versterken wat je al hebt.

Het is aan leidinggevenden om leiding te geven, maar laat managers doen wat zij weten dat het beste is. Als het gaat om innovatie, steun van bovenaf, maar bouw van onderaf. Hoewel een leidinggevende het tempo en de richting kan bepalen, kunnen managers de architectuur en workflow beter begrijpen om per geval beslissingen te nemen.

Wilt u realtime zichtbaarheid van de productie?

Machinegegevens naar bedrijfsgegevens

Een trend in de adoptie van technologie is het vinden van oplossingen waarvan gemakkelijk een ROI kan worden bepaald of waar tastbaar voordeel uit kan worden gehaald, zoals voorspellend onderhoud. Machinegegevens kunnen op de fabrieksvloer worden achtergelaten als leidinggevenden niet kunnen zien hoe deze zich verhouden tot bedrijfsdoelen. Het nemen van snelle, weloverwogen beslissingen op bedrijfsniveau kan gegevens bevatten over wat er buiten een bedrijf gebeurt - verkoop, toeleveringsketen en wat concurrenten doen. Maar proefprogramma's bieden een kans om te zien hoe machinegegevens zich kunnen verhouden tot...

• De flexibiliteit of het reactievermogen van een bedrijf
• Inkomsten of mogelijkheden voor het creëren van nieuwe inkomstenstromen
• De klantervaring
• Marketingcampagnes

Misvattingen en oplossingen

Een veel voorkomende misvatting is dat machinegegevens moeten worden verwerkt om ze op bedrijfsniveau te kunnen gebruiken. Bedrijven hebben geld geïnvesteerd in geavanceerde software in een poging gegevens te filteren voor bedrijfsanalyses. Aangepaste oplossingen kunnen echter duur zijn, lang duren om te ontwikkelen en kunnen niet flexibel of gemakkelijk aanpasbaar zijn als ze eenmaal zijn geïnstalleerd.

One-size-fits-all of kant-en-klare oplossingen kunnen snel te integreren zijn, maar ook beperkend. Het vinden van meer hybride oplossingen die modulaire en aanpasbare software bieden, is waardevol wanneer u aan de slag gaat. Zoek naar technologieproviders die software as a service (SaaS) aanbieden, dynamische dashboards en microservices bieden die Edge- en Cloud-machinegegevens kunnen verminderen. Hybride oplossingen maken het mogelijk om snel aan de slag te gaan en indien nodig aan te passen met aangepaste functies.

SaaS met realtime machinegegevens, waarschuwingen en meldingen is geweldig om de werkvloer in beweging te houden, terwijl extra functies zoals Key Performance Indicators (KPI) en Enterprise Resource Planning (ERP) helpen om het grote geheel in de gaten te houden, de supply chain te stimuleren inventariseren en leidinggevenden helpen weloverwogen zakelijke beslissingen te nemen.

Over het algemeen moeten leidinggevenden innovaties ondersteunen en de bedrijfscultuur stimuleren om machinedata-analyse te gebruiken. Data is immers de toekomst van de maakindustrie. Dit kan door pilot-, training- en bonusprogramma's aan te moedigen. Door een communicatiesysteem te creëren waarin werknemers ideeën of problemen kunnen delen, kan worden aangegeven welke programma's uw werknemers het beste motiveren. In sommige gevallen hebben bedrijven gamification of competities zoals hackathons geïntroduceerd om werknemers te betrekken en op te leiden. Onthoud gewoon dat wat je heeft gebracht waar je bent, je niet zal brengen waar je heen gaat. Houd niet vast aan de oplossingen van gisteren bij het aanpakken van de doelstellingen van morgen.