Nu Is Het Ideale Moment om over te Stappen op Proactieve Operaties

Apparaatfabrikanten en -gebruikers willen de inzichten benutten die voortkomen uit het analyseren en modelleren van IoT- en sensordata om over te stappen van reactieve naar proactieve operaties.

RTInsights: Waarom is er interesse in het overstappen naar proactieve operaties, en waarom nu?

MacDonald: Service en aftermarket worden belangrijke aspecten van moderne productiebedrijven. Klanten eisen meer waarde, en fabrikanten beseffen dat langdurige, nauwere klantrelaties winstgevender en duurzamer zijn. En als dat niet zo is, zijn ze tenminste een manier om te zorgen dat klanten terugkeren om consistente inkomsten te genereren.

Je hebt marges op producten die continu onder druk staan. Bedrijven en directeuren kijken naar service als een plek om marge-druk te compenseren door meer waarde te leveren, nauwere klantrelaties te smeden, kansen te bieden om oplossingen dieper in de klantoperaties te integreren en aanvullende producten en diensten aan te bieden die gerelateerd zijn aan hun kernaanbod.

Het probleem voor veel fabrikanten is dat een groot deel van de service- en aftermarket-activiteiten traditioneel is uitgebesteed aan derden, die dingen niet precies op dezelfde manier doen of de richtlijnen niet tot in de puntjes volgen. Proactief worden is een manier om controle terug te winnen. Het is eigenlijk het terugwinnen van zichtbaarheid op zijn minst, en dan een bepaald niveau van controle dat je in staat stelt om operaties te standaardiseren.

Als je service neemt, wat marges kan hebben van 2,5x van nieuwe productverkopen, en je ziet dat veel fabrikanten 40 tot 50% van hun totale winst genereren uit de aftermarket, is het makkelijk te zien waarom fabrikanten beginnen met proactieve inzichten en proactieve operaties. Dat geeft hen de mogelijkheid om naar apparaten en assets in het veld te luisteren en operationele bewegingen aan te passen aan patronen die ze ontdekken. Proactieve operaties bieden ook een manier om de winstgevendheid van het servicebusiness te beschermen. Ze kunnen dan agressievere SLAs aanbieden. Als ze dat doen, zijn ze veel waarschijnlijker winstgevend business te winnen en dat op de langere termijn te behouden.

RTInsights: Wat zijn de voordelen van een proactieve benadering?

MacDonald: Ik ga een analogie gebruiken. Laten we een stap terug maken en nadenken over deze fysieke assets of slimme, verbonden producten. Je hebt telemetriedata, en potentiële andere data over service van systemen. Dat is het equivalent van kunnen horen. De vraag wordt: naar wat luister ik? Er is veel ruis, dus hoe pik ik alleen wat belangrijk is uit?

Zelfs zonder rekening te houden met predictieve en prescriptieve analytics, denk aan features en statistische betrouwbaarheid gerelateerd aan prestaties. Het geeft je de mogelijkheid om helder te horen welke noten in of uit toon zijn achter de achtergrondruis.

Je kunt altijd een schreeuw horen. Maar meestal komt een schreeuw van iemand (of iets) dat al in een soort crisis zit, schade oploopt. Dus je bent met problemen reactief bezig.

Er is een voordeel in het kunnen luisteren naar de juiste dingen. Je kunt beginnen met het identificeren van prestatiepatronen en gedrag om te diagnosticeren wat er aan de hand is. Klanten verwachten naadloze operaties. Ze straffen fabrikanten die ze geloven, of dat nu terecht is of niet, onverwachte downtime hebben veroorzaakt. Het horen van noten die uit toon zijn, stelt je in staat om een probleem aan te pakken voordat er een schreeuw komt - van het apparaat of van je klant.

Analytics leveren de diagnostische inzichten waar ik het over had. Het kan afwijkingen van best practices of hoe apparaten in een omgeving bediend of gebruikt moeten worden, opsporen. Proactieve operaties gebaseerd op die analytics sporen problemen op voordat ze zich voordoen.

Met een verbonden product krijg je een blik in wat er gebeurt in de omgeving waar de asset opereert. Analytics, met name geavanceerde analytics, stelt die data in staat om verwerkt te worden om statistisch relevante afwijkingen, patronen en gebeurtenissen te identificeren. Dat levert uiteindelijk een meer objectieve lens op wat een probleem echt is.

Service-efficiëntie kan verbeterd worden met betere planning en resource-allocatie. Predictieve inzichten die fabrikanten helpen over te stappen van dat break-fix- of kalendergebaseerde servicemodel, kunnen serviceoproepen veel efficiënter maken, wat dingen als totaal aantal truck rolls, callbacks en meer reduceert.

Zonder een verbonden product sturen we vaak een technicus uit om die diagnostiek te doen, alleen om te ontdekken dat ze het juiste onderdeel niet op de truck hebben, of de expertise om een probleem op te lossen. Als een klant operationele downtime ervaart, vertraagt dit de reparatie. Vermijding van falen is cruciaal. Maar evenzeer is de efficiëntie van de levering van routinematig onderhoud voor operaties of acties, in plaats van dingen als riemvervangingen of smering. Vaak is het efficiënter om het routinematige onderhoud te doen voordat het technisch noodzakelijk is. Op die manier kunnen gewone serviceoproepen getransformeerd worden in hogere-waarde aanrakingspunten.

Ook een goede technicus met de juiste analytics weet naar welke andere problemen te kijken. Ze kunnen de juiste diagnostiek draaien om het probleem snel op te lossen en extra datapunten verzamelen om betere inzichten te leveren over het apparaat in zijn omgeving.

Het belang van dergelijke remote, self-service mogelijkheden kan niet genoeg benadrukt worden, zeker tijdens een pandemie.

RTInsights: Zie je het gebruik van prescriptieve analytics en onderhoud al op reguliere basis, of is het nog te vroeg?

MacDonald: Ja. Er is gebruik. Maar het neigt er meer naar een machine-builder-kwestie dan te maken te hebben met productie-operaties. Een van onze flagship analytics use cases is een bandenfabrikant. De bandenbouwmachine heeft verschillende instelpunten. Als het niet op een bepaalde manier gedaan wordt, leidt dat tot herwerk of schroot, wat uiteindelijk geld en inkomstenverlies oplevert.

Het hele concept van prescriptieve analytics vormde zich omdat de data beschikbaar was, en ze hun data kenden. Ze konden het koppelen aan operationele resultaten vanuit een predictief perspectief. Ze weten wat er zal gebeuren voordat de stap die leidt tot dat resultaat plaatsvindt. Maar ze hadden ook hefbomen. In de machine-builder-context zijn de instelpunten echte hefbomen of hefbomen in de data. Je kunt beginnen met optimalisaties draaien en de verschillende instelpunten voorschrijven om bepaalde problemen te voorkomen. Dat is een use case die gelijkstaat aan honderden miljoenen dollars ROI.

RTInsights: Praten we hier over ROI?

MacDonald: Het is absoluut dat, zeker als je het vanuit een operationeel standpunt bekijkt. Weer, denk aan mij als fabrikant van bandenbouwmachines of elk ander stuk apparatuur dat in een productieoperatie gebruikt wordt. Mijn klant moet de manier veranderen waarop ze dingen doen om beter gebruik te maken van hun apparatuur. Dan begin ik me af te vragen: wacht even. Misschijn mijn engineering-specificaties zijn niet gebaseerd op langdurig gebruik, of simuleren zelfs niet de juiste omstandigheden. De instelpunten zijn dynamischer dan we verwachtten.

Dat is waar je begint te zeggen: misschien moet ik beginnen met het leveren van de analyse van deze instelpunten en een applicatie aan mijn eindklant bieden. Misschien als ik inzicht heb in hoe mijn apparatuur waarde of uitdagingen in de operatie gaat leveren, kan ik hen die inzichten bieden, zelfs als een service, om ervoor te zorgen dat die operationele resultaten gehaald worden.

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 assets zijn en ons de fysieke landschap in termen van data te laten kennen. Met de juiste technologie kunnen we de data modelleren in relatie tot zijn context.

Maar er zijn veel andere technologieën die ook belangrijk zijn. Er is systeemintegratie betrokken met edge-connectiviteit naar sensoren. Er zijn ook andere systemen of servicesystemen die onderdeel kunnen worden van een algehele proactieve inspanning. Hoe meer je capaciteiten en tools kunt bieden die die systeemintegratie vereenvoudigen, hoe beter.

Remote monitoring is de plek waar je begint. Zoals gezegd, je moet tenminste kunnen horen voordat je begint te luisteren.

Ik denk dat augmented remote assistance, augmented 3D-werkinstructies, en augmented expert capture, cruciaal zijn. Dingen als service, onderdelenbeheer, en workflow-beheer kunnen inzichten afleiden uit de analytics. Statistische berekeningen en machine learning maken het makkelijker.

Geautomatiseerde machine learning laat je modellen sneller creëren en tunen om de data te representeren. Dit helpt je betere voorspellingen en resultaten te krijgen. En al dit moet verbeterd worden met algemene analytics.

Daarnaast heb je een applicatieontwikkelplatform nodig. Er zit veel in deze proactieve operaties use cases. De meest kritieke capaciteiten komen neer op het vermogen om te connecteren, op te slaan en zin te geven aan data, met name met geavanceerde analytics-technieken, zoals machine learning om modellen te bouwen die voorspellingen maken.

Dit moet gedaan zijn voordat je iets aanzet. Je moet real-time systemen en applicaties hebben om data in die modellen te krijgen. Je moet systemen en applicaties hebben die de voorspelling kunnen nemen en er iets mee doen.

Op dezelfde manier heb je een verscheidenheid aan analytics-technieken nodig die op elke stap van het proces beschikbaar zijn om die nuttige inzicht te leveren. Een fabrikant kan beginnen met sensoren aan apparaten in het veld toevoegen en ze remote verbinden. Ze beginnen drempelwaarden instellen die operatoren, remote technici, serviceorganisaties waarschuwen dat een stuk apparatuur een potentieel probleem kan hebben.

Die drempelwaarden, met additioneel inzicht, kunnen evolueren naar situaties als rollende gemiddelden en benchmarks die rekening houden met het begrip van normaal gebruik en bedrijfspatronen. Onderzoeken die gevlagd worden, kunnen in machine learning-algoritmes gevoed worden. Ze kunnen potentieel causale patronen ontdekken en rijke geautomatiseerde diagnostiek produceren. Ze kunnen dan beginnen met voorspellingen en zelfs voorschriften te maken. Het geeft ons de mogelijkheid om zakelijke en operationele processen vanaf de grond af aan te herdenken. Ik denk dat het een foundationele manier is om service-operaties te transformeren.

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

MacDonald: Fundamenteel kan dat initiële startpunt, die connectiviteit, een uitdaging zijn om proactieve operaties te ermöglichen. Het is nodig om te verbinden met verschillende apparaten en verschillende versies van vergelijkbare apparaten, wetende dat die apparaten waarschijnlijk onder verschillende omstandigheden opereren bij één fabrikant en hun hele klantenbasis. De datametingen en de technische connectiviteitsprotocollen zullen uiteenlopend zijn. PTC helpt door capaciteiten aan te bieden die hiërarchieën ondersteunen, gefedereerd van edge naar cloud, die het makkelijker maken om die digitale assets te definiëren en te itereren.

Fabrikanten staan voor een unieke uitdaging doordat ze beperkte data hebben over de operationele omgeving van de klant. Zelden hebben ze data buiten de verbonden apparatuur die ze verkopen en service. Dat betekent dat ze niet altijd de gelabelde data hebben. En ze moeten vooral nadenken over label outcome data omdat het resultaat een operationeel stuk kan zijn.

Ze moeten misschien andere technieken gebruiken, zoals anomaliedetectie en statistische monitoring. Die zijn goede stapstenen voordat predictieve inzichten mogelijk zijn. Dit is vooral het geval in gevallen waar een omstandigheid of falenmodus niet duidelijk opgeslagen en bewaard is.

Tot slot vereisen proactieve operaties integratie in verschillende systemen om verschillende acties te ondernemen tegen predictieve inzichten of enig inzicht, of dat nu alarmering, visualisatie, initiatie van een workflow en andere systemen is. Workflow-tools en API-integraties binnen een platform en software die je gebruikt, is absoluut cruciaal en iets waar je naar moet zoeken.

Één sleutel tot al dit is te realiseren dat, uiteindelijke, digitale transformatie een toegewezen inspanning vereist. Er moet samenwerking zijn en een bereidheid om te leren en te itereren. Je hebt deze basis nodig om op te bouwen omdat het harde werk is om technologie te implementeren.

Er is geen magie. De sleutel tot succes is meer dan technologie. Projecten moeten afgestemd zijn op die overkoepelende visie. Er zijn diverse stakeholders die akkoord moeten gaan met gemeenschappelijke datadefinities. Er zijn ingenieurs, architecten, data scientists, en operators die een manier moeten vinden om te collaboreren. Ze hebben traditioneel in heel afzonderlijke universums bestaan. Ze moeten collaboreren en itereren om te begrijpen en inzicht te verkrijgen. Ze moeten betere acties ondernemen om te begrijpen hoe die data de real-world processen beïnvloedt die ze willen beïnvloeden.

Ze moeten allemaal bereid zijn om deze data-gedreven beslissingen te nemen. En dat vereist executief leiderschap als voorwaarde voor succes. Leiders die een slecht gedefinieerd project met onrealistische verwachtingen gooien, lopen het risico te faalen. Je moet beginnen met de zakelijke doelen en achterwaarts werken naar een digitale transformatievisie. Je moet dit doen nog voordat je de goede projecten identificeert om als bouwsteen voor je strategie te gebruiken.

Kortom, moderne leiders moeten een visie hebben die zowel helder genoeg is om omheen te organiseren, als flexibel genoeg om om te gaan met de inherent onzekerheid in hoe we exact itereren om er te komen. Hoe die balans perfect te vinden, is een van die dingen die in hindsight duidelijk zijn, maar best moeilijk kunnen zijn als je vooruit kijkt.

RTInsights: Welke industrieën en toepassingen hebben het meest te winnen door over te stappen op proactieve operaties?

MacDonald: Elke fabrikant die apparatuur levert die kritisch is voor klantoperaties, kan er baat bij hebben. Het gaat om situaties waar downtime kritisch is. Proactieve operaties zijn ook breed toepasbaar om optimalisaties te drijven. Maar de business case is erg sterk, en de kans is immens voor apparatuur of assets waar downtime kritisch is, waar service duur is, en vooral waar veiligheid en regelgevingscompliance een hoge prioriteit hebben.

Een geweldig voorbeeld is Howden, een wereldleider in de productie van lucht- en gasafhandelingsoplossingen. Hun apparatuur wordt gebruikt in sectoren zoals infrastructuur, energieopwekking, olie en gas, afvalwater, metalen, mijnbouw, en transport.

Hun assets zijn kritisch voor systeemgezondheid. Ze ontwikkelden de Howden Uptime-oplossing, initieel voor hun high-end maatwerkassets, wat een verbonden IoT-oplossing is. Hun product toont inzichten, niet alleen aan hun serviceorganisatie, maar ook aan hun eindklanten.

Waterconcentratie was geen deel van die oplossing omdat het niet inline in de apparatuur of de asset gemonitoreerd werd. (Technici namen routinematig handmatige metingen.) Een van hun olie- en gasklanten had daar problemen met. De klant zijn natuurlijke instinkt is te zeggen: "Hey, de apparatuur werkt niet. Het veroorzaakt downtime." Howden wilde het probleem begrijpen. Het insloeg een water-voorspellingsmodel in hun applicatie dat hen toeliet te begrijpen dat het iets in de operatie was rather than de apparatuur. Het model leverde ook inzicht over hoe de apparatuur beter gebruikt kon worden gegeven de omstandigheden van de operatie.

Het was een kans gebaseerd op één belangrijke klant waar ze een enorme kans zagen om hun algehele IoT-oplossing te verbeteren en manieren te vinden om continu diagnostische en predictieve inzichten te leveren. Ze konden die oplossing dan met andere klanten gebruiken.

En ik denk dat Howden zou zeggen, meer dan alles, is de kritieke succesfactor om de waarde te begrijpen die gecreëerd wordt op het snijpunt van wat ze doen. Data-analytics en predictieve modellering zijn foundationeel voor het versnellen van de wereldwijde beweging naar servitisering. En dat gezegd hebbende, is een groot deel van de waarde van een proactief serviceproject het bouwen van een blauwdruk die een strategische competitieve differentiatie biedt in wat een zeer volwassen industriële markt is.