Machinedata benutten: Gids voor executives om ROI te drijven met AI en IoT

Wat u hier bracht, zal u niet brengen waar u naartoe gaat. Deze zegswijze kan de sleutel zijn om het verschil te begrijpen in het adopteren en schalen van technologie. Executives hebben gezien hoe het integreren van nieuwe technologie zoals AI en IoT waarde toevoegt, maar missen mijlpaalen en ROI-schattingen. Het volgende zal bekijken hoe executives machinedata kunnen benutten voor business intelligence om die volgende stap te maken.

Problemen met het schalen van pilotprojecten

Een van de huidige drijfveren in manufacturing is het gebruik van technologie om productie te verhogen en kosten te verlagen. Vroege projecten richten zich vaak op connectiviteit en machinedata. Terwijl een machinedataproject belofte kan tonen, kan het falen om de verwachte ROI te halen of te schalen met vergelijkbare resultaten. Dit is vaak omdat de doelen van pilotprogramma's gericht zijn op dat ene project.

Executives zouden moeten weten hoe machinedataprojecten lokaal aan doelen voldoen, maar moeten overwegen hoe lokaal succes andere stakeholders zou beïnvloeden. Terwijl men begrijpt hoe machinedata in het grotere plaatje past, kan nieuwe technologie geen verandering op bedrijfsniveau opleveren totdat een bepaald percentage adoptie of N-waarde bereikt is. Hieronder schetsen we wat u moet overwegen bij het lanceren van een pilotprogramma.

Waar te beginnen?

Ken uw doel en waarom ze belangrijk zijn. Overweeg meerdere projecten (alleen een paar, niet tientallen) die de grootste impact lokaal kunnen tonen, terwijl u het potentieel begrijpt voor het beïnvloeden van hogere niveaus van business intelligence als het slaagt of faalt.

Documenteer uw workflow, bronnen en andere cruciale prestatie-indicatoren om gebieden te identificeren die gemakkelijk te integreren zijn met technologie om snel machinedata te verkrijgen. Weet hoe lang het duurt om voldoende data te krijgen voor accurate resultaten om geïnformeerde beslissingen te nemen. Geïnformeerde beslissingen omvatten twee sets resultaten - tijd om te bepalen of de pilot een succes was, en hoe lang of de hoeveelheid adoptie die nodig is om machinedata te verzamelen voor hogere bedrijfsfuncties.

Maar het is al dertig jaar prima gegaan!

Deze uitspraak is misschien wel de meest schadelijke uitspraak in een dynamische en snel evoluerende industrie. Echter, er is wat waarheid in. Begin niet met de assumptie om legacy-apparatuur te vernietigen of alles te verbinden met nieuwe, state-of-the-art apparaten. Legacy-apparatuur kan nog steeds verbonden worden!

Legacy-apparatuur of netwerken kunnen nog steeds waarde bieden. Ze updaten kan geld uitgeven op afnemende opbrengsten, terwijl dat geld naar een gebied zou kunnen gaan dat een betere ROI oplevert. Wees op de hoogte van nieuwe technologieën die met legacy-apparatuur werken om wat u al heeft te versterken.

Het is aan executives om leiderschap te bieden, maar managers laten doen wat ze weten dat het beste is. Als het om innovatie gaat, ondersteuning van top-down, maar bouwen van bottom-up. Terwijl een executive het tempo en de richting kan bepalen, begrijpen managers misschien de architectuur en workflow beter om case-by-case beslissingen te nemen.

Wil real-time productiezichtbaarheid?

Boek een demo om te leren hoe

Van machinedata naar business data

Een trend in technologie-adoptie is het zoeken naar oplossingen die gemakkelijk een ROI of tastbaar voordeel te bepalen zijn, zoals voorspellend onderhoud. Machinedata kan op de shopfloor achterblijven als executives niet zien hoe het zich verhoudt tot zakelijke doelen. Snelle, geïnformeerde beslissingen op bedrijfsniveau kunnen data omvatten van wat er buiten een bedrijf gebeurt - Sales, supply chain, en wat concurrenten doen. Maar pilotprogramma's bieden de kans om te beginnen te zien hoe machinedata zou kunnen relateren tot…

• De flexibiliteit of responsiviteit van een bedrijf
• Omzet of mogelijkheden voor het creëren van nieuwe omzetstromen
• De klantervaring
• Marketingcampagnes

Misvattingen en oplossingen

Een veelvoorkomende misvatting is dat machinedata verwerkt moet worden om op bedrijfsniveau gebruikt te worden. Bedrijven hebben geld geïnvesteerd in geavanceerde software in een poging om data te filteren voor business analytics. Echter, custom oplossingen kunnen duur zijn, lang duren om te ontwikkelen, en niet flexibel of eenvoudig aanpasbaar zijn eenmaal op hun plaats.

One-size-fits-all of off-the-shelf oplossingen kunnen snel te integreren zijn, maar ook beperkend. Het vinden van meer hybride oplossingen die modulaire en aanpasbare software bieden, is waardevol bij het starten. Zoek naar technologieleveranciers die Software as a Service (SaaS) bieden, dynamische dashboards en microservices die in staat zijn Edge en Cloud machinedata te mitigeren. Hybride oplossingen maken het mogelijk om snel te starten en aan te passen met gecustomiseerde functies zoals nodig.

SaaS met real-time machinedata, alerts en notificaties zijn geweldig om de shopfloor in beweging te houden, terwijl extra functies zoals Key Performance Indicators (KPI) en Enterprise Resource Planning (ERP) helpen om het grote plaatje in de gaten te houden, supply chain voorraad aan te sturen, en executives helpen geïnformeerde zakelijke beslissingen te nemen.

Overkoepelend moeten executives innovaties ondersteunen en de bedrijfscultuur drijven naar het gebruik van machinedata-analytics. Immers, data is de toekomst van manufacturing. Dit kan gedaan worden door pilot-, trainings- en bonusprogramma's te stimuleren. Een communicatiesysteem creëren waar werknemers ideeën of problemen kunnen delen, kan helpen aan te geven welke programma's uw werknemers het beste motiveren. In sommige gevallen hebben bedrijven gamification of competities zoals hackathons geïntroduceerd om werknemers te betrekken en te educeren. Onthoud gewoon: wat u hier bracht, zal u niet brengen waar u naartoe gaat. Houd niet vast aan gisteren's oplossingen bij het aanpakken van morgen's doelen.