Productiesucces versnellen: Continue waarde via een geïntegreerd ecosysteem

In het kielzog van de COVID-19-pandemie keert de productie terug met een vernieuwde focus op digitale transformatie-initiatieven. De industrie staat op de voordeur van haar lang verwachte renaissance, en het is duidelijk dat productieleiders niet alleen moeten omarmen maar versnellen van innovatie terwijl ze kritieke processen managen zoals capaciteit verhogen terwijl productkwaliteit behouden blijft. Effectieve samenwerking zal de sleutel zijn om beide goed te doen; maar het is nog kritischer nu werkvormen grotendeels remote zijn gegaan.

Terwijl het virus de wereld overspoelde, werd snel duidelijk dat er winnaars en verliezers zouden zijn. Veel fabrikanten werden op het verkeerde been gevangen, zo te zeggen. Voordat de eerder genoemde rekening van de productie, was de industrie al bekend om haar trage adoptie van de digitale, datacentric mindset die andere industrieën getransformeerd heeft.

Dit was in volle bloei toen de industrie schudde. Zelfs degenen die eerder multimiljoenen-dollar Industrie 4.0 of IoT-initiatieven hadden gestart, bleven zonder enige resultaten om te tonen voor hun inspanningen. We hebben klanten die, voordat ze met MachineMetrics werkten, jaren hadden besteed aan het bouwen van hun eigen oplossingen, miljoenen uitgegeven aan custom development en integratie voordat ze initiële waarde obtineerden. Helaas, toen de pandemie raakte, gingen de middelen om die implementaties te sustineren verloren. Niet alleen hadden ze de data niet die ze nodig hadden om in het moment aan te passen, maar ze werden geplaagd door het spook van hun IoT-initiatieven uit het verleden. Met veel fabrikanten die slimme productie in één zak steken met deze grotere corporate IoT-initiatieven, ging de potentiële waarde verloren.

Nu, dit is niet om te zeggen dat de pandemie volledig de schuld is. De waarheid is, pre-pandemie, faalden IIoT-implementaties al bij ongekend hoge percentages (81% McKinsey, 2020). Dit is aan een aantal factoren te wijten, maar voornamelijk de tijdrovende en kostprohibitieve aard van implementatie en deployment. Het resultaat is een grote, onhandige, moeilijk-te-implementeren IoT-"initiatief" zonder actionable use cases om van te spreken. Niet alleen nemen deze ontwikkelingen te lang en kosten te veel, maar een groeiend talenttekort in de productie betekent dat diegenen over de organisatie waarschijnlijk niet de kennis of vaardheden hebben op IT- of OT-niveau om de complexiteiten van het werkend maken te managen.

De vraag van vandaag is: waarom investeren in digitale transformatie-initiatieven op corporate niveau wanneer u nog steeds geen bruikbare data van de fabrieksvloer heeft? Slimme productie vereist geen hele organisatie gewijd aan haar succes.

Voor de meeste fabrikanten moet digitale transformatie beginnen met het vastleggen van inzichten uit het hart van de productie-operaties – wat de machine-assets zijn die deze producten maken en de mensen die ze draaien. Deze assets vertegenwoordigen waarschijnlijk de grootste kapitaaluitgave voor elke productieorganisatie, en produceren duizenden datapunten elke seconde. Toch wordt deze data niet vastgelegd of geanalyseerd om efficiëntie te verbeteren, wat continue verbetering in de knel. Fabrieken van vandaag worden nog steeds geconsumeerd door handmatige processen die leiden tot massive inefficiënties die elk component van de organisatie beïnvloeden. Dit is zichtbaar in het MachineMetrics benchmarkrapport dat stelt dat het gemiddelde machinebenuttingspercentage minder dan 30% is.

De data, en de inzichten (en acties) gedreven door deze data, kunnen de fundering vormen voor fabrikanten om hun bedrijf te laten groeien en zich competitief te differentiëren. In feite is het zeer waarschijnlijk dat de inefficiënties die op machine-niveau bestaan de laagst hangende vrucht zijn om massive business impact te creëren, niet te zeggen de katalysator voor het drijven van veel toekomstige automatisering.

Dit is waarom de fundering van onze aanpak is geweest het leveren van een eenvoudig te gebruiken platform dat de vastlegging en transformatie, of contextualisering, van machinedata automatiseert. Deze capaciteit maakt bruikbare machinedata en inzichten mogelijk in een kwestie van minuten. Ik kan niet genoeg benadrukken hoe ongelooflijk moeilijk die taak in de praktijk eigenlijk is voor bepaalde typen assets zoals werktuigmachines. Het is niet zo simpel als standaardiseren via OPC-UA of MTConnect, zoals we veel providers horen suggereren, omdat alleen een fractie van machines die protocollen ondersteunt. MM heeft duizenden machines aangesloten voor honderden klanten. Zoals eerder gezegd, hebben veel fabrikanten, consultants en systeemintegrators geprobeerd het machinedata-infrastructuur wiel opnieuw te bouwen vanaf nul met wisselende graden van succes als onderdeel van grotere IoT-initiatieven. Deze ontwikkelingsinspanningen, zelfs bij het benutten van een horizontaal IIoT-platform, kunnen maanden zo niet jaren duren. En eenmaal het mechanisme voor het vastleggen en contextualiseren van machinedata gebouwd is, moet het onderhouden worden. Niet alleen is de kost van het sustineren van deze oplossingen prohibitief, maar de verloren opportuniteit en waarde geassocieerd met het verkeerd toewijzen van middelen om iets te ontwikkelen wat al bestaat, resulteert in een competitief nadeel voor de fabrikant.

Nauwkeurige realtime data automatisch vastgelegd en getransformeerd van machine-assets creëert een stevige basis voor het drijven van bottom-line waarde nu en continu. We hebben gevonden dat, gecombineerd met zichtbaarheid en actionability door alerts, analytics, en automatisering getriggerd door deze data, een 15 tot 20% verbetering in benuttingsprestaties gerealiseerd kan worden in een kwestie van maanden.

Eenmaal deze fundamentele stap op zijn plaats is, kan waardebereiking versneld worden in een aantal richtingen door deze data te integreren in andere gesiloede data die op enterprise fabrieks- en organisatiesystemen wonen – van productontwerp, tot productie, kwaliteit, onderhoud, en logistiek (wat we "de machinedata digitale draad benutten" noemen) om oneindige automatisering en kansen op opmerkelijke waarde sneller dan ooit te drijven.

Dit maakt een ecosysteem van fabrikanten en partners mogelijk om waardebereiking te versnellen, en het risico van initiatieffalen te minimaliseren, door de unieke vaardigheden van de entiteiten die deelnemen aan de specifieke IIoT-initiatief optimaal af te stemmen.

Tegenwoordig bestaat het IIoT-ecosysteem uit fabrikanten, machinebouwers, machinebouwdistributeurs, dienstverleners, technologie- en oplossingsaanbieders, systeemintegrators, consultants, en softwareaanbieders. Elke deelnemer heeft hun eigen unieke capaciteit, expertise, of intellectueel eigendom die benut kan worden om een succesvol IIoT-initiatief te drijven. Wanneer deze bronnen misaligned zijn, of sub-optimaal, komen IIoT-initiatieven vaak tekort in het leveren op de beloofde waardepropositie, of ze falen helemaal zoals de statistieken tonen.

Waarop moet de fabrikant zich richten? We geloven dat het in gebieden ligt die voordeel trekken uit hun diepe domeinexpertise. De schoonheid van het MM-platform is dat het de fabrikant, en door uitbreiding, hun ecosysteem van partners, in staat stelt om sleutelprocessen te optimaliseren en innovatieve nieuwe processen door hun operaties te creëren. Analytics, inclusief ML en AI-algoritmen, kunnen ontwikkeld en toegepast worden zowel op de edge als in de cloud, met MM en/of andere analytics-technologieën. Deze afstemming van vaardigheden en technologieën creëert de optimale formule voor snelle en continue waardeschepping voor de fabrikant.

Zoals getoond tijdens de pandemie, kunnen fabrikanten het zich niet permitteren om niet te investeren in digitale transformatie maar weten niet waar ze hun inspanningen moeten richten. Een sub-optimaal model, waar bedrijven proberen te focussen op of te hercreëren iets buiten hun kern-expertise, resulteert minimaal in verspilde tijd en middelen. Waarschijnlijker is het resultaat falen en achterblijven in de race om te differentiëren en incrementele waarde te drijven.

Om dit probleem aan te pakken en voor de digitale fabriek om schaal te bereiken, moet dit simpeler. Succesvolle IIoT-initiatieven vereisen het selecteren van de juiste technologieën samen met de juiste afstemming van de verschillende entiteiten in het ecosysteem die deelnemen aan het initiatief. Om snelle waardebereiking te optimaliseren en risico te reduceren, moet die afstemming de unieke technologie, IP, en domeinexpertise van elke deelnemer benutten. De focus moet liggen op instant data transformatie, out-of-the-box applicaties, automatisering, en integraties in andere best-of-breed fabriekssystemen.

Ik merkte eerder in dit artikel op dat veel fabrikanten lidden tijdens deze moeilijke tijden, en veel van dat lijden was ongetwijfeld buiten hun handen. Ik zou tekortschieten als ik niet op dit moment zou stellen dat we allen grote verliezen hebben geleden het afgelopen jaar, sommigen meer dan anderen. Maar wie waren degenen die succesvol waren? Wie waren de winnaars? De bedrijven die in staat waren om te pivoten, te reageren, aan te passen. En het was geen geluk; ze konden dit doen omdat ze voorbereid waren met de data, de tools, en de mindset om te winnen.

Ons doel bij MachineMetrics is niet om de huidige inspanningen van een fabrikant te vertragen noch te repliceren, maar in plaats daarvan om ze te versnellen en te optimaliseren, om hen te helpen zich voorbereiden en wendbaar te blijven zodat ze ook winnaars kunnen zijn. Voor fabrikanten die geïnvesteerd hebben in grote, onhandige, moeilijk-te-implementeren IoT-initiatieven: nu is een goed moment om op de rem te stappen ten gunste van verticale oplossingen die direct kunnen helpen.

Het ijzer is nog nooit heter geweest. Bent u klaar om te slaan?

Snel waarde bereiken met MachineMetrics

Boek een Demo