Mengapa Waktu yang Tepat untuk Pindah ke Operasi Proaktif
Produsen dan pengguna peralatan ingin memanfaatkan wawasan yang diperoleh dengan menganalisis dan memodelkan IoT dan data sensor untuk transisi dari operasi reaktif ke proaktif.
Adopsi cepat IoT dan sensor pintar yang disematkan oleh produsen peralatan yang dikombinasikan dengan opsi konektivitas baru memberikan akses mudah ke banyak data operasional yang kaya. Semakin, produsen peralatan dan pengguna ingin memanfaatkan wawasan yang diperoleh dengan menganalisis dan memodelkan data tersebut untuk transisi dari operasi reaktif ke proaktif. Baru-baru ini, RTInsights duduk bersama Chris MacDonald, Kepala AI dan Analisis, Solusi Transformasi Digital di PTC, untuk mengeksplorasi apa yang mendorong minat di area ini, tantangan yang dihadapi perusahaan, dan teknologi kunci yang berkontribusi pada kesuksesan. Berikut rangkuman percakapan tersebut.
RTInsights:Mengapa ada minat untuk beralih ke operasi proaktif, dan mengapa sekarang?
MacDonald: Layanan dan aftermarket menjadi aspek penting dari bisnis manufaktur modern. Pelanggan menuntut nilai yang lebih besar, dan produsen menyadari bahwa hubungan jangka panjang yang lebih dekat dengan pelanggan lebih menguntungkan dan berkelanjutan. Dan jika tidak, setidaknya, itu adalah cara untuk memastikan pelanggan kembali untuk menghasilkan pendapatan yang konsisten.
Anda memiliki margin pada produk yang terus-menerus diperas. Perusahaan dan eksekutif memandang layanan sebagai tempat untuk mengimbangi tekanan margin dengan memberikan nilai yang lebih besar, menjalin hubungan pelanggan yang lebih dekat, menawarkan peluang untuk menanamkan solusi lebih dalam ke dalam operasi pelanggan tersebut dan menyediakan produk dan layanan tambahan yang terkait dengan penawaran inti mereka.
Masalah bagi banyak produsen adalah bahwa sebagian besar layanan dan bisnis purna jual telah diturunkan secara tradisional ke pihak ketiga, yang mungkin tidak melakukan hal yang sama persis atau mengikuti panduan ke tee. Menjadi proaktif berarti pergi untuk mendapatkan kembali kendali. Ini sebenarnya mendapatkan kembali visibilitas paling tidak, dan kemudian beberapa tingkat kontrol yang memungkinkan Anda untuk menstandardisasi operasi.
Jika Anda mengambil layanan, yang dapat memiliki margin 2,5x dari penjualan produk baru, dan Anda melihat banyak produsen menghasilkan 40 hingga 50% dari keseluruhan keuntungan mereka dari aftermarket, mudah untuk melihat mengapa produsen memulai dengan wawasan proaktif dan operasi proaktif. Itu memberi mereka kemampuan untuk mendengarkan peralatan dan aset di lapangan dan menyesuaikan gerakan operasional dengan pola yang mereka temukan. Operasi proaktif juga menawarkan cara untuk melindungi profitabilitas bisnis jasa. Mereka kemudian dapat menawarkan SLA yang lebih agresif. Jika mereka melakukannya, kemungkinan besar mereka akan memenangkan bisnis yang menguntungkan dan mempertahankannya dalam jangka panjang.
RTInsights:Apa manfaat menggunakan pendekatan proaktif?
MacDonald: Saya akan menggunakan analogi. Mari kita mundur selangkah dan memikirkan aset fisik atau produk cerdas yang terhubung ini. Anda memiliki data telemetri, dan kemungkinan data lain tentang layanan dari sistem. Itu setara dengan bisa mendengar. Pertanyaannya menjadi, apa yang saya dengarkan? Ada banyak kebisingan, jadi bagaimana cara memilih dan mendengarkan hanya yang penting?
Tanpa mempertimbangkan analitik prediktif dan preskriptif, pikirkan fitur dan kepentingan statistik yang terkait dengan kinerja. Ini memberi Anda kemampuan untuk mendengar dengan jelas nada mana yang cocok atau tidak selaras di tengah kebisingan latar belakang.
Tentu saja, Anda selalu dapat mendengar jeritan. Tapi biasanya, teriakan datang dari seseorang (atau sesuatu) yang sudah dalam semacam krisis, mengalami bahaya. Jadi, Anda sedang menghadapi masalah secara reaktif.
Ada manfaat untuk dapat benar-benar mendengarkan hal-hal yang benar. Anda dapat mulai mengidentifikasi pola dan perilaku kinerja untuk mendiagnosis apa yang terjadi. Pelanggan mengharapkan operasi yang lancar. Mereka cenderung menghukum produsen yang mereka yakini, apakah itu benar atau salah, menyebabkan mereka mengalami downtime yang tidak direncanakan. Mendengarkan nada yang tidak sesuai akan memungkinkan Anda untuk mengatasi masalah sebelum ada teriakan- dari peralatan atau dari pelanggan Anda.
Analyticsmemberikan wawasan diagnostik yang saya bicarakan. Ini dapat melihat penyimpangan dari praktik terbaik atau bagaimana peralatan harus dioperasikan atau digunakan di lingkungan. Operasi proaktif berdasarkan analitik tersebut menemukan masalah sebelum muncul.
Dengan produk yang terhubung, Anda dapat melihat apa yang terjadi di lingkungan tempat aset beroperasi. Analitik, terutama analitik tingkat lanjut, memungkinkan data diproses untuk mengidentifikasi anomali, pola, dan peristiwa yang relevan secara statistik. Itu pada akhirnya memberikan lensa yang lebih objektif tentang apa sebenarnya masalah itu.
Efisiensi layanan dapat ditingkatkan dengan perencanaan dan alokasi sumber daya yang lebih baik. Wawasan prediktif yang membantu transisi produsen dari model layanan berbasis kalender atau perbaikan kerusakan tersebut dapat membuat panggilan layanan menjadi jauh lebih efisien, mengurangi hal-hal seperti roll truk secara keseluruhan, panggilan balik, dan banyak lagi.
Tanpa produk yang terhubung, kami sering mengirim teknisi untuk melakukan diagnosa tersebut hanya untuk mengetahui bahwa mereka tidak memiliki suku cadang yang tepat di truk, atau keahlian yang dibutuhkan untuk memperbaiki masalah. Jika pelanggan mengalami downtime operasional, ini akan menunda perbaikan. Menghindari kegagalan sangat penting. Namun demikian juga efisiensi penyampaian perawatan rutin untuk operasi atau tindakan, daripada hal-hal seperti penggantian sabuk atau pelumasan. Sering kali, melakukan perawatan rutin lebih efisien sebelum secara teknis diperlukan. Dengan cara itu, panggilan layanan biasa dapat diubah menjadi titik sentuh bernilai lebih tinggi.
Juga, teknisi yang baik dengan analitik yang tepat tahu masalah lain apa yang harus dicari. Mereka dapat menjalankan diagnostik yang tepat untuk memecahkan masalah dengan cepat dan mengumpulkan titik data tambahan untuk memberikan wawasan yang lebih baik tentang peralatan di lingkungannya.
Pentingnya kemampuan swalayan jarak jauh seperti itu tidak dapat dilebih-lebihkan, terutama selama pandemi.
RTInsights:Apakah Anda melihat penggunaan analisis dan pemeliharaan preskriptif secara teratur, atau masih terlalu dini?
MacDonald: Ya. Ada gunanya. Tapi itu cenderung lebih merupakan masalah pembuat mesin daripada berkaitan dengan operasi manufaktur. Salah satu kasus penggunaan analisis tenda kami adalah produsen ban. Setiap mesin bangunan memiliki titik setel yang berbeda. Jika tidak dilakukan dengan cara tertentu, itu akan menyebabkan pengerjaan ulang atau memo, yang akhirnya kehilangan uang dan pada akhirnya kehilangan pendapatan.
Seluruh konsep analitik preskriptif terbentuk karena data tersedia, dan mereka tahu datanya. Mereka dapat mengaitkannya dengan hasil operasional dari lensa prediktif. Mereka tahu apa yang akan terjadi sebelum langkah yang mengarah pada hasil itu terjadi. Tetapi mereka juga memiliki tuas. Dalam konteks pembuat mesin, setpoint adalah tuas atau tuas aktual dalam data. Anda dapat mulai menjalankan pengoptimalan dan meresepkan titik setel yang berbeda untuk mencegah masalah tertentu. Itu adalah kasus penggunaan yang setara dengan ratusan dan ratusan juta dolar ROI.
RTInsights:Apakah kita berbicara tentang ROI di sini?
MacDonald: Memang benar, terutama jika Anda mengambilnya dari sudut pandang operasional. Sekali lagi pikirkan saya sebagai produsen mesin pembuat ban atau peralatan lain yang digunakan dalam operasi manufaktur. Pelanggan saya harus mengubah cara mereka melakukan sesuatu untuk mendapatkan penggunaan yang lebih baik dari peralatan mereka. Lalu aku mulai berpikir sendiri, tunggu sebentar. Mungkin spesifikasi teknik saya tidak dikembangkan berdasarkan penggunaan jangka panjang, atau bahkan mensimulasikan kondisi yang tepat. Titik setel lebih dinamis dari yang kami harapkan.
Di situlah Anda mulai berkata:Mungkin saya perlu mulai memberikan analisis titik-titik setel ini dan memberikan aplikasi kepada pelanggan akhir saya. Mungkin jika saya memiliki wawasan tentang bagaimana peralatan saya akan memberikan nilai atau tantangan dalam pengoperasian, saya dapat memberi mereka wawasan tersebut, bahkan sebagai layanan, untuk memastikan hasil operasional tersebut terpenuhi.
RTInsights:Teknologi dasar apa yang sekarang dibutuhkan untuk sukses?
MacDonald: Teknologi penting, tentu saja, adalah konektivitas. Ini memberi kami kemampuan untuk mengontekstualisasikan di mana aset berada dan memberi tahu kami lanskap fisik dalam hal data. Dengan teknologi yang tepat kita dapat memodelkan data dalam kaitannya dengan konteksnya.
Tetapi ada banyak teknologi lain yang juga penting. Ada integrasi sistem yang terlibat dengan konektivitas tepi ke sensor. Ada juga sistem atau sistem layanan lain yang mungkin menjadi bagian dari upaya proaktif secara keseluruhan. Semakin banyak Anda dapat menyediakan kemampuan dan alat yang menyederhanakan integrasi sistem itu, semakin baik.
Pemantauan jarak jauh adalah tempat Anda memulai. Seperti yang saya katakan, Anda harus bisa mendengar setidaknya sebelum Anda mulai mendengarkan.
Saya pikir bantuan jarak jauh yang ditambah, instruksi kerja 3D yang ditambah, dan penangkapan ahli yang ditambah, sangat penting. Hal-hal seperti layanan, manajemen suku cadang, dan manajemen alur kerja dapat memperoleh wawasan dari analitik. Perhitungan statistik dan pembelajaran mesin membuatnya lebih mudah.
Pembelajaran mesin otomatis memungkinkan Anda membuat dan menyetel model dengan lebih cepat untuk mewakili data. Ini membantu Anda mendapatkan prediksi dan hasil yang lebih baik. Dan semua ini harus ditingkatkan dengan analisis umum.
Selain itu, Anda memerlukan platform pengembangan aplikasi. Ada banyak hal yang masuk ke dalam kasus penggunaan operasi proaktif ini. Kemampuan yang paling penting adalah kemampuan untuk menghubungkan, menyimpan, dan memahami data, terutama menggunakan teknik analitik lanjutan, seperti pembelajaran mesin untuk membangun model guna membuat prediksi.
Ini harus dilakukan sebelum Anda menyalakan apa pun. Anda harus memiliki sistem dan aplikasi waktu nyata untuk memasukkan data ke dalam model tersebut. Anda harus memiliki sistem dan aplikasi yang dapat mengambil prediksi dan melakukan sesuatu dengannya.
Peningkatan wawasan dan nilai bisnis sangat luar biasa. Tanpa konektivitas di mana-mana, tidak mungkin untuk menskalakan inisiatif operasi proaktif apa pun di luar skala percontohan. Mengandalkan metode manual yang tidak konsisten untuk mengekstrak data menjadi semakin tidak layak.
Demikian pula, Anda memerlukan berbagai teknik analitik yang tersedia di setiap langkah proses untuk memberikan wawasan yang bermanfaat itu. Pabrikan dapat memulai dengan menambahkan sensor ke dan menghubungkan dari jarak jauh ke peralatan di lapangan. Mereka mulai menetapkan ambang batas yang memperingatkan operator, teknisi jarak jauh, organisasi layanan untuk menyelidiki bahwa suatu peralatan mungkin memiliki masalah potensial.
Ambang batas tersebut, dengan wawasan tambahan, dapat berkembang menjadi situasi seperti rata-rata bergulir dan tolok ukur yang memperhitungkan pemahaman penggunaan normal dan pola operasi. Investigasi yang ditandai dapat dimasukkan ke dalam algoritma pembelajaran mesin. Mereka dapat mengungkap pola penyebab potensial dan menghasilkan diagnostik otomatis yang kaya. Mereka kemudian dapat mulai membuat prediksi dan bahkan resep. Ini memberi kita kesempatan untuk memikirkan kembali proses bisnis dan operasional dari bawah ke atas. Saya pikir ini adalah cara dasar untuk mengubah operasi layanan.
RTInsights:Apa tantangannya saat menggunakan teknologi ini, dan bagaimana PTC membantu?
MacDonald: Pada dasarnya, titik awal awal itu, konektivitas itu, dapat menjadi tantangan untuk mengaktifkan operasi proaktif. Penting untuk terhubung ke perangkat yang berbeda dan versi berbeda dari perangkat serupa dengan mengetahui bahwa perangkat tersebut kemungkinan beroperasi dalam kondisi berbeda di satu pabrikan dan seluruh basis pelanggan mereka. Pengukuran data dan protokol konektivitas teknis pada akhirnya akan berbeda. PTC membantu dengan menawarkan kemampuan yang mendukung hierarki, yang digabungkan dari edge ke cloud, yang memudahkan untuk mendefinisikan dan mengulangi aset digital tersebut.
Produsen menghadapi tantangan unik karena memiliki data yang terbatas tentang lingkungan operasi pelanggan. Sangat jarang mereka memiliki data di luar peralatan terhubung yang mereka jual dan layani. Itu berarti mereka mungkin tidak selalu memiliki data berlabel. Dan mereka harus secara khusus memikirkan data hasil label karena hasil bisa menjadi bagian operasional.
Mereka mungkin harus menggunakan teknik lain, seperti deteksi anomali dan pemantauan statistik. Itu adalah batu loncatan yang baik sebelum wawasan prediktif menjadi mungkin. Ini terutama benar dalam kasus di mana keadaan atau mode kegagalan tidak disimpan dan dipertahankan dengan jelas.
Terakhir, operasi proaktif memerlukan integrasi ke dalam sistem yang berbeda untuk mengambil tindakan berbeda terhadap wawasan prediktif atau wawasan apa pun, baik itu visualisasi yang menarik yang memulai alur kerja dan sistem lainnya. Memiliki alat alur kerja dan integrasi API dalam platform dan pengoperasian perangkat lunak yang Anda gunakan adalah hal yang sangat penting dan harus dicari.
Salah satu kunci dari semua ini adalah menyadari bahwa pada akhirnya, transformasi digital membutuhkan upaya yang berkomitmen. Perlu ada kolaborasi dan kemauan untuk belajar dan mengulang. Anda memerlukan fondasi ini untuk dibangun karena menerapkan teknologi adalah kerja keras.
Ada nomaden. Kunci sukses lebih dari sekadar teknologi. Proyek harus selaras dengan visi menyeluruh itu. Ada berbagai pemangku kepentingan yang harus menyepakati definisi data bersama. Ada insinyur, arsitek, ilmuwan data, dan operator yang harus menemukan cara untuk berkolaborasi. Mereka secara tradisional ada di alam semesta yang sangat terpisah. Mereka harus berkolaborasi dan mengulangi upaya untuk memahami dan memperoleh wawasan. Mereka harus mengambil tindakan yang lebih baik untuk memahami bagaimana data memengaruhi proses dunia nyata yang ingin mereka pengaruhi.
Mereka semua harus bersedia membuat keputusan berdasarkan data ini. Dan itu membutuhkan kepemimpinan eksekutif sebagai prasyarat untuk sukses. Para pemimpin yang melemparkan proyek yang tidak ditentukan dengan harapan yang tidak realistis berisiko gagal. Anda harus mulai dengan tujuan bisnis dan bekerja mundur ke visi transformasi digital. Anda harus melakukan ini bahkan sebelum mengidentifikasi proyek yang bagus untuk digunakan sebagai landasan bagi strategi Anda.
Singkatnya, para pemimpin modern harus memiliki visi yang cukup jelas untuk diorganisir, dan cukup fleksibel untuk menghadapi ketidakpastian yang melekat dalam bagaimana kita beralih ke sana. Cara mencapai keseimbangan dengan sempurna adalah salah satu hal yang cenderung terlihat jelas di belakang, tetapi bisa sangat sulit ketika melihat ke depan.
RTInsights:Industri dan aplikasi mana yang paling diuntungkan dengan beralih ke operasi proaktif?
MacDonald: Setiap pabrikan yang menyediakan peralatan yang penting untuk operasi pelanggan dapat memperoleh manfaat. Ini adalah situasi di mana waktu henti sangat penting. Operasi proaktif juga dapat diterapkan secara luas untuk mendorong pengoptimalan. Tetapi kasus bisnisnya sangat kuat, dan peluangnya sangat besar untuk peralatan atau aset di mana waktu henti sangat penting, di mana layanan mahal, dan terutama di mana keselamatan dan kepatuhan terhadap peraturan merupakan prioritas tinggi.
Contoh yang bagus adalah Howden, yang merupakan pemimpin global dalam pembuatan solusi penanganan udara dan gas. Peralatannya digunakan di berbagai sektor termasuk infrastruktur, pembangkit listrik, minyak dan gas, air limbah, logam, pertambangan, dan transportasi.
Aset mereka sangat penting untuk kesehatan sistem. Mereka mengembangkan solusi Howden Uptime, awalnya untuk aset pesanan kelas atas mereka, yang merupakan solusi IoT yang terhubung. Produk mereka menampilkan wawasan, tidak hanya untuk organisasi layanan mereka, tetapi juga untuk pelanggan akhir mereka.
Konsentrasi air bukan bagian dari solusi itu karena tidak dipantau secara inline dalam peralatan atau aset. (Teknisi melakukan pengukuran manual secara rutin.) Salah satu pelanggan minyak dan gas mereka mengalami masalah dengan hal ini. Naluri alami klien adalah mengatakan, "Hei, peralatannya tidak berfungsi. Ini menyebabkan waktu henti." Howden ingin memahami masalahnya. Item memasukkan model prediksi air ke dalam aplikasi mereka yang memungkinkan mereka untuk memahami bahwa itu adalah sesuatu dalam operasi daripada peralatan. Model ini juga memberikan wawasan tentang cara lebih baik menggunakan peralatan dengan keadaan operasi.
Itu adalah peluang berdasarkan satu klien penting di mana mereka melihat peluang luar biasa untuk memajukan solusi IoT mereka secara keseluruhan dan menemukan cara untuk terus memberikan wawasan diagnostik dan prediktif. Mereka kemudian dapat menggunakan solusi itu dengan klien lain.
Dan saya pikir Howden akan mengatakan, lebih dari segalanya, faktor penentu keberhasilan adalah memahami nilai yang diciptakan di persimpangan dari apa yang mereka lakukan. Analisis data dan pemodelan prediktif adalah dasar untuk mempercepat pergerakan global menuju servis. Dan yang mengatakan, bagian utama dari nilai proyek layanan proaktif adalah membangun cetak biru yang menawarkan diferensiasi kompetitif strategis di pasar industri yang sangat matang.
