Saat Ini Adalah Momen Tepat untuk Beralih ke Operasi Proaktif

Pabrikan peralatan dan pengguna ingin memanfaatkan wawasan yang diperoleh dengan menganalisis dan memodelkan data IoT dan sensor untuk bertransisi dari operasi reaktif ke proaktif.

Pengadopsi IoT dan sensor cerdas terpadu yang cepat oleh pabrikan peralatan digabungkan dengan opsi konektivitas baru memberikan akses mudah ke data operasional yang kaya. Secara berkala, pabrikan peralatan dan pengguna ingin memanfaatkan wawasan yang diperoleh dengan menganalisis dan memodelkan data tersebut untuk bertransisi dari operasi reaktif ke proaktif. Baru-baru ini, RTInsights duduk bersama Chris MacDonald, Head of AI and Analytics, Digital Transformation Solutions di PTC, untuk menjelajahi apa yang mendorong minat di area ini, tantangan yang dihadapi perusahaan, dan teknologi kunci yang berkontribusi pada keberhasilan. Berikut adalah ringkasan percakapan tersebut.

RTInsights: Mengapa ada minat untuk bergerak ke operasi proaktif, dan mengapa sekarang?

MacDonald: Layanan dan pasca penjualan menjadi aspek penting dari bisnis manufaktur modern. Pelanggan menuntut nilai yang lebih besar, dan pabrikan menyadari bahwa hubungan pelanggan yang lebih dekat dan jangka panjang lebih menguntungkan dan berkelanjutan. Dan jika tidak, setidaknya mereka adalah cara untuk memastikan pelanggan kembali untuk menghasilkan pendapatan yang konsisten.

Anda memiliki margin pada produk yang terus diseutam. Perusahaan dan eksekutif melihat layanan sebagai tempat untuk menimbulkan tekanan margin dengan memberikan nilai yang lebih besar, membentuk hubungan pelanggan yang lebih dekat, menawarkan peluang untuk menyematkan solusi lebih dalam ke dalam operasi pelanggan tersebut dan menyediakan produk dan layanan tambahan yang terkait dengan tawaran inti mereka.

Masalah bagi banyak pabrikan adalah bahwa sebagian besar bisnis layanan dan pasca penjualan telah ditanggalkan secara tradisional kepada pihak ketiga, yang mungkin tidak melakukan hal-hal dengan cara yang sama atau mengikuti pedoman sepenuhnya. Berpindah ke proaktif adalah cara untuk mendapatkan kontrol kembali. Ini sebenarnya mendapatkan visibilitas setidaknya, dan kemudian beberapa tingkat kontrol yang memungkinkan Anda untuk menstandarkan operasi.

Jika Anda mengambil layanan, yang dapat memiliki margin 2,5x dari penjualan produk baru, dan Anda melihat banyak pabrikan menghasilkan 40 hingga 50 persen keuntungan keseluruhan mereka dari pasca penjualan, mudah untuk melihat mengapa pabrikan 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 keuntungan bisnis layanan. Mereka kemudian dapat menawarkan SLA yang lebih agresif. Jika mereka melakukan itu, mereka jauh lebih mungkin untuk memenangkan bisnis menguntungkan dan mempertahankannya dalam jangka panjang.

RTInsights: Apa manfaat menggunakan pendekatan proaktif?

MacDonald: Saya akan menggunakan analogi. Mari kita mundur sedikit dan pikirkan tentang aset fisik ini atau produk cerdas yang terhubung. Anda memiliki data telemetri, dan potensial data lain tentang layanan dari sistem. Itu setara dengan bisa mendengar. Pertanyaan menjadi, apa yang harus saya dengarkan? Ada banyak kebisingan, jadi bagaimana saya memilih dan hanya mendengar yang penting?

Tanpa bahkan mempertimbangkan analitik prediktif dan preskriptif, pikirkan tentang fitur dan kepentingan statistik yang terkait dengan kinerja. Itu memberi Anda kemampuan untuk mendengar dengan jelas nada mana yang keliru atau tidak dari latar belakang kebisingan.

Tentu, Anda selalu dapat mendengar teriakan. Tetapi biasanya, teriakan datang dari seseorang (atau sesuatu) yang sudah dalam krisis, mengalami kerusakan. Jadi, Anda sedang menangani masalah secara reaktif.

Ada manfaat dari dapat benar-benar mendengar hal yang benar. Anda dapat mulai mengidentifikasi pola dan perilaku kinerja untuk mendiagnosis apa yang terjadi. Pelanggan mengharapkan operasi yang lancar. Mereka cenderung memberikan hukuman pada pabrikan yang mereka percayai, baik benar atau salah, menyebabkan mereka waktu henti yang tidak terduga. Mendengar nada yang keliru akan memungkinkan Anda untuk mengatasi masalah sebelum ada teriakan — dari peralatan atau dari pelanggan Anda.

Analitik memberikan wawasan diagnostik yang saya bicarakan. Ini dapat mendeteksi simpangan dari praktik terbaik atau bagaimana peralatan harus dioperasikan atau digunakan dalam lingkungan. Operasi proaktif berdasarkan analitik tersebut mendeteksi masalah sebelum timbul.

Dengan produk yang terhubung, Anda mendapatkan gambaran tentang apa yang terjadi dalam lingkungan di mana aset beroperasi. Analitik, terutama analitik lanjutan, memungkinkan data tersebut diproses untuk mengidentifikasi anomali, pola, dan peristiwa yang relevan secara statistik. Itu pada akhirnya memberikan lensa yang lebih objektif tentang apa sebenarnya masalahnya.

Efisiensi layanan dapat ditingkatkan dengan perencanaan dan alokasi sumber daya yang lebih baik. Wawasan prediktif yang membantu pabrikan bertransisi dari model pemeliharaan break-fix atau berbasis kalender dapat membuat panggilan layanan jauh lebih efisien, mengurangi hal-hal seperti total truck rolls, callbacks, dan lebih banyak.

Tanpa produk yang terhubung, kami sering mengirim teknisi untuk melakukan diagnostik hanya untuk menemukan bahwa mereka tidak memiliki suku cadang yang tepat di truk, atau keahlian yang diperlukan untuk memperbaiki masalah. Jika pelanggan mengalami waktu henti operasional, ini menunda perbaikan. Penghindaran kegagalan sangat penting. Tetapi begitu juga efisiensi pengiriman pemeliharaan rutin untuk operasi atau tindakan, alih-alih hal-hal seperti penggantian sabuk atau pelumas. Banyak kali, lebih efisien untuk melakukan pemeliharaan rutin sebelum secara teknis diperlukan. Dengan cara itu, panggilan layanan rutin dapat diubah menjadi titik sentuhan dengan nilai lebih tinggi.

Juga, seorang teknisi yang baik dengan analitik yang tepat tahu masalah lain yang harus dicari. Mereka dapat menjalankan diagnostik yang tepat untuk menyelesaikan masalah dengan cepat dan mengumpulkan titik data tambahan untuk memberikan wawasan yang lebih baik tentang peralatan dalam lingkungannya.

Pentingnya kemampuan self-service jarak jauh semacam ini tidak dapat dilebih-lebihkan, terutama selama pandemi.

RTInsights: Apakah Anda melihat penggunaan analitik preskriptif dan pemeliharaan secara teratur, atau masih terlalu awal?

MacDonald: Ya. Ada penggunaan. Tetapi cenderung lebih menjadi masalah pembuat mesin daripada berkaitan dengan operasi manufaktur. Salah satu kasus penggunaan analitik unggulan kami adalah produsen ban. Mesin pembuatan ban memiliki titik set yang berbeda. Jika tidak dilakukan dengan cara tertentu, itu akan menyebabkan rework atau sisa, yang pada akhirnya mengakibatkan kehilangan uang dan pada akhirnya kehilangan pendapatan.

Seluruh konsep analitik preskriptif terbentuk karena data tersedia, dan mereka mengenal data mereka. Mereka dapat mengaitkannya dengan hasil operasional dari sudut pandang prediktif. Mereka tahu apa yang akan terjadi sebelum langkah yang mengarah ke hasil tersebut terjadi. Tetapi mereka juga memiliki tuas. Dalam konteks pembuat mesin, titik set adalah tuas nyata atau tuas dalam data. Anda dapat mulai menjalankan optimasi dan meresepkan titik set yang berbeda untuk mencegah masalah tertentu. Itu adalah kasus penggunaan yang setara dengan ratusan juta dolar ROI.

RTInsights: Apakah kita berbicara tentang ROI di sini?

MacDonald: Itu pasti, terutama jika Anda melihatnya dari sudut pandang operasional. Lagi pikirkan saya sebagai produsen mesin pembuatan ban atau peralatan lain yang digunakan dalam operasi manufaktur. Pelanggan saya harus mengubah cara mereka melakukan hal-hal untuk mendapatkan penggunaan yang lebih baik dari peralatan mereka. Lalu saya mulai berpikir kepada diri sendiri, tunggu sejenak. Mungkin spesifikasi teknis saya tidak dikembangkan berdasarkan penggunaan jangka panjang, atau bahkan mensimulasikan kondisi yang benar. Titik set lebih dinamis dari yang kita harapkan.

Itulah tempat Anda mulai berkata: Mungkin saya perlu mulai menyediakan analisis titik set ini dan menyediakan aplikasi untuk pelanggan akhir saya. Mungkin jika saya memiliki wawasan tentang bagaimana peralatan saya akan memberikan nilai atau tantangan dalam operasi, saya dapat memberikan mereka wawasan itu, bahkan sebagai layanan, untuk memastikan hasil operasional terpenuhi.

RTInsights: Apa teknologi mendasar yang sekarang diperlukan untuk keberhasilan?

MacDonald: Teknologi kritis adalah, tentunya, konektivitas. Ini memberi kita kemampuan untuk mengkontekstualisasi di mana aset berada dan memberi tahu kami lanskap fisik dalam hal data. Dengan teknologi yang tepat kita dapat memodelkan data dalam hubungan dengan konteksnya.

Tetapi ada banyak teknologi lain yang juga penting. Ada integrasi sistem yang terlibat dengan konektivitas edge ke sensor. Ada juga sistem lain atau sistem layanan 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 setidaknya bisa mendengar sebelum Anda bahkan mulai mendengarkan.

Saya pikir bantuan jarak jauh yang diperkaya, petunjuk kerja 3D yang diperkaya, dan tangkapan ahli yang diperkaya, sangat penting. Hal-hal seperti layanan, manajemen suku cadang, dan manajemen alur kerja dapat mendapatkan wawasan dari analitik. Perhitungan statistik dan machine learning membuatnya lebih mudah.

Machine learning yang diotomatisasi memungkinkan Anda menciptakan dan menyesuaikan model dengan lebih cepat untuk mewakili data. Ini membantu Anda mendapatkan prediksi dan hasil yang lebih baik. Dan semuanya ini harus ditingkatkan dengan analitik umum.

Selain itu, Anda memerlukan platform pengembangan aplikasi. Ada banyak yang terlibat dalam kasus penggunaan operasi proaktif ini. Kemampuan yang paling kritis kembali pada kemampuan untuk terhubung, menyimpan dan memahami data, terutama menggunakan teknik analitik lanjutan, seperti machine learning untuk membangun model untuk membuat prediksi.

Ini harus dilakukan sebelum Anda menyalakan sesuatu. Anda harus memiliki sistem dan aplikasi real-time untuk memasukkan data ke dalam model tersebut. Anda harus memiliki sistem dan aplikasi yang dapat mengambil prediksi dan melakukan sesuatu padanya.

Spiral naik wawasan dan nilai bisnis adalah luar biasa. Tanpa konektivitas yang seragam, tidak mungkin untuk menskalakan setiap inisiatif operasi proaktif di luar skala pilot. Bergantung pada metode manual dan tidak konsisten untuk mengekstrak data hanya menjadi kurang dan kurang possible.

Demikian pula, Anda memerlukan berbagai teknik analitik yang tersedia pada setiap langkah proses untuk memberikan wawasan yang berguna. Produsen mungkin mulai dengan menambahkan sensor dan terhubung secara jarak jauh ke peralatan di lapangan. Mereka mulai menetapkan ambang batas yang memberi tahu operator, teknisi jarak jauh, organisasi layanan untuk menyelidiki bahwa sebuah peralatan mungkin memiliki masalah potensial.

Ambang batas tersebut, dengan wawasan tambahan, dapat berevolusi menjadi situasi seperti rata-rata bergulir dan patokan yang mempertimbangkan pemahaman tentang penggunaan dan pola operasi normal. Penyelidikan yang ditandai dapat diumpankan ke dalam algoritma machine learning. Mereka dapat mengungkap pola yang potensial kausatif dan menghasilkan diagnostik otomatis yang kaya. Mereka kemudian dapat mulai membuat prediksi dan bahkan resep. Ini memberi kami kesempatan untuk memikirkan ulang proses bisnis dan operasional dari nol. Saya pikir ini adalah cara dasar untuk transformasi operasi layanan.

RTInsights: Apa tantangan saat menggunakan teknologi ini, dan bagaimana PTC membantu?

MacDonald: Secara mendasar, titik awal awal itu, konektivitas, dapat menjadi tantangan untuk mengaktifkan operasi proaktif. Perlu untuk terhubung ke berbagai perangkat dan berbagai versi perangkat yang sama mengetahui bahwa perangkat tersebut mungkin beroperasi di bawah kondisi yang berbeda di seluruh satu produsen dan basis pelanggan mereka. Pengukuran data dan protokol konektivitas teknis pada akhirnya akan berbeda. PTC membantu dengan menyediakan kemampuan yang mendukung hierarki, yang digabungkan dari edge ke cloud, yang memudahkan untuk mendefinisikan dan mengulang aset digital tersebut.

Produsen menghadapi tantangan unik dengan memiliki data yang terbatas tentang lingkungan operasi pelanggan. Jarang mereka memiliki data di luar peralatan terhubung yang mereka jual dan layani. Itu berarti mereka mungkin tidak selalu memiliki data yang berlabel. Dan mereka harus terutama memikirkan data hasil label karena hasilnya bisa menjadi bagian operasional.

Mereka mungkin harus menggunakan teknik lain, seperti deteksi anomali dan pemantauan statistik. Itu adalah langkah perantara yang baik sebelum wawasan prediktif mungkin. Ini terutama benar dalam kasus di mana keadaan atau mode kegagalan tidak tersimpan dan bertahan dengan jelas.

Terakhir, operasi proaktif membutuhkan integrasi ke dalam sistem berbeda untuk mengambil tindakan yang berbeda terhadap wawasan prediktif atau wawasan lainnya, apakah itu visualisasi pemberitahuan memulai alur kerja dan sistem lain. Memiliki alat alur kerja dan integrasi API dalam platform dan perangkat lunak yang Anda gunakan adalah sangat penting dan sesuatu yang harus dicari.

Salah satu kunci dari semuanya ini adalah untuk menyadari bahwa, pada akhirnya, transformasi digital membutuhkan upaya yang komitmen. Ada kolaborasi dan keinginan untuk belajar dan untuk mengulang. Anda membutuhkan fondasi ini untuk membangun karena sulit untuk menerapkan teknologi.

Tidak ada sihir. Kunci keberhasilan lebih dari sekadar teknologi. Proyek harus selaras dengan visi yang sama. Ada berbagai pemangku kepentingan yang harus setuju pada definisi data umum. Ada insinyur, arsitek, ilmuwan data, dan operator yang harus menemukan cara untuk berkolaborasi. Mereka tradisionalnya telah ada dalam universi yang sangat terpisah. Mereka harus berkolaborasi dan mengulang upaya untuk memahami dan mendapatkan wawasan. Mereka harus mengambil tindakan yang lebih baik untuk memahami bagaimana data itu mempengaruhi proses dunia nyata yang mereka ingin dampati.

Mereka semua harus bersedia untuk membuat keputusan yang didorong data. Dan itu memerlukan kepemimpinan eksekutif sebagai prasyarat untuk keberhasilan. Pemimpin yang melemparkan proyek yang tidak didefinisikan dengan harapan yang tidak realistis berisiko gagal. Anda harus memulai dengan tujuan bisnis dan bekerja mundur ke visi transformasi digital. Anda harus melakukan ini bahkan sebelum mengidentifikasi proyek yang baik untuk digunakan sebagai blok bangunan untuk strategi Anda.

Singkatnya, pemimpin modern harus memiliki visi yang cukup jelas untuk diorganisir di sekitarnya, dan cukup fleksibel untuk menangani ketidakpastian yang inherent dalam cara tepatnya kita mengulang untuk sampai ke sana. Bagaimana cara mencari keseimbangan yang sempurna adalah salah satu hal yang cenderung jelas secara retrospektif tetapi dapat cukup sulit saat melihat ke depan.

RTInsights: Industri dan aplikasi apa yang paling banyak mendapat manfaat dengan beralih ke operasi proaktif?

MacDonald: Setiap produsen yang menyediakan peralatan yang krusial untuk operasi pelanggan dapat mendapat manfaat. Ini dalam situasi di mana waktu henti adalah kritis. Operasi proaktif juga secara luas dapat diterapkan untuk mendorong optimisasi. Tetapi kasus bisnis sangat kuat, dan peluangnya besar untuk peralatan atau aset di mana waktu henti adalah kritis, di mana layanan mahal, dan terutama di mana keselamatan dan kepatuhan regulasi adalah prioritas tinggi.

Contoh bagus adalah Howden, yang adalah pemimpin global dalam manufaktur solusi penanganan udara dan gas. Peralatan mereka digunakan di sektor termasuk infrastruktur, generasi listrik, minyak dan gas, air limbah, logam, pertambangan, dan transportasi.

Aset mereka krusial untuk kesehatan sistem. Mereka mengembangkan solusi Howden Uptime, awalnya untuk aset khas tinggi mereka, yang adalah 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 tersebut karena tidak dipantau secara inline dalam peralatan atau aset. (Teknisi sedang mengambil pengukuran manual secara rutin.) Salah satu pelanggan minyak dan gas mereka mengalami masalah dengan ini. Insting alami klien adalah untuk mengatakan, "Hey, peralatan tidak berfungsi. Ini menyebabkan waktu henti." Howden ingin memahami masalah. Ini menyematkan model prediksi air ke dalam aplikasi mereka yang memungkinkan mereka untuk memahami bahwa itu ada sesuatu dalam operasi daripada peralatan. Model juga memberikan wawasan tentang cara menggunakan peralatan yang lebih baik dengan keadaan operasi.

Itu adalah peluang berdasarkan satu klien penting tempat mereka melihat peluang yang luar biasa untuk meningkatkan solusi IoT keseluruhan mereka dan menemukan cara untuk terus menyediakan wawasan diagnostik dan prediktif. Mereka kemudian dapat menggunakan solusi itu dengan klien lain.

Dan saya pikir Howden akan mengatakan, lebih dari segalanya, faktor keberhasilan kritis adalah untuk memahami nilai yang diciptakan di persimpangan apa yang mereka lakukan. Analitik data dan pemodelan prediktif adalah dasar untuk mempercepat gerak global menuju servitization. Dan itu dikatakan, sebagian besar nilai dari proyek layanan proaktif adalah membangun blauprint yang menawarkan diferensiasi kompetitif strategis dalam pasar industri yang sangat matang.