Monitoramento Remoto de Condição e Serviço Remoto:Chaves para Entrega de Serviço Eficiente para Equipes de Serviço

As empresas estão recorrendo ao serviço remoto e ao monitoramento de condições para reduzir custos, fazer uso mais eficiente da equipe de serviço e melhorar muito as operações de seus equipamentos em campo.

Os fabricantes de equipamentos hoje devem diferenciar suas ofertas em desempenho e confiabilidade. Freqüentemente, a chave para ambos é o serviço. No entanto, aumentar os esforços de serviço pode ser trabalhoso e caro. Cada vez mais, as empresas estão recorrendo ao serviço remoto e ao monitoramento de condições para reduzir custos, fazer uso mais eficiente da equipe de serviço e melhorar muito as operações de seus equipamentos em campo.

A RTInsights conversou recentemente com Fernando Martinez Calderon, Gerente de Soluções da Indústria MindSphere da Siemens. Discutimos os pontos problemáticos do monitoramento e manutenção de equipamentos e como as soluções de IoT que incluem monitoramento remoto de condições e ofertas de serviços remotos podem ajudar substancialmente. Especificamente, discutimos o MindSphere®, IoT industrial como solução de serviço da Siemens. Aqui está um resumo da nossa conversa.

RTInsights:quais benefícios as empresas obtêm usando uma solução de IoT industrial, como o MindSphere, para monitoramento remoto de condições e serviço remoto?

Martinez Calderón :há muitos benefícios, e eles se tornam mais fortes quando você implementa o tipo certo de soluções. Por exemplo, vamos dar uma olhada em alguns dos recursos do MindSphere Asset Health and Service Hub solução, que permite monitoramento remoto de condições e serviço remoto, e muito mais. Um fabricante ou OEM pode ter transparência total e contínua sobre a condição de um equipamento. Os dados brutos coletados podem ser monitorados e analisados ​​na borda para processos críticos e, em seguida, enviados para a nuvem para análise e processamento adicionais. Com a capacidade de fazer análises de borda, os dados confidenciais permanecem no local; além disso, é possível definir quais dados são enviados para a nuvem, bem como sua granularidade e frequência. Por exemplo, o valor médio de certos sinais a cada hora ou talvez apenas no caso de um determinado gatilho ser detectado.

Essa combinação de ponta a nuvem oferece aos provedores de serviços uma compreensão real de como a máquina está operando enquanto protege a privacidade de seus clientes. Mas, em última análise, o valor subjacente é detectar anomalias em um estágio inicial, antes que se tornem problemas reais.

Esses recursos estão se tornando cada vez mais críticos. Durante anos, os fabricantes de equipamentos focaram principalmente na venda de suas máquinas e consideraram o serviço como um item secundário a ser oferecido. Isso foi bom até que a concorrência de fornecedores de preços mais baixos começou a surgir, especialmente de países asiáticos. A simples venda de máquinas deixou de ser lucrativa – o serviço tornou-se um fator diferenciador.

Para competir efetivamente com fornecedores de baixo custo e ficar à frente na guerra de recursos/funções, os fabricantes precisam garantir que suas máquinas estejam sempre funcionando e sejam as mais confiáveis. Eles precisam garantir que suas máquinas possam ter o maior rendimento e menos problemas.

Agora, alguns fabricantes de máquinas ganham até metade de seus lucros por meio de contratos de serviço. No entanto, fornecer um serviço estelar pode ser caro, especialmente para empresas que fazem isso sozinhas. Mas com a solução da Siemens, um fabricante ou OEM de máquina pode alinhar seus interesses de forma eficaz. Isso os ajuda a oferecer um serviço muito melhor sem aumentar os custos – ou até mesmo em alguns casos, eles reduzem os custos. Uma medida comum de eficácia nesta área é o KPI chamado caso de custo por serviço. O MindSphere Asset Health and Service Hub pode reduzir esse KPI.

Para isso, a solução ajuda a eliminar os casos de emergência, que são os mais caros. Fabricantes e OEMs de máquinas têm a capacidade de identificar – por meio dos dados coletados – sempre que uma anomalia está ocorrendo e resolvê-la antes que se torne um problema maior. Isso é diferente do monitoramento de condições convencional, que exige que os especialistas viajem até seus clientes e realizem uma análise da integridade da máquina uma ou duas vezes por ano.

Usando a solução, fabricantes e OEMs de máquinas obtêm monitoramento contínuo sem enviar alguém ao local. Este é o passo número um. Além disso, a solução não apenas monitora sinais “lentos”, como pressão e temperatura, mas também monitora as vibrações das máquinas. Ao medir as vibrações e outros parâmetros críticos, um fabricante ou OEM de máquina pode detectar problemas com meses de antecedência.

Para os recursos de monitoramento remoto de condições, a solução usa o sistema MindConnect Edge Analytics. Com ele, um OEM é capaz de detectar e analisar anomalias antes que se tornem problemas reais e, às vezes, pode corrigi-los remotamente.

Em alguns casos, como quando o hardware precisa ser substituído, uma visita ao local ainda é necessária. Mas nesses casos, essa visita ao site pode ser mais produtiva. Conhecendo a situação, um técnico com as habilidades certas – e equipado com as peças certas – pode ser enviado para manutenção. Eles sabem qual é o problema e podem corrigi-lo imediatamente.

RTInsights:Você falou muito sobre monitoramento remoto de condições; e os recursos de manutenção remota?

Martinez Calderón: A segunda parte principal da solução Asset Health and Service Hub é o serviço remoto , que pode ser usado para analisar remotamente, reparar ou, pelo menos, realizar atividades de mitigação.

Por exemplo, suponha que o sistema de monitoramento remoto de condições detecte uma anomalia de uma máquina. O engenheiro de serviço precisa acessar os dados armazenados da máquina para realizar uma análise abrangente da causa raiz. Isso geralmente envolve um técnico de serviço que precisa estar no local. Uma vez determinado o problema, é necessária uma segunda visita para reparar a máquina ou substituir um componente. Como você pode ver, isso requer várias visitas, o que resulta em tempos de viagem caros e situações de paralisação prolongada.

Usando o serviço remoto MindSphere , os engenheiros de serviço podem ver os dados e realizar o primeiro diagnóstico remotamente. Isso significa que, quando um especialista viaja até a máquina, é a pessoa certa com as ferramentas e as peças certas na primeira vez. Indo além, dependendo do tipo de problema, todo o reparo pode ser feito remotamente, eliminando a necessidade de uma visita ao local.

Juntos, esses recursos de monitoramento remoto de condições e serviços remotos tornam a solução Asset Health and Service Hub muito poderosa. A combinação permite que os usuários da máquina praticamente eliminem paralisações ou situações de emergência. Claro, sempre haverá algum serviço e manutenção acontecendo, mas pelo menos é planejado e os recursos da equipe de serviço são gastos com mais sabedoria.

RTInsights:quais pontos problemáticos essas soluções abordam?

Martinez Calderón: Os principais pontos problemáticos são paradas não planejadas bem como aumento dos custos de serviço .

As primeiras paralisações não planejadas geralmente são o resultado de uma reação reativa abordagem de manutenção. O problema com essa abordagem é que quando o equipamento quebra, o provedor de serviço precisa ser informado, então uma equipe de serviço deve ir ao local para analisar o problema. Se não for uma solução rápida, eles saem e voltam alguns dias depois com as ferramentas certas, o colega certo e as peças certas para consertar o equipamento. Essa abordagem reativa é como o serviço é feito para muitas máquinas, mas é demorado, caro e ineficiente.

Uma abordagem um pouco melhor é ser proativo . Para máquinas críticas, geralmente é adotada uma abordagem de manutenção preventiva. Em vez de esperar que algo quebre, as equipes de serviço verificam as máquinas fazendo visitas ao local em períodos de tempo fixos (uma vez por ano, a cada seis meses, uma vez por trimestre etc.). Durante essas visitas, eles tentam detectar problemas antes que impactem negativamente a produção. No entanto, os problemas só podem ser detectados algumas vezes – ainda há momentos em que essa abordagem falha.

Por exemplo, suponha que o serviço agendado regularmente para uma determinada máquina seja definido para o feriado de Natal quando as coisas estiverem lentas. O que acontece se ocorrer um problema em novembro? Agora o serviço é reativo, resultando potencialmente em paralisações, problemas com a qualidade ou menor produção. Além disso, essa abordagem ainda exige que alguém esteja viajando permanentemente para verificar como as máquinas estão se saindo.

Um preditivo abordagem, combinada com recursos de serviço remoto, é muito mais eficaz. Dessa forma, as equipes de atendimento viajam muito menos e conseguem reagir de forma mais ágil e organizada. Essa é a abordagem oferecida pela solução MindSphere Asset Health and Service Hub da Siemens.

RTInsights:você pode falar um pouco mais sobre essa diferença entre manutenção preditiva e proativa/reativa?

Martinez Calderón: Para entender por que isso é tão importante, basta observar como o serviço está sendo feito. Normalmente, a única informação que um provedor de serviços recebe é um telefonema de um cliente informando que há um problema – uma máquina parou de funcionar. Embora tentem explicar como isso aconteceu, esses tipos de descrições não são muito úteis. Além disso, eles são baseados na opinião/observações do cliente e não em dados reais do equipamento.

A empresa então envia um técnico ao local, mas muitas vezes eles entram despreparados, mais como detetives para descobrir:“Qual é o problema com esta máquina? Por que quebrou?” Durante esta visita, eles podem não ter as ferramentas certas, as peças de reposição certas e, às vezes, nem mesmo o conjunto de habilidades certo.

Com a solução Siemens MindSphere, fabricantes e OEMs de máquinas podem realizar essa primeira análise preditiva de um local remoto, com base em dados e fatos, e antes de uma falha completa da máquina. Se os sensores indicarem anomalias, o trabalho de detecção começa nessa primeira indicação. Eles podem analisar esses dados e encontrar a causa raiz dos problemas sem precisar ir ao local.

Isso é enorme porque diminui a quantidade de viagens. A solução permite que a equipe de atendimento organize e planeje seu trabalho em vez de operar em modo de emergência. Ou, se não for uma correção de hardware, eles podem atender remotamente a máquina com atualizações de software para corrigir esses tipos de problemas. Isso é muito mais fácil de usar para quem está recebendo o serviço porque obtém uma resolução imediata e sem despesas de viagem.

RTInsights:Para encerrar, você pode resumir os benefícios de usar as soluções Siemens MindSphere?

Martinez Calderón: A Siemens introduziu uma interface única e integrada para unir nossos sistemas, o que nos diferencia muito de nossos concorrentes de mercado. Alguns têm sistemas de monitoramento. Outros têm plataformas IoT. E há outros que possuem recursos e aplicativos de serviços remotos ou sistemas de emissão de bilhetes. Somente a Siemens tornou as soluções conectadas e muito fáceis de usar. As equipes de serviço têm o poder de realmente se concentrar no uso do conhecimento para fornecer valor aos seus clientes.

Temos sistemas de monitoramento remoto de condições em execução. Caso identifique anomalias, acionará um evento ou alarme automático. Ele essencialmente levanta a mão e diz:“Há algo que não está bem comigo”. De forma imediata e automática, a solução integrada Asset Health e Service Hub cria um tíquete de serviço. O tíquete de serviço passará pelo gerenciamento do ciclo de vida do tíquete e permanecerá aberto até que o provedor de serviços resolva o problema e feche o tíquete.

Durante o ciclo de vida do ticket, tudo o que está acontecendo está sendo registrado no ticket. Isso significa que muitos processos de protocolo que as equipes de serviço tiveram que fazer agora são atendidos automaticamente por nossa solução. Tudo está sendo monitorado. Está tudo protocolado.

Esse é apenas o primeiro passo. Depois, os usuários podem analisar esses tickets e os casos de serviço. Eles são capazes de dizer:“Ok, no ano passado, que tipo de casos de serviço estão ocorrendo na maioria das vezes? Existe algum problema sistemático com a máquina? Algo relacionado ao serviço está sendo negligenciado?”

Esse tipo de análise de longo prazo é o que as empresas realmente gostam. Os painéis de serviço remoto fornecem insights sobre KPIs, como por quanto tempo um ticket geralmente fica aberto? Quanto tempo uma determinada máquina permanece em um estado saudável? Com que frequência tem bilhetes? Existe alguma periodicidade dos bilhetes? Ao analisar esses casos de serviço, podemos fornecer todos os tipos de insights para fabricantes de equipamentos e OEMs.

E como somos a Siemens, atendemos aos requisitos da indústria para monitoramento remoto de condições, bem como para serviço remoto. Estamos usando esses sistemas em nossas próprias fábricas, que são algumas das maiores e mais avançadas fábricas do mundo. Essas soluções funcionam muito bem e agregam muito valor. Estamos trazendo toda essa experiência, todo esse conhecimento para o mundo exterior, porque achamos que é uma situação ganha-ganha para todos.