Agora é o Momento Perfeito para Migrar para Operações Proativas

Fabricantes de equipamentos e usuários querem aproveitar os insights derivados da análise e modelagem de dados de IoT e sensores para transitar de operações reativas para proativas.

A rápida adoção de IoT e sensores inteligentes embarcados por fabricantes de equipamentos combinada com novas opções de conectividade estão fornecendo fácil acesso a uma riqueza de dados operacionais ricos. Cada vez mais, fabricantes de equipamentos e usuários querem aproveitar os insights derivados da análise e modelagem desses dados para transitar de operações reativas para proativas. Recentemente, o RTInsights conversou com Chris MacDonald, Chefe de IA e Analytics, Soluções de Transformação Digital na PTC, para explorar o que está impulsionando o interesse nessa área, os desafios que as empresas enfrentam e as principais tecnologias que contribuem para o sucesso. Aqui está um resumo dessa conversa.

RTInsights: Por que há interesse em migrar para operações proativas, e por que agora?

MacDonald: Serviço e pós-venda estão se tornando aspectos importantes dos negócios de manufatura modernos. Clientes estão exigindo maior valor, e fabricantes percebem que relacionamentos de longo prazo mais próximos com clientes são mais lucrativos e sustentáveis. E se não são, pelo menos, são uma forma de garantir que os clientes voltem para gerar receita consistente.

Você tem margens nos produtos que são continuamente apertadas. Empresas e executivos olham para o serviço como um lugar para compensar a pressão de margem entregando maior valor, forjando relacionamentos mais próximos com clientes, oferecendo oportunidades para incorporar soluções mais profundamente nas operações desses clientes e fornecer produtos e serviços adicionais relacionados às suas ofertas principais.

O problema para muitos fabricantes é que grande parte do negócio de serviço e pós-venda foi tradicionalmente terceirizado para terceiros, que podem não fazer as coisas exatamente da mesma forma ou seguir diretrizes à risca. Tornar-se proativo é uma maneira de recuperar o controle. É na verdade recuperar visibilidade, pelo menos, e então algum nível de controle que permite padronizar operações.

Se você pegar o serviço, que pode ter margens de 2,5x das vendas de novos produtos, e vir muitos fabricantes gerando 40 a 50% de seu lucro total do pós-venda, é fácil ver por que fabricantes começam com insights proativos e operações proativas. Isso lhes dá a capacidade de ouvir equipamentos e ativos no campo e adaptar movimentos operacionais a padrões que descobrem. Operações proativas também oferecem uma maneira de proteger a rentabilidade do negócio de serviço. Eles podem então oferecer SLAs mais agressivos. Se fizerem isso, é muito mais provável que ganhem negócios lucrativos e os mantenham a longo prazo.

RTInsights: Quais são os benefícios de usar uma abordagem proativa?

MacDonald: Vou usar uma analogia. Vamos dar um passo para trás e pensar sobre esses ativos físicos ou produtos inteligentes e conectados. Você tem dados de telemetria, e potencialmente outros dados sobre serviço de sistemas. Isso é o equivalente a ser capaz de ouvir. A pergunta se torna: no que eu ouço? Há muito ruído, então como eu escolho e ouço apenas o que é importante?

Mesmo sem considerar análise preditiva e prescritiva, pense em características e importância estatística relacionadas ao desempenho. Isso lhe dá a capacidade de ouvir claramente quais notas estão afinadas ou desafinadas em meio ao ruído de fundo.

Claro, você sempre pode ouvir um grito. Mas geralmente, um grito vem de alguém (ou algo) já em algum tipo de crise, sofrendo danos. Então, você está lidando com problemas reativamente.

Há um benefício em ser capaz de realmente ouvir as coisas certas. Você pode começar a identificar padrões de desempenho e comportamentos para diagnosticar o que está acontecendo. Clientes esperam operações contínuas. Eles tendem a penalizar os fabricantes que acreditam, seja certo ou errado, causaram tempo de inatividade não planejado. Ouvir notas desafinadas permitirá que você aborde um problema antes que haja um grito — do equipamento ou do seu cliente.

Análises fornecem os insights diagnósticos sobre os quais falei. Elas podem detectar desvios de melhores práticas ou de como o equipamento deve ser operado ou usado em um ambiente. Operações proativas baseadas nessas análises detectam problemas antes que eles surjam.

Com um produto conectado, você obtém uma visão do que está acontecendo no ambiente onde o ativo está operando. Análises, especialmente análises avançadas, permitem que esses dados sejam processados para identificar anomalias, padrões e eventos estatisticamente relevantes. Isso finalmente fornece uma lente mais objetiva sobre o que um problema realmente é.

A eficiência do serviço pode ser melhorada com melhor planejamento e alocação de recursos. Insights preditivos que ajudam fabricantes a transitar desse modelo de serviço quebrar-consertar ou baseado em calendário podem tornar as chamadas de serviço muito mais eficientes, reduzindo coisas como caminhões rolados no total, retornos e mais.

Sem um produto conectado, frequentemente enviamos um técnico para fazer esses diagnósticos apenas para descobrir que eles não têm a peça certa no caminhão, ou a expertise necessária para consertar um problema. Se um cliente está experimentando tempo de inatividade operacional, isso atrasa o reparo. A evitação de falhas é crítica. Mas também é a eficiência da entrega de manutenção de rotina para operações ou ações, em vez de coisas como trocas de correias ou lubrificação. Muitas vezes, é mais eficiente fazer a manutenção de rotina antes de ser tecnicamente necessário. Dessa forma, chamadas de serviço corriqueiras podem ser transformadas em pontos de contato de maior valor.

Além disso, um bom técnico com as análises certas sabe quais outros problemas procurar. Eles podem executar os diagnósticos certos para resolver o problema rapidamente e coletar pontos de dados adicionais para fornecer melhores insights sobre o equipamento em seu ambiente.

A importância de tais capacidades remotas de autoatendimento não pode ser exagerada, especialmente durante uma pandemia.

RTInsights: Você vê o uso de análises prescritivas e manutenção regularmente, ou ainda é cedo demais?

MacDonald: Sim. Há uso. Mas tende a ser mais uma questão de construtor de máquinas do que ter a ver com operações de manufatura. Um de nossos casos de uso de análise de destaque é um fabricante de pneus. A máquina de construção de pneus tem diferentes pontos de ajuste. Se não for feito de uma certa maneira, leva a retrabalho ou sucata, o que acaba perdendo dinheiro e, em última análise, perda de receita.

Todo o conceito de análise prescritiva tomou forma porque os dados estavam disponíveis, e eles conheciam seus dados. Eles podiam vinculá-lo aos resultados operacionais de uma lente preditiva. Eles sabem o que vai acontecer antes da etapa que leva a esse resultado ocorrer. Mas eles também tinham alavancas. No contexto do construtor de máquinas, os pontos de ajuste são alavancas reais ou alavancas nos dados. Você poderia começar a rodar otimizações e prescrever os diferentes pontos de ajuste para prevenir certos problemas. Esse é um caso de uso equivalendo a centenas e centenas de milhões de dólares de ROI.

RTInsights: Estamos falando de ROI aqui?

MacDonald: Absolutamente é, especialmente se você pegar de um ponto de vista operacional. Novamente pense em mim como o fabricante de máquinas de construção de pneus ou qualquer outro equipamento usado em uma operação de manufatura. Meu cliente tem que mudar a maneira como eles fazem as coisas para obter melhor uso de seu equipamento. Então eu começo a pensar comigo mesmo, espere um minuto. Talvez minhas especificações de engenharia não sejam desenvolvidas baseadas em uso de longo prazo, ou mesmo simulem as condições certas. Os pontos de ajuste são mais dinâmicos do que esperávamos.

É aí que você começa a dizer: Talvez eu precise começar a fornecer a análise desses pontos de ajuste e fornecer um aplicativo para meu cliente final. Talvez se eu tiver o insight sobre como meu equipamento vai entregar valor ou desafios na operação, eu possa fornecer a eles esses insights, até mesmo como um serviço, para garantir que esses resultados operacionais sejam atingidos.

RTInsights: Quais tecnologias subjacentes são necessárias agora para o sucesso?

MacDonald: A tecnologia crítica é, claro, a conectividade. Ela nos dá a capacidade de contextualizar onde os ativos estão e nos deixa saber a paisagem física em termos de dados. Com a tecnologia certa, podemos modelar os dados em relação ao seu contexto.

Mas há muitas outras tecnologias que são importantes também. Há integração de sistema envolvida com conectividade de borda a sensores. Há também outros sistemas ou sistemas de serviço que podem se tornar parte de um esforço proativo geral. Quanto mais você puder fornecer capacidades e ferramentas que simplifiquem essa integração de sistema, melhor.

Monitoramento remoto é o lugar onde você começa. Como eu disse, você deve ser capaz de pelo menos ouvir antes mesmo de começar a escutar.

Eu acho que assistência remota aumentada, instruções de trabalho 3D aumentadas e captura de especialista aumentada são críticas. Coisas como serviço, gerenciamento de peças e gerenciamento de fluxo de trabalho podem derivar insights das análises. Cálculos estatísticos e aprendizado de máquina tornam mais fácil.

Aprendizado de máquina automatizado permite que você crie e ajuste modelos mais rapidamente para representar os dados. Isso ajuda você a obter melhores previsões e resultados. E tudo isso deve ser melhorado com análises gerais.

Além disso, você precisa de uma plataforma de desenvolvimento de aplicativos. Há muito que entra nesses casos de uso de operações proativas. As capacidades mais críticas se resumem à capacidade de conectar, armazenar e dar sentido aos dados, especialmente usando técnicas avançadas de análise, como aprendizado de máquina para construir modelos para fazer previsões.

Isso deve ser feito antes de você ligar qualquer coisa. Você deve ter sistemas e aplicativos em tempo real para obter dados nesses modelos. Você deve ter sistemas e aplicativos que possam pegar a previsão e fazer algo com ela.

A espiral ascendente de insight e valor de negócio é tremenda. Conectividade ubíqua, é impossível escalar qualquer iniciativa de operações proativas além de uma escala piloto. Confiar em métodos manuais e inconsistentes para extrair dados simplesmente se torna cada vez menos viável.

Da mesma forma, você precisa de uma variedade de técnicas de análise disponíveis em cada etapa do processo para entregar aquele insight útil. Um fabricante pode começar adicionando sensores e conectando remotamente equipamentos no campo. Eles começam definindo limites que alertam operadores, técnicos remotos, organizações de serviço para investigar que um equipamento pode ter um problema potencial.

Esses limites, com insight adicional, podem evoluir para situações como médias móveis e benchmarks que levam em conta a compreensão de padrões normais de uso e operação. Investigações que são sinalizadas podem ser alimentadas em algoritmos de aprendizado de máquina. Eles podem descobrir padrões potencialmente causais e produzir diagnósticos automatizados ricos. Eles podem então começar a fazer previsões e até prescrições. Isso nos dá a oportunidade de repensar processos de negócio e operacionais do zero. Eu acho que é uma maneira fundamental de transformar operações de serviço.

RTInsights: Quais são os desafios ao usar essas tecnologias, e como a PTC ajuda?

MacDonald: Fundamentalmente, aquele ponto de partida inicial, aquela conectividade, pode ser um desafio para habilitar operações proativas. É necessário conectar a diferentes dispositivos e diferentes versões de dispositivos semelhantes sabendo que esses dispositivos provavelmente estão operando sob diferentes condições em um fabricante e toda sua base de clientes. As medições de dados e os protocolos de conectividade técnica vão diferir no final. A PTC ajuda oferecendo capacidades que suportam hierarquias, federadas da borda à nuvem, que tornam mais fácil definir e iterar sobre esses ativos digitais.

Fabricantes enfrentam um desafio único em ter dados limitados sobre o ambiente operacional do cliente. Tão raramente eles têm dados fora do equipamento conectado que vendem e servem. Isso significa que eles podem não sempre ter os dados rotulados. E eles têm que pensar especialmente sobre dados de resultado rotulados porque o resultado poderia ser uma peça operacional.

Eles podem ter que usar outras técnicas, como detecção de anomalias e monitoramento estatístico. Esses são bons degraus antes que insights preditivos sejam possíveis. Isso é especialmente verdadeiro nos casos onde uma circunstância ou modo de falha não é claramente armazenado e persistido.

Por fim, operações proativas requerem integração em diferentes sistemas para tomar diferentes ações contra insights preditivos ou quaisquer insights, seja alertando visualização iniciando um fluxo de trabalho e outros sistemas. Ter ferramentas de fluxo de trabalho e integrações API dentro de uma plataforma e software operando que você está usando é absolutamente chave e algo para procurar.

Uma chave para tudo isso é perceber que, em última análise, transformação digital requer um esforço comprometido. Precisa haver colaboração e vontade de aprender e iterar. Você precisa dessa base para construir porque é trabalho duro implementar tecnologia.

Não há mágica. A chave para o sucesso é mais do que tecnologia. Projetos devem estar alinhados a essa visão abrangente. Há uma variedade de partes interessadas que devem concordar em definições de dados comuns. Há engenheiros, arquitetos, cientistas de dados e operadores que devem encontrar uma maneira de colaborar. Eles tradicionalmente existiram em universos muito separados. Eles devem colaborar e iterar esforços para entender e derivar insight. Eles devem tomar melhores ações para entender como esses dados afetam os processos do mundo real que desejam impactar.

Todos devem estar dispostos a tomar essas decisões baseadas em dados. E isso requer liderança executiva como pré-requisito para o sucesso. Líderes que jogam um projeto mal definido com expectativas irreais estão em risco de falhar. Você deve começar com os objetivos de negócio e trabalhar para trás até uma visão de transformação digital. Você deve fazer isso mesmo antes de identificar os bons projetos para usar como bloco de construção para sua estratégia.

Em resumo, líderes modernos devem ter uma visão que seja clara o suficiente para organizar em torno, e flexível o suficiente para lidar com a incerteza inerente em exatamente como iteramos para chegar lá. Como atingir perfeitamente esse equilíbrio é uma daquelas coisas que tende a ser clara em retrospectiva, mas pode ser bastante difícil quando olhando para frente.

RTInsights: Quais indústrias e aplicações têm mais a ganhar migrando para operações proativas?

MacDonald: Qualquer fabricante que fornece equipamento crítico para operações do cliente pode se beneficiar. É em situações onde tempo de inatividade é crítico. Operações proativas também são amplamente aplicáveis para impulsionar otimizações. Mas o caso de negócio é muito forte, e a oportunidade é imensa para equipamentos ou ativos onde tempo de inatividade é crítico, onde serviço é caro, e especialmente onde segurança e conformidade regulatória é alta prioridade.

Um ótimo exemplo é a Howden, que é uma líder global na fabricação de soluções de manuseio de ar e gás. Seu equipamento é usado em setores incluindo infraestrutura, geração de energia, petróleo e gás, águas residuais, metais, mineração e transporte.

Seus ativos são críticos para a saúde do sistema. Eles desenvolveram a solução Howden Uptime, inicialmente para seus ativos sob medida de alta gama, que é uma solução IoT conectada. Seu produto exibe insights, não apenas para sua organização de serviço, mas também para seus clientes finais.

Concentração de água não fazia parte dessa solução pois não era monitorada inline no equipamento ou ativo. (Técnicos estavam fazendo medições manualmente rotineiramente.) Um de seus clientes de petróleo e gás estava tendo problemas com isso. O instinto natural do cliente é dizer: "Ei, o equipamento não está funcionando. Está causando tempo de inatividade." A Howden queria entender o problema. Incorporou um modelo de previsão de água em seu aplicativo que lhes permitiu entender que era algo na operação em vez do equipamento. O modelo também forneceu insight sobre como usar melhor o equipamento com as circunstâncias da operação.

Foi uma oportunidade baseada em um cliente importante onde viram uma tremenda oportunidade de avançar sua solução IoT geral e encontrar maneiras de continuamente entregar insights diagnósticos e preditivos. Eles poderiam então usar essa solução com outros clientes.

E eu acho que a Howden diria, mais do que qualquer coisa, o fator crítico de sucesso é entender o valor criado na interseção do que eles fazem. Análise de dados e modelagem preditiva são fundamentais para acelerar a mudança global para servitização. E dito isso, uma grande parte do valor de um projeto de serviço proativo é construir um blueprint que ofereça uma diferenciação competitiva estratégica em um mercado industrial muito maduro.