El momento perfecto para cambiar a operaciones proactivas

Fabricantes de equipos y usuarios quieren aprovechar los insights derivados del análisis y modelado de datos IoT y de sensores para pasar de operaciones reactivas a proactivas.

Por qué el interés en operaciones proactivas y por qué ahora

Chris MacDonald, Head of AI and Analytics en PTC: El servicio y posventa son aspectos cada vez más importantes de los negocios manufactureros modernos. Los clientes exigen mayor valor, y los fabricantes se dan cuenta de que las relaciones a largo plazo más cercanas con clientes son más rentables y sostenibles. Al menos, son una forma de asegurar que los clientes regresen para generar ingresos consistentes.

Los márgenes en productos se aprietan continuamente. Ejecutivos miran al servicio para compensar la presión de márgenes entregando mayor valor, forjando relaciones más cercanas, ofreciendo oportunidades para integrar soluciones más profundamente en operaciones del cliente y proporcionar productos y servicios adicionales relacionados con sus ofertas principales.

El problema para muchos fabricantes es que gran parte del negocio de servicio y posventa se ha externalizado tradicionalmente a terceros, que pueden no hacer las cosas exactamente igual ni seguir guías al pie de la letra. Volverse proactivo es una forma de recuperar control. Es recuperar visibilidad como mínimo, y luego cierto nivel de control que permite estandarizar operaciones.

Si tomas el servicio, que puede tener márgenes 2,5x las ventas de nuevos productos, y ves que muchos fabricantes generan 40-50% de su beneficio total del posventa, es fácil ver por qué empiezan con insights y operaciones proactivas. Eso les da capacidad de "escuchar" equipos y activos en el campo y adaptar movimientos operativos a patrones que descubren. Operaciones proactivas también protegen la rentabilidad del negocio de servicio. Pueden ofrecer SLAs más agresivos. Si lo hacen, es mucho más probable que ganen negocio rentable y lo mantengan a largo plazo.

Beneficios de un enfoque proactivo

MacDonald usa una analogía: pensemos en activos físicos o productos inteligentes y conectados. Tienes datos de telemetría y potencialmente otros datos de servicio de sistemas. Eso equivale a poder "oír". La pregunta es: ¿a qué escucho? Hay mucho ruido, ¿cómo elijo y escucho solo lo importante?

Sin siquiera considerar analítica predictiva y prescriptiva, piensa en características e importancia estadística relacionada con rendimiento. Te da capacidad de oír claramente qué notas están afinadas o desafinadas en medio del ruido de fondo.

Por supuesto, siempre oyes un grito. Pero usualmente un grito viene de alguien (o algo) ya en crisis, sufriendo daño. Así que tratas problemas reactivamente.

Hay beneficio en poder escuchar realmente las cosas correctas. Puedes identificar patrones y comportamientos de rendimiento para diagnosticar qué sucede. Los clientes esperan operaciones sin fisuras. Penalizan a fabricantes que creen, con razón o no, que les causaron tiempo de inactividad no planificado. Oír notas desafinadas te permite abordar un problema antes del grito —del equipo o del cliente.

La analítica entrega insights diagnósticos. Puede detectar desviaciones de mejores prácticas o cómo debería operarse el equipo en un entorno. Operaciones proactivas basadas en esa analítica detectan problemas antes de que surjan.

Con un producto conectado, obtienes vista de lo que sucede en el entorno donde opera el activo. La analítica, especialmente avanzada, permite procesar esos datos para identificar anomalías, patrones y eventos estadísticamente relevantes. Eso proporciona una lente más objetiva sobre qué es realmente un problema.

La eficiencia del servicio mejora con mejor planificación y asignación de recursos. Insights predictivos que ayudan a fabricantes a pasar de modelo break-fix o basado en calendario pueden hacer llamadas de servicio mucho más eficientes, reduciendo camiones enviados, devoluciones, etc.

Sin producto conectado, a menudo enviamos técnico a hacer diagnósticos solo para descubrir que no tiene la pieza correcta en el camión, o la experiencia necesaria. Si el cliente tiene inactividad operativa, esto retrasa la reparación. La evitación de fallos es crítica. Pero también lo es la eficiencia en la entrega de mantenimiento rutinario: en lugar de cambios de correa o lubricación, a veces es más eficiente hacer mantenimiento rutinario antes de que sea técnicamente necesario. Así, llamadas de servicio corrientes se transforman en puntos de contacto de mayor valor.

Un buen técnico con la analítica correcta sabe qué otros problemas buscar. Puede ejecutar diagnósticos correctos para resolver rápido y recopilar datos adicionales para mejores insights sobre el equipo en su entorno.

La importancia de capacidades remotas de autoservicio no puede exagerarse, especialmente durante una pandemia.

¿Uso regular de analítica prescriptiva y mantenimiento?

MacDonald: Sí, hay uso. Pero tiende a ser más problema de fabricantes de máquinas que de operaciones de manufactura. Un caso destacado es un fabricante de neumáticos. La máquina de construir neumáticos tiene diferentes puntos de ajuste. Si no se hace de cierta manera, lleva a retrabajo o desecho, perdiendo dinero y finalmente ingresos.

El concepto de analítica prescriptiva tomó forma porque los datos estaban disponibles y los conocían. Podían vincularlos a resultados operativos desde una lente predictiva. Saben qué pasará antes del paso que lleva a ese resultado. Pero también tenían palancas. En contexto de fabricante de máquinas, los puntos de ajuste son palancas reales o en los datos. Podías empezar a ejecutar optimizaciones y prescribir diferentes puntos de ajuste para prevenir problemas. Caso de uso que equivale a cientos de millones de dólares de ROI.

¿Hablamos de ROI?

MacDonald: Absolutamente, especialmente desde un punto de vista operacional. Piensa en mí como fabricante de máquinas para construir neumáticos u otro equipo usado en operación manufacturera. Mi cliente tiene que cambiar cómo hace las cosas para sacar mejor uso de su equipo. Entonces pienso: espera, ¿mis especificaciones de ingeniería no están basadas en uso a largo plazo, o ni siquiera simulan las condiciones correctas? Los puntos de ajuste son más dinámicos de lo esperado.

Ahí es donde dices: quizás necesite empezar a proporcionar análisis de estos puntos de ajuste y dar una aplicación a mi cliente final. Si tengo insight sobre cómo mi equipo va a entregar valor o desafíos en operación, puedo proporcionarles esos insights, incluso como servicio, para asegurar que se cumplan esos resultados operativos.

Tecnologías subyacentes necesarias para el éxito

MacDonald: La tecnología crítica es, por supuesto, la conectividad. Nos da capacidad de contextualizar dónde están los activos y conocer el paisaje físico en términos de datos. Con la tecnología correcta podemos modelar los datos en relación a su contexto.

Pero hay muchas otras tecnologías importantes. Hay integración de sistemas con conectividad edge a sensores. Otros sistemas o sistemas de servicio que pueden ser parte de un esfuerzo proactivo general. Cuanto más proporciones capacidades y herramientas que simplifiquen esa integración, mejor.

El monitoreo remoto es donde empiezas. Como dije, debes poder al menos "oír" antes de empezar a "escuchar".

Creo que asistencia remota aumentada, instrucciones de trabajo 3D aumentadas y captura de expertos aumentada son críticos. Cosas como servicio, gestión de piezas y gestión de flujos de trabajo pueden derivar insights de la analítica. Cálculos estadísticos y machine learning lo facilitan.

Machine learning automatizado te permite crear y ajustar modelos más rápidamente para representar los datos. Esto ayuda a obtener mejores predicciones y resultados. Y todo esto debe mejorarse con analítica general.

Además, necesitas una plataforma de desarrollo de aplicaciones. Hay mucho en estos casos de uso de operaciones proactivas. Las capacidades más críticas se reducen a la capacidad de conectar, almacenar y dar sentido a los datos, especialmente usando técnicas avanzadas como machine learning para construir modelos y hacer predicciones.

Esto debe hacerse antes de encender nada. Debes tener sistemas y aplicaciones en tiempo real para meter datos en esos modelos. Debes tener sistemas y aplicaciones que tomen la predicción y hagan algo con ella.

La espiral ascendente de insight y valor de negocio es tremenda. Sin conectividad ubicua, es imposible escalar cualquier iniciativa de operaciones proactivas más allá de escala piloto. Depender de métodos manuales inconsistentes para extraer datos se vuelve cada vez menos factible.

Del mismo modo, necesitas variedad de técnicas analíticas disponibles en cada paso del proceso para entregar insight útil. Un fabricante puede empezar añadiendo sensores y conectando remotamente equipos en el campo. Empiezan estableciendo umbrales que alertan a operadores, técnicos remotos, organizaciones de servicio a investigar que un equipo puede tener un problema potencial.

Esos umbrales, con insight adicional, pueden evolucionar a situaciones como promedios móviles y benchmarks que toman en cuenta comprensión de patrones normales de uso y operación. Investigaciones marcadas pueden alimentar algoritmos de machine learning. Pueden descubrir patrones potencialmente causales y producir diagnósticos automatizados ricos. Luego empiezan a hacer predicciones e incluso prescripciones. Nos da oportunidad de repensar procesos de negocio y operativos desde cero. Creo que es una forma fundamental de transformar operaciones de servicio.

Desafíos al usar estas tecnologías y cómo ayuda PTC

MacDonald: Fundamentalmente, ese punto de partida inicial, la conectividad, puede ser un desafío para habilitar operaciones proactivas. Es necesario conectar a diferentes dispositivos y versiones de dispositivos similares sabiendo que probablemente operan bajo diferentes condiciones en un fabricante y toda su base de clientes. Las mediciones de datos y protocolos de conectividad técnica van a diferir. PTC ayuda ofreciendo capacidades que soportan jerarquías, federadas de edge a cloud, que facilitan definir e iterar sobre esos activos digitales.

Los fabricantes enfrentan desafío único: datos limitados sobre el entorno operativo del cliente. Rara vez tienen datos fuera del equipo conectado que venden y sirven. Eso significa que no siempre tienen datos etiquetados. Y deben pensar especialmente en datos de resultado etiquetados porque el resultado podría ser una pieza operacional.

Pueden tener que usar otras técnicas, como detección de anomalías y monitoreo estadístico. Esos son buenos peldaños antes de que insights predictivos sean posibles. Especialmente en casos donde una circunstancia o modo de fallo no está claramente almacenado y persistido.

Por último, operaciones proactivas requieren integración en diferentes sistemas para tomar diferentes acciones contra insights predictivos o cualquier insight: alertas, visualización, iniciar flujo de trabajo y otros sistemas. Tener herramientas de flujo de trabajo e integraciones API dentro de una plataforma y software que usas es absolutamente clave.

Una clave de todo esto: la transformación digital requiere esfuerzo comprometido. Necesita colaboración y disposición para aprender e iterar. Necesitas esta base para construir porque es trabajo duro implementar tecnología.

No hay magia. La clave del éxito es más que tecnología. Los proyectos deben alinearse a esa visión general. Hay variedad de stakeholders que deben acordar definiciones de datos comunes. Ingenieros, arquitectos, científicos de datos y operadores deben encontrar forma de colaborar. Han existido tradicionalmente en universos muy separados. Deben colaborar e iterar esfuerzos para entender y derivar insight. Deben tomar mejores acciones para entender cómo esos datos afectan procesos reales que desean impactar.

Todos deben estar dispuestos a tomar decisiones basadas en datos. Y eso requiere liderazgo ejecutivo como prerrequisito para el éxito. Líderes que lanzan un proyecto mal definido con expectativas irreales están en riesgo de fallar. Debes empezar con objetivos de negocio y trabajar hacia atrás a una visión de transformación digital. Debes hacer esto incluso antes de identificar buenos proyectos para usar como bloque de construcción de tu estrategia.

En resumen, los líderes modernos deben tener una visión lo suficientemente clara para organizarse alrededor, y lo suficientemente flexible para lidiar con incertidumbre inherente en cómo iteramos para llegar. Cómo equilibrar perfectamente eso tiende a ser claro en retrospectiva pero difícil mirando adelante.

Industrias y aplicaciones con más que ganar

MacDonald: Cualquier fabricante que proporcione equipo crítico para operaciones del cliente puede beneficiarse. Es en situaciones donde el tiempo de inactividad es crítico. Operaciones proactivas también son ampliamente aplicables para impulsar optimizaciones. Pero el caso de negocio es muy fuerte y la oportunidad inmensa para equipos o activos donde el downtime es crítico, donde el servicio es costoso, y especialmente donde seguridad y cumplimiento regulatorio son alta prioridad.

Gran ejemplo: Howden, líder global en soluciones de manejo de aire y gas. Sus equipos se usan en infraestructura, generación de energía, petróleo y gas, aguas residuales, metales, minería y transporte.

Sus activos son críticos para salud del sistema. Desarrollaron la solución Howden Uptime, inicialmente para activos de alta gama a medida, una solución IoT conectada. Su producto muestra insights no solo a su organización de servicio, sino también a clientes finales.

La concentración de agua no era parte de esa solución porque no se monitoreaba en línea en el equipo o activo. (Técnicos tomaban medidas manuales rutinariamente). Uno de sus clientes de petróleo y gas tenía problemas con esto. El instinto del cliente: "Hey, el equipo no funciona. Causa downtime". Howden quiso entender el problema. Incrustó un modelo de predicción de agua en su aplicación que les permitió entender que era algo en la operación, no en el equipo. El modelo también dio insight sobre cómo usar mejor el equipo con las circunstancias de la operación.

Fue oportunidad basada en un cliente importante donde vieron tremenda oportunidad para avanzar su solución IoT global y encontrar formas de entregar continuamente insights diagnósticos y predictivos. Luego pudieron usar esa solución con otros clientes.

Creo que Howden diría, más que nada, el factor crítico de éxito es entender el valor creado en la intersección de lo que hacen. Analítica de datos y modelado predictivo son fundamentales para acelerar el movimiento global hacia la servitización. Y dicho esto, una parte importante del valor de un proyecto de servicio proactivo es construir un blueprint que ofrezca diferenciación competitiva estratégica en un mercado industrial muy maduro.