Monitorización Remota de Condición y Servicio: El Secreto para una Entrega Eficiente y Rentable

Las empresas recurren al servicio remoto y monitorización de condición para reducir costes, usar más eficientemente al personal de servicio y mejorar enormemente las operaciones de sus equipos en campo.

Beneficios de soluciones IoT industriales para monitorización y servicio remoto

Los fabricantes de equipos hoy deben diferenciar sus ofertas en rendimiento y fiabilidad. Frecuentemente la clave para ambos es el servicio. Sin embargo, escalar esfuerzos de servicio puede ser intensivo en mano de obra y costoso. Cada vez más, las empresas recurren al servicio remoto y monitorización de condición para reducir costes, usar más eficientemente al personal de servicio y mejorar enormemente las operaciones de sus equipos en campo.

RTInsights conversó con Fernando Martinez Calderon, MindSphere Industry Solutions Manager en Siemens. Discutimos los puntos de dolor de monitorizar y dar servicio a equipos y cómo soluciones IoT que incluyen monitorización remota de condición y ofertas de servicio remoto pueden ayudar sustancialmente. Específicamente, discutimos MindSphere®, la solución de IoT industrial como servicio de Siemens. Resumen de nuestra conversación.

RTInsights: ¿Qué beneficios obtienen las empresas usando una solución IoT industrial como MindSphere para monitorización remota de condición y servicio remoto?

Martinez Calderon: Hay amplios beneficios, y se fortalecen cuando implementas el tipo correcto de soluciones. Por ejemplo, veamos algunas capacidades de la solución MindSphere Asset Health and Service Hub, que habilita monitorización remota de condición y servicio remoto, y mucho más. Un fabricante u OEM puede tener transparencia total y continua sobre la condición de un equipo. Los datos brutos recopilados pueden ser monitorizados y analizados en el edge para procesos críticos y luego enviados a la nube para análisis y procesamiento adicionales. Con la capacidad de hacer analítica en el edge, los datos sensibles permanecen on-site; además, es posible definir qué piezas de datos se envían a la nube así como su granularidad y frecuencia. Por ejemplo, el valor medio de ciertas señales cada hora o quizás solo en caso de que se detecte un disparador determinado.

Esta combinación edge-to-cloud da a proveedores de servicio una comprensión real de cómo está operando la máquina mientras protege la privacidad de sus clientes. Pero en última instancia, el valor subyacente es detectar anomalías en etapa temprana antes de que se conviertan en problemas reales.

Tales capacidades se vuelven cada vez más críticas. Durante años, los fabricantes de equipos se enfocaron mayormente en vender sus máquinas y consideraron el servicio como elemento secundario a ofrecer. Eso estuvo bien hasta que emergió competencia de proveedores de menor precio, especialmente de países asiáticos. Vender máquinas solo ya no es rentable —el servicio se ha convertido en factor diferenciador.

Para competir efectivamente con proveedores de bajo coste y mantenerse adelante en la guerra de características/funciones, los fabricantes necesitan asegurar que sus máquinas estén siempre funcionando y sean las más fiables. Necesitan garantizar que sus máquinas puedan tener el mayor throughput y menos problemas.

Ahora, algunos fabricantes de máquinas ganan hasta la mitad de sus beneficios a través de contratos de servicio. Sin embargo, proporcionar servicio estelar puede ser costoso, especialmente para empresas que lo hacen solas. Pero con la solución de Siemens, un fabricante u OEM de máquinas puede alinear sus intereses efectivamente. Esto les ayuda a entregar mucho mejor servicio sin aumentar costes —o incluso en algunos casos, reducen costes. Una medida común de efectividad en esta área es el KPI llamado coste-por-caso-de-servicio. El MindSphere Asset Health and Service Hub puede reducir ese KPI.

Para hacer esto, la solución ayuda a eliminar casos de emergencia, que son los más costosos. Fabricantes y OEMs de máquinas tienen la capacidad de identificar —a través de los datos recopilados— siempre que una anomalía está ocurriendo y abordarla antes de que se convierta en un problema mayor. Esto es diferente de la monitorización de condición convencional, que requiere expertos que viajen a sus clientes y realicen un análisis de salud de máquina una o dos veces al año.

Usando la solución, fabricantes y OEMs obtienen monitorización continua sin enviar a alguien on-site. Este es el paso número uno. Además, la solución no solo monitoriza señales "lentas", como presión y temperatura, sino que también monitoriza vibraciones de las máquinas. Midendo vibraciones y otros parámetros críticos, un fabricante u OEM puede detectar problemas con meses de antelación.

Para las capacidades de monitorización remota de condición, la solución usa el sistema MindConnect Edge Analytics. Con él, un OEM es capaz de detectar y analizar anomalías antes de que sean problemas reales y a veces puede arreglar esos problemas remotamente.

En algunos casos, como cuando el hardware necesita ser reemplazado, una visita on-site sigue siendo necesaria. Pero en estos casos, esa visita puede ser más productiva. Conociendo la situación, un técnico con las habilidades adecuadas —y equipado con las partes correctas— puede ser enviado para el servicio. Saben cuál es el problema y pueden arreglarlo de inmediato.

RTInsights: Hablaste mucho de monitorización remota de condición; ¿qué hay de las capacidades de servicio remoto?

Martinez Calderon: La segunda parte principal de la solución Asset Health and Service Hub es el servicio remoto, que puede usarse para analizar, reparar, o al menos, emprender actividades de mitigación remotamente.

Por ejemplo, supongamos que el sistema de monitorización remota de condición detecta una anomalía de una máquina. El ingeniero de servicio necesita acceder a los datos almacenados de la máquina para realizar un análisis de causa raíz comprehensivo. Esto usualmente involucra a un técnico de servicio necesitando estar on-site. Una vez determinado el problema, una segunda visita es necesaria para reparar la máquina o reemplazar un componente. Como ves, esto requiere múltiples visitas, resultando en costosos tiempos de viaje y situaciones de parada prolongadas.

Usando el servicio remoto MindSphere, los ingenieros de servicio pueden ver los datos y realizar el primer diagnóstico remotamente. Esto significa que cuando un experto viaja a la máquina, es la persona correcta con las herramientas y partes correctas la primera vez. Yendo más allá, dependiendo del tipo de problema, la reparación completa puede ser hecha remotamente, eliminando la necesidad de visita on-site.

Juntas, estas capacidades de monitorización remota de condición y servicio remoto hacen la solución Asset Health and Service Hub muy poderosa. La combinación permite a los usuarios de máquinas casi eliminar paradas o situaciones de emergencia. Por supuesto, siempre habrá algún servicio y mantenimiento, pero al menos es planificable, y los recursos del equipo de servicio se gastan más sabiamente.

RTInsights: ¿Qué puntos de dolor abordan estas soluciones?

Martinez Calderon: Los principales puntos de dolor son paradas no planificadas así como costes de servicio crecientes.

El primero, paradas no planificadas, son a menudo resultado de un enfoque de mantenimiento reactivo. El problema con ese enfoque es que cuando el equipo falla, el proveedor de servicio necesita ser informado, luego un equipo de servicio debe ir on-site a analizar el problema. Si no es una solución rápida, se van y regresan algunos días después con las herramientas correctas, el colega correcto, y las partes correctas para arreglar el equipo. Este enfoque reactivo es cómo se hace el servicio para mucha maquinaria, pero consume tiempo, es costoso e ineficiente.

Un enfoque ligeramente mejor es ser proactivo. Para máquinas críticas, a menudo se toma un enfoque de mantenimiento preventivo. En lugar de esperar a que algo se rompa, los equipos de servicio revisan máquinas haciendo visitas on-site en períodos fijos (una vez al año, cada seis meses, una vez por trimestre, etc.). Durante estas visitas, intentan detectar problemas antes de que impacten negativamente la producción. Sin embargo, los problemas solo pueden ser detectados algunas veces —todavía hay veces que este enfoque falla.

Por ejemplo, supongamos que el servicio regularmente programado para una cierta máquina está fijado para la pausa de Navidad cuando las cosas están lentas. ¿Qué pasa si un problema ocurre en noviembre? Ahora el servicio es reactivo, potencialmente resultando en paradas, problemas con la calidad, o menos producción. Además, este enfoque aún requiere que alguien esté permanentemente viajando a revisar cómo están las máquinas.

Un enfoque predictivo, combinado con capacidades de servicio remoto, es mucho más efectivo. Así, los equipos de servicio viajan mucho menos y son capaces de reaccionar de forma más rápida y mejor organizada. Este es el enfoque ofrecido por la solución MindSphere Asset Health and Service Hub de Siemens.

RTInsights: ¿Puede hablar un poco más sobre esta diferencia entre mantenimiento predictivo y proactivo/reactivo?

Martinez Calderon: Para entender por qué esto es tan importante, solo mira cómo se hace el servicio. Usualmente, la única información que un proveedor de servicio recibe es una llamada telefónica de un cliente diciendo que hay un problema —una máquina ha dejado de funcionar. Aunque intentan explicar cómo pasó, este tipo de descripciones no son muy útiles. Además, se basan en la opinión/observaciones del cliente y no en datos reales del equipo.

La empresa entonces envía un técnico on-site, pero a menudo van sin preparación, más como detectives para averiguar, "¿Cuál es el problema con esta máquina? ¿Por qué se rompió?" Durante esta visita, pueden no tener las herramientas correctas, las partes de repuesto correctas, y a veces ni siquiera el conjunto de habilidades correcto.

Con la solución Siemens MindSphere, fabricantes y OEMs de máquinas pueden conducir este primer análisis predictivo desde una ubicación remota, basado en datos y hechos, y antes de una falla completa de máquina. Si los sensores indican anomalías, el trabajo de detective empieza en esa primera indicación. Pueden analizar esos datos y encontrar la causa raíz de los problemas sin tener que ir on-site.

Esto es enorme porque disminuye la cantidad de viajes. La solución permite al equipo de servicio organizar y planificar su trabajo en lugar de operar en modo emergencia. O, si no es una reparación de hardware, pueden servir la máquina remotamente con actualizaciones de software para arreglar ese tipo de problemas. Esto es mucho más amigable para el que recibe el servicio porque obtienen una resolución inmediata y sin gasto de viaje.

RTInsights: Para cerrar, ¿puede resumir los beneficios de usar las soluciones Siemens MindSphere?

Martinez Calderon: Siemens introdujo una única interfaz integrada para poner nuestros sistemas juntos, lo que nos diferencia mucho de competidores de mercado. Algunos tienen sistemas de monitorización. Otros tienen plataformas IoT. Y hay otros que tienen capacidades de servicio remoto y apps o sistemas de ticketing. Solo Siemens ha hecho las soluciones conectadas y muy user-friendly. Los equipos de servicio están empoderados para realmente enfocarse en usar conocimiento para proporcionar valor a sus clientes.

Tenemos sistemas de monitorización remota de condición corriendo. Si identifica anomalías, disparará un evento o alarma automática. Esencialmente levanta la mano y dice: "Hay algo no bien conmigo." Inmediata y automáticamente, la solución integrada Asset Health and Service Hub crea un ticket de servicio. El ticket pasará por gestión de ciclo de vida del ticket y permanecerá abierto hasta que el proveedor de servicio resuelva el problema y cierre el ticket.

Durante el ciclo de vida del ticket, todo lo que está pasando se está registrando en el ticket. Eso significa muchos procesos de protocolización que los equipos de servicio tenían que hacer ahora son cuidados automáticamente por nuestra solución. Todo está siendo monitorizado. Todo está protocolizado.

Ese es solo el primer paso. Después, los usuarios pueden analizar esos tickets y casos de servicio. Son capaces de decir: "Bien, en el último año, ¿qué tipo de casos de servicio ocurren la mayoría de las veces? ¿Hay algún problema sistemático con la máquina? ¿Se está pasando por alto algo relacionado con el servicio?"

Este tipo de análisis a largo plazo es lo que las empresas realmente disfrutan. Los dashboards de servicio remoto proporcionan insights en KPIs, como cuánto tiempo un ticket generalmente permanece abierto. Cuánto tiempo una cierta máquina permanece en estado saludable. Qué tan a menudo tiene tickets. ¿Hay alguna periodicidad de los tickets? Analizando estos casos de servicio, somos capaces de entregar todo tipo de insights a fabricantes de equipos y OEMs.

Y como somos Siemens, cumplimos con los requisitos de la industria para monitorización remota de condición así como para servicio remoto. Estamos usando estos sistemas en nuestras propias fábricas, que son algunas de las más grandes y avanzadas del mundo. Estas soluciones funcionan muy bien y añaden mucho valor. Estamos trayendo toda esta experiencia, todo este conocimiento al mundo exterior, porque pensamos que es una situación win-win para todos.