Aprovechar los datos de máquina: Guía para ejecutivos para impulsar ROI con IA e IoT

Lo que te trajo aquí no te llevará a donde vas. Este dicho puede ser la clave para entender la diferencia entre adoptar y escalar tecnología. Los ejecutivos han visto cómo la integración de nueva tecnología como IA e IoT agrega valor, pero fallan en hitos y estimaciones de ROI. Lo siguiente revisará cómo los ejecutivos pueden aprovechar los datos de máquina para inteligencia de negocio para alcanzar ese siguiente paso.

Problemas al escalar proyectos piloto

Uno de los impulsores actuales en fabricación es usar tecnología para aumentar producción y reducir costos. Muchos proyectos tempranos se centran en conectividad y datos de máquina. Si bien un proyecto de datos de máquina podría mostrar promesa, podría fallar en cumplir el ROI esperado o escalar con resultados similares. Esto a menudo ocurre porque los objetivos de los programas piloto están orientados hacia ese único proyecto.

Los ejecutivos deben saber cómo los proyectos de datos de máquina cumplen objetivos localmente, pero considerar cómo el éxito local afectaría a otras partes interesadas. Mientras se entiende cómo los datos de máquina encajan en el panorama general, la nueva tecnología puede no generar un cambio a nivel de negocio hasta que se logre algún porcentaje de adopción o valor N. A continuación, describimos qué considerar al lanzar un programa piloto.

¿Por dónde empezar?

Conozca su objetivo y por qué son importantes. Considere múltiples proyectos (solo unos pocos, no docenas) que podrían mostrar el mayor impacto localmente mientras se entiende el potencial de impactar niveles superiores de inteligencia de negocio si tienen éxito o fallan.

Documente su flujo de trabajo, recursos y otros indicadores clave de rendimiento para identificar áreas que serían fáciles de integrar tecnología rápidamente para obtener datos de máquina. Sepa cuánto tiempo tomará obtener suficientes datos para resultados precisos y tomar decisiones informadas. Las decisiones informadas incluyen dos conjuntos de resultados: tiempo para determinar si el piloto fue un éxito, y cuánto tiempo o cantidad de adopción es necesaria para recopilar datos de máquina para funciones de negocio superiores.

¡Pero ha estado bien durante treinta años!

Esta frase es quizás la más dañina en una industria dinámica y de rápida evolución. Sin embargo, hay algo de verdad. No comience con la suposición de destruir equipos heredados o conectar todo con dispositivos nuevos de última generación. ¡Los equipos heredados aún pueden conectarse!

Los equipos o redes heredadas aún pueden proporcionar valor. Actualizarlos podría ser gastar dinero en rendimientos decrecientes cuando ese dinero podría ir hacia un área que proporcionaría mejor ROI. Esté atento a nuevas tecnologías que funcionen con equipos heredados para amplificar lo que ya tiene.

Corresponde a los ejecutivos proporcionar liderazgo, pero dejar que los gerentes hagan lo que saben es mejor. Cuando se trata de innovación, apoyo desde arriba hacia abajo, pero construcción desde abajo hacia arriba. Mientras un ejecutivo puede establecer el ritmo y la dirección, los gerentes pueden entender mejor la arquitectura y el flujo de trabajo para tomar decisiones caso por caso.

¿Visibilidad de producción en tiempo real?

Reserve una demostración para aprender cómo

De datos de máquina a datos de negocio

Una tendencia en adopción de tecnología es encontrar soluciones fáciles de determinar ROI o beneficio tangible, como mantenimiento predictivo. Los datos de máquina podrían quedarse en el piso de fábrica si los ejecutivos no ven cómo se relacionan con objetivos de negocio. Tomar decisiones rápidas e informadas a nivel de negocio podría incluir datos de lo que sucede fuera de la empresa: Ventas, cadena de suministro y lo que hacen los competidores. Pero los programas piloto ofrecen la oportunidad de empezar a ver cómo los datos de máquina podrían relacionarse con…

• La flexibilidad o capacidad de respuesta de una empresa
• Ingresos o posibilidades de crear nuevas fuentes de ingresos
• La experiencia del cliente
• Campañas de marketing

Conceptos erróneos y soluciones

Un concepto erróneo común es que los datos de máquina necesitan ser procesados para usarse a nivel de negocio. Las empresas han invertido dinero en software avanzado intentando filtrar datos para analítica de negocio. Sin embargo, las soluciones personalizadas pueden ser costosas, tardar mucho en desarrollarse y no ser flexibles o fácilmente adaptables una vez implementadas.

Las soluciones "talla única" o listas para usar pueden ser rápidas de integrar pero también limitantes. Encontrar soluciones más híbridas que ofrezcan software modular y personalizable es valioso al comenzar. Busque proveedores de tecnología que ofrezcan Software como Servicio (SaaS), paneles dinámicos y microservicios capaces de mitigar datos de máquina Edge y Cloud. Las soluciones híbridas permiten comenzar rápido y ajustar con características personalizadas según se necesite.

SaaS con datos de máquina en tiempo real, alertas y notificaciones son excelentes para mantener el piso de planta en movimiento mientras características adicionales como Indicadores Clave de Rendimiento (KPI) y Planificación de Recursos Empresariales (ERP) ayudan a vigilar el panorama general, impulsar inventario de cadena de suministro y ayudar a los ejecutivos a tomar decisiones de negocio informadas.

En general, los ejecutivos deben apoyar innovaciones e impulsar la cultura empresarial hacia el uso de analítica de datos de máquina. Después de todo, los datos son el futuro de la fabricación. Esto puede hacerse fomentando programas piloto, capacitación y bonificaciones. Crear un sistema de comunicación donde los trabajadores puedan compartir ideas o problemas puede ayudar a indicar qué programas motivarían mejor a sus empleados. En algunos casos, las empresas han introducido gamificación o competiciones como hackatones para involucrar y educar a los empleados. Solo recuerde: lo que lo trajo hasta aquí no lo llevará a donde va. No se aferre a las soluciones de ayer al enfrentar los objetivos de mañana.