C'est le moment idéal pour passer aux opérations proactives

Les fabricants d'équipements et les utilisateurs veulent exploiter les insights issus de l'analyse et de la modélisation des données IoT et capteurs pour passer d'opérations réactives à proactives.

L'adoption rapide de l'IoT et de capteurs intelligents embarqués par les fabricants d'équipements, combinée à de nouvelles options de connectivité, offre un accès facile à une mine de données opérationnelles riches. De plus en plus, fabricants et utilisateurs veulent tirer parti des insights dérivés de l'analyse et de la modélisation de ces données pour passer d'opérations réactives à proactives. Récemment, RTInsights s'est entretenu avec Chris MacDonald, Responsable IA et Analytics, Solutions de Transformation Numérique chez PTC, pour explorer ce qui motive l'intérêt dans ce domaine, les défis auxquels font face les entreprises, et les technologies clés qui contribuent au succès. Voici un résumé de cette conversation.

RTInsights : Pourquoi y a-t-il un intérêt pour le passage aux opérations proactives, et pourquoi maintenant ?

MacDonald : Les services et l'après-vente deviennent des aspects importants des entreprises manufacturières modernes. Les clients exigent plus de valeur, et les fabricants réalisent que des relations clients plus étroites sur le long terme sont plus rentables et durables. Et s'ils ne le sont pas, au minimum, ce sont un moyen de garantir le retour des clients pour générer des revenus constants.

Vous avez des marges sur les produits qui sont continuellement compressées. Les entreprises et les dirigeants se tournent vers les services comme un endroit pour compenser la pression sur les marges en offrant plus de valeur, en forgeant des relations clients plus étroites, en offrant des opportunités d'intégrer des solutions plus profondément dans les opérations de ces clients et de fournir des produits et services supplémentaires liés à leurs offres principales.

Le problème pour de nombreux fabricants est qu'une grande partie de l'activité de service et d'après-vente a traditionnellement été externalisée à des tiers, qui ne font pas nécessairement les choses exactement de la même manière ou ne suivent pas les directives à la lettre. Passer au proactif est un moyen de reprendre le contrôle. C'est en fait retrouver de la visibilité au minimum, et ensuite un certain niveau de contrôle qui permet de standardiser les opérations.

Si vous prenez le service, qui peut avoir des marges 2,5 fois supérieures aux ventes de nouveaux produits, et que vous voyez de nombreux fabricants générer 40 à 50 % de leur profit global grâce à l'après-vente, il est facile de comprendre pourquoi les fabricants commencent par des insights proactifs et des opérations proactives. Cela leur donne la capacité d'écouter les équipements et actifs sur le terrain et d'adapter les mouvements opérationnels aux schémas qu'ils découvrent. Les opérations proactives offrent aussi un moyen de protéger la rentabilité de l'activité de service. Elles peuvent alors offrir des SLA plus agressifs. Si elles le font, elles sont beaucoup plus susceptibles de gagner des affaires rentables et de les conserver sur le long terme.

RTInsights : Quels sont les avantages d'une approche proactive ?

MacDonald : Je vais utiliser une analogie. Reprenons un peu de recul et pensons à ces actifs physiques ou produits intelligents et connectés. Vous avez des données de télémétrie, et potentiellement d'autres données sur le service provenant des systèmes. C'est l'équivalent de pouvoir entendre. La question devient : qu'est-ce que j'écoute ? Il y a beaucoup de bruit, alors comment est-ce que je sélectionne et n'écoute que ce qui est important ?

Même sans considérer l'analytique prédictive et prescriptive, pensez aux caractéristiques et à l'importance statistique liées à la performance. Cela vous donne la capacité d'entendre clairement quelles notes sont justes ou fausses au milieu du bruit de fond.

Bien sûr, vous pouvez toujours entendre un cri. Mais généralement, un cri vient de quelqu'un (ou quelque chose) déjà dans une sorte de crise, subissant un dommage. Donc, vous gérez les problèmes de manière réactive.

Il y a un avantage à pouvoir vraiment écouter les bonnes choses. Vous pouvez commencer à identifier des schémas de performance et des comportements pour diagnostiquer ce qui se passe. Les clients attendent des opérations fluides. Ils ont tendance à pénaliser les fabricants qu'ils croient, à tort ou à raison, avoir causé des temps d'arrêt imprévus. Entendre les notes qui sont fausses vous permettra d'adresser un problème avant qu'il n'y ait un cri — de la part de l'équipement ou de votre client.

L'analytique fournit les insights diagnostiques dont je parlais. Elle peut repérer les écarts par rapport aux meilleures pratiques ou à la façon dont l'équipement devrait être utilisé ou opéré dans un environnement. Les opérations proactives basées sur cette analytique repèrent les problèmes avant qu'ils ne surviennent.

Avec un produit connecté, vous avez une vue sur ce qui se passe dans l'environnement où l'actif opère. L'analytique, surtout l'analytique avancée, permet de traiter ces données pour identifier des anomalies, des schémas et des événements statistiquement pertinents. Cela fournit finalement une lentille plus objective sur ce qu'est réellement un problème.

L'efficacité du service peut être améliorée avec une meilleure planification et allocation des ressources. Les insights prédictifs qui aident les fabricants à passer de ce modèle de service « casse-réparation » ou basé sur le calendrier peuvent rendre les appels de service beaucoup plus efficaces, réduisant des choses comme les déplacements globaux de camions, les rappels, et plus.

Sans produit connecté, nous envoyons souvent un technicien pour faire ces diagnostics pour découvrir qu'il n'a pas la bonne pièce dans le camion, ou l'expertise nécessaire pour résoudre un problème. Si un client subit un temps d'arrêt opérationnel, cela retarde la réparation. L'évitement des pannes est critique. Mais l'efficacité de la livraison de la maintenance de routine pour les opérations ou actions, plutôt que des choses comme les changements de courroie ou la lubrification, l'est tout autant. Souvent, il est plus efficace de faire la maintenance de routine avant qu'elle ne soit techniquement nécessaire. Ainsi, les appels de service ordinaires peuvent être transformés en points de contact à plus haute valeur ajoutée.

Aussi, un bon technicien avec la bonne analytique sait quels autres problèmes chercher. Il peut exécuter les bons diagnostics pour résoudre le problème rapidement et collecter des points de données supplémentaires pour fournir de meilleurs insights sur l'équipement dans son environnement.

L'importance de telles capacités de service à distance et en libre-service ne peut être surestimée, surtout pendant une pandémie.

RTInsights : Voyez-vous l'utilisation de l'analytique prescriptive et de la maintenance sur une base régulière, ou est-ce encore trop tôt ?

MacDonald : Oui. Il y a de l'utilisation. Mais cela tend à être plus une question de constructeur de machines plutôt que d'avoir à voir avec les opérations de fabrication. L'un de nos cas d'utilisation analytiques phares est un fabricant de pneus. La machine de construction de pneus a différents points de consigne. Si ce n'est pas fait d'une certaine manière, cela entraîne soit du retraitement, soit de la ferraille, ce qui finit par perdre de l'argent et finalement une perte de revenus.

Tout le concept d'analytique prescriptive a pris forme parce que les données étaient disponibles, et qu'ils connaissaient leurs données. Ils pouvaient les lier aux résultats opérationnels d'un point de vue prédictif. Ils savent ce qui va se passer avant l'étape qui mène à ce résultat. Mais ils avaient aussi des leviers. Dans le contexte du constructeur de machines, les points de consigne sont des leviers réels ou des leviers dans les données. Vous pouviez commencer à lancer des optimisations et prescrire les différents points de consigne pour prévenir certains problèmes. C'est un cas d'utilisation équivalant à des centaines de millions de dollars de ROI.

RTInsights : Parle-t-on de ROI ici ?

MacDonald : Absolument, surtout si vous le prenez d'un point de vue opérationnel. Reprenons : je suis le fabricant de machines de construction de pneus ou de tout autre équipement utilisé dans une opération de fabrication. Mon client doit changer sa façon de faire pour mieux utiliser son équipement. Alors je commence à me dire : attendez une minute. Peut-être que mes spécifications d'ingénierie ne sont pas développées sur la base d'une utilisation à long terme, ou même simulent les bonnes conditions. Les points de consigne sont plus dynamiques que nous l'attendions.

C'est là que vous commencez à dire : Peut-être que je dois commencer à fournir l'analyse de ces points de consigne et fournir une application à mon client final. Peut-être que si j'ai l'insight sur la façon dont mon équipement va délivrer de la valeur ou des défis en opération, je peux leur fournir ces insights, même en tant que service, pour m'assurer que ces résultats opérationnels sont atteints.

RTInsights : Quelles technologies sous-jacentes sont maintenant nécessaires pour réussir ?

MacDonald : La technologie critique est, bien sûr, la connectivité. Elle nous donne la capacité de contextualiser où se trouvent les actifs et nous permet de connaître le paysage physique en termes de données. Avec la bonne technologie, nous pouvons modéliser les données par rapport à leur contexte.

Mais il y a beaucoup d'autres technologies importantes, également. Il y a de l'intégration système impliquée avec la connectivité edge vers les capteurs. Il y a aussi d'autres systèmes ou systèmes de service qui peuvent faire partie d'un effort proactif global. Plus vous pouvez fournir des capacités et des outils qui simplifient cette intégration système, mieux c'est.

La surveillance à distance est l'endroit où vous commencez. Comme je l'ai dit, vous devez être capable d'au moins entendre avant même de commencer à écouter.

Je pense que l'assistance à distance augmentée, les instructions de travail 3D augmentées, et la capture d'expertise augmentée, sont critiques. Des choses comme le service, la gestion des pièces, et la gestion des flux de travail peuvent tirer des insights de l'analytique. Les calculs statistiques et l'apprentissage automatique facilitent les choses.

L'apprentissage automatique automatisé vous permet de créer et d'ajuster plus rapidement des modèles pour représenter les données. Cela vous aide à obtenir de meilleures prédictions et résultats. Et tout cela doit être amélioré avec de l'analytique générale.

En outre, vous avez besoin d'une plateforme de développement d'applications. Il y a beaucoup de choses qui entrent dans ces cas d'utilisation d'opérations proactives. Les capacités les plus critiques se résument à la capacité de connecter, stocker et donner du sens aux données, surtout en utilisant des techniques d'analytique avancées, comme l'apprentissage automatique pour construire des modèles et faire des prédictions.

Cela doit être fait avant d'allumer quoi que ce soit. Vous devez avoir des systèmes et applications en temps réel pour faire entrer les données dans ces modèles. Vous devez avoir des systèmes et applications qui peuvent prendre la prédiction et faire quelque chose avec.

La spirale ascendante de l'insight et de la valeur business est tremendous. Sans connectivité ubiquitaire, il est impossible de faire évoluer toute initiative d'opérations proactives au-delà d'une échelle pilote. Compter sur des méthodes manuelles et incohérentes pour extraire les données devient de moins en moins faisable.

De même, vous avez besoin d'une variété de techniques d'analytique disponibles à chaque étape du processus pour délivrer cet insight utile. Un fabricant peut commencer par ajouter des capteurs et connecter à distance l'équipement sur le terrain. Ils commencent à définir des seuils qui alertent les opérateurs, techniciens à distance, organisations de service pour enquêter sur le fait qu'un équipement pourrait avoir un problème potentiel.

Ces seuils, avec des insights supplémentaires, peuvent évoluer vers des situations comme des moyennes glissantes et des benchmarks qui prennent en compte la compréhension des schémas d'utilisation et d'opération normaux. Les enquêtes qui sont signalées peuvent être alimentées dans des algorithmes d'apprentissage automatique. Elles peuvent découvrir des schémas potentiellement causaux et produire des diagnostics automatisés riches. Elles peuvent alors commencer à faire des prédictions et même des prescriptions. Cela nous donne l'opportunité de repenser les processus business et opérationnels depuis le début. Je pense que c'est une façon fondamentale de transformer les opérations de service.

RTInsights : Quels sont les défis lors de l'utilisation de ces technologies, et comment PTC aide-t-il ?

MacDonald : Fondamentalement, ce point de départ initial, cette connectivité, peut être un défi pour permettre les opérations proactives. Il est nécessaire de se connecter à différents appareils et différentes versions d'appareils similaires, sachant que ces appareils fonctionnent probablement sous différentes conditions à travers un fabricant et toute sa base de clients. Les mesures de données et les protocoles de connectivité technique vont finalement différer. PTC aide en offrant des capacités qui supportent des hiérarchies, fédérées de l'edge au cloud, qui facilitent la définition et l'itération sur ces actifs numériques.

Les fabricants font face à un défi unique : avoir des données limitées sur l'environnement d'exploitation du client. Si rarement ils ont des données en dehors de l'équipement connecté qu'ils vendent et entretiennent. Cela signifie qu'ils n'ont pas toujours les données étiquetées. Et ils doivent surtout penser aux données de résultat étiquetées car le résultat pourrait être une pièce opérationnelle.

Ils pourraient devoir utiliser d'autres techniques, comme la détection d'anomalies et la surveillance statistique. Ce sont de bonnes marches avant que les insights prédictifs ne soient possibles. C'est particulièrement vrai dans les cas où une circonstance ou un mode de défaillance n'est pas clairement stocké et persisté.

Enfin, les opérations proactives nécessitent une intégration dans différents systèmes pour prendre différentes actions contre les insights prédictifs ou tout insight, que ce soit l'alerte, la visualisation, l'initiation d'un flux de travail et d'autres systèmes. Avoir des outils de flux de travail et des intégrations API au sein d'une plateforme et d'un logiciel d'exploitation que vous utilisez est absolument clé et quelque chose à rechercher.

Une clé pour tout cela est de réaliser qu'en fin de compte, la transformation numérique nécessite un effort engagé. Il doit y avoir de la collaboration et une volonté d'apprendre et d'itérer. Vous avez besoin de cette fondation pour construire dessus parce que c'est du travail dur d'implémenter la technologie.

Il n'y a pas de magie. La clé du succès est plus que la technologie. Les projets doivent être alignés sur cette vision globale. Il y a une variété de parties prenantes qui doivent s'accorder sur des définitions de données communes. Il y a des ingénieurs, architectes, data scientists, et opérateurs qui doivent trouver un moyen de collaborer. Ils ont traditionnellement existé dans des univers très séparés. Ils doivent collaborer et itérer pour comprendre et dériver l'insight. Ils doivent prendre de meilleures actions pour comprendre comment ces données affectent les processus réels qu'ils souhaitent impacter.

Ils doivent tous être prêts à prendre ces décisions basées sur les données. Et cela nécessite un leadership exécutif comme prérequis au succès. Les leaders qui lancent un projet mal défini avec des attentes irréalistes risquent d'échouer. Vous devez commencer par les objectifs business et travailler en arrière vers une vision de transformation numérique. Vous devez faire cela même avant d'identifier les bons projets à utiliser comme briques de base pour votre stratégie.

En résumé, les leaders modernes doivent avoir une vision à la fois assez claire pour s'organiser autour, et assez flexible pour faire face à l'incertitude inhérente sur la façon exacte dont nous itérons pour y arriver. Comment frapper parfaitement cet équilibre est l'une de ces choses qui tend à être claire avec le recul mais peut être assez difficile quand on regarde vers l'avant.

RTInsights : Quelles industries et applications ont le plus à gagner en passant aux opérations proactives ?

MacDonald : Tout fabricant qui fournit un équipement critique pour les opérations du client peut en bénéficier. C'est dans les situations où les temps d'arrêt sont critiques. Les opérations proactives sont aussi largement applicables pour piloter des optimisations. Mais le business case est très fort, et l'opportunité est immense pour les équipements ou actifs où les temps d'arrêt sont critiques, où le service est coûteux, et surtout où la sécurité et la conformité réglementaire sont une haute priorité.

Un excellent exemple est Howden, qui est un leader mondial dans la fabrication de solutions de traitement d'air et de gaz. Son équipement est utilisé dans des secteurs incluant l'infrastructure, la production d'énergie, le pétrole et le gaz, les eaux usées, les métaux, l'exploitation minière et le transport.

Leurs actifs sont critiques pour la santé du système. Ils ont développé la solution Howden Uptime, initialement pour leurs actifs haut de gamme sur mesure, qui est une solution IoT connectée. Leur produit affiche des insights, non seulement à leur organisation de service, mais aussi à leurs clients finaux.

La concentration en eau n'était pas partie de cette solution car elle n'était pas surveillée en ligne dans l'équipement ou l'actif. (Les techniciens prenaient des mesures manuelles de routine.) L'un de leurs clients pétroliers et gaziers avait des problèmes avec cela. L'instinct naturel du client est de dire : « Hé, l'équipement ne marche pas. Il cause des temps d'arrêt. » Howden voulait comprendre le problème. Il a intégré un modèle de prédiction d'eau dans son application qui lui a permis de comprendre que c'était quelque chose dans l'opération plutôt que l'équipement. Le modèle a aussi fourni un insight sur la façon de mieux utiliser l'équipement avec les circonstances de l'opération.

C'était une opportunité basée sur un client important où ils ont vu une opportunité tremendeuse de faire avancer leur solution IoT globale et de trouver des moyens de délivrer continuellement des insights diagnostiques et prédictifs. Ils pouvaient alors utiliser cette solution avec d'autres clients.

Et je pense que Howden dirait, plus que tout, le facteur critique de succès est de comprendre la valeur créée à l'intersection de ce qu'ils font. L'analytique de données et la modélisation prédictive sont fondamentales pour accélérer le mouvement global vers la servitisation. Et cela dit, une partie majeure de la valeur d'un projet de service proactif est de construire un blueprint qui offre une différenciation compétitive stratégique dans un marché industriel très mature.