Aumentare i ricavi offrendo i servizi digitali: ecco 4 opportunità per i costruttori di macchine

Servizi digitali – opportunità di guadagno per i costruttori di macchine

Nei prossimi 5 anni si prevede che almeno il 20% delle entrate dei costruttori di macchine deriverà dai servizi digitali.

IXON si propone di aiutare i costruttori di macchine a raggiungere questo obiettivo, non solo per agevolare il passaggio a nuovi modelli di business, ma anche fornendo idee concrete che richiedono un investimento ridotto e offrono un rapido ritorno dell’investimento (ROI).

In questo articolo parleremo delle sfide che devono affrontare i costruttori di macchine e introdurremo le nuove opportunità di business che potranno consentire agli OEM di generare risparmi e ricavi usando con intelligenza i dati raccolti dalle macchine.

Le sfide che aspettano i costruttori di macchine

La maggior parte degli OEM è focalizzato sulle esigenze dei clienti e non pensa tanto a come creare la strada per il proprio successo.

Per produrre macchine a costi ottimizzati bisogna stabilire da dove partire e dove dirigersi.

Esplorare le possibilità digitali per ottimizzare le macchine senza dover affrontare enormi investimenti può essere difficoltoso. La mancanza di conoscenze, il sovraccarico di tecnologia digitale e potenziali rischi per la sicurezza durante il ciclo di vita della macchina complicano ulteriormente il tutto.

Il che ci riporta alla domanda principale: come è possibile ottenere un profitto del 20% dai servizi digitali entro 5 anni con un modello di business che possa offrire vantaggi all’OEM e ai suoi clienti? E quale tipo di cliente è disposto a pagare per questo?

Nuovo potenziale di fatturato

Per guadagnare offrendo servizi digitali occorre partire da un cambio di mentalità. Uno sguardo critico sui servizi esistenti e un confronto con i clienti può aprire la strada a nuove opportunità.

Ci occuperemo delle diverse opportunità di business in base ai diversi tipi di macchine che ci sono in una linea di produzione. Sono tutte idee data-driven che possono portare a una nuova crescita dei ricavi o a un risparmio di costi.

  1. Entrate ricorrenti puntando sulle parti consumabili
  2. Servizio di monitoraggio sulle parti soggette a usura
  3. Usare il machine learning per risparmiare sui componenti
  4. Contratti per il monitoraggio predittivo
Opportunità di flussi di guadagno per i costruttori di macchine

1) Entrate ricorrenti puntando sulle parti consumabili

Utilizzare parti consumabili fuori specifica può essere una delle principali cause di inattività della macchina. Quando questi componenti vengono invece ottimizzati per le tue macchine e tenuti in magazzino, il tempo di attività delle macchine migliora.

Quindi perché non fornire direttamente al cliente le parti consumabili? O meglio ancora perché non pensare di spostare i guadagni proprio sui consumabili? Certo, non tutte le macchine offrono questa possibilità, ma vale la pena di considerare se questo aspetto si possa adattare alle tue macchine.

Nell’industria della stampa e dell’imballaggio vi sono molti esempi su come questa strategia sia stata applicata con successo. Inviare i beni di consumo al tuo cliente prima ancora che sappia di averne bisogno vuol dire alleggerirlo di una potenziale preoccupazione. È una situazione win-win, che porta a un’operatività aumentata e a entrate ricorrenti per il costruttore di macchine.

2) Servizio di monitoraggio sulle parti soggette a usura

Certe parti di macchina hanno un ciclo di vita definito e a un certo punto saranno soggette a usura. L’inattività non pianificata provocata da parti di macchina usurate offre un’esperienza negativa per il cliente e genera un aumento dei costi. Basti pensare all’automobile: meglio essere avvisati della necessità di manutenzione piuttosto che subire una improvvisa rottura.

I costruttori di macchine possono usare dati della macchina per determinare quando le parti soggette a usura sono alla fine del loro ciclo. Possono offrire questo nuovo servizio notificando al cliente in anticipo, con un piccolo sovrapprezzo che permetterà però al cliente di prevenire un fermo della produzione. Il risultato per l’OEM sarà un aumento delle vendite di parti di ricambio, contratti di assistenza e un miglioramento della soddisfazione del cliente.

3) Usare il machine learning per risparmiare sui componenti

Implementare soluzioni di machine learning è difficile e impegnativo, specialmente per i piccoli costruttori di macchine. La maggior parte dei costruttori di macchine si concentra su come aver software di macchina che funzionano bene con pochi bug e un sistema operativo stabile. Cambiare software è fuori discussione e usare algoritmi ad apprendimento automatico e intelligenza artificiale è vista come una possibilità solo per un futuro lontano.

Quando però si progettano nuove macchine si tiene conto di determinati margini sulla sicurezza, a volte anche eccessivi, per essere sicuri di non incorrere in guasti. Se però queste parti non si guastassero mai, sarebbe possibile ridurre tolleranze e costi. Come? Mentre tutti studiano le parti malriuscite e analizzano le cause dei guasti, raramente ci si concentra sulle parti che invece non si guastano perché sono state ben progettate.

Raccogliendo e analizzando i dati delle parti ben riuscite si può ri-progettare ciò che è ha avuto successo, riducendo notevolmente i costi. E la competenza acquisita sarà di aiuto nella fase di progettazione su parti future e sulle macchine e per ottimizzare quelle di nuova generazione in modo da ottenere un vantaggio in termini di competitività.

4) Contratti per il monitoraggio predittivo

Nelle macchine ci sono alcune parti critiche che hanno un ciclo di vita di produzione e progettazione a lungo termine; eppure queste parti si guastano durante la vita della macchina. La rottura di parti critiche porta a lunghi periodi di inattività dal momento che molte aziende non hanno a magazzino queste parti critiche. Tutto questo può avere un impatto importante in termini di processo di produzione e per i clienti significa aumento dei costi.

Pensate alla possibilità di predire tali guasti in base ai dati disponibili a livello di PLC. Analizzando i dati di parti guaste e di parti vicine alla fine del loro ciclo di vita può essere potenzialmente combinato con la data science per trarne informazioni preziose.

Dei Service engineer esperti possono riconoscere se una macchina funziona bene o no semplicemente ascoltando la macchina o sentendo le vibrazioni e identificandone la causa.

Monitorare i dati giusti e confrontarli con i modelli noti può consentire di offrire un servizio di assistenza 24 ore, 7 giorni su sette e 365 giorni l’anno su ogni macchina. Sarà possibile sapere che un guasto si verificherà prima che succeda realmente.

Sostituire parti e fare assistenza prima della rottura in un momento in cui l’impatto sulla produzione è limitato può aumentare il livello (e i ricavi) dei contratti di assistenza offerti.


Analisi e monitoraggio predittivo di componenti critici della macchina

Richiedi una consulenza gratuita a un esperto IXON

© RIPRODUZIONE RISERVATA

Contenuto sponsorizzato

I contenuti sponsorizzati rappresentano uno dei metodi più efficaci per promuovere sui siti editoriali il proprio brand e le caratteristiche dei prodotti/servizi offerti. Per conoscere costi e condizioni, visita la nostra pagina dedicata www.innovationpost.it/advertising o contattaci all'indirizzo advertising@innovationpost.it

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

*

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.