지금이 선제적 운영으로 전환할 완벽한 순간입니다

장비 제조사와 사용자는 IoT 및 센서 데이터 분석과 모델링에서 얻은 통찰력을 활용하여 수동적 운영에서 선제적 운영으로 전환하려 합니다.

장비 제조사들의 IoT 및 임베디드 스마트 센서 급속한 채택과 새로운 연결 옵션이 풍부한 운영 데이터에 쉽게 접근할 수 있게 해주고 있습니다. 점점 더 많은 장비 제조사와 사용자가 해당 데이터를 분석하고 모델링하여 얻은 통찰력을 활용해 수동적 운영에서 선제적 운영으로 전환하려 합니다. 최근 RTInsights는 PTC의 디지털 전환 솔루션 AI 및 분석 책임자 크리스 맥도날드(Chris MacDonald)와 만나 이 분야의 관심 동인, 기업들이 직면한 과제, 성공에 기여하는 핵심 기술을 탐구했습니다. 대화 요약입니다.

RTInsights: 선제적 운영으로 이동하는 데 관심이 있는 이유는 무엇이며, 왜 지금입니까?

맥도날드: 서비스와 애프터마켓이 현대 제조 비즈니스의 중요한 측면이 되고 있습니다. 고객들은 더 큰 가치를 요구하고, 제조사들은 장기적으로 더 긴밀한 고객 관계가 더 수익성 있고 지속 가능하다는 것을 깨닫습니다. 설령 그렇지 않더라도 최소한 고객이 돌아와 지속적인 수익을 창출하도록 보장하는 방법입니다.

제품 마진은 지속적으로 압박받습니다. 기업과 임원들은 더 큰 가치를 제공하고, 더 긴밀한 고객 관계를 형성하며, 솔루션을 고객 운영에 더 깊이 내장하고, 핵심 제품과 관련된 추가 제품과 서비스를 제공함으로써 마진 압박을 상쇄할 수 있는 곳으로 서비스를 바라봅니다.

많은 제조사들의 문제는 서비스와 애프터마켓 비즈니스의 상당 부분이 전통적으로 제3자에게 아웃소싱되어 왔는데, 그들이 꼭 같은 방식으로 일하거나 가이드라인을 철저히 따르지 않을 수 있다는 점입니다. 선제적으로 전환하는 것은 통제권을 되찾는 방법입니다. 최소한 가시성을 되찾고, 운영을 표준화할 수 있는 수준의 통제권을 갖게 됩니다.

서비스가 신제품 판매의 2.5배 마진을 가질 수 있고, 많은 제조사가 전체 이익의 40~50%를 애프터마켓에서 창출한다면, 제조사들이 선제적 통찰과 선제적 운영으로 시작하는 이유를 쉽게 알 수 있습니다. 이는 현장의 장비와 자산에 귀 기울이고 발견한 패턴에 맞춰 운영 동작을 조정하는 능력을 줍니다. 선제적 운영은 서비스 비즈니스의 수익성 보호에도 도움이 됩니다. 그러면 더 공격적인 SLA를 제공할 수 있습니다. 그렇게 하면 수익성 있는 비즈니스를 장기적으로 수주하고 유지할 가능성이 훨씬 높아집니다.

RTInsights: 선제적 접근 방식의 이점은 무엇입니까?

맥도날드: 비유를 들어보겠습니다. 한발 물러나 이 물리적 자산이나 스마트 커넥티드 제품을 생각해 봅시다. 원격 측정 데이터와 서비스 시스템의 잠재적 기타 데이터가 있습니다. 그것은 '듣는 것'과 동일합니다. 질문은 '무엇을 들을 것인가?'입니다. 소음이 많은데, 어떻게 중요하고 의미 있는 것만 골라 들을 수 있을까요?

예측 및 처방 분석을 고려하지 않더라도, 성능과 관련된 특징과 통계적 중요성을 생각하면 배경 소음 속에서 어떤 음정이 맞고 틀리는지 명확히 들을 수 있는 능력을 줍니다.

물론 비명 소리는 항상 들을 수 있습니다. 하지만 보통 비명은 누군가(또는 무언가)가 이미 위기에 처해 해를 입고 있을 때 나옵니다. 그래서 문제를 수동적으로 다루게 됩니다.

진정으로 올바른 것들을 들을 수 있는 이점이 있습니다. 성능 패턴과 행동을 식별하여 무슨 일이 일어나고 있는지 진단할 수 있습니다. 고객은 원활한 운영을 기대합니다. 그들이 옳든 그르든, 자신들에게 계획되지 않은 다운타임을 초래했다고 믿는 제조사를 벌하는 경향이 있습니다. 음정이 틀린 음을 들으면 장비나 고객의 비명 소리가 나기 전에 문제를 해결할 수 있습니다.

분석은 제가 말한 진단 통찰을 제공합니다. 장비가 환경에서 어떻게 작동하거나 사용되어야 하는지에 대한 모범 사례나 편차를 발견할 수 있습니다. 그런 분석에 기반한 선제적 운영은 문제가 발생하기 전에 발견합니다.

커넥티드 제품을 통해 자산이 작동하는 환경에서 무슨 일이 일어나는지 볼 수 있습니다. 특히 고급 분석은 그 데이터를 처리하여 통계적으로 관련된 이상 징후, 패턴, 이벤트를 식별합니다. 그것은 궁극적으로 문제가 실제로 무엇인지에 대한 더 객관적인 렌즈를 제공합니다.

더 나은 계획과 자원 배분으로 서비스 효율성을 개선할 수 있습니다. 제조사들이 고장 수리나 캘린더 기반 서비스 모델에서 전환하는 데 도움이 되는 예측 통찰은 서비스 호출을 훨씬 더 효율적으로 만들어 전체 트럭 롤, 재방문 등을 줄입니다.

커넥티드 제품이 없으면 진단을 위해 기술자를 현장에 보내지만, 트럭에 올바른 부품이 없거나 문제를 해결하는 데 필요한 전문 지식이 없다는 것을 알게 되는 경우가 많습니다. 고객이 운영 다운타임을 겪고 있다면 수리가 지연됩니다. 장애 회피가 중요합니다. 하지만 벨트 교체나 윤활 같은 것이 아니라 운영이나 행동을 위한 정기 유지보수의 제공 효율성도 마찬가지로 중요합니다. 기술적으로 필요하기 전에 정기 유지보수를 수행하는 것이 더 효율적일 때가 많습니다. 그렇게 하면 평범한 서비스 호출을 더 높은 가치의 접점으로 전환할 수 있습니다.

또한 올바른 분석을 가진 좋은 기술자는 다른 문제를 무엇을 봐야 할지 압니다. 문제를 빠르게 해결하기 위해 올바른 진단을 실행하고 장비와 환경에 대한 더 나은 통찰을 제공하는 추가 데이터 포인트를 수집할 수 있습니다.

그러한 원격 셀프 서비스 기능의 중요성은 과대평가될 수 없습니다. 특히 팬데믹 기간 동안.

RTInsights: 처방 분석과 유지보수가 정기적으로 사용되는 것을 보십니까, 아니면 아직 너무 이릅니까?

맥도날드: 네, 사용되고 있습니다. 하지만 제조 운영보다는 기계 제작자 이슈인 경향이 있습니다. 우리의 대표적인 분석 활용 사례 중 하나는 타이어 제조사입니다. 타이어 제조 기계에는 다양한 설정값이 있습니다. 특정 방식으로 하지 않으면 재작업이나 스크랩으로 이어져 결국 돈과 수익 손실이 발생합니다.

처방 분석의 전체 개념은 데이터가 있었고 그들이 데이터를 알았기 때문에 형태를 갖췄습니다. 예측 관점에서 운영 결과와 연결할 수 있었습니다. 그 결과로 이어지는 단계가 발생하기 전에 무슨 일이 일어날지 알았습니다. 하지만 그들에게는 레버도 있었습니다. 기계 제작자 맥락에서 설정값은 실제 레버이거나 데이터상의 레버입니다. 최적화를 실행하고 특정 문제를 방지하기 위해 다른 설정값을 처방하기 시작할 수 있습니다. 그것은 수억 달러의 ROI에 해당하는 활용 사례입니다.

RTInsights: 여기서 ROI를 말하는 겁니까?

맥도날드: 운영 관점에서 보면 절대적으로 그렇습니다. 다시 타이어 제조 기계나 제조 작업에 사용되는 다른 장비의 제조사라고 생각해 보세요. 제 고객이 장비를 더 잘 활용하기 위해 일하는 방식을 바꿔야 합니다. 그러면 저는 '잠깐, 내 엔지니어링 사양이 장기 사용 기반으로 개발되지 않았거나, 올바른 조건을 시뮬레이션하지 않았을 수 있다. 설정값이 예상보다 더 동적이다.'라고 생각하게 됩니다.

거기서 '아마 이 설정값 분석을 제공하고 최종 고객에게 애플리케이션을 제공해야 할지도 모른다. 내 장비가 운영에서 가치나 도전을 어떻게 전달할지에 대한 통찰이 있다면, 운영 결과가 충족되도록 그런 통찰을 서비스 형태로 제공할 수 있을지도 모른다.'라고 말하기 시작합니다.

RTInsights: 성공을 위해 지금 필요한 기반 기술은 무엇입니까?

맥도날드: 물론 중요한 기술은 연결성입니다. 자산이 어디에 있는지 맥락화하고 데이터 측면에서 물리적 지형을 알 수 있게 해줍니다. 올바른 기술로 데이터를 맥락과 관련하여 모델링할 수 있습니다.

하지만 다른 많은 기술도 중요합니다. 센서에 대한 에지 연결과 관련된 시스템 통합이 있습니다. 전체 선제적 노력의 일부가 될 수 있는 기타 시스템이나 서비스 시스템도 있습니다. 그 시스템 통합을 단순화하는 역량과 도구를 더 많이 제공할수록 좋습니다.

원격 모니터링은 시작점입니다. 말했듯이 듣기조차 시작하려면 최소한 들을 수 있어야 합니다.

증강 원격 지원, 증강 3D 작업 지침, 증강 전문가 포착이 중요하다고 생각합니다. 서비스, 부품 관리, 워크플로 관리 같은 것들이 분석에서 통찰을 얻을 수 있습니다. 통계 계산과 머신러닝이 그것을 더 쉽게 만듭니다.

자동화된 머신러닝으로 데이터 표현 모델을 더 빠르게 생성하고 튜닝할 수 있습니다. 더 나은 예측과 결과를 얻는 데 도움이 됩니다. 그리고 이 모든 것은 일반적인 분석으로 개선되어야 합니다.

또한 애플리케이션 개발 플랫폼이 필요합니다. 이 선제적 운영 활용 사례에는 많은 것이 들어갑니다. 가장 중요한 역량은 연결, 저장, 데이터 이해 능력, 특히 머신러닝 같은 고급 분석 기법을 사용하여 모델을 구축하고 예측하는 것입니다.

이것은 무엇을 켜기 전에 반드시 완료되어야 합니다. 데이터를 그 모델에 넣기 위한 실시간 시스템과 애플리케이션이 있어야 합니다. 예측을 받아 무언가를 할 수 있는 시스템과 애플리케이션이 있어야 합니다.

통찰과 비즈니스 가치의 상승 나선은 엄청납니다. 유비쿼터스 연결성 없이는 어떤 선제적 운영 이니셔티브도 파일럿 규모 이상으로 확장할 수 없습니다. 데이터를 추출하기 위해 수동적이고 일관성 없는 방법에 의존하는 것은 점점 덜 실행 가능해집니다.

마찬가지로 프로세스 매 단계에서 유용한 통찰을 제공하기 위해 다양한 분석 기법을 사용할 수 있어야 합니다. 제조사는 현장 장비에 센서를 추가하고 원격으로 연결하는 것으로 시작할 수 있습니다. 장비에 잠재적 문제가 있을 수 있음을 운영자, 원격 기술자, 서비스 조직이 조사하도록 알리는 임계값을 설정하기 시작합니다.

그 임계값들은 추가 통찰로 정상 사용 및 운영 패턴 이해를 고려한 이동 평균과 벤치마크 같은 상황으로 진화할 수 있습니다. 플래그된 조사들은 머신러닝 알고리즘에 입력될 수 있습니다. 잠재적 인과 패턴을 발견하고 풍부한 자동 진단을 생성할 수 있습니다. 그러면 예측과 심지어 처방을 시작할 수 있습니다. 그것은 우리가 비즈니스와 운영 프로세스를 근본부터 재고할 기회를 줍니다. 저는 이것이 서비스 운영을 전환하는 기초적인 방법이라고 생각합니다.

RTInsights: 이 기술들을 사용할 때의 과제는 무엇이며, PTC는 어떻게 돕습니까?

맥도날드: 근본적으로 선제적 운영을 가능하게 하는 초기 시작점인 연결성이 과제가 될 수 있습니다. 한 제조사와 전체 고객 기반에서 그 기기들이 서로 다른 조건에서 작동할 가능성이 높은, 서로 다른 기기들과 유사한 기기들의 다른 버전들에 연결해야 합니다. 데이터 측정과 기술적 연결 프로토콜은 궁극적으로 다를 것입니다. PTC는 디지털 자산을 정의하고 반복하기 쉽게 만드는 에지에서 클라우드까지 연합된 계층을 지원하는 역량을 제공함으로써 돕습니다.

제조사들은 고객의 운영 환경에 대한 제한된 데이터를 가진 독특한 과제에 직면합니다. 그들이 판매하고 서비스하는 커넥티드 장비 외부의 데이터를 거의 가지고 있지 않습니다. 즉, 레이블된 데이터를 항상 가지고 있지 않을 수 있습니다. 그리고 결과가 운영 조각일 수 있으므로 결과 레이블 데이터에 대해 특별히 생각해야 합니다.

이상 탐지와 통계적 모니터링 같은 다른 기법을 사용해야 할 수도 있습니다. 예측 통찰이 가능하기 전에 좋은 디딤돌입니다. 상황이나 장애 모드가 명확히 저장되고 지속되지 않는 경우 특히 그렇습니다.

마지막으로, 선제적 운영은 예측 통찰이나 어떤 통찰에 대해 다른 조치를 취하기 위해 다른 시스템들과의 통합을 필요로 합니다. 알림, 시각화, 워크플로 개시, 기타 시스템 등. 플랫폼 내 워크플로 도구와 API 통합, 당신이 사용하는 소프트웨어 운영은 절대적으로 핵심이며 찾아야 할 것입니다.

이 모든 것의 한 가지 열쇠는 궁극적으로 디지털 전환이 헌신적인 노력을 필요로 한다는 것을 깨닫는 것입니다. 협업과 배우고 반복하려는 의지가 필요합니다. 기술 구현은 힘든 일이기 때문에 이 기반 위에 구축해야 합니다.

마법은 없습니다. 성공의 열쇠는 기술 이상입니다. 프로젝트는 전반적인 비전에 맞춰져야 합니다. 공통 데이터 정의에 동의해야 하는 다양한 이해관계자들이 있습니다. 엔지니어, 아키텍트, 데이터 과학자, 운영자가 협업하는 방법을 찾아야 합니다. 그들은 전통적으로 매우 분리된 우주에 존재했습니다. 그들은 협업하고 반복하여 통찰을 이해하고 도출해야 합니다. 그들이 영향을 주고자 하는 실제 프로세스에 데이터가 어떻게 영향을 미치는지 이해하기 위해 더 나은 행동을 취해야 합니다.

그들은 모두 데이터 기반 결정을 내릴 의향이 있어야 합니다. 그리고 그것은 성공의 전제 조건으로 임원 리더십을 필요로 합니다. 비현실적인 기대를 가진 불분명한 프로젝트를 던지는 리더들은 실패할 위험이 있습니다. 비즈니스 목표에서 시작하여 디지털 전환 비전으로 거꾸로 가야 합니다. 전략의 빌딩 블록으로 사용할 좋은 프로젝트를 식별하기 전에도 그렇게 해야 합니다.

간단히 말해, 현대 리더는 조직하기에 충분히 명확하면서, 정확히 어떻게 반복하여 도달할지에 대한 본질적 불확실성을 다룰 만큼 충분히 유연한 비전을 가져야 합니다. 그 균형을 완벽하게 맞추는 방법은 돌이켜보면 명확해 보이지만, 앞을 내다볼 때는 꽤 어려울 수 있습니다.

RTInsights: 어느 산업과 애플리케이션이 선제적 운영으로 이동하여 가장 많은 이득을 얻습니까?

맥도날드: 고객 운영에 필수적인 장비를 제공하는 모든 제조사가 혜택을 볼 수 있습니다. 다운타임이 중요한 상황입니다. 선제적 운영은 최적화를 추진하는 데에도 광범위하게 적용 가능합니다. 하지만 다운타임이 중요하고, 서비스가 비용이 많이 들며, 특히 안전과 규제 준수가 최우선인 장비나 자산에서 비즈니스 케이스가 매우 강하고 기회가 엄청납니다.

좋은 예는 공기 및 가스 처리 솔루션 제조 분야 글로벌 리더인 Howden입니다. 그들의 장비는 인프라, 발전, 석유 및 가스, 폐수, 금속, 광업, 운송 등 분야에서 사용됩니다.

그들의 자산은 시스템 건강에 필수적입니다. 그들은 초기에 고급 맞춤형 자산을 위해 Howden Uptime 솔루션을 개발했습니다. 이는 커넥티드 IoT 솔루션입니다. 그들의 제품은 서비스 조직뿐만 아니라 최종 고객에게도 통찰을 보여줍니다.

수분 농도는 장비나 자산에서 인라인으로 모니터링되지 않았기 때문에 그 솔루션의 일부가 아니었습니다. (기술자들이 정기적으로 수동 측정을 했습니다.) 그들의 석유 및 가스 고객 중 하나가 이 문제로 어려움을 겪고 있었습니다. 고객의 자연스러운 본능은 "이봐, 장비가 작동 안 해. 다운타임 일으키고 있어."라고 말하는 것입니다. Howden은 문제를 이해하고 싶었습니다. 워터 예측 모델을 애플리케이션에 내장하여 장비가 아니라 운영상의 무언가임을 이해할 수 있게 했습니다. 그 모델은 운영 상황 하에서 장비를 더 잘 사용하는 방법에 대한 통찰도 제공했습니다.

한 중요 고객을 기반으로 한 기회에서 그들은 전체 IoT 솔루션을 발전시키고 진단 및 예측 통찰을 지속적으로 제공하는 방법을 찾는 엄청난 기회를 보았습니다. 그런 솔루션을 다른 고객들과도 사용할 수 있었습니다.

그리고 Howden은 무엇보다 중요한 성공 요인이 자신들이 하는 일, 데이터 분석, 예측 모델링의 교차점에서 창출되는 가치를 이해하는 것이라고 말할 것입니다. 데이터 분석과 예측 모델링은 서비스화로의 글로벌 이동을 가속화하는 데 기초적입니다. 그리고 그렇다고 해서, 선제적 서비스 프로젝트 가치의 주요 부분은 매우 성숙한 산업 시장에서 전략적 경쟁 차별화를 제공하는 청사진을 구축하는 것입니다.