现在转向主动式服务为何恰当其时

MacDonald：服务和售后支持正逐渐演变为现代化制造企业的重要方面。当前，客户要求获得更高的价值，而制造商也纷纷意识到，只有建立更加密切的长期客户关系才能帮助他们提升盈利并确保盈利的可持续性。即使不是这样，这至少也是鼓励客户回购以实现稳定收入的一种方式。

目前，您能够从产品中获取的利润正不断受到压缩。因此，公司和高管不约而同地选择利用服务来抵消利润压力，为此，他们采取了如下措施：创造更加可观价值；建立更为紧密的客户关系；创造各种机会帮助客户将解决方案更加深入地嵌入客户运营中；以及提供与其核心产品与服务相关的附加产品和服务。

对许多制造商而言，问题在于他们已按照惯例将大部分服务和售后业务委托给第三方，但是第三方可能不会完全按照要求行事，还可能会忽略相关的指南。转为主动式服务是重获控制权的一种方式。就实际情况而言，这样至少可以帮助您重新实现服务可见性，进而获得一定的控制权，并最终实现服务标准化。

就服务而言，由此产生的利润可能是新产品销售额的 2.5 倍，您会发现，许多制造商从售后服务获得的利润占到了总利润的 40 到 50%，因此我们很容易理解制造商为什么要开始获取主动式见解和提供主动式服务。这可以让他们及时了解现场设备和资产的情况，并根据自己发现的规律调整操作。主动式方法也能保护服务业务的利润，从而帮助企业提供更具竞争优势的 SLA。如果能这样做下去，他们更有可能获得可以盈利的业务并长期保持下去。

MacDonald：我用个类比来说明一下。让我们停下来思考一些这些实体资产或智能互联产品。系统可为您提供遥测数据，还可能会提供与服务相关的其他数据。这相当于您能够听到声音。那么问题就变成了：需要聆听什么内容？噪音很多，那么我该如何挑选并只聆听重要的信息？

此时，您或许根本不会考虑预测分析和规范性分析，而只考虑与性能相关的重要功能和统计信息。毕竟，这样的信息可以让您在背景噪音中清晰地听到哪些音符不在调上。

当然，您总能听到尖叫声。不过，尖叫声通常来自遭受到某种危机、正在遭受伤害的某个人（或某个事物）。在这种情况下，您就是在被动地处理问题。

能够真正听到正确的信息有一个好处。那就是，您可以开始确定性能模式和行为，并据此诊断正在发生的状况。客户希望实现无缝运营。他们倾向于对他们认为（无论对错）导致计划外停机的制造商进行惩罚。听到走调的音符时，您可以在问题变成来自设备或客户的尖叫声之前解决它们。

分析可以提供我提到的诊断见解。分析可以帮您找出与卓越实践的偏差，或者与设备在环境中应当采用的操作或使用方法之间的偏差。基于这些分析的主动式服务可在问题出现之前就发现问题。

有了互联产品，您就可以随时查看资产运行环境中正发生的一切情况。分析，尤其是高级分析，可以让您通过处理数据来获取与异常、模式和事件相关的统计学信息。这最终可以让您从一种更为客观的视角来审视问题的实质。

改善规划和资源分配可以提高服务效率。预测见解可以帮助制造商摆脱中断-修复或基于日历的服务模式，提高服务请求的效率，减少诸如上门服务总次数、重复请求服务次数等。

如果没有互联产品，我们通常要派出技术人员诊断问题，而他们到现场后才发现没有随身携带合适的部件，或者自己无法独立解决问题。如果客户遇到运营停机，维修还会遭到延误。避免故障至关重要。此外，高效地为运营或操作提供例行维护同样至关重要，这可不只是更换皮带或润滑油那么简单。很多时候，例行维护更为高效，建议您不要等到必须进行技术维护时再采取相应措施。这样可以将常规服务请求转换为更高价值的触点。

同样，优秀的技术人员只要拥有适当的分析数据，就能及时获悉自己要查找哪些其他问题。他们可以运行合适的诊断来快速解决问题，收集其他数据点以更好地了解设备在运行环境中的状况。

此时，远程自助服务功能的重要性不言而喻，在新冠疫情期间尤为如此。

MacDonald：是的。我们已经在使用了。但这更多地是机械制造商的问题，与制造运营没多大关系。我们的一个典型分析用例是一家轮胎制造商。轮胎制造机械具有不同的设定点。如果不以某种方式完成，可能导致返工或报废，最终导致资金损失和收入损失。

规范性分析这种概念之所以可以在他们公司生根发芽，是因为他们既有数据，又了解自己的数据。他们可以从预测角度将数据与操作结果联系起来。因此，他们在执行导致有关结果的步骤之前就知道会发生什么。但是他们也有一些杠杆。在机械制造商环境中，设定点就是指实际杠杆或数据杠杆。您可以开始运行优化并指定不同的设定点，以防出现某些问题。这是一个能带来数亿美元投资回报率的用例。

MacDonald：MacDonald：当然，尤其是如果从运营角度来看。同样假设我是轮胎制造机械或制造过程中使用的其他设备的制造商。我的客户必须改变他们的行为方式，以更好地利用他们的设备。然后我开始默默地思考一个问题：也许我的工程规格不是针对长期使用而开发的，甚至没有模拟正确的条件。设定点比我们预期的要更为多变。

这时，您会说：也许我需要开始对这些设定点进行分析，并向最终客户提供一个应用程序。也许，如果我了解我的设备如何在运营中带来价值或挑战，我就可以为他们提供这些见解，甚至将其作为服务提供给客户，以确保实现这些运营成果。

MacDonald：关键的技术肯定是连接性。这不仅可以让我们针对资产构建相关情境，还能让我们从数据的角度了解物理环境。有了合适的技术，我们就可以根据情境对数据进行建模。

但是，还有许多其他重要的技术。与传感器的边缘连接涉及到系统集成技术。另外，其他系统或服务系统也可能会成为整体主动式服务的一部分。总之，用于简化系统集成的功能与工具越多越好。

首先是远程监控。如前所述，在开始聆听之前，至少必须能够听到。

我认为增强的远程协助、增强的 3D 工作说明和增强的专家采集功能至关重要。诸如服务、部件管理和工作流程管理等功能都可以从分析中获得见解。统计计算和机器学习让分析变得更加轻松。

自动化的机器学习可以让您创建并更快速地调整用于表示数据的模型。这可以帮助您获得更好的预测信息和结果。但是，必须借助常规的分析技术来改善所有这些技术。

此外，您还需要采用应用程序开发平台。这些主动式服务用例涉及很多开发平台。不过，最为关键的功能还是要归结到连接、存储和理解数据功能，尤其是使用高级分析技术（例如机器学习）来建立预测模型的能力。

必须在打开设备之前完成此这一步。您必须拥有实时系统和应用程序，才能将数据输入这些模型。此外，您还必须拥有可以获得预测信息并对其进行处理的系统和应用程序。

见解和业务价值显然呈大幅上升态势。如果没有广泛普及的连接性功能，我们就不可能将主动式服务计划扩展到试点规模之外。依靠手动、不一致的方法来提取数据将变得越来越不可行。

同样地，在流程的每一步，都需要各种分析技术来提供有用的见解。制造商可以首先向现场设备添加传感器并远程连接到现场设备。他们可以设置阈值，从而提醒操作员、远程技术人员、服务组织调查一台设备是否可能存在潜在问题。

凭借额外的见解，这些阈值可以演变为诸如滚动平均值和基准之类的状况，让您可以将对正常使用情况和操作模式的理解情况考虑在内。可以将添加标记后的调查信息输入到机器学习算法中。他们可以发现潜在的因果关系并生成大量的自动化诊断信息。然后，他们可以开始进行预测，甚至制定解决方案。这让我们有机会反思整个业务和运营流程。我认为这是实现服务运营转型的基本方式。

MacDonald：从根本上说，这个初始起点，也就是连接性功能，可能是实现主动式服务的一个挑战。必须连接不同的设备和类似设备的不同版本，要知道这些设备可能在一个制造商及整个客户群中的不同条件下运行。数据测定和技术连接协议最终将有所不同。PTC 提供的功能支持从边缘连锁到云端的各种层次结构，使定义和迭代这些数字资产变得更加容易。

制造商面临的一个巨大挑战是，拥有的客户操作环境数据有限。在所销售和服务的互联设备之外，他们的数据很少。这意味着他们可能并非总是拥有已标记的数据。因此，他们必须尤其注意标记结果数据，毕竟结果都可能是操作引起的。

他们可能必须使用其他技术，例如异常检测和统计监控。在获得预测见解之前，这些都是很好的基础。在没有明确地存储和持久保存各种情况或故障模式时尤其如此。

最后，主动式服务需要集成到不同系统中，以便针对预测见解或任何见解采取不同的措施，这些见解可能是启动工作流和其他系统的可视化提醒。将工作流程工具和 API 集成到您正在使用的平台和软件中至关重要，也是我们孜孜不倦的追求。

要实现所有这些目标，关键是要意识到，数字化转型最终还是需要付出不懈的努力。需要协同合作，不断学习和迭代的强大意愿。这些是构建一切技术的基础，毕竟实施技术本身就是一项艰苦的工作。

没有什么一蹴而就的魔法。成功的关键不仅仅在于技术。各个项目必须与总体愿景保持一致。有关各方必须就通用的数据定义达成共识。工程师、架构师、数据科学家和操作员必须找到一种协同方式。在传统的工作中，他们属于截然不同的独立领域。但是，他们必须合作并反复努力才能相互理解并获得见解。他们必须采取更有效的措施，以了解数据对他们希望影响的实际流程有何影响。

他们必须从主观上愿意做出数据驱动型决策。因此，行政领导是取得成功的先决条件。抱着不切实际的期望抛出一个定义不明确项目的领导者很可能不会成功。您必须从业务目标开始，然后回溯到数字化转型愿景。您甚至必须在确定要将哪个不错的项目用作策略构成部分之前就执行这一举措。

简言之，现代领导者必须拥有足够清晰的愿景，才能更好地组织并灵活应对我们在实现愿景的过程中必然要遭遇的各种不确定性。如何完美地实现这一平衡在事后看来往往很清楚，但展望未来时却很困难。

MacDonald：提供对客户运营至关重要的设备的制造商都可以从中受益。毕竟，对客户而言，避免停机时间至关重要。主动式服务也广泛适用于推动优化。但是，对于停机时间非常重要、服务成本很高、特别是安全性和监管合规性是重中之重的设备或资产来说，这种业务需求非常强烈，机会是巨大的。

一个很好的例子就是 Howden，该公司是制造空气和气体处理解决方案的全球领导者。其设备用于基础设施、发电、石油和天然气、废水、金属、采矿和运输等行业。

在这家公司，资产对系统运行状况操至关重要。他们最初为高端定制资产开发了 Howden Uptime 解决方案，这是一个互联物联网解决方案。他们的产品可以同时向服务组织和最终客户显示相关见解。

由于无法在设备或资产中在线监控水浓度，因此，水浓度不是该解决方案的一部分。（技术人员常常需要进行手动测量。）他们的一位石油和天然气客户遇到了与这种情况有关的问题。于是，客户本能地告诉他们：“嘿，设备坏了。这造成了停机。”Howden 希望了解具体问题。于是，公司将一个水预测模型嵌入到其应用程序中，希望借此确定导致设备出现问题的是某个操作而不是设备本身。该模型还提供了有关如何根据操作情况更好地使用设备的见解。

这个机会来自一个重要客户，他们看到了改进整体物联网解决方案并找到途径不断提供诊断和预测性见解的绝佳机会。之后，他们也可以将该解决方案用于其他客户。

在我看来，Howden 肯定会说，成功的关键在于理解自己能在业务转型的交叉口创造出什么价值，这一点比其他任何因素都更加重要。数据分析和预测建模是加快全球服务化步伐的基础。话虽如此，但主动式服务项目的主要价值是建立一个蓝图，让您在非常成熟的工业市场打造战略性竞争优势。