Pourquoi le moment est-il venu de passer au service proactif ?

MacDonald : Les domaines du service et de l'après-vente deviennent des secteurs importants pour les entreprises industrielles modernes. Les clients exigent plus de valeur et les fabricants prennent conscience que des relations clientèle étroites à long terme sont plus rentables et durables. Et si elles ne le sont pas, elles sont au moins un moyen de fidéliser des clients pour générer des revenus réguliers.

Les marges sur les produits sont en constante diminution. Les entreprises et les cadres exécutifs se tournent donc vers les services pour compenser la pression sur les marges en offrant plus de valeur, en tissant des relations plus étroites avec les clients ainsi qu'en permettant d'intégrer des solutions davantage dans les opérations de ces clients et de fournir d'autres produits et services liés à leurs offres de base.

Le problème pour de nombreux fabricants est qu'une grande partie de leurs activités de service après-vente a été traditionnellement confiée à des tiers, qui ne font pas forcément les choses de la même manière ou ne suivent pas les directives à la lettre. Devenir proactif est un moyen de reprendre le contrôle. Cette approche permet en fait de regagner au moins de la visibilité et un certain niveau de contrôle pour normaliser les services.

Prenons le cas du service. Lorsqu’on voit qu'il est capable de générer des marges 2,5 fois supérieures aux ventes de nouveaux produits et que de nombreux fabricants tirent 40 à 50 % de leur bénéfice global du marché des pièces de rechange, il est facile de comprendre pourquoi les fabricants s'intéressent aux informations et au service proactif. Ils sont ainsi capables d'écouter les équipements et biens sur le terrain et d'adapter leurs mesures opérationnelles aux schémas qu'ils découvrent. Une approche proactive permet également de protéger la rentabilité des activités de service. Elle offre aussi la possibilité de proposer des accords de niveau de service plus agressifs. Dans ces conditions, elles ont beaucoup plus de chances de remporter et de pérenniser des contrats rentables.

MacDonald : Je vais utiliser une analogie. Prenons un peu de recul et examinons ces biens physiques ou ces produits intelligents et connectés. Vous avez des données télémétriques et potentiellement d'autres données sur le service fournies par les systèmes. C'est l'équivalent d'être capable d'entendre. La question est alors de savoir ce que j'écoute. Il y a beaucoup de bruit, alors comment faire le tri et n'écouter que ce qui est important ?

Sans même prendre en compte les analyses prédictives et prescriptives, pensez à l'importance des fonctionnalités et de la statistique pour les performances. Vous pouvez ainsi clairement entendre les notes qui sonnent juste ou faux malgré le bruit de fond.

Bien sûr, vous pouvez toujours entendre un cri. Mais généralement, un cri est produit par quelqu'un (ou quelque chose) déjà en crise, en souffrance. Donc, vous ne faites que réagir aux problèmes.

Il y a un avantage à être capable de vraiment écouter les éléments pertinents. Vous pouvez commencer à identifier des modèles et comportements de performance pour diagnostiquer ce qui se passe. Les clients comptent sur une exploitation sans discontinuité. Ils ont tendance à pénaliser les fabricants qui, selon eux, à tort ou à raison, leur ont causé des durées d’immobilisation non planifiées. Si vous êtes capable d'entendre les fausses notes, vous pourrez résoudre un problème avant qu'un équipement ou votre client pousse un cri.

Les analyses fournissent les informations de diagnostic dont je parlais. Elles permettent de repérer les écarts par rapport aux bonnes pratiques ou à l'exploitation ou l'utilisation normale de l'équipement dans un environnement donné. Le service proactif piloté par ces analyses repère les problèmes avant leur apparition.

Grâce à un produit connecté, vous savez ce qui se passe dans l'environnement où le bien fonctionne. L'analyse, en particulier l'analyse avancée, permet de traiter ces données pour identifier les anomalies, les schémas et les événements statistiquement pertinents. Vous profitez ainsi finalement d'une vision plus objective et réelle d'un problème.

L'efficacité du service peut être optimisée grâce à une meilleure planification et une meilleure allocation des ressources. Les informations prédictives permettant aux fabricants d'abandonner le modèle de service axé sur la réparation des pannes ou un calendrier programmé peuvent grandement optimiser les appels de service grâce à la diminution, entre autres, d'interventions sur le terrain et de rappels.

En l'absence de produit connecté, nous envoyons souvent un technicien effectuer ces diagnostics, lequel se trouve ensuite généralement dans l'incapacité de résoudre le problème sur place, faute de la bonne pièce ou de la compétence nécessaire. Lorsqu'un client subit déjà une durée d’immobilisation opérationnelle, ce retard de réparation n'est pas une bonne nouvelle. Il est évidemment essentiel d'éviter les pannes. Mais l'efficacité de la maintenance de routine l'est tout autant, plus pour les opérations ou les actions, que pour le remplacement d'une courroie ou une lubrification. Bien souvent, il est plus efficace d'effectuer la maintenance de routine avant qu'elle ne devienne techniquement nécessaire. De cette façon, les appels de service ordinaires peuvent être convertis en points de contact à plus forte valeur ajoutée.

En outre, un technicien compétent disposant des bonnes analyses connaît les autres problèmes à rechercher. Il peut effectuer les bons diagnostics pour résoudre rapidement le problème et recueillir des points de données supplémentaires pour fournir de meilleures informations sur l'équipement dans son environnement.

On ne saurait trop insister sur l'importance de ces capacités de libre-service à distance, surtout en période de pandémie.

MacDonald : Oui. Nous en sommes témoin. Mais elle concerne davantage les constructeurs de machines que les opérations de fabrication. L'un de nos cas d'utilisation analytique de référence est un fabricant de pneus. La machine fabriquant les pneus présente différents points de consigne. Mal configurée, elle génère des reprises ou du rebut qui se traduisent en perte d'argent et, finalement, en baisse du chiffre d'affaires.

Tout le concept d'analyse prescriptive a pris forme parce que les données étaient disponibles et qu'ils les connaissaient. Ils pouvaient les relier aux résultats opérationnels dans une optique prédictive. Ils anticipent même les résultats des différentes étapes 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 pourriez commencer à effectuer des optimisations et à prescrire les différents points de consigne pour éviter certains problèmes. C'est un cas d'utilisation qui équivaut à des centaines et des centaines de millions de dollars de retour sur investissement.

MacDonald : MacDonald : Oui, absolument, surtout si vous l'envisagez d'un point de vue opérationnel. Encore une fois, imaginez que je suis le fournisseur des machines de fabrication de pneus ou de toute autre pièce d'équipement utilisée dans une opération de fabrication. Mon client doit changer son mode opératoire pour optimiser l'utilisation de son équipement. Je commence alors à me dire : « Attendez une minute. Peut-être que mes spécifications techniques ne sont pas développées en fonction d'une utilisation à long terme ou ne simulent même pas les bonnes conditions. » Les points de consigne sont plus dynamiques que prévu.

C'est là que vous commencez à vous dire : Peut-être que je dois commencer à fournir l'analyse de ces points de consigne et une application à mon client final. Peut-être que si je sais comment mon équipement va apporter de la valeur ou relever des défis une fois en service, je peux leur fournir ces informations, même en tant que service, pour m'assurer que ces résultats opérationnels sont atteints.

MacDonald : Le pilier technologique est, bien sûr, la connectivité. Elle nous permet de contextualiser l'emplacement des biens et de connaître le paysage physique en termes de données. Avec la bonne technologie, nous pouvons modéliser les données en fonction de leur contexte.

Mais bien d'autres technologies sont également importantes. L'intégration des systèmes est impliquée dans la connectivité de la périphérie aux capteurs. Il existe également d'autres systèmes ou systèmes de service capables de contribuer à un effort proactif global. Plus vous multipliez les capacités et les outils en mesure de simplifier cette intégration de systèmes, mieux c'est.

La surveillance à distance est le point de départ. Comme je l'ai dit, vous devez au moins pouvoir entendre avant de commencer à écouter.

Je pense que l'assistance à distance augmentée, les directives 3D augmentées et la capture d'expertise augmentée sont essentielles. Le service, la gestion des pièces de rechange et la gestion des processus font partie des domaines qui peuvent profiter des analyses. Les calculs statistiques et l'apprentissage automatique facilitent aussi les choses.

L'apprentissage automatique vous permet de créer et d'ajuster plus rapidement des modèles en fonction des données. Vous obtenez de meilleures prédictions et de meilleurs résultats. Et tout cela doit être amélioré grâce à des analyses générales.

En complément, vous avez besoin d'une plateforme de développement d'applications. Ces cas d'utilisation de service proactif comportent beaucoup d'éléments. Les capacités les plus critiques se résument à la capacité de connecter, de stocker et de comprendre les données, en particulier avec des techniques d'analyse avancées comme l'apprentissage automatique pour construire des modèles permettant les prédictions.

C'est la base même de tout le reste. Vous devez disposer de systèmes et d'applications en temps réel pour intégrer les données dans ces modèles. Vous devez disposer de systèmes et d'applications capables de valoriser ces prédictions.

La spirale ascendante des informations et de la valeur commerciale est énorme. Sans une connectivité omniprésente, une initiative de service proactif ne dépassera pas le stade du projet pilote. L'extraction de données à l'aide de méthodes exclusivement manuelles et incohérentes n'a aucun avenir.

De même, il faut varier les techniques d'analyse disponibles à chaque étape du processus pour obtenir des informations exploitables. Un fabricant peut commencer par ajouter des capteurs aux équipements sur le terrain et les connecter à distance. Il commence à fixer des seuils d'alerte pour prévenir les opérateurs, les techniciens à distance et les organisations de service d'un problème éventuel sur une pièce d'équipement.

Ces seuils, avec d'autres informations, peuvent permettre la génération de moyennes mobiles et de références en connaissance de l'utilisation normale et des schémas d'exploitation. Les problèmes signalés peuvent être introduits dans des algorithmes d'apprentissage automatique et permettre d'établir des causalités potentielles et d'automatiser des diagnostics approfondis. Il peut alors commencer à faire des prédictions et même des prescriptions. Cette transition nous donne l'occasion de repenser l'intégralité des processus commerciaux et opérationnels. Je pense que c'est un vecteur fondamental de transformation pour les opérations de service.

MacDonald : Fondamentalement, ce point de départ initial, cette connectivité, peut représenter un obstacle à la mise en place du service proactif. Il faut se connecter à différents appareils et à différentes versions d'appareils similaires, sachant que ces appareils fonctionnent probablement dans des conditions différentes chez un fabricant et l'ensemble de sa clientèle. Les mesures des données et les protocoles de connectivité techniques vont finalement différer. L'aide de PTC consiste à proposer des fonctionnalités qui prennent en charge des hiérarchies, fédérées de la périphérie au Cloud, pour faciliter la définition et l'itération de ces biens numériques.

Les fabricants sont confrontés au singulier défi posé par la carence de données sur l'environnement d'exploitation du client. Ils disposent rarement de données au-delà des équipements connectés qu'ils vendent et entretiennent. Ils ne disposent donc pas toujours des données étiquetées. Et ils doivent particulièrement penser aux données de résultat étiquetées parce que le résultat pourrait être un élément opérationnel.

Ils peuvent être amenés à utiliser d'autres techniques, comme la détection des anomalies et le suivi statistique. Ce sont de bons tremplins avant de pouvoir obtenir des informations prédictives. Elles sont d'autant plus cruciales lorsqu'une circonstance ou un mode de défaillance n'est pas clairement stocké et conservé.

Enfin, le service proactif requiert une intégration dans différents systèmes pour prendre des mesures différentes en fonction des informations prédictives ou de toute autre information, comme la visualisation d'une alerte, le lancement d'un processus ou d'autres systèmes. Disposer d'outils de processus et d'intégrations d'API au sein d'une plateforme et d'un logiciel que vous utilisez est absolument essentiel et doit être un objectif.

L'une des clés de la réussite est de bien comprendre qu'en fin de compte, la transformation numérique nécessite un véritable engagement. La collaboration et la volonté d'apprendre et d'itérer sont fondamentales. Vous devez pouvoir compter sur cette base car l'implémentation technologique est difficile.

Il n'y a rien de magique. La clé du succès dépasse la technologie. Les projets doivent participer de cette vision globale. De nombreux acteurs doivent se mettre d'accord sur des définitions de données communes. Des ingénieurs, architectes, analystes de données et opérateurs doivent trouver un moyen de collaborer. Bien qu'ils évoluent traditionnellement dans des univers cloisonnés, ils doivent collaborer et conjuguer leurs efforts pour comprendre et obtenir des informations. Ils doivent prendre de meilleures mesures pour comprendre comment ces données affectent les processus réels sur lesquels ils souhaitent avoir un impact.

Ils doivent tous être prêts à prendre ces décisions pilotées par les données. Il revient aux cadres exécutifs de montrer l'exemple, c'est une condition requise pour la réussite. Les responsables à l'origine de projets mal définis avec des attentes irréalistes risquent d'échouer. Il faut commencer par les objectifs de l'entreprise pour remonter vers une vision de la transformation numérique. Vous devez le faire avant même d'identifier les bons projets sur lesquels fonder votre stratégie.

En bref, les dirigeants modernes doivent avoir une vision à la fois suffisamment claire pour être directrice et suffisamment souple pour gérer l'incertitude inhérente à nos modes d'itération pour y parvenir. La manière d'atteindre cet équilibre parfait est l'une de ces choses qui tend à être claire avec le recul, mais peut s'avérer très difficile lorsqu'on regarde vers l'avenir.

MacDonald : Tout fabricant d'équipements essentiels aux opérations de ses clients peut en bénéficier. Tout secteur où les durées d’immobilisation sont critiques. Le service proactif facilite aussi largement les optimisations. Mais leur rentabilité est particulièrement criante, et l'opportunité est considérable pour les équipements ou les biens pour lesquels les durées d’immobilisation sont critiques, le service est coûteux, et surtout la sécurité ainsi que la conformité réglementaire sont hautement prioritaires.

Howden, un leader mondial dans la fabrication de solutions de traitement de l'air et des gaz, illustre idéalement mes propos. Ses équipements sont utilisés dans les secteurs des infrastructures, de la production d'électricité, du pétrole et du gaz, des eaux usées, des métaux, de l'extraction et des transports.

L'intégrité des systèmes dépend de leurs biens. Ils ont ainsi développé Howden Uptime, une solution IoT connectée initialement destinée à leurs biens haut de gamme sur mesure. Leur produit communique des informations, non seulement à leur organisation de service, mais aussi à leurs clients finals.

La concentration en eau n'était pas prise en compte par cette solution car elle n'était pas surveillée en ligne dans l'équipement ou le bien. Les techniciens prenaient régulièrement des mesures manuelles. L'un de leurs clients du secteur pétrolier et gazier avait des problèmes à ce sujet. La réaction instinctive du client consiste à dire : « Hé, l'équipement ne fonctionne pas. Il est responsable de durées d’immobilisation ». Howden a voulu comprendre le problème. La société a intégré un modèle de prédiction pour l'eau dans son application leur permettant de comprendre que la cause provenait de l'exploitation plutôt que de l'équipement. Le modèle a également permis de comprendre comment mieux utiliser l'équipement compte tenu des conditions de son exploitation.

Cet événement chez un client important leur a donné cette formidable opportunité de faire progresser leur solution IoT globale et de trouver des moyens de fournir continuellement des informations de diagnostic et de prédiction. Ils pouvaient ensuite utiliser cette solution avec d'autres clients.

Et je pense que Howden serait d'accord pour dire que, plus que tout, le facteur critique de succès est de comprendre la valeur créée à la croisée de leurs chemins. L'analyse des données et la modélisation prédictive sont fondamentales pour accélérer l'évolution mondiale vers la servicialisation. Ceci étant dit, une grande partie de la valeur d'un projet de service proactif est la construction d'un modèle de différenciation concurrentielle stratégique dans un marché industriel aussi développé.