プロアクティブなサービスへの移行が求められる理由

MacDonald: サービスとアフターマーケットは、現代の製造業の重要な要素となっています。顧客はより大きな価値を求めており、メーカーは顧客との緊密な関係を長期的に築くことで収益性と持続可能性が向上することを認識しています。そうでなくても、少なくとも同じ顧客から繰り返し着実な収益を上げることができます。

製品から得られる収益は縮小し続けています。企業と経営陣は、より大きな価値を提供し、顧客とのより緊密な関係を築き、顧客の業務の奥深くにまでソリューションを埋め込み、その中核的な事業に関連する製品およびサービスを追加で提供することで、収益の縮小を相殺することに注目しています。

多くのメーカーにとって問題なのは、従来、サービスおよびアフターマーケット市場の大部分がサードパーティーに託されていることです。サードパーティーは、まったく同じ方法で作業しないこともあれば、ガイドラインを忠実に守らない可能性もありますしかしプロアクティブなサービスへの移行により、主導権を取り戻すことができます。具体的には、少なくとも可視性が得られるサービスの標準化を可能にするある程度の主導権を取り戻すことができます。

サービスにより、新製品の販売の 2.5 倍の利益を生み出し、多くのメーカーが収益全体の 40 ～ 50% をアフターマーケットから得ていることを考えると、メーカーがプロアクティブなインサイトとプロアクティブなサービスへの取り組みを開始する理由は明らかです。これにより、現場の機器と設備音に耳を澄まし、特定されたパターンに合わせて機器の動作を調整できます。また、プロアクティブなアプローチは、サービスビジネスの収益性を保護することもできるので、より積極的なサービス品質保証契約 (SLA) を提供できます。その結果、ビジネスの収益を向上させ、長期的に維持できる可能性が高くなります。

MacDonald: 例を使って説明します。視点を変えて、物理的な設備、つまりスマート・コネクティッド・プロダクツ (SCP) について考えてみます。テレメトリーデータや、場合によってはシステムからのその他のサービス関連データがあるとします。これは、「無意識に聞こえること」に相当します。次に問題になるのが「意識的に何を聞くか」という点です。騒音が多い中で、重要なものだけを選別して聞くにはどうすればよいでしょう？

予測的分析や処方的分析などは考慮せずに、パフォーマンスに関連する機能と統計的重要性について考てみましょう。そうすれば、周囲に騒音があっても、どの音が調和していてどの音が外れているか、はっきりと聞き取ることができます。

もちろん、悲鳴はいつでも無意識に耳に入ります。しかし通常、悲鳴はなんらかの危機にすでに遭遇していて傷を負った誰かまたは何かから発せられるものです。このため、後から問題に対応することになります。

正しい情報を聞き取る能力にはメリットがあります。パフォーマンスのパターンと動作を特定し、何が起こっているかを診断できるようになります。顧客はシームレスな業務を期待しています。真偽のほどは定かでなくても、メーカーが原因で計画外ダウンタイムが発生したと考え、メーカーを非難する傾向があります。外れた音を聞き取ることで、機器または顧客から悲鳴が上がる前に問題に対応できます。

分析は、前述したような診断に役立つデータを提供します。これにより、ベストプラクティスからの逸脱や、環境内での機器の本来の運用方法または使用方法を特定できます。この分析に基づくプロアクティブなサービスは、実際に問題が発生する前に特定します。

コネクティッド・プロダクツを使用すると、機器が稼動している環境で何が発生しているかを把握できます。特に高度な分析により、データを処理して統計的に関連する異常、パターン、イベントを特定できます。これにより、問題の本質をより客観的に理解できるようになります。

プランニングとリソースの割り当てを改善することで、サービスの効率を向上できます。予測に役立つ分析データは、メーカーによる「障害が発生したら修理する」（ブレイク/フィックス）サービスモデルまたはスケジュールに基づくサービスモデルからの移行を支援します。これにより、顧客からの問い合わせへの対応の効率が向上し、出張対応やコールバックなどが全体的に減少します。

コネクティッド・プロダクツがない場合、技術者を派遣して診断を実施しても、必要な部品を持ち合わせていなかったり、問題の修正に必要な専門知識がなかったりすることが珍しくありません。顧客の業務にダウンタイムが発生している場合、それにより修理が遅延します。不具合を未然に防ぐことは重要です。しかし同様に、ベルトの交換や注油などよりも、業務や作業のための定期メンテナンス実施の効率性も重要です。多くの場合、技術的に必要になる前に定期メンテナンスを実施した方が効率的です。このようにして、通常の顧客からの問い合わせを価値あるタッチポイントに変換できます。

また、優れた技術者が適切な分析を使用することで、その他の検討すべき問題を把握できます。このような技術者は、適切な診断を実行して問題を迅速に解決し、さらに追加のデータポイントを収集して、環境内の機器に関するより有用な情報を提供します。

特に新型コロナウイルス感染症の拡大の状況下では、このようなリモートのセルフサービス機能の重要性は強調し過ぎることはありません。

MacDonald: はい。使用されています。ただし、製造業務関連ではなく、製造設備メーカーの問題であることが多いです。この分析の主要なユースケースの一つにタイヤメーカーがあります。タイヤ製造設備にはさまざまな設定値があります。特定の方法に従わなければ、手戻りやスクラップが生じ、結果的にコストがかかり、最終的には収益が下がってしまいます。

処方的分析のコンセプト全体が形成されたのは、データが利用可能で、メーカーがデータを把握していたためです。それを、予測的な観点から業務上の結果に結び付けることができました。メーカーは、その結果に通じるステップが発生する前に、何が起きるか把握できした。一方、それを実現する手段もありました。製造設備メーカーの場合では、設定値がその手段となります。最適化の実行を開始し、さまざまな設定値を指定することで、特定の問題を回避できます。これは、数百億ドルもの ROI に相当するユースケースです。

MacDonald: MacDonald:運用の観点から見た場合は特に関係あります。例えば、私がタイヤ製造設備のメーカー、あるいは製造業務で使用されるなんらかの機器のメーカーだとします。あるお客様が、機器をさらに活用するために作業方法を変更しなければなりません。そこで、私はふと気付きます。私の設計仕様は長期的な使用に基づいて開発されていないかもしれないし、適切な条件をシミュレートしていないかもしれないと。設定値は、予想していたよりも動的なものです。

この場合、次のように考えるべきでしょう。これらの設定値の分析を開始し、最終顧客にアプリケーションを提供する必要があると。また、機器を運用する中で価値または課題がどのようにもたらされるかを把握できれば、それらの情報を、場合によってはサービスとして提供し、これらの運用成果を確実に満たせるかもしれないと。

MacDonald: 重要な技術はもちろん、接続技術です。接続技術により、設備がある場所をコンテキスト化し、現場の環境をデータ面から把握できるようになります。この適切な技術を使用することで、データをコンテキストに関連付けてモデル化できます。

しかし、重要な技術はほかにも多数あります。センサーに接続されたエッジにはシステム統合が関与します。ほかのシステムやサービスシステムも、プロアクティブな取り組み全体の構成要素となる可能性があります。システム統合を簡素化するための機能とツールを提供できればそれに越したことはありません。

リモートモニタリングがスタート地点になります。前述したように、「意識的に聞き取る」ためには、少なくとも「無意識に聞こえる」必要があります。

AR による遠隔支援、AR による 3D の作業指示、AR による専門知識の取り込みが重要だと思います。サービス、部品管理、ワークフロー管理などが、分析から有益な情報を引き出します。統計的計算と機械学習により、それがさらに容易になります。

自動化された機械学習により、データを表すモデルを作成し、迅速に調整できます。これにより、優れた予測と結果が手に入ります。また、全般的な分析によりこのすべてを改善する必要があります。

さらに、アプリケーション開発プラットフォームも必要です。これらのプロアクティブなサービスのユースケースに該当するものは多数あります。最も重要な機能は、データを接続、保存、解明する機能に集約されます。特に、機械学習などの高度な分析技術を使用してモデルを構築し、予測できます。

これは、何よりも先に行う必要があります。データをこれらのモデルに取り込むために、リアルタイムシステムおよびアプリケーションが必要です。予測を行い、その予測に対してなんらかの処理を行うことができるシステムとアプリケーションが必要です。

有益な情報とビジネスにおける価値の上昇スパイラルは圧倒的です。ユビキタスな接続性がなければ、プロアクティブなサービスへの取り組みをパイロット以上の規模に拡張することは不可能です。データを抽出するために一貫性のない手作業に頼っていては、実現性が低くなってしまいます。

同様に、この有益な情報を提供するために、プロセスのあらゆる段階でさまざまな分析方法を使用する必要があります。メーカーが最初に行う作業は、現場の機器にセンサーを搭載し、リモート接続することでしょう。そして、作業員、遠隔地の技術者、サービス部門に対象の機器に潜在的な問題がないか調査するよう警告するしきい値の設定を始めます。

これらのしきい値と有益な情報を組み合わせることで、通常の使用状況や運用パターンの理解を考慮した稼働平均やベンチマークなどの状況に対応できます。フラグを付けられた調査内容は、機械学習のアルゴリズムに組み込まれ、潜在的な原因のパターンを特定し、豊富な自動診断を実行できます。その後、予測的分析や処方的分析を行えるようになります。これにより、ビジネスと業務プロセスを根底から見直す機会がもたらされます。これは、サービスオペレーションを変革するための根本的な方法だと思います。

MacDonald: まず初めに、スタート地点である接続性が、プロアクティブなサービス実現の課題になる可能性があります。さまざまな機器や、類似した機器の異なるバージョンに接続する際に、それらの機器がメーカーやその顧客ごとに異なる条件下で動作する可能性があることを考慮する必要があります。データの測定と技術的な接続プロトコルは、最終的に異なります。PTC は、エッジからクラウドまで連携した階層をサポートする機能を提供することで、簡単にこれらのデジタルアセットを定義し、これらに対して繰り返し作業を行うことができるようにします。

顧客の動作環境に関するデータが限られていることで、メーカーは固有の課題に直面しています。そのため、販売とサービスの対象となる接続機器以外のデータを持っていることはほとんどありません。つまり、ラベル付きデータを所有しているとは限らないのです。また、ラベル付きのデータについては、その結果が運用上の問題である可能性があるため、特に考慮しなければなりません。

そのためには、異常検出や統計的モニタリングなど、ほかの方法を用いる必要があります。これらは、予測に役立つデータを入手するための足掛かりとなります。これは、環境や故障モードが明確に保存されておらず、永続的でないケースに特に当てはまります。

最後に、プロアクティブなサービスは、ワークフローやその他のシステムを開始する可視化を警告するかどうかにかかわらず、予測に役立つデータなどあらゆるデータに対して異なる処理を実行するため、さまざまなシステムへの統合が必要です。使用しているプラットフォームやソフトウェア内にワークフローツールや API を統合することは非常に重要であり、その状態を目指すべきです。

これらすべての鍵となるのは、最終的には、デジタルトランスフォーメーション (DX) に取り組む必要性を認識することです。コラボレーションや、学習して繰り返し取り組もうという意欲が必要です。技術の導入には大きな労力が必要なため、この基盤が必要となります。

魔法のような方法などありません。成功の鍵は技術だけではありません。プロジェクトは、その包括的なビジョンに沿ったものにする必要があります。さまざまな関係者から共通のデータ定義について合意を得る必要があります。設計者、アーキテクト、データサイエンティスト、作業員は協力する方法を特定する必要があります。彼らは従来、まったく別々の世界で仕事をしていました。今は、データを理解して引き出すために、連携して繰り返し作業に取り組む必要があります。実世界のプロセスに対してデータがどのような効果を与えるか理解するために、より優れた行動を起こす必要があります。

誰でもこれらのデータに基づいた意思決定を行うことが求められます。そのためには、成功の前提条件として、経営陣のリーダーシップが必要です。定義の不十分なプロジェクトに非現実的な期待を込めるようなリーダーは失敗する可能性があります。まずはビジネス目標から始め、デジタルトランスフォーメーション (DX) のビジョンにさかのぼる必要があります。これは、戦略の構成要素となる優れたプロジェクトを特定する前に行うべきことです。

つまり、現代のリーダーは、組織化するのに十分な明確さと、目的を達成するために試行錯誤しながら不確実性に対応するための十分な柔軟性の両方を兼ね備えたビジョンを持っていなければならないのです。このバランスを完璧にとることは、後から振り返ると明らかですが、先を見据えている場合は非常に難しいものです。

MacDonald: 顧客の業務に不可欠な機器を提供しているメーカーなら、すべてがメリットを得られます。ダウンタイムが重大な影響を及ぼすような環境です。また、プロアクティブなサービスは最適化を促進するためにも幅広く適用できます。しかしそのビジネスケースは非常に強力で、ダウンタイムが重大な影響を及ぼし、サービスにコストがかかり、そして特に安全性および規制遵守の優先度が高い機器または設備に大きな機会があります。

その好例は、換気およびガス処理ソリューション製造の世界的大手企業である Howden 社の事例に見られます。Howden 社の機器は、インフラ、発電、石油・ガス、廃水、金属、鉱業、運輸などの分野で採用されています。

彼らの設備はシステムの健全性に極めて重要です。Howden 社は Howden Uptime ソリューションを開発しました。これは当初、接続型の IoT ソリューションであるハイエンドなカスタム設備向けでした。Howden 社の製品は、サービス組織向けだけでなく顧客向けにもさまざまな情報を表示します。

水分濃度は、機器または設備内でインライン監視されていなかったため、ソリューションに含まれていませんでした（技術者が手動で定期的に測定を行っていました）。ある石油・ガス業界の顧客はこれが問題となっていました。この顧客は直感的に、機器に不具合がありダウンタイムが発生していると訴えました。Howden 社は問題を把握する必要がありました。そこで水の予測モデルをアプリケーションに組み込んだところ、それは機器の問題ではなく運用の問題であることが分かりました。また、このモデルは、運用環境に応じた機器のより有効な使用方法に関する情報も提供しました。

これはある重要な顧客からもたらされた機会でしたが、これにより IoT ソリューション全体を進化させ、診断および予測に役立つデータを継続的に提供する方法を特定するための大きな機会を得られました。その後、このソリューションをほかのクライアントにも活用できました。

Howden 社は、何よりも重要な成功要因は、自分たちの業務が交差するところで生まれる価値を理解することだ、と言うと思います。データ分析と予測モデリングは、世界的なサービス化への移行を加速する基盤となります。プロアクティブなサービスプロジェクトの価値の大部分は、非常に成熟した産業市場において戦略的な競争上の差別化を実現するための青写真を構築することにあります。