ماری ال هویک، دوروتی هرینگ، تارک کاسا، فلوریان هومان، رافائل وستینر
تحول دیجیتال فرصت‌های فوق‌العاده‌ای را برای تولیدکنندگان ماشین‌آلات و تجهیزات فراهم می‌کند تا با مشکلات و اختلالات مواجه شوند و در عین حال همچنان در حال نوآوری و بهبود عملیات هستند. ایده اجرای دیجیتالی سازی در سطح سازمان ممکن است دلهره آور به نظر برسد. اما راه‌حل‌های مبتنی بر ابر موجود، خدمات قابل تنظیم، تخصص و اتصالاتی را که برای دیجیتالی کردن در مقیاس به آنها نیاز دارند، در اختیار سازمان‌هایی با اندازه‌های مختلف قرار می‌دهند. ارائه دهندگان خدمات ابری بزرگ – معروف به hyperscalers – قبلاً اکوسیستم‌هایی ساخته‌اند که شرکت‌ها می‌توانند با استفاده از آنها قابلیت‌ها و گزینه‌های خود را تا حد زیادی گسترش دهند. راه‌حل‌های Hyperscalers به‌طور یکپارچه با راه‌حل‌های شرکای خود در این اکوسیستم‌ها ادغام می‌شوند و به شرکت‌ها پشتیبانی از یکپارچه‌کننده‌های سیستم و فروشندگان مستقل نرم‌افزار را در حین اجرا می‌دهند.
این مزایا به این دلیل است که شرکت‌های تولیدی پیشرو از دیجیتالی‌سازی با پشتیبانی ابری برای مقابله با چالش‌های مشابهی که بخش ماشین‌آلات با آن مواجه است، استفاده می‌کنند: تورم. کمبود استعدادهای مزمن؛ و هزینه های انرژی، مواد و نیروی کار بالاتر. فناوری دیجیتال همچنین به شرکت ها کمک می کند تا اهداف خالص خود را پیش ببرند.
در این مقاله، ما نشان می‌دهیم که چگونه تولیدکنندگان ماشین‌آلات و تجهیزات می‌توانند دستاوردهای رقابتی، عملیاتی و پایداری قابل‌توجهی را با یک تحول دیجیتالی جامع که توسط خدمات مبتنی بر ابر فعال می‌شود، به دست آورند. نمونه‌هایی از سازمان‌های پیشرو را برجسته می‌کنیم که عملیات خود را بهینه کرده و انعطاف‌پذیری خود را با زنجیره‌های تامین دیجیتال، تولید، توسعه محصول، پس از فروش و موارد دیگر تقویت کرده‌اند.
تحول دیجیتال: درک کامل مزایای صنعت 4.0
همانطور که امیدوار کننده و بالقوه سودمند است، مجموعه گسترده و در حال تکامل داده ها، اتصال، تجزیه و تحلیل، تعامل انسان و ماشین و راه حل های روباتیک موجود در بخش ماشین آلات می تواند بسیار زیاد باشد. تولیدکنندگان اغلب وسوسه می‌شوند که انگشتان پای خود را در استخر Industry 4.0 فرو ببرند تا اینکه با یک تحول دیجیتالی در سطح سازمان وارد قسمت عمیق شوند. اما یک رویکرد مقطعی به دیجیتالی‌سازی می‌تواند سازندگان ماشین‌آلات و تجهیزات را در خطر افتادن در دام «برزخ آزمایشی» قرار دهد که تلاش‌های صنعت 4.0 بسیاری از شرکت‌ها را گرفتار می‌کند: شرکت‌ها نتایج امیدوارکننده‌ای را از آزمایش‌های اولیه رویکردهای دیجیتال جدید می‌بینند، اما نمی‌توانند موفقیت‌های خود را به‌دلیل محدودیت های فنی، سازمانی یا توانایی. افزایش دهند.
تحول دیجیتال دیگر برای شرکت‌های بخش ماشین‌آلات که به دنبال متمایز کردن خود و کسب برتری در رقابت هستند، اختیاری نیست. بر اساس یک نظرسنجی در سال 2020 توسط VDMA و McKinsey در مورد پلتفرم های دیجیتال مشتری محور در مهندسی مکانیک، در دسترس بودن ماشین و عملکرد ماشین اولویت اصلی کاربران نهایی و شرکت های ماشین آلات است. و در حالی که رویکردهای دیجیتال در مقیاس کافی برای دستیابی به تاثیر قابل توجه به کار گرفته می شود. در مورد EBIT یک کار بی اهمیت نیست، دیجیتالی شدن کل نگر دقیقاً همان چیزی است که برای درک این تأثیر لازم است. دستاوردهای بینش، کارایی، بهره‌وری، ارتباطات و رضایت مشتری که توسط شرکت‌های کاملا دیجیتالی به دست می‌آید، همزیستی هستند، نه مستقل. دیجیتالی شدن تجزیه و تحلیلی را امکان پذیر می کند که بینش هایی را ارائه می دهد که تصمیمات و نوآوری هایی را که منجر به کارایی عالی، تولید بالاتر و غیره می شود، آگاه می کند.
پیاده‌سازی موارد استفاده دیجیتال در مقیاس به حوزه‌ای نیاز دارد که کل شرکت، رهبری متعهد مدیریت ارشد و تمرکز بی‌وقفه بر تأثیر سریع و معنادار کسب‌وکار را در بر گیرد. تحولات موفقیت‌آمیز بر ایجاد محیطی که قادر به حمایت و حفظ ابتکارات دیجیتال باشد، تأکید می‌کند – برای مثال، با زیرساخت فناوری قوی، کسب و توسعه سیستماتیک مهارت‌های دیجیتال، و ایجاد فرهنگ و طرز فکر سازمانی اول دیجیتال.
در واقع، با تکیه بر تجربه مک کینزی با تحولات دیجیتال در مقیاس در بخش‌ها، اجرای دیجیتالی‌سازی در سطح سازمان با برنامه‌های ابری و مجموعه‌ای از ابزارهای دیجیتال می‌تواند EBIT تولیدکننده ماشین‌آلات را تا پنج تا هشت درصد بهبود بخشد (شکل 1). اتوماسیون ها، بهبود در تجزیه و تحلیل داده ها و موارد دیگر می توانند کارایی را افزایش دهند و کارمندان را آزاد بگذارند تا روی بهبودهای سطح بالاتر تمرکز کنند که منجر به صرفه جویی بیشتر و نوآوری در محصول می شود. این کارایی‌ها می‌توانند تا 20 درصد در برخی از مناطق کاربردی صرفه‌جویی در هزینه داشته باشند. هزینه های عمومی و اداری را می توان با اجرا 10 تا 20 درصد کاهش داد.
یادگیری ماشینی و فرآیندهای مبتنی بر هوش مصنوعی می‌توانند باعث بهبود در تولید و همچنین کیفیت محصول شوند که هر دو می‌توانند منجر به افزایش درآمد شوند. همچنین می‌توان با استفاده از سیستم‌های دیجیتالی به کمک ابر برای ارائه تعمیر و نگهداری پیش‌بینی‌کننده به عنوان خدماتی برای ماشین‌آلات و تجهیزات تولیدی، جریان‌های درآمد جدیدی ایجاد کرد. و زمان آن فرا رسیده است که بازیگران بخش ماشین آلات و تجهیزات به بررسی پیشنهادات خدمات محوری بپردازند که تحول دیجیتال امکان پذیر است. همانطور که در نظرسنجی جهانی رباتیک صنعتی مک کینزی در سال 2022 نشان داده شده است، برای بسیاری از شرکت ها، سیستم های خودکار 25 درصد از هزینه های سرمایه ای را طی پنج سال آینده تشکیل می دهند.
دگرگونی‌های دیجیتال می‌توانند اشکال مختلفی داشته باشند، اما تمایل دارند مزایای مشترکی را در سه بعد گسترده داشته باشند: تمرکز تجاری، قابلیت‌های دیجیتال، و مقیاس‌پذیری متقابل.
تمرکز کسب و کار بهبود یافته راه حل های دیجیتال
شرکت‌هایی که دیجیتالی‌سازی را مقیاس می‌کنند، دیجیتالی‌سازی را به‌عنوان سرمایه‌گذاری در رشد و سودآوری آینده خود به‌جای یک پروژه فناوری اطلاعات می‌بینند. این گونه سازمان‌ها مجموعه گسترده‌ای از موارد استفاده را که توسط کسب‌وکار مربوطه هدایت می‌شوند، به دنبال اولویت‌بندی دقیق بر اساس تأثیر کسب‌وکار، امکان‌سنجی، و سهولت اجرا اعمال می‌کنند. برای مثال، اتوماسیون دیجیتالی فعال می‌تواند بهره‌وری بالاتری را به همراه داشته باشد که می‌تواند هزینه‌های بالاتر مواد و نوسانات اقتصادی را جبران کند. خودکارسازی کارهای تکراری و یکنواخت می تواند با کاهش استرس کارکنان به حفظ استعداد در تولید کمک کند. همچنین می تواند با فرصت هایی که برای بومیان دیجیتال جذاب است، استعدادهای جدیدی را جذب کند.
افزایش قابلیت های دیجیتال سازمان
تحول دیجیتال مستلزم تغییرات سیستماتیک در سراسر یک سازمان است. شرکت‌هایی که با موفقیت دیجیتالی شده‌اند، به تحولات خود به عنوان سفرهای چند ساله نزدیک می‌شوند. رهبران تحولات را هدایت می‌کنند، اما آنها توسط یک موتور تحول مرکزی پشتیبانی می‌شوند که تلاش‌های تغییر را برای واحدهای جداگانه هدایت می‌کند، پیشرفت را نظارت می‌کند و تضمین می‌کند که بهترین شیوه‌ها در سراسر جهان اتخاذ می‌شوند. شرکت‌ها با استخدام کارکنان جدید با مهارت‌های خاص و اجرای برنامه‌های توانمندسازی در مقیاس بزرگ برای ارتقای سریع کارکنان موجود، روی استعدادهای دیجیتال سرمایه‌گذاری می‌کنند. سازمان‌های حاصل کارآمدتر، سازنده‌تر و قادر به مشارکت در تلاش‌های پیشگیرانه برای نوآوری و بهبود و تلاش‌های واکنشی برای انطباق با عوامل خارجی و اصلاح مسیر در صورت نیاز هستند.
مقیاس پذیری بیشتر در بین توابع
از آنجایی که تحول دیجیتال نیازمند رویکردی در سطح سازمان به فناوری است، شرکت‌هایی که دیجیتالی‌سازی را مقیاس می‌دهند، با موفقیت ده‌ها مورد مختلف از ابزارهای دیجیتالی را توسعه می‌دهند و مؤثرترین برنامه‌ها را بر روی یک زیرساخت مشترک که مقیاس‌پذیر، مقرون‌به‌صرفه و امن است، می‌سازند. برای پیاده‌سازی، حفظ و توسعه این زیرساخت، شرکت‌ها معمولاً مشارکت‌های استراتژیک را با بازیگران کلیدی فناوری ایجاد می‌کنند. این مشارکت ها منابع داخلی را تکمیل و افزایش می دهند و ظرفیت و فرصت های بیشتری برای مقیاس ایجاد می کنند.
هنگامی که عناصر اصلی در جای خود قرار گرفتند، تولیدکنندگان ماشین‌آلات و تجهیزات می‌توانند تلاش‌های دیجیتالی خود را تسریع بخشند و فرصت‌های متعددی را برای افزایش عملکرد خود شناسایی و به دست آورند. تسلط بر جعبه ابزار دیجیتال می تواند منابع رشد آینده را باز کند. به عنوان مثال، نظارت از راه دور و قابلیت‌های تشخیصی مؤثر، می‌تواند تغییر به مدل‌های تجاری جدید ماشین‌آلات به‌عنوان خدمات را که در آن شرکت‌ها مالک، کار و نگهداری تجهیزات از جانب مشتریان خود هستند را امکان‌پذیر کند.
برنامه های کاربردی ابری می توانند تحول دیجیتال را ساده و بهینه کنند
پلتفرم‌های راه‌حل مبتنی بر ابر می‌توانند اولویت‌بندی تلاش‌هایی را که به تمایز آنها از رقبا کمک می‌کند، برای سازمان‌هایی که درگیر تحول دیجیتال هستند، بسیار آسان‌تر کند (شکل 2). به عنوان مثال، استفاده از یک راه حل ابری برای مدیریت زنجیره تامین، می تواند آن را کارآمدتر کند. یا، به جای ایجاد منابع برای ایجاد یک الگوریتم جدید برای یک پلت فرم یادگیری ماشینی، یک سازنده می تواند الگوریتم ارائه دهنده راه حل ابری را برای مقابله با چالش های خود اعمال کند. و به جای انطباق با اکوسیستمی از ارائه دهندگان نرم افزار به عنوان سرویس (SaaS) یا ادغام آن در سیستم های خود، یک سازنده می تواند یک ابر مقیاس کننده ابری را با یک پلت فرم فناوری که در یکپارچه سازی شده است درگیر کند.
مقیاس با چندین سازمان
پلتفرم های راه حل مبتنی بر ابر می توانند تحولات دیجیتال را با سیستم ها و راه حل های کلید در دست ساده و پشتیبانی کنند.
قابلیت‌های ابری منبع درآمد بالقوه مهمی را در بخش ماشین‌آلات و تجهیزات باز می‌کنند: مدل تجهیزات به عنوان سرویس (EaaS). این مدل کسب و کار راهی را به OEM ها می دهد تا ترجیحات فزاینده مشتریان برای عملیاتی کردن هزینه های تجهیزات و کاهش هزینه های سرمایه ای خود را برآورده کنند. مدل EaaS با تأمین تجهیزات اجاره‌ای به عنوان بخشی از خدماتی که شامل به‌روزرسانی‌های نرم‌افزار، تعویض قطعات یدکی و تعمیر و نگهداری پیش‌بینی‌شده است، به آنها سود می‌رساند. و OEM ها و تولیدکنندگان از افزایش دسترسی به داده های ماشین و مشتریان سود می برند که می تواند منجر به درآمد اضافی شود.
از آنجایی که شرکت‌ها تلاش‌های خود را برای هدف قرار دادن اهداف تهاجمی‌تر کاهش انتشار آلاینده‌ها در محدوده 3 تشدید می‌کنند، آنها بر تامین‌کنندگان ماشین‌آلات و تجهیزات خود فشار می‌آورند تا نقشه راه روشنی را برای عملیات خالص صفر نشان دهند. قابلیت‌های ابری می‌تواند به شرکت‌های بخش ماشین‌آلات کمک کند تا با اندازه‌گیری و پشتیبانی پایداری در سراسر زنجیره ارزش خود، به این اهداف کمک کنند .
زنجیره تامین دیجیتال شفافیت را بهبود می بخشد و اختلالات را به حداقل می رساند
زنجیره های تامین دیجیتال با ارائه مزایای بی نظیر در چشم انداز به هم پیوسته امروزی، عملیات تجاری را متحول می کند. زنجیره‌های تامین دیجیتال که توسط فناوری‌هایی مانند محاسبات ابری، هوش مصنوعی و بلاک چین فعال شده‌اند، از منبع‌یابی تا تحویل، دید در زمان واقعی را ارائه می‌کنند. این شفافیت به سازمان ها این امکان را می دهد که گلوگاه ها را شناسایی کنند، موجودی را بهینه کنند و تصمیمات مبتنی بر داده اتخاذ کنند. علاوه بر این، زنجیره‌های تامین دیجیتال پاسخ سریع به اختلالات را ممکن می‌سازد، خواه ناشی از بلایای طبیعی، مسائل تامین‌کننده یا نوسانات بازار باشد. صرفه‌جویی در هزینه‌های مواد می‌تواند، برای مثال، با معیارهای تأمین‌کننده مبتنی بر هوش مصنوعی که عملکرد تأمین‌کنندگان را در معیارهای مهم‌تر برای یک سازنده معین مقایسه می‌کند یا با استفاده از هوش مصنوعی برای پیش‌بینی نیاز به قطعات یدکی، محقق شود.
به عنوان مثال، یکی از تولیدکنندگان جهانی لوازم الکترونیکی از ابزارهای مدیریت ریسک زنجیره تامین دیجیتال برای به حداقل رساندن اختلال در عرضه در طول همه‌گیری COVID-19 استفاده کرد. این سازنده یک شبکه تولید جهانی از حدود 12 کارخانه داشت. این شرکت یک مدل دیجیتالی از کل زنجیره تامین خود – و یک پایگاه تامین چند لایه بزرگ با بیش از 5000 تامین کننده – ایجاد کرد و از این مدل برای ارزیابی آسیب‌پذیری نسبی زنجیره تامین در بین عوامل متعددی مانند زمان تحویل، تمرکز تامین‌کننده، خاص COVID-19 استفاده کرد. ریسک کشور و انعطاف پذیری مالی این تلاش بیش از صد تامین کننده با ریسک بالا را شناسایی کرد که حدود 10 درصد از آنها یا از نظر مالی دچار مشکل بودند یا قبلاً تامین کنندگان ردیف دوم ناشناخته بودند. بررسی دقیق این تامین کنندگان به سازنده اجازه داد تا یک طرح کاهشی را اجرا کند که هزینه های خود را در تامین کنندگان پرخطر تا بیش از 40 درصد کاهش داد.
رایانش ابری مقیاس‌پذیری و قابلیت همکاری سیستم را افزایش می‌دهد – به عنوان مثال، با سیستم‌های تامین‌کننده. و با بهره‌گیری از شبکه‌های موجود و منابع فناوری ارائه‌دهندگان خدمات ابری، سازندگان ماشین‌ها و تجهیزات می‌توانند به راحتی قابلیت‌های جدید افزایش دهنده زنجیره تأمین مانند مخازن داده یا مدل‌های از پیش آموزش‌دیده‌شده یادگیری ماشینی را ادغام کنند.
تولید سریع‌تر، ارزان‌تر و انعطاف‌پذیرتر با Industry 4.0
هوش مصنوعی این امکان را برای سازمان‌ها فراهم کرده است که مجموعه‌های داده قوی را در تمام جنبه‌های تولید جمع‌آوری کنند. و دوقلوهای دیجیتال می توانند کل یک سایت کارخانه را تکرار کنند و بینش های مهمی مانند زمان خرابی تجهیزات و زمان مونتاژ محصول را ارائه دهند. سپس می‌توان از این اطلاعات برای سفارشی‌سازی ماشین‌ها و فعال کردن تعمیر و نگهداری پیش‌بینی‌کننده مبتنی بر هوش مصنوعی استفاده کرد که سازندگان ماشین‌آلات و تجهیزات می‌توانند به عنوان خدمات ارزش افزوده به مشتریان خود ارائه دهند.
یک شرکت صنعتی بزرگ که طیف وسیعی از تجهیزات را اداره می‌کرد و ذخیره‌سازی موجودی را بین خطوط تولید به اشتراک می‌گذاشت، با استفاده از یک ابزار پیشرفته بهینه‌سازی زمان‌بندی تولید، توان تولید خود را افزایش داد. برای بهبود فرآیندهای برنامه ریزی و زمان بندی، این شرکت یک مدل ریاضی از کل فرآیند تولید خود ایجاد کرد. مدل شامل تمام شرکت های مرتبط بود . در این مسیر بامحدودیت ها و محرک های هزینه – 45 گره، 80 جریان و 50 محدودیت فنی – و برای ساخت یک ابزار بهینه سازی استفاده شد که به شرکت کمک کرد تا 25 درصد افزایش در توان عملیاتی داشته باشد. ابر امکان تجزیه سیلوهای داده و ارائه یک منبع واحد و یکنواخت از داده های مورد نیاز برای مدل و همچنین قدرت محاسباتی مورد نیاز برای اجرای آن را فراهم کرد.
توسعه محصول هوشمندتر با هوش مصنوعی
توسعه محصول دیجیتالی سازمان ها را قادر می سازد تا نوآوری محصول و خدمات را تسریع بخشند. پلتفرم‌های مبتنی بر ابر با ارائه شفافیت داده‌های متقابل سیستم و دسترسی به توان محاسباتی نامحدود برای شبیه‌سازی، پیشرفت‌های دیجیتال را افزایش می‌دهند. شرکت‌ها می‌توانند از مزایای دوقلوهای دیجیتال، طراحی با کمک کامپیوتر از راه دور (CAD) و رایانه‌های رومیزی، و محاسبات با کارایی بالا در صورت تقاضا استفاده کنند. استفاده از داده های چرخه عمر برای بهینه سازی محصولات؛ و طراحی محصول را از طریق فرآیند طراحی به ارزش (DtV) مبتنی بر هوش مصنوعی و یادگیری ماشین بهینه کنید. شرکت‌ها همچنین می‌توانند از مدیریت پیچیدگی محصول مبتنی بر هوش مصنوعی بهره‌مند شوند: برای مثال، یک تولیدکننده ابزار برقی کاهش 20 درصدی در زمان پردازش، بهبود بیش از 20 میلیون دلاری در حاشیه عملیاتی و کاهش بیش از 40 درصدی در تولید تعداد SKU کالا نهایی خود را دریافت کرد.
یک شرکت در بخش تجهیزات تولید برق از هوش مصنوعی برای بهینه سازی طراحی توربین های بزرگ برای نیروگاه های برق آبی استفاده می کند. در یک پروژه آزمایشی، تیم مهندسی شرکت با متخصصان خارجی برای ایجاد یک مدل یادگیری عمیق (که توسط محاسبات مبتنی بر ابر قوی فعال می‌شود) همکاری کرد که عملکرد چهار جزء اصلی در توربین‌های آن را شبیه‌سازی می‌کند. این مدل به گونه ای طراحی شده است که نقطه عملیاتی مورد نظر را به عنوان ورودی بپذیرد و محدودیت های مختلفی را در نظر می گیرد – از جرم و قدرت قابل قبول هر قطعه گرفته تا مشکلات جریان سیال مانند کاویتاسیون یا ضربان فشار. با استفاده از این رویکرد، شرکت ساعات مهندسی مورد نیاز برای ایجاد یک طراحی جدید توربین را تا 50 درصد کاهش داد و فرآیند طراحی انتها به انتها را تا 25 درصد کاهش داد. بهتر از این، این رویکرد توربین هایی را تولید کرد که تا 0.4 درصد کارآمدتر از طرح های معمولی بودند، پیشرفتی که می تواند میلیون ها دلار برای اپراتور در طول عمر یک نیروگاه ارزش داشته باشد.
شفافیت هزینه و قابلیت قیمت گذاری بیشتر
بازاریابی و فروش دیجیتال به شرکت‌ها کمک می‌کند تا در تمام مراحل خرید خود با مشتریان خود ارتباط برقرار کنند. یک نمای 360 درجه ای از داده های مشتری ارائه شده در یک منبع جامع و متمرکز به شرکت ها فرصت هایی برای تجزیه و تحلیل، ردیابی، پیش بینی و شخصی سازی خدمات و تعاملات مشتری می دهد. و پیشنهادات مبتنی بر هوش مصنوعی و قیمت‌گذاری، مدیریت دارایی‌ها و قیمت‌ها، و عملیات فروش و پشتیبانی بهینه‌شده تنها برخی از موارد استفاده دیجیتالی هستند که تصمیم‌گیری را بهبود می‌بخشند و کارایی و شفافیت را افزایش می‌دهند.
تحول دیجیتالی که به پلتفرم‌های مبتنی بر ابر کمک می‌کند، به طور قابل‌توجهی کارایی و چابکی را در استراتژی‌های قیمت‌گذاری افزایش می‌دهد. بیش از 400 میلیون یورو از فروش توسط یک تامین کننده ردیف یک خودرو بازیابی شد که مدیریت ادعاهای مبتنی بر تجزیه و تحلیل را برای کمک به قیمت گذاری مجدد محصولات نهایی خود پس از افزایش قابل توجه هزینه های مواد خام به کار برد. به طور مشابه، یک تولیدکننده صنعتی که با افزایش هزینه های سراسری از سوی تامین کنندگان مواجه است، یک ابزار شفافیت مبتنی بر ابر را برای مستندسازی هزینه ها با جزئیات دقیق به کار گرفت. داده های به دست آمده به درک بهتر محرک های هزینه دقیق هر محصول یا خدمات و بهبود مدل های هزینه داخلی سازنده کمک کرد. تیم های فروش از این مدل ها در مذاکرات استفاده می کنند تا اطمینان حاصل کنند که قیمت هایی که ارائه می دهند منعکس کننده هزینه های فعلی تولید است.
سازمان‌های دیگر نیز از رویکرد داده‌محور با قابلیت‌های هوش مصنوعی و پلتفرم مبتنی بر ابر برای رسیدگی به تأثیر کمبود قطعات استفاده کرده‌اند. برای مثال، تنظیم پویا زمان‌های فروش برای پیکربندی‌های مختلف محصول با توجه به در دسترس بودن اجزای سازنده، به تیم‌های فروش کمک می‌کند تا انتظارات مشتری مناسب را تنظیم کنند یا تصمیمات خرید را به سمت محصولات استانداردی که تولید سریع‌تر و ارزان‌تر هستند، هدایت کنند.
فرصت های گسترده و خدمات پس از فروش
پلتفرم‌های مبتنی بر ابر به OEMها اجازه می‌دهند تا اتصالات دائمی با اجزای دیجیتال محصولاتی که می‌فروشند برقرار کنند. ارائه خدماتی مانند تعمیر و نگهداری پیش‌بینی‌کننده، هدایت از طریق یک برنامه محصول، و حل مشکلات از راه دور به طور مستقیم به مشتریان خود می‌تواند به OEMها کمک کند تا جریان‌های درآمد بیشتری ایجاد کنند. و از آنجایی که OEM هایی که این خدمات را ارائه می دهند به اطلاعات مربوط به هر گونه نقص و سایر نیازهای محصول دسترسی مستقیم دارند، می توانند از فروش قطعات یدکی و تعمیرات سود ببرند. سایر فروش های بالقوه نیز می تواند باشد.
از طریق اتصالات گسترده OEMها و بینش استفاده از ماشین معمولی مشتریان، خرابی ها و موارد دیگر شناسایی می شود.
یک تولید کننده جهانی قطعات مکانیکی با یک شرکت بزرگ خدمات فناوری اطلاعات برای ارائه خدمات نظارت از راه دور و تجزیه و تحلیل مبتنی بر ابر همکاری کرده است. این فناوری لرزش، دما و سایر داده های عملیاتی را از تجهیزات مشتریان جمع آوری می کند و از آن داده ها برای شناسایی و تشخیص مشکلات احتمالی قابلیت اطمینان استفاده می کند. با انتقال نظارت بر شرایط از محل به فضای ابری و با خودکارسازی بسیاری از تجزیه و تحلیل داده‌های لازم با استفاده از ابزارهای هوش مصنوعی، این شرکت توانسته است خدمات خود را افزایش دهد، نظارتی را برای طیف وسیع‌تری از مشتریان ارائه کند و از داده‌هایی که جمع‌آوری می‌کند استفاده کند. به سرعت قابلیت های تشخیصی و پیش بینی سیستم های خود را بهبود بخشد.
تحول دیجیتال در مقیاس برای بازیگران بخش ماشین آلات ضروری است. مزیت های عملیاتی و مالی برای رقابتی ماندن در میان اختلالات عرضه و نوسانات بازار تولید ضروری است. و دیجیتالی کردن یک سازمان با هر اندازه در مقیاس به دلیل در دسترس بودن پلتفرم ها و خدمات مبتنی بر ابر، رایج تر و کم هزینه تر و پیچیده تر از همیشه است. چه با استفاده از مجموعه ابزارهای آماده، نرم افزار، سخت افزار، شبکه ها و خدمات پلتفرم های ابری یا شبکه و به اشتراک گذاری داده ها در میان امکانات، بازیکنان ماشین آلات می توانند از مزایای مشابهی برخوردار شوند که توسط شرکت ها در بسیاری از بخش های تولیدی دیگر تحقق یافته است. دستاوردهای پایداری، افزایش سودآوری و جریان‌های درآمدی جدید از مدل به‌عنوان یک سرویس، تنها برخی از ویژگی‌های چشم‌انداز امیدوارکننده دیجیتالی شده و غنی‌شده از ابر در تولید ماشین‌آلات و تجهیزات است.
درباره نویسنده (نویسندگان)
ماری ال هویک شریک وابسته در دفتر مک کینزی در لندن است. Dorothee Herring یک شریک ارشد در دفتر دوسلدورف است، جایی که Tarek Kasah شریک است. فلوریان هومان یک شریک وابسته در دفتر مونیخ است. و رافائل وستینر یک شریک ارشد در دفتر مادرید است.
نویسندگان مایلند از Jonas Ronellenfitsch و Cristina Tintore برای مشارکت در این مقاله تشکر کنند.
