新闻资讯

预测性维护的 5 种维护即服务 (MaaS) 业务模型快速指南

发布日期:2021-06-24 18:09:05浏览量:50

预测性维护无疑是企业维护的主要趋势之一。随着工业 4.0 的出现和工业过程数字化的扩大,工厂操作员现在能够收集和分析有关其设备的大量历史数据。这使他们能够预测和预测即将发生的故障,这揭示了节省成本和改进质量管理的前所未有的机会。企业可以通过设备供应商和维护解决方案提供商提供的预测性维护计划来利用这些机会。

自动数据收集和数据分析等预测性维护技术正在快速成熟。然而,更广泛地部署和使用预测性维护需要识别和验证可行的业务模型,这将为所有利益相关者带来切实的好处。

换句话说,重要的是确定销售和运营预测性维护解决方案的正确方式,使解决方案提供商、工厂运营商和原始设备制造商 (OEM) 受益。

预测性维护利益相关者
在我们探索预测性维护业务之前,重要的是要了解这种革命性的工业维护形式的生态系统中的主要利益相关者,他们扮演什么角色,以及对他们来说重要的是什么:

工厂所有者或运营商:在工厂中部署了预测性维护解决方案。他们的主要重点是优化整体设备效率 (OEE) 并减轻传统预防性维护的局限性。工厂所有者通常负责维护他们在工厂中部署和运行的设备。因此,他们的人员(例如,维护工程师、IT 专家、工厂工人)积极参与企业维护流程。
原始设备制造商:设备供应商提供并支持他们的产品。在一些情况下,他们已经提供了一系列数字服务,包括数据收集和分析。鉴于预测性维护,设备供应商将逐渐将其产品转变为网络物理系统 (CPS),该系统将提供用于访问有关其设备的数字数据的接口。
解决方案集成商:预测性维护解决方案提供商集成了交钥匙预测性维护解决方案的不同元素,包括数据收集和数据分析技术。然而,解决方案集成商的作用并不仅限于技术部署。相反,解决方案集成商还与工厂所有者合作,将数据驱动的知识提取融合到工厂的维护过程中。
由于预测性维护市场的发展势头,已经有很多预测性维护解决方案的集成商。
供应链合作伙伴:供应链参与者在预测性维护中发挥着重要作用,因为他们可以获得维护见解,例如 OEE 或寿命终止 (EoL) 信息,以优化与其他利益相关者的互动。例如,EoL 信息可以推动备件的优化采购,而 OEE 影响向最终客户提供产品或服务的规划。
这些利益相关者可以使用不同的业务开发策略以各种方式利用预测性维护的好处。例如,解决方案集成商通常选择以客户为导向的方法来满足工厂运营商的需求。另一方面,机器供应商也在寻找公用事业驱动的方法,将其销售范围从销售设备转变为销售维护服务(即维护即服务)。

同样,各个利益相关者为其预测性维护项目设定了不同的目标。例如,工厂运营商和供应链合作伙伴的目标是基于 OEE 改进来优化生产力,而解决方案集成商则强调客户满意度。同时,OEM 也有兴趣与其购买和使用其产品的业务合作伙伴建立长期关系。

5 MaaS 预测性维护业务模型
基于上述考虑,各种新颖的商业模式都是可能的,在大多数情况下,这些模式正在改变提供维护服务的常见方式。这些业务模型中的大多数都提倡维护即服务 (MaaS)范式,这与当前行业趋势的服务即产品模型一致。

这些模型强调设备所有者和解决方案提供商在设备售出后与原始设备制造商的互动,即以售后服务的形式。作为向客户提供的增值服务的一部分,这种互动揭示了新的经常性收入流的机会。

这是五种主要的 MaaS 商业模式。

1. 设备健康监测和维护建议即服务

这种商业模式为工厂所有者提供在线工具,使他们能够监控设备状态并获得预测性维护建议。这些工具作为云服务提供。因此,该模型涉及在每次购买设备时销售云订阅。它自然是原始设备制造商向工厂所有者提供的补充功能。

在这种情况下,这种模式可以被视为原始设备制造商的追加销售机会,同时使工厂所有者能够提高生产力。解决方案集成商还可以为工厂所有者提供定制的健康监测解决方案。但是,除非与原始设备制造商合作,否则他们可能无法提供有关机器状态的详细信息。

2. OEE 风险即服务

作为服务的维护建议的一个有趣变化是 OEE 风险作为服务模型。后者提供更高级别的维护建议(例如,何时安排零件维护),考虑整体 OEE 风险。它可以由设备供应商以类似于上述推荐服务的方式提供。

但是,此模型也可以构建为自定义服务,该服务利用来自工厂中多台机器和设​​备的数据。在这种情况下,它将由解决方案提供商集成并作为服务提供给工厂运营商。

3. 正常运行时间即服务
根据 MaaS 概念,原始设备制造商可以选择出售其设备的正常运行时间,而不是出售产品本身。这导致了基于效用的概念,其中机器或零件(例如发动机)的部署者不为产品付费,而是根据每小时使用机器/零件的时间付费- 操作费。在这种模式下,OEM 承担所有需要的服务和维护活动,这些活动是按使用付费的。

正常运行时间即服务模型与上面概述的健康监控服务完全不同。具体来说,它注定要取代传统的设备采购模式,而不是一种互补的增值服务。

如果 OEM 的机器可以在许多最终用户之间共享,则可以使用正常运行时间即服务模型将工业维护转移到“共享经济”领域,就像 Uber 等许多其他流行的基于 IT 的服务一样和Air BnB。如果工厂所有者对运营而不是拥有机器或设备更感兴趣,这可能成为可能。

4. 保修即服务
MaaS 还可以通过重新定义传统保修来改变 OEM 与工厂运营商之间的关系。保修索赔可能会产生问题并导致指责,因为原始设备制造商和工厂运营商倾向于拒绝对故障和故障负责。但是,通过操作数据收集和分析,设备供应商将能够使用真实数据而不是假设来证明有关设备操作的声明。

因此,工厂所有者和原始设备制造商都将能够证明设备是否已正确操作。这将极大地促进保修索赔协议,有助于降低成本并在利益相关者之间建立信任关系。

因此,OEM 可以提供许多不同种类的“保修即服务”,例如基于时间的保修(例如,2 年保修)或基于使用的保修(例如,运行 5,000 小时的保修),甚至基于以下各项的组合基于时间和使用的方案。所有这些服务都可以基于对历史数据的收集和分析,以识别和验证设备未正确操作的情况。

5. 供应链管理信息即服务
预测性维护的主要目的是最大限度地减少关键和意外故障。为此,可以与业务合作伙伴共享信息,以规划相关的供应链管理流程并根据需要确保备件的可用性。

这种商业模式在工厂运营商与其供应链合作伙伴之间实施。工厂运营商可以自动化订单和其他相关的供应链流程,这有助于消除被动维护的隐性成本,例如库存成本和备件价格上涨。

可以通过使用额外的自动化(例如,由预测性维护洞察触发的订单)来增强传统供应链管理系统来共享此类信息。

挑战和权衡
随着预测性维护技术的成熟,上述模型的实施在技术上成为可能。尽管如此,在更广泛的部署和使用之前,仍有一些挑战需要面对,包括:

数据所有权:所有五种模型都依赖于设备运行数据的收集以及工厂所有者、解决方案集成商和原始设备制造商对该数据的后续处理。这带来了数据所有权的挑战,因为工厂内收集的数据无法自由且轻松地提供给集成商和原始设备制造商等第三方。相反,数据共享过程应作为重要服务级别协议 (SLA) 的一部分进行协商。但这会增加实施上市商业模式的障碍。
利益冲突:在某些情况下,MaaS 商业模式的部署会导致 OEM 的利益冲突。许多原始设备制造商通过向客户提供频繁(且通常成本高昂)的维护服务来赚取利润。因此,引入旨在降低这些利润率的新 MaaS 服务时应谨慎行事,并以提供额外收益的方式来弥补维护收入的减少。在这方面,交叉销售或向上销售 MaaS 服务可以提供帮助。
利益相关者之间的利益分配:所提出的一些模型似乎平衡了特定利益相关者的利益,这可能会阻碍更广泛地采用预测性维护。这不仅是寻找双赢方案的问题,而且是适当平衡它们以激励所有利益相关者参与预测性维护部署的问题。
投资回报 (ROI) 计算的复杂性:所有列出的商业模式都可以与有形的 ROI 相关联。然而,这些计算可能具有挑战性,因为它们基于预测,有时需要量化无形收益。投资回报率计算的复杂性使利益相关者在部署此类模型时持怀疑态度。
实际限制:一些介绍的模型有实际限制。例如,“正常运行时间即服务”模型在某些行业和业务案例中几乎不适用(例如,由于业务、技术甚至政策原因,设备和工厂不易访问的情况)。例如,从外部访问工厂在某些情况下,工厂的安全政策禁止访问数据和设备。
了解预测性维护的好处和技术实施非常重要。为了在预测性维护方面取得成功,同样重要的是思考可行的业务模型,这些模型在您的运营环境中推动可持续部署和使用。

相关推荐