Comment créer de la valeur avec une seule métrique !

Passer des données à la décision

L'objectif est de maximiser la valeur de vos machines en extrayant des informations et en les transformant en idées.

Robert Michaelides
CEO, Proemion

Introduction

Cet article se penche sur les données anonymes qui ressemblent de près à un vrai client. Plus précisément, nous examinons une seule métrique que nous utilisons à titre d'exemple. Nous analysons les données recueillies sur les heures de fonctionnement et vous montrons comment, en tant qu'équipementier, vous pouvez tirer des conclusions pour chacun de vos départements et obtenir un impact profitable sur votre activité ou sur la satisfaction de vos clients.

L'intention de cet article n'est pas d'impliquer qu'une entreprise doit s'appuyer sur une seule mesure pour comprendre ses opérations, mais de démontrer comment une mesure peut fournir de multiples informations. C'est important car le potentiel des indicateurs individuels n'est pas exploité de manière optimale. En fait, une enquête de Seagate sur les données en 2020 a révélé que 68 % de toutes les données d'entreprise ne sont pas exploitées, ce qui représente autant d'opportunités manquées. Bien sûr, il n'est pas nécessaire de commencer par un ensemble complexe de mesures pour en voir la valeur. Vous pouvez commencer par de petits aperçus et faire évoluer progressivement le suivi et l'analyse des données au fil du temps.

L'enquête de Seagate montre un décalage entre les données collectées et les données réellement utilisées par les entreprises, ce qui montre que, si la collecte de données est importante, l'utilisation des bonnes données dans le bon contexte et la compréhension de leur pertinence sont les éléments qui créent de la valeur commerciale. Au lieu de collecter autant de données que possible, l'objectif devrait être de collecter des données spécifiques qui ont une utilité dans votre stratégie commerciale plus large.

Figure 1: Enterprise data utilization

Tracer l'activité des machines par jour et par heures de fonctionnement

La mesure des heures de fonctionnement est simple mais aussi extrêmement pertinente pour les équipementiers, les concessionnaires et les propriétaires de machines. Notre exemple représente des machines qui travaillent dans l'industrie de la construction et qui opèrent dans le monde entier avec des milliers de machines. Ces machines peuvent être organisées par modèle.

Les heures de fonctionnement moyennes mensuelles sont importantes et sont agrégées à partir des heures de fonctionnement brutes. Pour tirer les conclusions les plus significatives, les données doivent être collectées et observées sur une longue période. Plus la période d'observation est longue, plus elle est fiable pour fournir des informations.

Figure 2: Machine operating hours by active days

Dans la figure 2, l'axe des x indique le nombre de jours actifs pour chaque machine, et l'axe des y indique le nombre moyen d'heures de fonctionnement de la machine par jour. Notez que chaque point représente une seule machine. Le point en bas à gauche montre une machine qui n'est active qu'un jour pendant une heure, alors que la machine en haut à droite a été active tous les jours pendant 30 jours, soit une moyenne de 22 heures par jour.

Un autre élément important à noter est que les points de données peuvent se chevaucher. Une analyse des données dans le temps fournira une meilleure représentation du nombre de machines dans une parcelle donnée. Dans la figure 2, les données agrégées sont organisées dans un format visuellement significatif en créant différents clusters qui sont codés en couleur. Le regroupement est important car il permet d'organiser ensemble des objets au comportement similaire. Ici, nous voyons trois groupes distincts de machines, le vert, l'orange et le violet.

La figure 2 indique également les machines qui travaillent plus de huit à dix heures par jour par une ligne rose. Les machines situées au-dessus de la ligne sont supposées travailler en équipe et être exposées à une utilisation beaucoup plus importante. Pour analyser plus en détail les heures de travail des machines, trois catégories supplémentaires sont représentées en rouge, vert et bleu.

Figure 3: Heat map of machine operating hours by active days

Comparaison par type de machine : quelles sont les questions auxquelles on peut répondre à l'aide d'une seule mesure ?

Les équipementiers et les concessionnaires peuvent tirer de multiples enseignements d'une même mesure, en fonction de leurs objectifs et de leur point de vue fondé sur leur rôle dans l'entreprise, en tant que vendeur ou responsable du service, par exemple. Dans le cas de la mesure concernant l'utilisation de la machine, les réponses à des questions comme celles-ci peuvent révéler des avantages pour votre entreprise en termes d'efficacité, de rentabilité et de satisfaction du client.

Figure 4: Comparison by machine type - Model Type 1

Figure 5: Comparison by machine type - Model Type 2

Les machines sont-elles sur- ou sous-utilisées ?

Les données montrent peut-être que le même type de machine est utilisé de différentes manières et à différents moments. Cela peut signifier que certaines machines sont sur-utilisées alors que d'autres sont sous-utilisées. Les machines qui sont utilisées plus souvent vieillissent plus vite et nécessitent plus d'entretien et de réparation. Cet exemple est plus probable dans le secteur de la construction, où il n'est pas si facile de garantir que les machines seront utilisées de manière équilibrée. Par exemple, elles seront déplacées d'un site à l'autre ou mises de côté pendant un certain temps jusqu'à ce que la phase suivante du travail soit prête. La possibilité de voir quelles machines travaillent plus que d'autres permet d'intervenir pour équilibrer les charges de travail grâce à une meilleure planification ou à l'utilisation d'une autre machine capable de faire plus dans le même laps de temps.

Les modèles bas de gamme cannibalisent-ils votre marché haut de gamme ?

La figure 2 montre l'utilisation des machines sur une période donnée. Parfois, une machine bas de gamme qui peut tout faire est constamment utilisée, cannibalisant le marché des machines plus haut de gamme. La surutilisation des machines bas de gamme peut être un indicateur de cette situation et donner aux équipementiers les informations nécessaires pour apporter des ajustements à la conception du prochain modèle. De même, lorsqu'il s'agit de véhicules utilisés quotidiennement, les équipementiers peuvent concevoir en conséquence. Par exemple, les sièges doivent être aussi ergonomiques que possible et la cabine doit pouvoir accueillir des équipements supplémentaires. Les modèles situés dans la partie supérieure droite du graphique nécessiteront également un éclairage extérieur car ils sont utilisés pour le travail posté, 24 heures sur 24. En revanche, les machines qui ne se déplacent qu'une fois par semaine nécessiteront moins de caractéristiques. Grâce aux données qui révèlent la fréquence d'utilisation des machines ou la façon dont elles sont utilisées, il est possible d'optimiser pour des applications spécifiques et pour que les modèles ne se gênent pas les uns les autres.

Mon équipe de vente peut-elle identifier de nouvelles opportunités de vente incitative ?

L'analyse des données machine des figures 4 et 5 peut avoir un impact positif sur les ventes. Imaginez un vendeur qui examine les données relatives à un certain groupe de clients. S'il constate qu'un certain modèle de machine est utilisé beaucoup plus souvent que ce que l'équipementier avait prévu avec sa conception ou si un propriétaire de machine utilise une machine haut de gamme pour des tâches simples, il pourrait convaincre le client d'acheter un modèle avec une configuration différente - un modèle mieux adapté au travail qu'il effectue. L'utilisation des données pour permettre des recommandations d'achat personnalisées est un moyen très puissant de fidéliser les clients et comprendre comment les machines seront utilisées est la clé d'une recommandation réussie.

Comment éviter le déséquilibre du contrat de service ?

Les données relatives à l'utilisation peuvent influer sur le type de service après-vente que les OEM et les concessionnaires décident de fournir à leurs clients. D'après les données de la figure 2, nous savons que la machine moyenne fonctionne cinq jours par semaine, soit environ sept heures par jour. Mais il ne s'agit que de la machine moyenne. Qu'en est-il des autres ?

Cela n'a pas de sens de proposer le même ensemble de services pour toutes les machines, quelle que soit leur utilisation.

Les données peuvent également aider à hiérarchiser les demandes de service et à déterminer le coût des contrats de service. Par exemple, les machines qui travaillent dur, en haut à droite du graphique, doivent être entretenues plus souvent. Il peut être judicieux de proposer un service hebdomadaire ou bihebdomadaire pour ce type de machines, alors que les machines situées dans le coin inférieur gauche ont besoin d'un service beaucoup moins fréquent. Les contrats de service pour ces machines peuvent être tarifés en conséquence, l'équipementier ou le concessionnaire étant rémunéré équitablement pour le travail effectué et le propriétaire de la machine n'étant pas surfacturé, selon la machine.

Comment puis-je améliorer la prévision des pièces de rechange ?

Les données d'utilisation, telles qu'elles sont présentées dans nos exemples, peuvent aider les équipementiers et les concessionnaires à prévoir quelles pièces devront être remplacées et quelles machines sont susceptibles de nécessiter une maintenance avant les autres. Cela n'est pas sans rappeler ce que font divers constructeurs automobiles pour amener leurs clients à la maintenance sur la base des données d'utilisation des véhicules en situation réelle. La capacité de prédire de manière fiable quelles machines auront besoin de maintenance et de pièces de rechange peut aider les OEM et les concessionnaires à être plus efficaces en anticipant leurs besoins en personnel et en pièces de rechange, et en planifiant en conséquence.

Résumé

Lorsque les équipementiers et les concessionnaires peuvent utiliser les données pour comprendre le comportement réel des clients et des machines sur le marché, ils disposent d'un outil puissant pour prendre des décisions qui ont un impact sur leur activité à court et à long terme. Il devient beaucoup plus facile de répondre aux questions concernant le besoin de ressources supplémentaires, de nouveaux modèles ou d'installations de maintenance, par exemple.