¿Interesado en conectarse con Dave? Comuníquese con él en LinkedIn!

Acerca de MachineMetrics: Métricas de la máquina'La plataforma de datos de máquinas intuitiva y flexible recopila y analiza fácilmente los datos de cualquier equipo de fabricación para brindar información valiosa y procesable para los trabajadores de la fábrica en cuestión de minutos, impulsando decisiones desde cualquier parte del mundo en cualquier momento que vayan directamente al resultado final a partir del primer día.

Preguntas y temas clave de este episodio:

(00: 59) Introducción a Dave Westrom

(02: 22) Introducción a MachineMetrics

(07: 42) ¿Puede compartir algunos casos de uso de MachineMetrics?

(15: 29) ¿Ha visto renuencia a adoptar IoT y cómo maneja eso con los clientes potenciales?

(18: 13) ¿Qué diferencias observa en las iniciativas de transformación digital a nivel corporativo frente a las de fábrica?

(23: 16) ¿Qué importancia tiene la aceptación empresarial al realizar estas iniciativas de transformación digital?

(26: 10) ¿Ves empresas que a menudo prueban primero la pista de bricolaje y, de ser así, qué desafíos conlleva?

(31: 03) ¿Qué hace que el desarrollo empresarial en IoT sea diferente al de otras industrias? ¿Tiene algún consejo para las empresas que lo están pasando mal?

Transcripción:

- [Locutor] Estás escuchando IoT para All Media Network.

- [Ryan] Hola a todos y bienvenidos a otro episodio del podcast de IoT para todos en IoT for All Media Network. Soy tu Ryan, Ryan Chacon, uno de los co-creadores de IoT For All. Ahora, antes de pasar a este episodio, no olvide suscribirse a su plataforma de podcasts favorita o únase a nuestro boletín informativo en IoTforall.com/newsletter para ver todos los episodios más nuevos tan pronto como salgan. Antes de comenzar, ¿su empresa pierde horas buscando activos como equipos o vehículos y paga a los empleados de tiempo completo solo para ingresar manualmente los datos de ubicación y estado? Puede obtener actualizaciones de estado y ubicación en tiempo real para activos en interiores y exteriores al menor costo posible con las soluciones de IoT de extremo a extremo de Leverege. Para obtener más información, vaya a IoTchangeseverything.com que es IoTchangeseverything.com. Así que, sin más preámbulos, disfrute de este episodio del podcast de IoT para todos. Bienvenido Dave al programa IoT for All, gracias por estar aquí esta semana.

- [Dave] Gracias, es bueno estar aquí.

- [Ryan] Sí, es fantástico tenerte. He estado esperando esta conversación durante un tiempo, desde que MachineMetrics se convirtió en socio de nosotros. Entonces, este será uno bueno. Quería comenzar con una introducción rápida y hablar un poco más sobre su experiencia previa. Según tengo entendido, tiene una experiencia bastante única, ya que está involucrado en muchas empresas diferentes en la industria y las industrias conectadas. Entonces, si pudieras ampliar eso y hablar un poco más sobre quién, para que nuestra audiencia sepa a quién está escuchando.

- [Dave] Claro, sí, he estado con MachineMetrics durante aproximadamente dos años y medio. Soy responsable del desarrollo comercial global, que incluye nuestro ecosistema de socios, cuentas estratégicas, entre otras cosas. Antes de MachineMetrics, formé parte del equipo ejecutivo de una empresa llamada ThingWorx, que fue una de las primeras pioneras de IoT en torno a la habilitación de aplicaciones, que fue adquirida por PTC. Antes de eso, formé parte del equipo ejecutivo de una empresa llamada Lighthammer, que fue adquirida por SAP y posteriormente se convirtió en su plataforma de IoT. Antes de eso, he tenido varios roles en empresas como ABB, General Electric, Wonderware, que se convirtió en Invensys, se convirtió en Schneider, ahora AVEVA. Gran parte de mi carrera ha estado en los espacios de IoT, software industrial, software empresarial y soluciones.

- [Ryan] Fantástico, eso es increíble. Hablemos un poco más sobre la empresa actual MachineMetrics. Cuénteme un poco más sobre lo que hace la compañía por los miembros de la audiencia que pueden no estar familiarizados, el tipo de papel que todos ustedes desempeñan en IoT, ese tipo de cosas.

- [Dave] Claro, MachineMetrics proporciona una plataforma industrial única de Internet de las cosas. Y creo que para describirlo o enmarcarlo sería quizás mirar lo que está disponible o tradicionalmente ha estado disponible en el mercado en comparación, y cómo es MachineMetrics en ese contexto. Sabes, ha habido una serie de estadísticas citadas por McKinsey, Cisco y otros, que hablan de una tasa bastante alta de fracaso de los proyectos industriales de IoT. Y lo atribuimos a las opciones que han existido en el pasado. La primera opción es realmente lo que yo llamaría una aplicación de paquete o una solución de paquete. Los clientes normalmente obtendrán valor de la caja en eso, pero tienen una oportunidad muy limitada de innovar para extender la aplicación, agregar su propia IP, para construir sus propias aplicaciones. La segunda opción es la plataforma de IoT más horizontal, que le permite construir cualquier cosa que desee, pero debe usar las herramientas de esa oferta y, por lo general, lleva mucho tiempo alcanzar el valor inicial. Y, a menudo, los proyectos simplemente se esfuman. La primera opción obtiene algo de valor rápidamente, pero su capacidad de expansión es muy limitada, tiene que adaptar sus procesos al software y, a menudo, esos enfoques se vuelven obsoletos. Segunda opción: puede hacer cualquier cosa y todo, pero lleva mucho tiempo llegar a valor. Las terceras opciones son los clientes que han tenido productos MES tradicionales, soluciones ERP que intentan calzarlos en sus activos de fabricación discretos. Y muchas veces eso es una pesadilla. E incluso si pueden conectar esos activos, el costo de mantener el código que escriben para hacerlo suele ser prohibitivo. Entonces MachineMetrics realmente ofrece la mejor de todas las opciones. Es único en el sentido de que es una verdadera plataforma en el sentido de que tiene la capacidad de permitir extensiones, expansiones, que se creen aplicaciones, que se agreguen IP, pero también viene con aplicaciones que están empaquetadas en los productos, por lo que nuestros clientes que son fabricantes discretos puede llegar a valorar muy rápidamente y muy rápidamente. Así que combina ambos y realmente lo hace de una manera única. Y esa singularidad radica en la automatización de la transformación de datos o la capa de contextualización. Entonces, lo que MachineMetrics ha hecho es básicamente, nos conectamos a un activo de máquina, extraemos los datos y automáticamente transformamos o contextualizamos los datos para que sean consumibles no solo en nuestras aplicaciones empaquetadas, sino en otras aplicaciones y otras herramientas. Entonces, nuevamente, los enfoques más tradicionales que mencioné anteriormente, generalmente tiene que usar una herramienta para modelar algún tipo de proceso, a una herramienta gráfica en muchos casos, luego tiene un conector, extrae datos. Luego, debes escribir todo el código intermedio para unir esos datos en ese modelo. Con MachineMetrics, hay una estructura de datos común, no hay modelado gráfico. Te conectas a las máquinas y automáticamente tienes datos consumibles. En el desafiante entorno de COVID que hemos tenido, esto ha sido una gran ventaja porque el 90% de nuestros clientes ahora implementan MachineMetrics por su cuenta. Les enviamos un dispositivo de borde, pueden conectarlo. Podemos apoyarlos de forma remota, pero no tenemos que enviar personas a sus plantas. Pueden conectarlo ellos mismos y, por lo general, están en funcionamiento y se centran en la mejora continua y en generar valor desde el principio.

- [Ryan] Eso es fantástico. Aprecio que te hayas sumergido realmente en los detalles, eso es genial. Y ahora, si no le importa, ¿podría explicar algunos de los casos de uso individuales? No es necesario que ingrese en la empresa específica si no lo desea, sino simplemente en un nivel alto, algunos de los casos de uso y nos guiarán a través de la experiencia que tal vez la empresa estaba teniendo originalmente, y luego después de ellos. tipo de MachineMetrics instalado y sus ofertas dentro de su organización, lo que comenzaron a ver desde una perspectiva de salida que cambió su negocio.

- [Dave] Claro, entonces nos enfocamos en la industria de fabricación discreta. Por lo tanto, generalmente se trata de empresas en áreas como la fabricación de dispositivos médicos, automotriz, todos los niveles, industrial, aeroespacial, algo de petróleo y gas. Y los tipos de operaciones de fabricación varían. Algunas son operaciones de mezcla muy baja y alto volumen, lo que esencialmente significa que fabrican una gran cantidad de producto de componentes de las mismas partes en un volumen alto. Muchas de esas plantas son limitaciones de capacidad y, por lo tanto, para las empresas que encajan en ese segmento, aspectos como las mejoras en la utilización se redujeron directamente a sus resultados finales. Por lo tanto, a menudo, cuando comenzamos con un cliente en una industria para un viaje, encontramos que está recopilando datos manualmente de los activos de sus máquinas. Lo están escribiendo en papel o en una pizarra, y están midiendo, capturando métricas, métricas clave como la utilización, OEE o podcast, lo que sea clave para impulsar su negocio. Pero esos datos no son muy precisos. Entonces, los datos capturados manualmente son, yo diría, una base muy pobre para la mejora continua. Lo que también vemos es que cuando comenzamos a trabajar con estas empresas y recopilamos datos en tiempo real de los activos de la máquina, a menudo hay una sorpresa de cuál es realmente la línea de base para estas métricas. Existe la percepción dentro del cliente de que lo están haciendo mucho mejor de lo que realmente están. Entonces, por ejemplo, cuando medimos la utilización, creo que el 28% es la cifra de utilización con la que comenzarán nuestros clientes cuando comiencen a trabajar con MachineMetrics. Por lo general, piensan que lo están haciendo mucho mejor que eso, y también es similar con las otras métricas. Tenemos cientos de clientes, nos hemos conectado a miles de máquinas. Y al tener acceso a esos datos, entendemos cuál es esa línea de base y dónde nuestra empresa es comparable a otras en términos de su desempeño. Entonces, ser capaz de establecer una línea de base de métricas clave como la de una empresa en la línea de lo que describí, es una especie de fruta madura para comenzar una iniciativa de mejora continua en torno a los activos de fabricación. Y normalmente veremos una mejora del 15 al 20% en una métrica clave como esa para ese tipo de cliente en un par de meses. Y a menudo eso pagará las inversiones en MachineMetrics. Pero ese es solo el primer paso en un viaje de mejora continua. El otro extremo del espectro son las empresas que tienen una mezcla más alta y un volumen más bajo. Pueden fabricar muchos, muchos tipos diferentes de componentes, muchos tipos diferentes de clientes. A menudo, fijarán el precio de esos productos según el tiempo que se tarda en fabricarlos, según los tiempos de ciclo, según los estándares de su trabajo, y esos estándares normalmente se almacenan en un sistema ERP. Descubrimos que muchos de sus clientes, cuando comenzamos a trabajar con ellos, no saben de dónde vienen esas cifras, no se han actualizado en mucho tiempo, no son muy precisas. Y nuevamente, una vez que comienzan a recopilar datos en tiempo real de los activos de la máquina, pueden ingresar y optimizarlos. Y cuando fijas el precio de tus productos en función de eso, existe un vínculo directo con la rentabilidad del producto. Entonces, al tener esos datos y poder implementar procesos para mejorar en esas áreas, eso genera beneficios claros y resultados claros para esos clientes. Y luego hay muchos clientes que están en el medio. Y muy a menudo se centrarán, nuevamente, en los tiempos de ciclo, en las mejoras del tiempo de inactividad, realmente depende del cliente y de cuáles son sus impulsores comerciales. Pero MachineMetrics es esencialmente una base que permite a los clientes identificar, priorizar y ejecutar iniciativas de mejora continua. Y les daré un ejemplo rápido de un cliente con el que trabajamos, y hemos promovido en un informe técnico algunos de los éxitos que tuvieron, esta es una empresa de dispositivos médicos. Comenzaron su viaje en una planta, comenzaron a usar MachineMetrics, tenían cuellos de botella que no podían identificar. Cuando comenzaron a capturar datos, descubrieron que tenían problemas importantes de tiempo de inactividad. Profundizando más, se dieron cuenta de que eran sus tiempos de preparación los que los estaban matando. Y más específicamente fue su configuración de herramientas en las máquinas. Así que aprovecharon esos datos, rediseñaron sus procesos para las configuraciones de herramientas, volvieron a capacitar a sus operadores, de hecho agregaron operadores. La mayoría de nuestros clientes van en la otra dirección. Agregaron operadores. Pudieron reducir los tiempos de configuración en más del 50%. Luego pudieron mover sus cuellos de botella, luego procedieron a una iniciativa posterior en la que redujeron el tiempo de programación inactivo en un 98%. Y siguieron adelante. Y en algún momento de este proceso, le presentaron esto a su equipo ejecutivo, quien básicamente dijo: “Esto es genial, pero ¿qué pasa con los otros planes? ¿Cuánto dinero estamos perdiendo porque no estamos haciendo esto con las otras plantas? " Entonces, a partir de ahí, procedieron a implementar MachineMetrics en sus otras plantas, creo que fueron otras seis plantas. Y lo hicieron en menos de seis meses. Y nuevamente, pudieron implementarlo rápidamente debido a las cosas de las que hablé anteriormente.

- [Ryan] Eso es asombroso. Eso es tremendo. Lo que están haciendo, suena fantástico. Y agradezco que se haya adentrado en los detalles, creo que ayudará mucho a nuestra audiencia a comprender, no solo lo que todos ustedes están haciendo, sino también el ROI que las compañías están viendo al trabajar con ustedes, lo cual es genial. Y quería preguntar, así que hemos visto esto en muchas otras industrias, y estoy seguro de que también es bastante evidente en la fabricación. Pero cuando trabaja con los fabricantes o habla con las empresas al comenzar la relación con ellos, ¿qué tan reacios son a adoptar nuevas tecnologías o adoptar algo como MachineMetrics en sus sistemas? ¿Se necesitan muchas ventas? ¿Por lo general, se necesita un piloto para lograr que se unan para ver el ROI antes de que inviertan el tiempo? Acabamos de ver que la renuencia a adoptar IoT a veces puede ser bastante alta, y tengo curiosidad por saber cómo manejan eso y lo que han visto.

- [Dave] Sí, realmente varía con el cliente, dependiendo de muchos factores, incluido su tamaño, su organización, su cultura, su experiencia. Quiero decir, hemos trabajado con empresas que han tenido experiencias negativas y te han hecho saber, si tuviera que contar una historia, te lo acabo de contar, me mirarán y dirán: “Eso es una locura. No hay forma de que puedas enviarme un dispositivo periférico. Podré conectarlo, y luego una hora estaré listo y funcionando con los datos. Eso es imposible, porque lo hemos hecho antes y no funciona ". Entonces, hablar es barato. Entonces, en casos como ese, veremos un piloto y lo probaremos. De hecho, enviaremos una herramienta, la buscaré, estableceré algunos objetivos y lo probaré. En otros casos, nuevamente, puede haber desafíos culturales, puede haber desafíos organizacionales, a menudo se necesita a alguien en la organización y dentro de la planta de fabricación para defender el proyecto que puede impulsar la mejora continua, puede atravesar algunos de los silos organizacionales. A menudo hay algunos desafíos, como estoy seguro de que usted sabe, entre el lado de la fabricación y operación del negocio y las organizaciones de TI. Así que sí, realmente varía según la empresa, y hay muchos factores diferentes que lo impulsan.

- [Ryan] Quiero ampliar una cosa que mencionaste sobre la separación dentro de las organizaciones a veces. Cuando se relaciona con las empresas, ¿podría hablar un poco más sobre algunos ejemplos sobre iniciativas de transformación digital a nivel corporativo versus las pequeñas iniciativas de fabricación en las plantas de fabricación y sobre por qué a menudo hay una separación de lo que está sucediendo en diferentes opiniones, los valores que ven y el tipo de cómo puede manejar eso?

- [Dave] Sí, y ese es un gran tema y tema. Es, ya sabe, mucho de lo que describí anteriormente y esos casos de uso en los que nos centramos directamente en la parte de fabricación del negocio, ¿verdad? Los operadores, los supervisores, los ingenieros de planta, ya sabes, y nuevamente, hay diferentes personas, hay diferentes casos de uso y diferentes partes de la organización se benefician de diferentes maneras. Y las cosas que describí anteriormente, y a menudo veré lo que vemos como la fruta madura. Pero creo que cuando empiezas a ver el hilo digital que atraviesa la empresa, estamos en las primeras etapas de la oportunidad y donde está el beneficio. Y estamos viendo algunas cosas increíblemente innovadoras de nuestros clientes en términos de cómo se aprovechan los datos de la máquina en esa empresa. Si lo piensas, realmente hay tres cosas que emanan datos, por así decirlo, ¿verdad? Están los activos de máquinas y dispositivos en las plantas, están las personas y luego están los sistemas. Entonces, hay datos que provienen de esos tres grupos. Y cuando lo combina, lo une y aplica diferentes herramientas y software, hay muchas cosas que se pueden lograr. Así que mucho de lo que hablamos, di un ejemplo antes con el sistema ERP, pero algunas de las cosas más creativas. Sabe, tenemos clientes que están aprovechando los datos en sus plantas, los están vinculando a otras herramientas. Nuestros clientes no tienen que usar nuestras aplicaciones o nuestras herramientas, pueden usar las suyas propias. Tenemos clientes que tienen cosas como Power BI o Tableau, crean paneles en todas las plantas, se vincularán con sus sistemas financieros y podrán comenzar a mirar y responder preguntas como, "¿Cuándo terminamos un equipo en particular y reemplazarlo con equipo nuevo? ¿Cuándo deberíamos expandirnos? " Cuando un gerente de planta dice: "Oye, quiero comprar un activo de un millón de dólares". Como justificas eso? ¿Dónde están los datos? ¿De dónde viene? ¿Cuál es su situación de capacidad? Sabes, ¿por qué esta máquina en particular con este operador en esta planta se desempeña un 20% mejor que la misma máquina con un operador diferente en una planta diferente? ¿Dónde tiene más sentido hacer un producto en particular? Y tenemos un cliente que tiene una planta de fabricación primaria, y llegarían a su capacidad máxima, recibirían nuevos pedidos y no podrían realizarlos. Entonces empezarían a llamar a sus otros planes diciendo: “Oye, ¿puedes hacer este producto? Recibimos este pedido ". Y la respuesta siempre fue: "No, estamos ocupados". Bueno, ahora tienen visibilidad con MachineMetrics en todas sus plantas. Entonces ahora llaman a las otras plantas y dicen: “Vas a hacer este producto, tenemos este pedido. Sabemos que tiene capacidad disponible en esta línea, con estos activos de máquinas. Lo estamos programando allí ". Son capaces de hacer eso. Combinando los datos con otros sistemas, sistemas CMMS, por ejemplo, realizando la visión de la inversión en esos sistemas. Tenemos clientes que invirtieron en esos sistemas y aún mantienen sus equipos según un cronograma. Sabes, ¿cómo optimizas el mantenimiento de los equipos si no sabes cuánto tiempo ha estado funcionando la máquina o cuál es la carga en la máquina? Sabes, es difícil de hacer. Por lo tanto, extraer los datos de los activos de la máquina de MachineMetrics a esos sistemas permite esa optimización. Tenemos clientes que vinculan esto a sus sistemas de recursos humanos, optimizan las revisiones de rendimiento y aprovechan los datos de los activos de la máquina. Entonces, cuando observa el hilo digital en toda la empresa y los casos de uso potenciales y las oportunidades para impulsar todo tipo de valor.

- [Ryan] ¿Y crees que, cuando se trata de invertir en esa iniciativa de transformación digital, es importante que una organización, supongo, requiere que una organización tenga una especie de aceptación a nivel corporativo, para tener éxito, o puede hacerlo en un nivel diferente y aún ver el éxito con una organización para ver el progreso, ver el retorno de la inversión en el lado de la pequeña fabricación?

- [Dave] Sí, creo que puede ver, y vemos un gran valor y retorno de la inversión solo en el lado de la fabricación. Con los ejemplos que les di anteriormente, y hay muchos otros que podría agregar a eso dentro de las cuatro paredes de la planta de fabricación. Y extenderlo tiende a aplicarse más a las empresas más grandes o las empresas medianas. Pero es una gama bastante amplia y, nuevamente, muchas oportunidades diferentes. Pero vemos que nuestros pequeños y extra pequeños clientes también obtienen una enorme cantidad de valor de su inversión en MachineMetrics. Pero nuevamente, cada cliente tiene diferentes objetivos. Tienen diferentes problemas que están tratando de resolver, diferentes prioridades, y realmente depende de cuáles son sus objetivos y cuál es su enfoque. Pero creemos que el fabricante tiene una gran experiencia en el dominio de sus procesos. Y nuestro objetivo es habilitar la infraestructura de datos, para permitirles aprovechar esa experiencia en el dominio para optimizar sus procesos. Y hemos trabajado con empresas y vemos de nuevo empresas que gastan cantidades desmesuradas de recursos simplemente tratando de conectarse a los activos de la máquina y mantener esas conexiones y todo este código que escribieron. Y, esencialmente, sería más eficiente y efectivo si solo usaran MachineMetrics para eso. Pero el problema más importante es que se trata de una mala asignación de recursos muy valiosos, porque esas son las personas que tienen la experiencia en sus propios procesos que nadie más tiene. Y al enfocarlos en optimizar esos procesos, ahí es donde obtendrán el mayor valor. Y eso es lo que creemos. Por eso, hemos intentado crear un ecosistema en el que nuestros socios y clientes puedan centrarse en lo que hacen mejor. Y podemos, podemos habilitar eso con una base que proporcionamos en nuestra plataforma.

- [Ryan] Una cosa sobre la que quería preguntar, una especie de algo que acabas de mencionar, se relaciona con las organizaciones con las que puedes trabajar y que ya han intentado algo por su cuenta, algo así como una solución de bricolaje. Obviamente, a partir de nuestra conversación, se vuelve muy evidente que si comenzaran con MachineMetrics, lo pasarían mucho más fácilmente, pero a veces ese no es el caso a menudo. Entonces, ¿pueden hablar un poco sobre los desafíos que todos ven cuando las empresas comienzan por el camino del bricolaje y luego se dan cuenta, mucho más tarde, de que probablemente deberían haber comenzado con algo mucho más simple como MachineMetrics, y algo así como el desafíos que impone y por qué ahora es probablemente un mejor momento que nunca para omitir el proceso de bricolaje y pasar a algo como MachineMetrics.

- [Dave] Sí, hay muchos desafíos. Y nuevamente, la tecnología cambia tan rápidamente que una decisión que pudo haber sido una buena decisión hace cinco o diez años puede no ser una buena decisión ahora, o tal vez no debería continuarse ahora, ¿verdad? Entonces, lo que vemos es que las empresas seguirán este camino. Y, de nuevo, creo que ha sido interesante con COVID que muchas de estas empresas no solo no podían los proveedores dejar de entrar a las plantas, sino que estas empresas no podían enviar a tanta gente a las plantas. Y los recursos fueron suspendidos, despedidos. Y, de repente, tiene todo este código que se escribió a lo largo de los años para conectarse a estos activos y habilitar estos sistemas. Y tiene diferentes personas en diferentes plantas que construyeron estas aplicaciones de diferentes maneras, y ahora ya no están allí. ¿Y cómo mantienes eso? ¿Cómo lo sostienes? Y has tenido, sigues agregando a esto. Y luego, cada vez que hay un cambio dentro de la operación, si se actualiza el software de una máquina o se actualiza otra aplicación, debe cambiar más software en ella. Y en algún momento tienes todo un equipo de personas, y esencialmente solo están sosteniendo algo y el objetivo es evitar que se derrumbe en la organización y mantenerlo en marcha, pero en realidad no está impulsando ningún incremento. valor. Entonces, ¿cómo y cuándo toma la decisión de reestructurar eso o ir en una dirección diferente? Y es difícil, es una decisión difícil. Es una decisión organizacional y las empresas la manejan de manera diferente. Y es que trabajamos con fabricantes, trabajamos con fabricantes de máquinas, trabajamos con distribuidores de fabricantes de máquinas, trabajamos con todas estas empresas diferentes y, en muchos de esos casos, han creado sus propias soluciones, en algunos casos han han creado sus propias plataformas. En el caso de, nuevamente, los constructores de máquinas, muchos de los cuales son socios nuestros, en el pasado han tenido sus propias aplicaciones de monitoreo o sus propias plataformas. Y nuestro objetivo es, una vez más, trabajar con las empresas para que puedan centrarse en lo que hacen mejor. Entonces, nuevamente, creemos que el fabricante tiene una profunda experiencia en el dominio de los procesos. Creemos que los fabricantes de máquinas tienen una gran experiencia en el dominio de sus propias máquinas, y la atención debe centrarse en optimizar cada una de ellas. Y el desafío con los constructores de máquinas es que los fabricantes son muy reacios a comprar una oferta de monitoreo o una plataforma de IoT de un constructor de máquinas y ponerla en otra máquina de constructores de máquinas, ¿verdad? Y quieren una infraestructura de datos común en todos los activos de sus máquinas. Quieren una experiencia de usuario común en todos los activos. No quieren tener 10 paquetes de monitoreo diferentes en diferentes tipos de máquinas. Entonces, nuevamente, lo hace prohibitivo si estás en esa posición. Así que eso es realmente mucho de lo que vemos en el mercado, y mucho de lo que estamos conduciendo en términos de la dirección y el ecosistema y dónde vemos la oportunidad.

- [Ryan] Eso es genial. Te agradezco todo eso. Esta es una conversación fantástica hasta ahora. Creo que simplemente extrapolando allí, como ha estado haciendo en el, no solo la vista que tiene del mercado, sino la forma en que interactúa con las organizaciones, lo que está viendo con las organizaciones cuando se trata de la implementación de las ofertas de MachineMetrics, y cómo están viendo los éxitos, es solo un gran testimonio de todo lo que está sucediendo, así que esto ha sido genial. Una pregunta que quería hacerte, un poco separada de lo que hemos estado hablando, y es una pregunta de la que no hablamos, o al menos llegamos a responder mucho, porque no tenemos demasiadas. personas involucradas en el lado del desarrollo comercial en el podcast es suficiente, sin revelar ninguno de sus secretos, ¿puede hablar un poco sobre el lado del desarrollo comercial de IoT, por qué es tal vez diferente o único de otras industrias y cualquier mejores prácticas, tácticas, consejos, cosas que ha visto y que le han llevado al éxito en el desarrollo empresarial que pueden ser los oyentes que están luchando con el lado del desarrollo empresarial y que pueden sacar algo de eso.

- [Dave] Bueno, el desarrollo empresarial se define de manera diferente en diferentes empresas. Quiero decir, para MachineMetrics, en mi experiencia, específicamente con ThingWorx, Lighthammer u otras startups con las que he estado, me involucro en la parte de estrategia. El ecosistema de socios es un enfoque principal. Y es importante tener alineación, pero creo que con las pequeñas empresas y específicamente, es realmente importante entender cuál es su enfoque, qué tiene que es diferenciado y el mercado al que se dirige, porque si intenta hacer demasiadas cosas no vas a tener éxito. Y también es clave que una vez que tenga ese enfoque definido en términos de dónde está su competencia principal, lo rodee con componentes complementarios de software, hardware, servicios, lo que sea. Porque, en última instancia, desde el punto de vista del cliente, lo que les interesa es la solución total. Y si está proporcionando solo una pieza, eso no llega al valor que el cliente está buscando. Entonces, tener un ecosistema que reúna todas esas cosas, ¿verdad? Entonces, MachineMetrics no es una empresa de consultoría. Proporcionamos una plataforma y una base con datos y conocimientos que permiten la consultoría. Y ahora, si esa consultoría proviene del cliente final o si proviene de un socio del cliente, o de un tercero, ciertamente queremos trabajar con esas empresas, y queremos complementar nuestra oferta con esas capacidades, al igual que los integradores de sistemas, lo mismo con otros jugadores dentro de ese ecosistema. Queremos trabajar con ellos, no queremos recrear nada que ya exista. Entonces, si hay una funcionalidad que es complementaria para nosotros y otro software, queremos integrarnos a eso, queremos trabajar con esas empresas. Sabes, no queremos recrear algo que alguien más ya tiene. Entonces, tener ese modelo y esa estrategia y ese enfoque y ser capaz de habilitar y colaborar con otros, eso es realmente donde creo que se acelera e impulsa el valor para toda la industria y todo el ecosistema.

- [Ryan] Esos son realmente grandes puntos. Hemos hablado un poco en el carril para las pocas personas en el podcast, sobre cómo IoT es una industria muy centrada en el ecosistema y no muchas empresas lo hacen, o probablemente deberían hacer cada pieza de una solución de IoT. Entonces, saber en qué es bueno, hacerlo muy bien, ofrecerlo al mercado y construir ese ecosistema alrededor de su componente para permitir que los usuarios finales tengan más facilidad para adoptar IoT y no tener que básicamente barajar todos los aspectos. Hay opciones potenciales para construir una solución, pero en realidad, tener empresas como MachineMetrics y otras que llevan toda la oferta al mercado con ese tipo de asociaciones entre bastidores, creo que es un enfoque fantástico que muchas empresas están explorando hacer, algunas lo están haciendo. está bien, obviamente ustedes lo están haciendo bien. Y creo que eso es mucho que decir sobre la estructura de la industria de IoT y por qué la asociación, el enfoque del ecosistema es tan importante para el éxito de IoT. Así que estoy totalmente de acuerdo contigo. Quería terminar aquí preguntando si hay algo que surja en el horizonte de MachineMetrics a lo que nuestra audiencia debería prestar atención o estar atento. Y, al mismo tiempo, si tienen alguna pregunta, cuál es la mejor manera de interactuar con usted o con otras personas del equipo y cómo comunicarse.

- [Dave] Claro, la semana pasada tuvimos un anuncio importante en el que anunciamos una ronda de financiación de la Serie B dirigida por Teradyne, que fue significativa. Desde nuestra perspectiva, estábamos enfocados en un puente circular que se convirtió en algo mucho más grande que eso. Eso nos ayudará a acelerar nuestro crecimiento en términos de nuestra capacidad para construir nuestros equipos y expandirnos a nuevos mercados. Estamos haciendo cosas muy interesantes en torno al mantenimiento predictivo, donde estamos muy concentrados en predecir el desgaste de las herramientas y las fallas de las herramientas, ciertos tipos de máquinas, aprovechando los datos de alta frecuencia de los sistemas de control. En el pasado, enviábamos gente a las plantas y añadíamos sensores, y teníamos científicos de datos que buscaban patrones basados ​​en sensores que añadíamos a las máquinas, y el servicio requería mucho tiempo. Descubrimos que con datos de alta frecuencia podemos simplemente a partir de los datos del sistema de control sin tener que agregar sensores, podemos ver estos patrones mucho más claramente y desarrollar estos algoritmos que son altamente precisos para predecir cuándo fallará una herramienta en una máquina. . Y la propuesta de valor en torno a eso es significativa. Pero igualmente importante, al proporcionar esa infraestructura de datos de alta frecuencia, tenemos socios y clientes que tienen sus propios equipos de ciencia de datos que desean desarrollar sus propias aplicaciones y sus propios algoritmos para diversas oportunidades de predicción. Podemos facilitar eso y proporcionar esa infraestructura para ellos también, y vemos eso como una oportunidad aún mayor. Así que estamos viendo una pequeña porción de eso. Entonces, desde el punto de vista de la analítica, estamos trabajando en cosas muy interesantes y geniales. Y también tenemos muchas, muchas otras cosas interesantes. Y mucho está en nuestro sitio web. Puede visitar nuestro sitio web para obtener esa información, MachineMetrics.com. Si quieres contactarnos, GME@dhr-rgv.com Y nuevamente, puede encontrar casi todo eso en nuestro sitio web.

- [Ryan] Fantástico. Bueno, Dave, esta ha sido una gran conversación. Realmente aprecio su tiempo y estar en el programa hoy. Esperamos hacer llegar esto a nuestra audiencia, ya que ya son grandes admiradores de todo el contenido de MachineMetrics y de las cosas que ya hemos estado promoviendo como socios. Así que esto ha sido genial y realmente agradezco su tiempo.

- [Dave] Gracias. Yo también lo agradezco. Qué tengas un lindo día.

- [Ryan] Tú también. Está bien todo el mundo. Gracias de nuevo por acompañarnos esta semana en el podcast de IoT for All. Espero que hayas disfrutado de este episodio y, si lo hiciste, déjanos una calificación o reseña y asegúrate de suscribirte a nuestro podcast en la plataforma en la que nos escuches. Además, si tiene un invitado que le gustaría ver en el programa, envíenos una nota a GME@dhr-rgv.com y haremos todo lo posible para conseguirlos como futuros huéspedes. Aparte de eso, gracias de nuevo por escucharnos y nos vemos la próxima vez.

PlatoAi. Web3 reinventado. Inteligencia de datos ampliada.
Haga clic aquí para acceder.

Fuente: https://www.iotforall.com/podcasts/e133-digital-transformation-in-smart-factory-settings