Rolls-Royce Plc, l’azienda britannica che produce reattori per aviazione, è uno degli esempi pionieristici di servitization. Infatti, la trasformazione del business model aziendale può essere ricondotta al 1999, quando American Airlines chiese a Rolls-Royce di fornire un servizio completamente nuovo, comprensivo della gestione del trasporto di motori per la riparazione e la revisione, della gestione delle forniture periferiche e della collaborazione sulla manutenzione. Per fare ciò, fu definito un nuovo meccanismo di pagamento, basato sulle ore di volo effettive compiute da un motore (il famoso “Power by the hour”). A livello di operations, il nuovo modello di business richiedeva un efficiente coordinamento della rete di supporto tecnico e il tracciamento e utilizzo dei dati generati dal parco motori, in modo da rendere l’intero processo più intelligente ed efficiente.
Quasi vent’anni dopo, nel 2018, Rolls-Royce ha lanciato il programma Intelligent Engine, che si fonda sulla stessa visione e poggia sui progressi delle tecnologie digitali. Questa la vision che accompagna il lancio dell’iniziativa:
“With the digital revolution blurring the boundaries between our physical products and the services we provide, we see a future where our engines are connected, contextually aware and even comprehending. A future where we design and test engines digitally, service them remotely and manage them through their digital twin.”
La connessione dei motori abilita la comunicazione continua e multidirezionale tra prodotto, produttore, cliente e terze parti che svolgono le attività di service. L’intelligenza insita nel motore e negli algoritmi che lo governano e la sua capacità di interfacciarsi con il contesto circostante, consentono l’autoregolazione di alcuni parametri chiave in funzione di quanto rilevato nell’ambiente circostante. Infine, la possibilità di raccogliere, archiviare e analizzare i dati storici legati al funzionamento in relazione alle condizioni interne ed esterne di utilizzo, rende possibile l’apprendimento continuo e il miglioramento delle prestazioni
Cosa possiamo apprendere dal caso Rolls Royce? Due sono i messaggi fondamentali:
1-La tecnologia è un mezzo, non un fine, per la digital servitization
Rolls Royce ha dapprima identificato un bisogno e sviluppato un’idea del suo percorso di service transformation, poi ha cercato supporto nelle tecnologie per implementare il proprio modello di servitization. A fianco alla componente tecnologica, ha affrontato e superato anche le sfide culturali e organizzative, ha ridisegnato il prodotto, ha ripensato le relazioni con i clienti ed i partner coinvolti nell’erogazione dei servizi, e ha riorganizzato i processi di erogazione dei servizi. La trasformazione non è stata quindi solamente digitale, ma si è trattato in una vera trasformazione “ a tutto tondo” dell’azienda e della supply chain.
2-Le tecnologie digitali sono una formidabile abilitante dei processi di servitization.
Le nuove tecnologie hanno un ruolo sempre più centrale nello sviluppo di soluzioni prodotto-servizio. Sono infatti queste tecnologie, e in particolar modo IoT, cloud computing, big data e analytics, il fattore abilitante per eccellenza, essendo in grado di abilitare la condivisione dei dati e favorire lo sviluppo di nuovi modelli di business. Vediamo come.
Tecnologie Digitali e Servitization: dalle funzionalità ai servizi
L’IoT, come noto, abilita la raccolta e la trasmissione remota dei dati. Il cloud computing consente di sfruttare “on demand” risorse remote per l’archiviazione, l’elaborazione e l’accesso ai dati, riducendo i costi e aumentando la flessibilità e le potenzialità di utilizzo dei dati stessi. Infine, per estrarre valore dai big data raccolti, archiviati e catalogati tramite le due precedente tecnologie servono gli analytics, che consentono di lavorare in modo efficiente e veloce su moli enormi di dati, strutturati e non provenienti da fonti variegate.
Quali sono le funzionalità che queste tecnologie mettono a disposizione e come queste abilitano l’erogazione di servizi “smart” e quindi i percorsi di servitizzazione? Una ricerca dell’ASAP Service Management Forum con le aziende della community ha permesso di identificare 11 funzionalità di riferimento, abilitanti i percorsi di servitizzazione, descritte di seguito.
# | Funzionalità | Descrizione ed esempi di applicazione |
1 | Identificazione dell’utente | Per ogni istanza d’uso, tecnologie di tracing e identificazione come barcode, QR code, RFID, NFC, sensori biometrici o ottici, raccolti e trasferiti tramite IoT sul cloud e associati ai dati anagrafici dell’utente, permettono di associare un utente ad un’istanza di utilizzo. Ciò rende possibile, ad esempio, l’associazione e “billing” granulare dell’utilizzo del prodotto, necessario in modelli di business basati sul pay-x-use o sullo sharing degli asset. |
2 | Identificazione del prodotto | Identificazione del prodotto (es. Numero di serie) e della sua specifica configurazione (distinta base, versione del firmware, etc.). In questo modo è possibile associare i dati ad esempio di monitoraggio remoto a una specifica istanza di prodotto/impianto, così come i dati di consumo se si adotta un modello di business “pay-x-use” |
3 | Geo-localizzazione | La verifica della localizzazione in tempo reale degli asset è fondamentale per supportare servizi di fleet management, o di visualizzazione/prenotazione ad esempio nel caso del car sharing. Queste informazioni se archiviate su piattaforme cloud possono essere integrate con dati relativi al prodotto ed all’utente per generare insight aggiuntivi |
4 | Time-stamping | Permette di associare ad una specifica azione il dato di tempo (certificato). La funzionalità permette di abilitare contratti con service level agreement basati sul livello di disponibilità di un macchinario (necessità di tempificare le istanze di fermo macchina), o di quantificare il costo del servizio sulla base dell’effettivo tempo di utilizzo del prodotto (car sharing). |
5 | Misura del livello di utilizzo | Tramite tecnologie IoT di smart metering, permette di rilevare l’intensità di utilizzo del prodotto. A seconda del settore, tale intensità può essere misurata in: ore di lavoro, km percorsi, pagine stampate, cicli di utilizzo, pezzi prodotti, … Ciò abilita i modelli di business “pay-x-use” |
6 | Condition monitoring | Monitoraggio remoto dello stato del prodotto e del valore dei parametri critici di funzionamento (temperatura, pressione, accelerazione, vibrazioni, …). Sensori, edge computing, IoT e cloud computing consentono la raccolta e il confronto dei parametri rilevati con valori-soglia critici, per attivare segnali di allarme in servizi di fleet management o contratti di manutenzione supportata da monitoraggio 24/7. |
7 | Monitoraggio dell’utilizzo | Permette di associare un’istanza di funzionamento (ed i parametri rilevati) a una specifica missione, task o modalità di utilizzo del prodotto. È particolarmente rilevante in servizi performance-based in cui il fornitore si impegna al raggiungimento di determinati livelli di qualità o risultato per determinate condizioni di utilizzo. Se ai dati raccolti sono associate attività di data analytics avanzato (ad es tramite machine Learning) è possibile generare una base di conoscenza sul legame tra la modalità di utilizzo del prodotto (missione) e i parametri di funzionamento, e di conseguenza la probabilità di guasto. |
8 | Predizione | Applicando predictive analytics ai dati raccolti è possibile prevedere le conseguenze di determinati eventi, condizioni d’uso o condizioni dell’ambiente esterno. Ad esempio, nell’ambito di servizi di energy optimization potranno essere previsti i consumi energetici di un impianto a fronte delle modalità di funzionamento pianificate e delle condizioni dell’ambiente esterno (umidità, temperatura, …) |
9 | Controllo remoto | Sistemi di supervisione semi-automatizzati, sulla base del condition monitoring o di predizioni, possono effettuare da remoto una riconfigurazione dei parametri di funzionamento di un macchinario, fare check diagnostici, attivare upgrade. Questo tipo di funzionalità che poggia sull’insieme di IoT, Cloud e predictive analytics abilita modelli di business performance-based in cui si vogliano garantire determinati livelli di uptime o efficienza del prodotto |
10 | Ottimizzazione e prescrizioni | L’analisi in real-time dei dati provenienti dal campo, integrata con modelli predittivi e sistemi di supporto alle decisioni, abilitano il miglioramento delle performance del prodotto ed il processo in cui è impiegato (consumi, produttività, saturazione, …) |
11 | Autonomia | L’interazione tra oggetti intelligenti che comunicano tra loro, se affiancata dalla capacità di autoregolare i propri parametri di funzionamento, permette al prodotto di co-operare con altri oggetti parte dello stesso sistema, al fine di ottenere uno specifico risultato. Ad esempio, il coordinamento di impianti di accesso e movimentazione all’interno di un edificio commerciale (scale mobili, ascensori , porte sensorizzate) tramite un sistema di supervisione integrato “intelligente”, permette di ottimizzare i flussi di persone ed i consumi energetici all’interno dell’edificio stesso |
Durante il XVI convegno ASAP Service Management Forum del 27 e 28 novembre, numerosi testimonial descriveranno come sono state concretamente applicato le tecnologie ai percorsi di servitizzazione delle proprie aziende. Vai al programma dell’evento, realizzato in partnership con Industry4Business.
![](https://img.industry4business.it/wp-content/uploads/2019/11/Schermata-2019-11-05-alle-13.23.36.png)
Immagine tratta dal sito Rolls Royce
![](https://img.industry4business.it/wp-content/uploads/2019/11/Schermata-2019-11-05-alle-13.23.28.png)
Immagine utilizzata per il convegno ASAP
leggi anche Appuntamento a Milano i prossimi 27 e 28 novembre con l’ASAP Service Management Forum