工业4.0如何改变售后市场

大部分人对“售后服务”这个概念比较熟悉，但对“售后市场”这个概念则不那么了解。其实，售后市场是整个市场非常重要的一个组成部分，涵盖了产品和服务两个方面。其中，最有代表性的就是汽车售后市场。汽车是耐用消费品，消费者在购买汽车之后，仍需支出大量费用购买相关产品和服务，这些费用加起来可能占到车价的50%甚至更多。由此可见，售后市场对企业非常重要，能够有效开发售后市场的企业更有可能获得持续发展。

工业4.0与售后市场有何关系？在工业4.0时代，售后市场将会发生什么样的变化？

售后市场

售后市场的意思是产品在售出后所带来的各种各样的商机。耐用品的保修维护市场、家电修理市场、个人计算机软件市场、打印机墨盒等消耗品市场都是很有代表性的例子。

虽然“售后市场”这个词在很早以前就出现了，但是在人们的印象里，以前这个词似乎并不是很常用。近几年，这个词突然普及起来，它与工业4.0（尤其是IoT）的关系是密不可分的。正是因为IoT 的普及，售后市场也出现了很大的变化。

为什么IoT 会使售后市场出现巨大的变化呢？

这是因为，售出后的产品可以通过传感器不断地把数据发送回来，这些数据可以用于各种各样的用途。

数据的运用方法大致有以下三种：

使多个生产设备之间实现自动协作；

为购买产品的顾客提供前所未有的售后服务；

分析收集来的数据，并将其运用到新产品的开发中。

其中，第一种方法是在第一章提到的智能化工厂以及智能化工厂之间的横向集成中必须使用的方法。可以预计，今后智能化工厂将会不断增加，而不能接入IoT 的生产设备和只拥有这类设备的企业都会被逐渐淘汰。

因此，为了开发新产品，生产设备制造商未来开发的产品都必须能够接入IoT。另外，购买生产设备的企业也有必要逐渐将自己的设备替换为能够接入IoT 的设备（为此，经营者必须作出明智的决断，并重新制订长期经营计划）。

第三种方法不仅涵盖了传感器数据，还包括进一步开发新为附加价值体现在产品价格中的做法才是主流。不过，不管是哪种做法，预见性维修对客户而言都是很有价值的。这样的业务既可以面向企业（B2B），也可以面向个人（B2C）。不论客户是企业还是个人，在客户需要更换零件的时候，制造商都可以实现自动配送，还可以提前检测出故障。制造商销售这样的服务，将其作为一种收入来源，并相应地降低产品价格，产品的销售一定会顺利很多。

如果是墨水和试剂等能够简单判断剩余量的消耗品，那么这种服务应该在很早以前就出现了。现在，这种服务在机床和机器内部零件等难以用肉眼判断消耗程度的物品上也实现了，这就是IoT 时代的特征。

追溯可食用墨水打印机的使用历史

Newmind 股份有限公司成立于2012 年，这是一家制造特殊打印机的厂商。它的业务范围很广，其中，可食用墨水打印机和专用墨水的开发、设计、制造、销售及维修是其最主要的收入来源。该制造商生产的可食用墨水打印机分为使用可食用墨水在可食用纸张上打印的打印机和使用可食用墨水在食品（和式点心）上打印的打印机。

以前，该制造商无法了解可食用墨水打印机在售出后客户是如何使用它们的，一旦机器发生故障，只能对原因进行逐一排查。虽然该制造商也提供更换墨水的服务，但要想确定墨水的剩余量和使用状况，就必须到客户那里去确认，这会导致其劳务费大幅增加。

为了解决这些问题，该制造商与客户Infocorpus 这家IoT服务企业合作，建立了这样的机制：通过装在可食用墨水打印机上的传感器获取湿度、温度等环境数据和打印头操作状况等工作数据，再将其上传至云端，将数据积累起来。该制造商通过这样的机制实现了下列效果：

打印机的故障原因变得更容易判断了，如使用时不小心、打印机状况不佳等；

制造商的产品保证范围得到了客户的更多认可，变得更加合理了；

在卫生方面，制造商可以为客户提供更加细致的售后服务；

制造商可以针对打印机的使用方法提出更有建设性的建议，如清洗打印机的时间、墨水的冷藏保存等；

制造商定期访问客户所产生的劳务费大幅减少；

制造商可以在恰当的时机提供墨水等消耗品。

在这个案例中，企业既削减了成本，又提高了客户满意度，而提高客户满意度最终也有助于提升企业的销售额。

通过以上几个例子，我们可以发现，在今后的产品开发中，企业需要从以下几个方面考虑预见性维修和消耗品更换等事项，并考虑如何将传感器安装在产品上：

能否产生效益；

能否削减成本；

能否提高客户满意度。

FMEA 有助于提高设计和制造的质量

要想进行预防性维修，就必须找到一种发现潜在故障的方法。故障模式和影响分析（Failure Mode and Effect Analysis，FMEA）就是这样一种方法。FMEA 的作用是防止出现故障和缺陷，并对潜在故障进行系统化分析。

故障模式并不是指故障本身，而是指故障的表现，如断线、短路、破损、磨损、老化等。FMEA 的思路如下：通过分析从故障模式变为故障的机制，就可以对即将发生的故障进行预测。前文介绍过，海外生产设备制造商利用收集到的传感器数据分析消耗零件的磨损过程，延长了其使用寿命，这很可能是应用了FMEA的结果。或者说，只要应用了FMEA，就可以获得这样的效果。

这样写来可能十分简单，但在现场更多的企业可能会使用Excel 等电子表格程序进行手工分析，因为应用FMEA 要花费相当长的时间。为了帮助企业节省时间，Argo Graphics 公司提供了产品生命周期管理（Product Lifecycle Management，PLM）这一解决方案，同时还提供将IBM 的数据挖掘工具SPSS Modeler Premium 应用在FMEA 中的解决方案。数据挖掘是指将统计学、模式识别等数据分析方法应用于大数据，并提取新的知识和见解的方法。Argo Graphics 公司在应用数据挖掘、寻找故障模式和分析故障原因的相关关系等方面取得了巨大成功。

Argo Graphics公司还提倡发挥SPSS Modeler Premium 的其他作用，那就是“寻找3D CAD 的操作日志与操作人员的操作水平之间的关联性，以此开展操作教育”。

例如，使用SPSS Modeler Premium 对操作日志和操作人员的操作水平进行分析，就可以知道某系统存在着只针对初学者的功能。为了提高操作人员的操作水平，可以要求他们不使用初学者功能，并教育其使用高级功能。

德国推行工业4.0 战略规划的目的之一就是“继承熟练工的技术”。培养能够发现熟练水平与操作日志之间的关联性并将其加以应用的人才也是工业4.0 战略规划的重要内容。

点击“图书封面”了解及购买本书

点击文末右下角“写留言”发表你的观点