跨越鸿沟-为何难以走出试点炼狱

麦肯锡 2018 年的一份报告强调，许多工业公司正在经历“试点炼狱”，并将继续这样做——尽管他们正在进行大量活动，但尚未看到任何有意义的底线收益。

突破这个炼狱需要公司“跨越鸿沟”，这是管理顾问杰弗里·A·摩尔在九十年代初观察和描述的一个过程。粗略地说，虽然许多与 IT 相关的技术项目一开始会做得很好，但背后有相当大的精力，但它们往往很难被适当地采用。摩尔观察到，创新者和早期采用者之间存在显着差异，下一波采用者需要他们的支持才能确保项目规模扩大。实际上，如果公司领导层对继续承诺进入下一阶段的结果犹豫不决，甚至可能会导致即使是成功的试点项目也处于瘫痪状态。

这是您在初创公司中经常看到的东西。兴奋的创始人开发新技术并非常擅长用技术术语解释它。这有助于他们获得某些类型的组织——创新者和早期采用者——的支持，并且项目背后会有大量的初始能量。但这个令人鼓舞的开始之后将是一段沉寂的时期。这是他们必须跨越的鸿沟。

图 1：技术采用生命周期，Geoffrey A. Moore。来源，根据 Creative Commons Attribution 3.0 Unported license 获得许可。

当然，不仅仅是初创公司。供应商可以在会议上与创新者和早期采用者讨论特定领域的产品（例如预测性维护），他们总体上会理解并为他们所听到的内容感到兴奋。然后，这些受众面临的挑战是说服自己公司内的最终决策者——维护经理、工厂经理、IT 和财务团队——他们不会关心同样的事情。技术术语和清单只会让他们不为所动和不服气，能力差距与沟通差距相匹配。

内阻

这种鸿沟可以存在于单个组织中，也可以存在于更广泛的行业中。这是那些以服务于公司未来需求为工作的人最常面临的挑战。如果他们无法创建与用例相关的概念证明并证明技术将在哪些方面为业务增加价值，那么日常运作的业务中没有人会关心它的到来。

例如，一家公司可能会尝试一种新的预测性维护解决方案，但它无法说服其维护团队采用它。他们对技术讨论不感兴趣，他们关心的是那台发热的电机，以及它何时会发生故障。就他们而言，预测电机故障与人工智能和机器学习无关——他们只是想要一个功能性解决方案，为他们提供一些可行的见解。

许多组织发现自己处于试点阶段，并努力弄清楚如何扩展。许多其他人将遇到更广泛采用的内部阻力。为了提高跨越鸿沟和逃离试点炼狱的机会，最好避免使用创新者和早期采用者的语言，而改用早期大多数人的语言。事实是，物联网、人工智能、机器学习和概念证明等技术术语对许多人来说基本上没有意义，只会让他们感到冷漠。将您的新产品作为一种解决方案而不是一种技术来展示，并描述业务成果——它将解决的问题以及它将带来的好处，会更有效。

新市场，新信息

Senseye 面临着额外的挑战。我们在一个相对较新的市场中运营，如果我们不从一开始就教人们我们的技术是如何工作的，以及它可以带来哪些业务成果和好处，我们就会冒着让客户充满误解和不切实际的期望的风险。事实上，在我们在预测性维护领域数十年的经验中，我们已经看到制造商和供应商等广泛缺乏理解导致大量解决方案未能跨越鸿沟，并注定要在试炼炼狱。

预测性维护供应商应该谈论业务成果，而不是包括人工智能、机器学习、物联网和工业 4.0 在内的大量流行语；他们取得了什么成就，他们能做什么，不仅从技术角度来看，而且从他们如何对客户的业务产生可衡量的影响。预测性维护是一种新范式，好处多多：

• 可持续性 :
  • 通过仔细监控和适当更换时间来延长资产寿命
  • 通过减少和延长计划内维护活动来消除过度维护
  • 远程自动监控所有数据，减少风险和破坏性的物理检查
  • 可以根据实际机器状况信息延长计划更换的备件库存和使用量
  • 降低潜在泄漏和机器故障的副作用带来的环境风险
    
    
• 整体设备效率（或相关的类似指标）：
  • 帮助推动质量指标 - 更健康的机器生产出更好的零件
  • 通过了解实际操作和启用机器的提前维护来确保最大吞吐量
  • 通过在功能故障之前进行维护来减少计划外的机器停机时间（确保可用性）

每个人都可以通过提高生产力和可持续性来降低业务风险，这些项目的指标证明了这一点——这些都是早期大多数人都可以兴奋的事情。

要了解更多关于为什么预测性维护的实施和部署会受到如此多的误解和故障，以及我们的经验（好的和坏的）如何影响我们自己的 Senseye PdM 解决方案，您可以下载我们的白皮书“Senseye in Depth – Why is预测性维护这么难？”在这里。