เปิดโมเดลธุรกิจใหม่จาก Big data ในอุตสาหกรรมการผลิต

อัปเดตล่าสุด 30 ม.ค. 2566

กระบวนการผลิตในโรงงานทุกแห่งได้สร้างข้อมูลจำนวนมหาศาล ซึ่งก็คือ Big Data ที่สามารถนำไปประมวลผลและนำไปใช้ทำกำไรได้ เช่น โมเดลธุรกิจใหม่ในการเก็บค่า subsrciption ใช้เครื่องจักรทดแทนการซื้อเครื่องจักร

Advertisement

เมื่อวันที่ 19 มกราคม 2023 เว็บไซต์ EMO Hannover หนึ่งในงานจัดแสดงเครื่องจักรกลและเทคโนโลยีโลหะการที่ใหญ่ที่สุดงานหนึ่งของโลก เผยแพร่บทความในหัวข้อ “โมเดลธุรกิจใหม่จาก Big Data” มีใจความสำคัญ ดังนี้

ปัจจุบัน ข้อมูลนั้นเปรียบได้กับน้ำมันดิบ และสายการผลิตทุกแห่งต่างมีบ่อน้ำมันของตัวเอง เนื่องจากกระบวนการผลิตสร้างข้อมูลจำนวนมหาศาล และข้อมูลเหล่านี้สามารถนำมาประมวลผลเพื่อใช้ในการทำกำไรได้ เช่น การนำข้อมูลที่ได้มาใช้พัฒนาสานการผลิตในโรงงาน อย่างไรก็ตาม การใช้ข้อมูลไม่จำกัดแค่การพัฒนาสายการผลิต แต่ยังนำไปใช้ในการสร้างโมเดลธุรกิจใหม่ได้อีกด้วย

ไม่ต้องเป็นเจ้าของ แค่ใช้งาน

หนึ่งในแนวทางการนำข้อมูลมาใช้เปรียบได้กับโมเดลธุรกิจแบบ Subscription ที่ให้ผู้ใช้เครื่องจักรจ่ายค่าบริการตามการใช้งานแทนการซื้อเครื่องจักรเป็นของตัวเอง จึงเป็นอีกทางเลือกหนึ่งให้กับผู้ใช้เครื่องจักร

ศาสตราจารย์ Thomas Bauernhansl ผู้อำนวยการสถาบัน Fraunhofer สถาบันวิศวกรรมการผลิตและระบบอัตโนมัติ และสถาบันการผลิตและการจัดการอุตสาหกรรมแห่งมหาวิทยาลัย Stuttgart อธิบายว่า โมเดลธุรกิจที่นำข้อมูลมาใช้ (Data-based models) สามารถช่วยให้ผู้ผลิตนำหน้าคู่แข่งได้ ยกตัวอย่างเช่น ผู้ผลิตหลายรายในเยอรมนีนำเสนอโมเดลธุรกิจแบบ “everything as a service (XaaS)” เพื่อนำเสนอโซลูชันการผลิตทั้งที่จับต้องได้และแบบดิจิทัลให้กับลูกค้า ซึ่งลูกค้าสามารถเลือกจ่ายให้เหมาะสมกับการใช้งานได้

โดยศาสตราจารย์ฯ แสดงความเห็นต่อว่า ยิ่งข้อมูลมีความโปร่งใสเท่าไร ลูกค้าก็จะยิ่งให้การตอบรับดีมากขึ้น อีกทั้งโซลูชันที่ได้ยังสามารถนำไปใช้ได้ตลอดห่วงโซ่คุณค่า ไปจนถึงการสร้าง Brand loyalty ให้กับลูกค้า และคาดการณ์ว่า โมเดลธุรกิจที่นำข้อมูลมาใช้จะเติบโตได้แม้แต่ในตลาดอิ่มตัว

DMG MORI เสนอ “PAYZR”

DMG MORI ผู้ผลิตเครื่องจักรกลที่เสนอแนวคิด Data-based models ไปใช้ภายใต้ชื่อ “PAYZR” ซึ่งมาจากคำว่า “Pay with Zero Risk” โดยการติดตั้งเครื่องจักรให้กับลูกค้าแล้วคิดราคาตามการใช้งาน

โดย PAYZR มีรูปแบบธุรกิจ คือ ลูกค้าสามารถสั่งเครื่องจักรกลผ่านช่องทางออนไลน์ จากนั้นบริษัทจะเข้าติดตั้งเครื่องจักรให้และคิดราคาแบบรายเดือนโดยมีราคาขึ้นอยู่กับระยะเวลาที่ทำสัญญา ค่าใช้จ่ายจะแบ่งเป็น 1. ค่าใช้จ่ายทั่วไป เช่น ค่าบำรุงรักษาเครื่องจักร ค่าประกัน และ 2. ค่าใช้จ่ายตามการใช้งาน ซึ่งคำนวนจากชั่วโมงการเดินเครื่องจักร ซึ่งมีข้อดี คือ ผู้ใช้เครื่องจักรสามารถวางแผนต่าง ๆ ได้โดยง่าย ลดการลงทุนในระยะยาว และพัฒนานวัตกรรมต่าง ๆ ได้รวดเร็วยิ่งขึ้น

Trumpf เสนอ “Pay Per Part”

Trumpf ผู้ผลิตเครื่องจักรด้านโลหะแผ่นและระบบเลเซอร์เป็นอีกบริษัทที่ให้ความสำคัญกับการพัฒนานวัตกรรมแบบ data-based โดยได้พัฒนาเป็นธุรกิจใหม่ในชื่อ “Pay Per Part”

นาย Maximilian Rolle ผู้จัดการฝ่ายผลิตภัณฑ์ ระบุ Pay Per Part คือ การนำเครื่องเลเซอร์เข้าไปติดตั้งในโรงงานของลูกค้า และให้การตรวจสอบและควบคุมดำเนินการจาก Trumpf Remote Control Center ข้อดีของโมเดลนี้ทำให้สามารถการันตีค่าใช้จ่ายในการผลิตชิ้นส่วนได้ล่วงหน้า และสามารถเดินเครื่องได้ 24 ชั่วโมงโดยไม่ต้องจ้างพนักงานเพิ่ม รวมถึงกรณีที่เกิดการขัดข้องหรือการหยุดเครื่องจะเป็นภาระของบริษัทในการเข้าสนับสนุนเพื่อให้เครื่องทำงานได้เต็มประสิทธิภาพ

อย่างไรก็ตาม นาย Maximilian Rolle ยอมรับว่า ในช่วงแรกที่เริ่มเสนอโมเดลนี้ให้ลูกค้า ส่วนใหญ่แล้วจะยังไม่ให้การตอบรับที่ดีนัก แต่ปัจจุบันเริ่มได้รับการตอบรับที่ดีเนื่องจากสามารถเพิ่มกำลังการผลิตให้กับลูกค้าได้ ทำให้ Pay Per Part ได้รับความสนใจมากขึ้น และคาดการณ์ว่าจะมีผู้ใช้บริการมากขึ้นในอนาคต

ข้อมูลช่วยให้เข้าถึงกระบวนการผลิตได้มากขึ้น

ข้อมูลที่ได้จากเครื่องจักรยังสามารถนำไปใช้ในการระบุข้อผิดพลาดของสายการผลิต โดย c-Com ผู้ให้บริการระบบคลาวด์และโซลูชันดิจิทัลในเครือ Mapal Group ได้ทำการเปิดพื้นที่ในการเก็บข้อมูลบนแพลตฟอร์มระบบคลาวด์แบบเปิด พร้อมระบบบริหารจัดการข้อมูลร่วมกันสำหรับการบริหารเครื่องมือและองค์ประกอบต่าง ๆ ในสายการผลิต ช่วยให้ได้ข้อมูลกระบวนการผลิตที่แม่นยิ่งขึ้น นำไปสู่แนวทางแก้ไขปัญหาต่าง ๆ ได้อย่างรวดเร็ว และหากข้อมูลถูกตรวจสอบแบบเรียลไทม์ นั่นหมายความว่า หากมีข้อผิดพลาดก็จะถูกสังเกตเห็นได้ในทันที ด้วยเหตุนี้ การวิเคราะห์ข้อมูลตลอดกระบวนการผลิตทำให้สามารถเก็บรายละเอียดที่แม่นยำได้ว่า ความผิดพลาดเกิดจากส่วนใด

ส่วนกลุ่มผู้ผลิตซอฟต์แวร์ IoT นั้น โซลูชันเพื่อการบำรุงรักษาเชิงคาดการณ์ (Predictive maintenance) เป็นหนึ่งในโซลูชันที่ถูกนำเสนอ ยกตัวอย่างเช่น Siemens MindSphere ที่ใช้เซนเซอร์ต่าง ๆ เก็บข้อมูลจากสายการผลิตมาวิเคราะห์เพื่อนำเสนอสัญญาณต่าง ๆ ก่อนเกิดข้อผิดพลาดได้ เช่น การใช้พลังงานเกินขนาด หรือชิ้นส่วนที่สึกหรอซึ่งกำลังจะใช้งานไม่ได้ในไม่ช้านี้

การปกป้องข้อมูล

อย่างไรก็ตาม ปัจจัยที่มีผลต่อความสำเร็จในการนำเทคโนโลยีดิจิทัลมาใช้งานนั้นคือความน่าเชื่อถือ เนื่องจากหลายบริษัทคิดว่าหากอัปโหลดข้อมูลของตนขึ้นสู่ระบบคลาวด์แล้ว ข้อมูลจะรั่วไหลหรือทำให้เสียสิทธิความเป็นเจ้าของข้อมูล ทำให้โซลูชันดิจิทัลต้องมาพร้อมกับข้อบังคับด้านการคุ้มครองข้อมูลด้วย

ด้วยเหตุนี้ ยุโรปจึงจัดตั้งกลุ่มความร่วมมือก่อตั้งโครงการ Gaia-X เพื่อวางรากฐานให้กับโครงสร้างพื้นฐานข้อมูลของยุโรป ซึ่งบริษัทต่าง ๆ สามารถรวบรวม แบ่งปัน และใช้ข้อมูลอย่างเป็นความลับ ซึ่งสมาคม Bitkom ประเทศเยอรมนี เผยว่า 46% ขององค์กรที่มีจำนวนพนักงานมากกว่า 20 คนสนใจนำข้อมูลเก็บไว้บนระบบคลาวด์ของโครงการนี้

อีกสิ่งสำคัญ คือ ความเป็นเจ้าของข้อมูล (Data ownership) นำมาสู่โครงการพัฒนาระบบคลาวด์สำหรับภาคการผลิตเพื่อให้การแลกเปลี่ยนข้อมูลทำได้ง่ายขึ้นในรูปแบบ Decentralized ที่กำหนดสิทธิการเข้าถึงอย่างแม่นยำ เพื่อให้ซัพพลายเชนมีความโปร่งใสและมั่นคงยิ่งขึ้น