Kunnossapitodatan arvon mallinnus konkretisoi kustannukset suhteessa hyötyihin

Ymmärtämällä potentiaaliset datan hyödyntämiskohteet yritykset voivat luoda uutta arvoa ja liiketoimintaa. Tutkijatohtori Sini-Kaisu Kinnusen mallinnus konkretisoi, mistä kustannukset ja hyöty muodostuvat, kun kunnossapitodata jalostetaan arvoa tuottavaksi.

Osaaminen, laitekanta, data, palvelut. Tällä yhdistelmällä yritykset voivat luoda arvoa asiakkaalle. LUT-yliopiston tutkijatohtori Sini-Kaisu Kinnunen mallinsi tuotantotalouden alan väitöstutkimuksessaan, Modelling the value of fleet data in the ecosystems of asset management, teollisuuden kunnossapitodatan arvon. Mallinnus havainnollistaa, mistä kustannukset ja hyöty muodostuvat, kun data jalostetaan päätöksentekoa tukevaan muotoon.

Esimerkiksi metsä- tai paperikoneen sensoridatan kehittäminen datapohjaiseksi palveluksi vaatii algoritmi- ja käyttöjärjestelmäosaamista, tiedon visualisointia sekä datan tallennustilaa ja jatkuvaa keräämistä.

"Osa kustannuksista on kertaluonteisia investointikustannuksia ja osa toistuvia, esimerkiksi lisenssikustannuksia. Mallinnuksessa arvioidaan nettonykyarvomenetelmällä, kattaako datan tuoma hyöty kustannukset", Kinnunen sanoo.

Arvo voi muodostua asiakkaalle esimerkiksi laitetehokkuuden lisääntymisen, laitevikojen ennakoimisen tai tuotantokoneen pidemmän elinkaaren kautta. Laitevalmistaja puolestaan voi hyödyntää dataa vaikkapa tuotekehitykseen liittyvässä päätöksenteossaan tai palveluntarjoaja omien palvelujensa kehittämisessä.

"Kerätty data jalostetaan palveluiksi, ja niiden kautta arvo konkretisoituu asiakkaalle. Data on hyödyksi ekosysteemin muillekin osapuolille", Kinnunen kiteyttää.

Hedelmälliseen yritysekosysteemiin kuuluu ihmisiä, dataa, laitteita ja palveluita. Juuri ekosysteemissä yritysten laitteista ja palveluprosesseista kerätty numeerinen ja laadullinen data jalostetaan arvoa tuottavaksi.

Kinnunen lisää, että mukaan tarvitaan myös yrityskohtainen näkemys siitä, missä tilanteissa datasta jalostetusta ymmärryksestä on hyötyä liiketoiminnalle. Lisäksi on ylitettävä datan omistajuuteen liittyvät haasteet.

"Ekosysteemissä moni toimija kerää dataa, mutta omistajuus estää yrityksiä pääsemästä käsiksi toistensa dataan. Jakaminen edes avainkumppaneiden kesken on toisinaan haastavaa, sillä yleensä ei voida etukäteen tarkasti kertoa, mitä hyötyjä datan jakaminen toisi", Kinnunen kertoo.

Datan jalostaminen arvoksi vaatii yhteistyötä yli yritysrajojen

Kunnossapitodatan arvon mallintamista käsittelevässä tutkimuksessaan Kinnunen havaitsi, että kustannusten ja hyötyjen arvioiminen on haastavaa, sillä yritykset eivät auliisti jaa käyttämiensä teknologioiden hintatietoja. 

Lisäksi joidenkin hyötyjen muuttaminen rahassa mitattavaan muotoon on haastavaa. Aina ei voida helposti osoittaa, että turvallisuuteen, talouteen, yhteiskunnalle tai ympäristölle aiheutunut hyöty on seurausta juuri tietystä IoT (Internet of Things) -ratkaisusta tai datapohjaisesta palvelusta.

Tutkijatohtori muistuttaa, että datan hyödyntäminen on aina ensin kustannus ennen kuin mitattavia hyötyjä tai aineetonta arvoa alkaa muodostua. Lisäksi yksin toimiva ei välttämättä pääse niin pitkälle kuin osaamisen ja datan jakamisella pääsisi.

"Usein puhutaan IoT-teknologioiden mahdollisuuksista, mutta vielä enemmän olisi puhuttava IoT:n ja yritysten yhteistyön mahdollisuuksista. Jotta laitekantadataa voidaan hyödyntää ja luoda uutta arvoa, tarvitaan yritysten rajoja rikkovaa yhteistyötä sekä malleja, joiden avulla arvon muodostumista voidaan mitata ja ymmärtää", Sini-Kaisu Kinnunen sanoo.

Lisätietoja:

Sini-Kaisu Kinnusen väitöskirja, Modelling the value of fleet data in the ecosystems of asset management (Kunnossapitodatan arvon mallintaminen) on luettavissa täältä.

Väitöstutkimus oli yksi DIMECCin Palveluratkaisut laitekannan hallintaan -tutkimusohjelmassa rahoitettuja tutkimuksia. Ohjelmaan osallistui 23 yritystä ja kuusi tutkimusyksikköä, jotka yhdessä loivat uutta tietoa ja ratkaisuja laitekantatason palvelullistumiseen strategian, operaatioiden ja teknologian aihepiireissä. Laitekannalla tarkoitetaan yritysten myymien, valmistamien ja asentamien laitteiden kokonaisuutta, esimerkiksi hissejä, nostureita tai työstökoneita. Lue lisää DIMECC-tutkimusohjelmasta täältä.

DIMECC Oy on johtavien yritysten ja tutkimuslaitosten omistama digiajan innovaatioalusta, joka yhdistää Suomen valmistavan ja digitaalisen teollisuuden sekä akateemisen tutkimuksen parhaat voimat. DIMECC OY:n uusi FAME-ekosysteemi kirii Suomen maailman kärkeen 3D-tulostuksessa.

Lue myös: