Industrial IoT : a cost-benefit analysis of predictive maintenance service

The Industrial Internet of Things (Industrial IoT) is revolutionising the way of doing business in all industries connecting the industrial machinery with the surroundings. In this scenario, predictive maintenance seems to be one of the most promising uses. Indeed, the Industrial IoT allows a continuous stream of a massive amount of real-time data that are analysed and made available to all users, solving the problems related to this maintenance practice and improving its effectiveness. Thanks to this level of technological development, it is possible to deliver the maintenance that is necessary rather than possibly required. However, the spread of predictive maintenance is slowed by several factors, including a poor understanding of its benefits. In this regard, we developed a model to quantify the savings that arise, switching from a traditional maintenance approach (corrective and preventive) to a predictive maintenance solution with the help of the Industrial IoT. In particular, this thesis focus on a precise economic study about the feasibility of investment in Industrial IoT to implement this type of maintenance with a pay-per-performance agreement between the vendor, or a general OEM, and the manufacturer. A sensitivity analysis was performed on the variable measuring the effectiveness of the prediction. A real case, together with a theoretical case, is performed too. The result is a model that can help both manufacturers to evaluate the NPV of the investment, and vendors to understand how to capture part of the benefits they generate for their customers.

L’Industrial Internet of Things (Industrial IoT) sta rivoluzionando il modo di fare business in tutti i settori connettendo i macchinari industriali con l'ambiente circostante. In questo scenario, la manutenzione predittiva sembra essere uno degli usi più promettenti. Infatti, l'Industrial IoT permette un flusso continuo di un'enorme quantità di dati in tempo reale che vengono analizzati e resi disponibili a tutti gli utenti, risolvendo i problemi legati a questa pratica di manutenzione e migliorandone l'efficacia. Grazie a questo livello di sviluppo tecnologico, è possibile effettuare la manutenzione realmente necessaria. Tuttavia, la diffusione della manutenzione predittiva è rallentata da diversi fattori, tra cui una scarsa comprensione dei suoi benefici. A questo proposito, abbiamo sviluppato un modello per quantificare i risparmi che ne derivano, passando da un approccio di manutenzione tradizionale (correttiva e preventiva) ad una soluzione di manutenzione predittiva con l'aiuto dell'Industrial IoT. In particolare, questa tesi si concentra su un preciso studio economico sulla fattibilità di un investimento nell'Industrial IoT per implementare questo tipo di manutenzione con un accordo pay-per-performance tra il venditore, o un OEM generale, e il produttore. È stata effettuata un'analisi di sensibilità sulla variabile che misura l'efficacia della previsione. È stato anche eseguito un caso reale, insieme ad un caso teorico. Il risultato è un modello che può aiutare sia i produttori a valutare il VAN dell'investimento, sia i venditori a capire come catturare parte dei benefici che generano per i loro clienti.