Reaktiivisesta proaktiiviseen: Kuinka datan analyysi tuki muokkaa asiakaspalvelua

Siirtyminen korjausperusteisesta mallista ennakoivaan asiakasmenestykseen teollisissa kulumisaineissa

Vuosisia kestänyt teollisten kulumiskappaleiden valmistajien käytäntö oli periaatteessa odottaa, kunnes laitteisto rikkoutui. He odottivat, että jokin vioittuisi, ennen kuin ryhtyivät toimenpiteisiin. Mikä oli ongelma? Tämä lähestymistapa aiheutti heille huomattavia kustannuksia tuotantokatkojen vuoksi. Otetaan esimerkiksi timanttipolttimattomat levyt: yksinään ne voivat pysäyttää koneet noin 27 tuntia kuukaudessa. Tilanne on kuitenkin muuttunut valmistusteollisuudessa data-analytiikan nousun myötä. Nyt yritykset ovat kehittäneet älykkäitä ratkaisuja, joissa anturilukemat muunnetaan varoituksiksi mahdollisista ongelmista. Kun tehtaat seuraavat painetasoja, lämpötilamuutoksia ja osien pyörimisnopeutta, ne havaitsevat kuluneet polttimattomat levyt paljon ennen kuin ne aiheuttavat todellista vahinkoa. Yksi suuresta nimistä yrityksistä vähensi yllättäviä polttimattomien levyjen vaihtoja lähes kolmella neljäsosalla, kun se alkoi seurata käyttömallia. Sen sijaan että korjattaisiin vain rikki menneitä osia, yritys ajattelee nyt sitä, kuinka kauan kaikki osat pitäisi kestää, ja suunnittelee toimintaansa sen mukaan.

Todellisaikainen seuranta ja etädiagnostiikka: ennakoivan tuen mahdollistaminen

Nykyään IoT-teknologian kautta yhdistetyt timanttipad-järjestelmät lähettävät kenttäsuorituskykyä koskevia tietoja keskitettyihin hallintapaneeliin, mikä mahdollistaa etädiagnostiikan ja varhaisvaroitustuen. Järjestelmän analytiikka havaitsee epätavallisia värähtelyjä tai sen, että jäähdytynestettä ei virtaa kunnolla, joten teknikot voivat puuttua ongelmaan ennen kuin kukaan edes huomaa ongelman olevan olemassa. Otetaan esimerkiksi lämpötilakuvat. Jos jokin osa kuumenee yllättäen liian kuumaksi, järjestelmä säätää automaattisesti kierroslukua estääkseen komponenttien liiallista kulumista. Tällaiset ennakoivat korjaukset ovat merkittävästi lyhentäneet ongelmien ratkaisuun kuluvaa aikaa. Teollisuuden raporttien mukaan aikaisemmin kolmessa päivässä tai pidemmässä ajassa ratkaistut ongelmat voidaan nyt ratkaista alle yhdeksässä tunnissa. Tehtaissa, joissa nämä älykkäät järjestelmät on otettu käyttöön, tukea pyydettävän tilanteiden määrä on vähentynyt noin 43 prosenttia. Tärkeintä on kuitenkin se, että noin 89 prosenttia mahdollisista ongelmista voidaan estää näillä reaaliaikaisilla säädöillä ennen kuin ne hidastavat tuotantolinjoja.

Tapausanalyysi: Kuinka Tier-1-valmistaja vähensi tukipyyntöjen korotuksia 42 %

Johtava teollisuuden kulutusaineiden tuottaja otti käyttöön tekoälyllä varustetun asiakastuen alustan, joka oli integroitu sen timanttiliittimien järjestelmiin. Kahdeksan kuukauden sisällä siirtyminen reaktiivisesta ennakoivaan tukiratkaisuun tuotti mitattavia tuloksia:

Lukujen tarkastelu osoittaa, että noin kaksi kolmasosaa varhaisista vioista johtuu siitä, että käyttäjät kohdistavat painetta epätasaisesti. Tämän havaitsemme tutkimalla aiempia käyttötapoja ja sitä, kuinka ihmiset todellisuudessa käyttävät näitä koneita päivittäin. Kun otimme käyttöön kohdennetut koulutusistunnot sekä välittömät kalibrointivarotukset, kulumislevyjen elinikä kasvoi noin 30 %. Mitä tämä kaikki tarkoittaa? No, datan integrointi ei enää koske pelkästään ongelmien korjaamista. Se muuttaa entisen kuluerän sellaiseksi tekijäksi, joka antaa yrityksille kilpailuetulyönnin. Forbes-lehden toimittajat kirjoittivat samankaltaisista käsitteistä keskustellessaan tekoälyn vaikutuksesta asiakasvuorovaikutukseen, mutta tämä esimerkki tuo nämä ajatukset maanpinnalle jokapäiväisissä valmistustoiminnoissa.

Asiakaskäyttäytymisen ymmärtäminen toimintadatasta kulumisesta kärsivissä kulutustuotteissa

Piilotettujen mallien paljastaminen: miten käyttäjän teknikka vaikuttaa timanttilevyjen elinikään

Tarkasteltaessa todellisia tuotantolinjan tietoja paljastuu jotain mielenkiintoista timanttipolttokiekkojen osalta: siitä, miten käyttäjät käsittelevät niitä, riippuu kaikki – tämä selittää noin 40 % siitä, miksi jotkut kestävät pidempään kuin toiset. Tästä ei juurikaan puhuta, mutta se on suuri tekijä kokonaissuorituskyvyn kannalta. Olemme havainneet, että kun käyttäjät kohdistavat liian suurta painetta yli 25 PSI:n tai pyörittävät kiekkoja suositeltua nopeammin, kulutusaineet kulumat noin 2,3 kertaa nopeammin, mikä perustuu kulumatyyppien analyysiimme. Hyvä uutinen on, että voimme nyt upottaa IoT-antureita suoraan polttokoneisiin itseensä. Nämä pienet laitteet seuraavat esimerkiksi sitä, kuinka tasaisesti käyttäjä pitää kulmaa ja miten suuri alaspäin kohdistuva voima on, mikä mahdollistaa analytiikkatiimimme tunnistaa vaarallisiat käyttäytymismallit ennen kuin ne muodostuvat ongelmiksi. Otetaan esimerkiksi sivusuuntainen värähtely. Tutkimuksemme osoittavat, että tämä liike aiheuttaa ydinosan irtoamisen resiiniliimoitetuista kiekkoista noin 30 % nopeammin. Kun kaikki nämä löydökset muunnetaan helppolukuisiksi ohjausnäyttöihin, voimme antaa teknikoille tarkkaa palautetta heidän työskentelytavastaan. Käytännön kenttätestit ovat osoittaneet, että tämä lähestymistapa vähentää varhaisia vikoja noin 18 %:lla, mikä tarkoittaa vähemmän käyttökatkoja ja tyytyväisempiä asiakkaita kaiken kaikkiaan.

Älykkäämpi segmentointi: Tukipalvelujen mukauttaminen käyttökontekstin perusteella, ei pelkästään tilityyppiin

Asiakasten segmentointi pelkästään heidän yrityksensä koon tai sopimustason perusteella jättää huomiotta ne tekijät, jotka todella vaikuttavat timanttikiekkojen käyttöön. Nykyaikaiset valmistajat tarkastelevat tällä hetkellä monia eri tekijöitä. He tarkistavat esimerkiksi ilman kosteuspitoisuutta, koska se vaikuttaa siihen, kuinka nestemäinen hiomaliuos muodostuu, eri kivien kovuuseroja sekä sitä, kuinka kauan työntekijät todellisuudessa viettävät hionnassa työvuorojensa aikana – mikä puolestaan vaikuttaa lämpötilan nousuun. Kun yritykset ottavat tämän laajemman näkökulman, he löytävät mielenkiintoisia säännönmukaisuuksia. Esimerkiksi työntekijät, jotka korjaavat marmoria kosteilla rannikoilla, joutuvat vaihtamaan timanttikiekkojaan noin 37 prosenttia useammin kuin ne, jotka työskentelevät graniitilla kuivilla aavikoilla, vaikka sopimusolosuhteet olisivat samanlaiset. Tukihenkilökunta aloittaa sopivampien kulutustarvikkeiden lähetyksen ennen vuodenajan vaihtumaa, jolloin hätätilauspyyntöjä tarvitaan huomattavasti vähemmän. Tämän järjestelmän käyttöönoton jälkeen hätäpuheluiden määrä tarvikkeista väheni puoleen. Näkökulman siirtyminen pelkkien lukujen sijaan todellisiin olosuhteisiin ja niiden perusteella tehtävä eteenpäin suunnittelu muuttaa asiakaspalvelun reagoivasta toiminnasta merkitykselliseksi yhteistyöksi, joka perustuu todellisiin havaintoihin.

Ennakoiva analytiikka ja tekoälypohjaiset työkalut asiakastarpeiden ennakoimiseen

Käytettävyysajan lisääminen: kuinka ennakoiva vianmääritys vähentää ratkaisuaikaa 72 tunnista 9 tuntiin

Ennakoivan analytiikan käyttö auttaa tehtaita loputtamaan ongelmien reagoiminen vasta niiden ilmettyä. Kun tarkastellaan esimerkiksi koneiden värähtelyä, lämpötilan muutoksia ajan myötä sekä materiaalien kulumisnopeutta, älykkäät tietokoneohjelmat voivat havaita pieniä varoitusmerkkejä, jotka osoittavat, että kulutusosat ovat tulossa epäkunnossa viikoja tai jopa kuukausia ennen varsinaisia vikoja. Teknikot tietävät tällöin tarkalleen, milloin nämä osat on vaihdettava, kun muu tuotantolinja toimii normaalisti, joten hätäkorjauksia, jotka häiritsevät tärkeitä valmistussuunnitelmia, ei tarvita. Joissakin tehtaissa on ilmoitettu odottamattoman käytettävyysajan vähentäneen lähes puoleen tämän tyyppisen seurantajärjestelmän otettua käyttöön.

Johtava hiomateriaalien valmistaja integroi sensoritiedoista kerätyn datan IoT:llä varustettuihin hiomajärjestelmiin asiakastuen alustallaan ja saavutti 87,5 %:n vähentämisen padien aiheuttamien pysähtymisten ratkaisuaikaa: 72 tunnista vain yhdeksään tuntiin. Tämä muutos johtaa kunkin tuotantolinjan osalta sadat tuhannet eurot vuodessa säästöihin suunnittelemattomien pysähtymien poistamisesta.

Tulevaisuus: tekoälyllä varustetut asiakastuen alustat, jotka on integroitu IoT:llä varustettuihin pad-järjestelmiin

Seuraava kehitysaskel yhdistää reaaliaikaisen timanttipadin suorituskyvyn analytiikan tekoälyllä ohjattuun asiakasvuorovaikutukseen. Uudet alustat analysoivat käyttötapoja tuhansissa asennuksissa ja yhdistävät käyttäjän tekniikat parhaaseen mahdolliseen tulokseen. Nämä järjestelmät lähettävät automaattisesti sopeutettuja huoltiohjeita, kun havaitaan poikkeamia – tai ilmoittavat tukitiimille aloittamaan ennakoivan neuvonnan.

Testiajojen aikana älykkäät järjestelmät havaitsevat, kun painetta ei jakaudu oikein hiomisprosessissa, ja näyttävät automaattisesti video-ohjeita, jotka on tehty erityisesti käytetyn koneen ja käsitteltyjen materiaalien mukaan. Kokonaisuudessaan palautekehys toimii todella hyvin: kun koneet keräävät suorituskykytietoja, tukitiimit voivat tarkasti tietää, mitä seuraavaksi tehdään. Koulutusongelmat vähenevät merkittävästi, ja hiomapadit kestävät lähes 20 % pidempään kuin aiemmin. Tulevaisuudessa odotamme, että henkilökohtainen tuki, joka ennakoitaa ongelmia ennen niiden syntymistä, muodostuu normaaliksi käytännöksi eikä erityiseksi ominaisuudeksi. Useimmat valmistajat ovat jo siirtymässä tällaiseen ennakoivaan huoltotaktiikkaan.

UKK

Mikä on ennakoivan analytiikan pääetuna teollisissa kulutustuotteissa?

Ennakoiva analytiikka mahdollistaa laitteiston ongelmien ennakoimisen ja ratkaisemisen ennen kuin ne johtavat merkittävään käyttökatkokseen, mikä säästää kustannuksia ja parantaa tehokkuutta.

Miten IoT-kytketyt järjestelmät edistävät ennakoivaa huoltoa?

IoT-kytketyt järjestelmät tarjoavat reaaliaikaista tietoa ja diagnostiikkaa, mikä mahdollistaa mahdollisten ongelmien varhaisen tunnistamisen ja nopeat toimenpiteet, joilla estetään käyttökatkoja.

Voivatko koulutus ja tekniikan säätäminen vaikuttaa timanttikynttilöiden elinikään?

Kyllä, käyttäjän tekniikalla on suuri vaikutus timanttikynttilöiden elinikään. Koulutusohjelmien säätäminen ja analyysien käyttäminen tarkkojen palautteiden antamiseen auttavat niiden elinikää pidentämään.

Miten reaaliaikainen seuranta vaikuttaa tukipyyntöihin?

Reaaliaikainen seuranta voi merkittävästi vähentää esim. tuotantoon vaikuttavia ongelmia aiheuttavia korkeamman tason tukipyyntöjä. Raportit osoittavat, että näillä järjestelmillä korkeamman tason tukipyyntöjen määrä voi vähentyä jopa 43 %.