Od reaktivne k proaktivni podpori: kako analitika podatkov oblikuje storitve podpore strankam

Prehod od modelov »popravi in nadaljuj« k prediktivnemu uspehu strank v industriji abrazivov

Letos so industrijski proizvajalci abrazivov večinoma delovali po načelu »čakaj, dokler se ne pokvari«, ko se je njihova oprema pokvarila. Počakali so, da se nekaj pokvari, preden so karkoli naredili. Težava? Takšen pristop jim je povzročil resne stroške zaradi zaustavitev proizvodnje. Vzemimo za primer diamantne brušilne ploščice – same po sebi lahko vsak mesec zaustavijo stroje približno 27 ur. Stvari pa so se spremenile z razvojem analitike podatkov v proizvodnji. Danes podjetja postajajo pametnejša, saj pretvarjajo meritve senzorjev v opozorila o morebitnih težavah. Ko tovarne spremljajo ravni tlaka, spremembe temperature in vrtilne hitrosti delov, že dolgo pred tem, ko bi povzročili resno škodo, zaznajo obrabljene ploščice. Eno od velikih imen na tem področju je po uvedbi spremljanja vzorcev uporabe zmanjšalo nenadne zamenjave ploščic za skoraj dve tretjini. Namesto da bi le popravljali pokvarjene dele, sedaj razmišljajo o tem, kako dolgo naj vsak del trajajo in ustrezno načrtujejo.

Spremljanje v realnem času in oddaljena diagnostika: omogočanje predvidljive podpore

Sistemi diamantnih plošč, povezani prek tehnologije IoT, danes pošiljajo informacije o dejanski učinkovitosti v centralne nadzorne plošče, kar omogoča oddaljeno diagnostiko in podporo z zgodnjimi opozorili. Analitika sistema zazna nenavadne vibracije ali nepravilno pretakanje hladilne tekočine, tako da tehničarji lahko takoj posežejo in odpravijo težavo, še preden kdo sploh ugotovi, da se je pojavila. Vzemimo za primer toplotne podpise: če se nekaj nenadoma preveč segreje, sistem samodejno prilagodi nastavitve obratov na minuto (RPM), da prepreči prehitro obrabo komponent. Takšne napovedne popravke so resnično zmanjšale čas, potreben za reševanje težav. Kar je nekoč trajalo tri dni ali več, se danes po poročilih iz industrije razreši v manj kot devetih urah. Tovarne, ki so uvedle te pametne sisteme, poročajo približno za 43 odstotkov manj primerov, ko je potrebno poslati zahtevke za podporo na višjo raven. Najpomembneje pa je, da približno 89 odstotkov morebitnih težav preprečijo takojšnje prilagoditve v realnem času, še preden bi sploh upočasnila proizvodne linije.

Študija primera: Kako je proizvajalec prve stopnje zmanjšal število podporne podvzete zahtevkov za 42 %

Vodilni industrijski proizvajalec abrazivov je uvedel AI-pogonjeno platformo za uspeh strank, ki je integrirana z njegovimi sistemi diamantnih plošč. V osem mescev je prehod s skrbno (reaktivno) na napovedno podporo prinesel merljive rezultate:

Pogled na številke kaže, da se približno dve tretjini zgodnjih odpovedi zgodi zaradi neenakomernega pritiska, ki ga uporabniki uporabljajo. Ugotovili smo to z analizo preteklih vzorcev uporabe in opazovanjem tega, kako ljudje dejansko upravljajo te naprave vsakodnevno. Ko smo uvedli prilagojene usposabljanjske seje skupaj s takojšnjimi opozorili za kalibracijo, se je življenjska doba blazinic povečala za približno 30 %. Kaj vse to pomeni? Integracija podatkov ni več le vprašanje odprave težav. Spremeni to, kar je bilo nekoč le ena od stroškovnih postavk, v dejavnik, ki podjetjem zagotavlja prednost pred konkurencijo. Sodelavci revije Forbes so pisali o podobnih konceptih pri razpravi o vplivu umetne inteligence na interakcije s strankami, vendar ta primer te ideje približa vsakodnevni proizvodnji.

Razumevanje obnašanja strank prek operativnih podatkov pri potrošnih izdelkih z visoko obrabo

Odkrivanje skritih vzorcev: kako vpliva tehnika uporabnika na življenjsko dobo diamantnih blazinic

Če pogledamo dejanske podatke s proizvodne talne površine, ugotovimo nekaj zanimivega glede diamantnih brušilnih ploščic: način, kako jih obravnavajo operaterji, je ključnega pomena – od tega je odvisno približno 40 % razlike v življenjski dobi posameznih ploščic. O tem se pravzaprav malo govori, a gre za pomemben dejavnik, ki vpliva na splošno učinkovitost. Ugotovili smo, da, kadar uporabniki izvajajo prevelik tlak (več kot 25 PSI) ali vrtijo ploščice hitreje kot priporočeno, se abrazivni deli na podlagi naših analiz obrabi obrabljajo približno 2,3-krat hitreje. Dobra novica je, da lahko zdaj v sami brušilne stroje vgrajujemo IoT-senzorje. Ti majhni napravci spremljajo, na primer, kako konstantno ohranjajo uporabniki določen kot in merijo navzdol usmerjeno silo, kar omogoča našemu analitičnemu timu, da nevarne navade zazna že pred tem, ko postanejo resničen problem. Vzemimo za primer le stransko nihanje. Naše študije kažejo, da ta gibanja povzročijo ločitev jedra od smolno vezanih ploščic približno za 30 % hitreje. S pretvorbo vseh teh ugotovitev v pregledne nadzorne plošče za usposabljanje lahko tehnikom zagotovimo specifična navodila glede njihove tehnike. Poljski preskusi so pokazali, da ta pristop zmanjša zgodnje odpovedi za približno 18 %, kar pomeni manj izpadov in zadovoljnejše stranke na splošno.

Pametnejše segmentacije: prilagajanje podpore na podlagi konteksta uporabe, ne le na podlagi vrste računa

Segmentacija strank le na podlagi velikosti njihovega podjetja ali ravni pogodbe spregleda dejavnike, ki so res pomembni za uporabo diamantnih ploščic. Pametni proizvajalci danes namesto tega upoštevajo številne različne dejavnike. Preverjajo na primer vlažnost zraka, saj ta vpliva na tekočost kaše, razlike v trdosti različnih kamnov ter celo čas, ki ga delavci dejansko porabijo za brušenje med svojimi izmenami – kar vpliva na nabiranje toplote. Ko podjetja sprejmejo širši pogled, odkrijejo zanimive vzorce. Na primer delavci, ki obnavljajo marmor v mokrih obmorskih območjih, morajo ploščice zamenjati približno za 37 odstotkov pogosteje kot tisti, ki obdelujejo granit v suhih puščavnih regijah, kljub enakim pogodbam. Podpora že pred spremembo letnih časov pošilja bolj primerna potrošna sredstva, zato je potreba po naročilih v zadnjem trenutku znatno manjša. Po uvedbi tega sistema se število izrednih klicev za dobavo zmanjša za polovico. Napovedovanje in načrtovanje na podlagi dejanskih razmer namesto le številk spremeni strankovsko storitev iz reaktivnega ukrepanja v smiselne sodelovanja, ki temeljijo na resničnih vpogledih.

Prediktivna analitika in orodja, ki temeljijo na umetni inteligenci, za napovedovanje potreb strank

Zmanjševanje izpadov: kako prediktivno odpravljanje težav zmanjša čas reševanja od 72 do 9 ur

Uporaba prediktivne analitike pomaga tovarnam prekiniti reaktivno reševanje problemov po njihovem nastanku. Pri analizi podatkov, kot so npr. vibracije strojev, spremembe temperature v času ter hitrost obrabe materialov, pametni računalniški programi lahko zaznajo majhne opozorilne znake, ki kažejo, da se bodo podložke pokvarile že tedne ali celo mesece pred dejanskim okvarjem. Tehniki tako natančno vedo, kdaj je treba te dele zamenjati, medtem ko ostali deli sistema normalno delujejo, zato ni potrebe po nujnih popravkih, ki bi motili pomembne proizvodne urnike. Nekatere tovarne so poročale, da so od uvedbe takšnega sistema spremljanja zmanjšale nepredvidene izpade skoraj za polovico.

Vodilni proizvajalec brusnih materialov je integriral podatke s senzorjev iz polirnih sistemov, opremljenih z IoT, v svoj platformi za uspeh strank in dosegel zmanjšanje časa reševanja odpovedi povezanih z blazinicami za 87,5 %: od 72 ur na le 9 ur. Ta sprememba pomeni letne varčevalne učinke v višini več mestnih številk na proizvodno linijo zaradi odprave nepredvidenih zaustavitev.

Prihodnost: Platforme za uspeh strank, ki jih poganja umetna inteligenca, integrirane z IoT-omogočenimi sistemi za blazine

Naslednja meja združuje analitiko realnega časa glede zmogljivosti diamantnih blazin z AI-poganjeno vključevanjem strank. Nove nastajajoče platforme analizirajo vzorce uporabe na tisočih namestitvah in povezujejo tehnike operaterjev z optimalnimi rezultati. Ti sistemi samodejno pošiljajo prilagojena navodila za vzdrževanje ob pojavu nepravilnosti ali pa obvestijo ekipe za podporo, da začnejo proaktivne posvetovanja.

Med testnimi vožnjami pametni sistemi zaznajo, kadar tlak ni pravilno razporejen med brušenjem, ter samodejno prikažejo video-navodila, ki so posebej prilagojena vrsti stroja, ki ga obratovalec uporablja, ter materialu, na katerem dela. Celoten cikel povratne informacije deluje precej dobro – ko stroji zbirajo podatke o zmogljivosti, to podpirnim ekipam pomaga natančno določiti, kaj je naslednji korak. Število težav pri usposabljanju se znatno zmanjša, padci pa trajajo skoraj 20 % dlje kot prej. V prihodnosti lahko pričakujemo, da bo osebna podpora, ki napoveduje težave še pred njihovim nastankom, postala standard, ne izjema. Večina proizvajalcev se že premika v smer takšne preventivne vzdrževalne strategije.

Pogosta vprašanja

Kakšna je glavna prednost napovedne analitike v industrijskih abrazivih?

Napovedna analitika podjetjem omogoča, da napovedujejo in odpravljajo težave s stroji še pred tem, ko bi povzročile pomembno izpadanje obratovanja, s čimer varčujejo z denarjem in izboljšujejo učinkovitost.

Kako IoT-om omogočeni sistemi prispevajo k proaktivnemu vzdrževanju?

IoT-om omogočeni sistemi zagotavljajo podatke v realnem času in diagnostične funkcije, ki omogočajo zgodnje odkrivanje morebitnih težav ter hitre posege, s katerimi se preprečuje izpad delovanja.

Ali lahko usposabljanje in prilagoditev tehnik vplivata na življenjsko dobo diamantnih ploščic?

Da, tehnika operaterja zelo vpliva na življenjsko dobo diamantnih ploščic. Prilagoditev programov usposabljanja in uporaba analitike za dajanje specifičnih povratnih informacij pomagata podaljšati njihovo življenjsko dobo.

Kako vpliva spremljanje v realnem času na zahteve za podporo?

Spremljanje v realnem času lahko znatno zmanjša število eskaliranih zahtev za podporo, saj težave rešuje že pred tem, ko bi vplivale na proizvodnjo. Poročila kažejo zmanjšanje do 43 % eskaliranih zahtev za podporo pri uporabi teh sistemov.