Від реагуючої до проактивної: як підтримка на основі аналізу даних формуватиме клієнтське обслуговування

Перехід від моделей «ремонт за збоєм» до прогнозного забезпечення успіху клієнтів у сфері промислових абразивів

Роками виробники промислових абразивів фактично діяли реагуючи на збої у роботі обладнання. Вони чекали, поки щось не вийде з ладу, і лише тоді щось робили. У чому проблема? Такий підхід коштував їм серйозних грошей через простої виробництва. Візьмемо, наприклад, алмазні полірувальні подушки: саме вони могли призводити до простою машин на близько 27 годин щомісяця. Однак ситуація змінилася завдяки поширенню аналітики даних у виробництві. Тепер компанії стають розумнішими, перетворюючи показання датчиків на попередження про потенційні проблеми. Коли заводи відстежують рівні тиску, зміни температури та швидкість обертання деталей, вони вчасно виявляють зношені подушки задовго до того, як ті спричинять реальні пошкодження. Одна з провідних компаній у цій галузі зменшила кількість непередбачуваних замін подушок майже на дві третини, як тільки почала відстежувати шаблони їх використання. Замість того щоб просто усувати поломки, вони тепер роздумують про те, як довго має прослужити кожна деталь, і планують відповідно.

Моніторинг у реальному часі та дистанційна діагностика: забезпечення проактивної підтримки

Системи алмазних падів, з’єднаних за допомогою технології Інтернету речей (IoT), сьогодні передають інформацію про експлуатаційні характеристики на центральні інформаційні панелі, що дозволяє виконувати діагностику на відстані та надавати підтримку з раннім попередженням. Аналітика системи виявляє незвичайні вібрації або порушення нормальної циркуляції охолоджуючої рідини, завдяки чому техніки можуть оперативно втрутитися й усунути проблему ще до того, як хтось взагалі помітить її виникнення. Наприклад, розглянемо теплові сигнатури: якщо якийсь компонент несподівано перегрівається, система автоматично коригує налаштування обертів в хвилину (RPM), щоб запобігти надмірному зносу деталей. Такі прогнозні виправлення значно скоротили час усунення несправностей: якщо раніше це займало три дні або більше, то зараз, за даними галузевих звітів, проблему вирішують менш ніж за дев’ять годин. Підприємства, що впровадили ці інтелектуальні системи, повідомляють про приблизно на 43 % меншу кількість випадків, коли потрібно підвищувати рівень підтримки. Найважливіше те, що близько 89 % потенційних проблем усуваються на початковій стадії завдяки таким корективам у реальному часі — ще до того, як вони почнуть уповільнювати роботу виробничих ліній.

Кейс-стаді: Як виробник першого рівня знизив кількість піднятих до вищого рівня звернень щодо підтримки на 42 %

Лідируючий виробник промислових абразивів упровадив платформу штучного інтелекту для забезпечення успіху клієнтів, інтегровану з його системами алмазних подушок. Упродовж восьми місяців перехід від реагуючої до прогнозної підтримки забезпечив вимірні результати:

Аналіз цифр показує, що приблизно дві третини ранніх відмов виникають через непослідовне застосування тисків операторами. Ми виявили це, досліджуючи минулі моделі використання та спостерігаючи, як люди насправді експлуатують ці машини у повсякденній роботі. Після введення спеціалізованих тренінгів разом із миттєвими попередженнями про калібрування термін служби подушок збільшився приблизно на 30 %. Що це означає? Інтеграція даних уже не лише про вирішення проблем. Вона перетворює те, що колись було просто статтею витрат, на фактор, що надає компаніям конкурентну перевагу. Співробітники видання Forbes писали про схожі концепції, обговорюючи вплив штучного інтелекту на взаємодію з клієнтами, але цей приклад конкретизує ці ідеї стосовно повсякденної роботи у виробництві.

Розуміння поведінки клієнтів через експлуатаційні дані у високозношуваних споживчих матеріалах

Виявлення прихованих закономірностей: як техніка роботи оператора впливає на термін служби алмазних подушок

Аналіз реальних даних з виробничої дільниці розкриває цікавий факт щодо алмазних полірувальних дисків: те, як оператори з ними працюють, має вирішальне значення й пояснює приблизно 40 % різниці у терміні їхнього служби. Про це мало хто говорить, але цей чинник суттєво впливає на загальну ефективність. Ми встановили, що за надмірного натискання (понад 25 PSI) або надто високої швидкості обертання порівняно з рекомендованими значеннями абразивний шар зношується приблизно в 2,3 раза швидше — згідно з нашим аналізом патернів зносу. Доброю новиною є те, що тепер ми можемо інтегрувати IoT-датчики безпосередньо в самі полірувальні верстати. Ці невеликі пристрої фіксують такі параметри, як стабільність кута нахилу і величина вертикального навантаження, що дає нашій аналітичній команді змогу вчасно виявити небезпечні робочі звички до того, як вони перетворяться на проблеми. Візьмемо, наприклад, бічне коливання (латеральне «вибалювання»). За результатами наших досліджень такий рух призводить до відшарування основи від смолистих зв’язаних дисків приблизно на 30 % швидше. Перетворивши всі ці висновки на зручні для сприйняття інструктивні інформаційні панелі, ми надаємо технікам конкретні рекомендації щодо покращення їхньої техніки роботи. Польові випробування показали, що такий підхід зменшує кількість передчасних відмов приблизно на 18 %, що означає менше простоїв і більше задоволених клієнтів у цілому.

Розумніше сегментування: адаптація підтримки залежно від контексту використання, а не лише типу облікового запису

Сегментування клієнтів лише на основі розміру їхньої компанії або рівня договору не враховує тих факторів, які справді мають значення для використання алмазних падів. Сучасні виробники аналізують набагато ширший спектр чинників. Вони перевіряють, наприклад, вологість повітря, оскільки вона впливає на консистенцію шламу, різницю в твердості різних видів каменю та навіть тривалість часу, протягом якого працівники фактично проводять шліфування під час зміни — це, у свою чергу, впливає на нагрівання. Коли компанії підходять до цього питання комплексно, вони виявляють цікаві закономірності. Наприклад, працівники, що відновлюють мармур у вологих прибережних районах, мають замінювати свої пади приблизно на 37 % частіше, ніж ті, хто працює з гранітом у сухих пустельних регіонах, навіть за умови однакових типів договорів. Персонал підтримки починає надсилати більш підходящі споживні матеріали ще до зміни сезонів, тож потреба в термінових замовленнях значно зменшується. Після впровадження цієї системи кількість аварійних викликів із проханням про постачання матеріалів скоротилася вдвічі. Прогнозування та планування на основі реальних умов, а не лише цифр, перетворює обслуговування клієнтів із реактивного процесу на змістовну співпрацю, побудовану на справжніх аналітичних висновках.

Прогностична аналітика та інструменти на основі штучного інтелекту для передбачення потреб клієнтів

Зменшення простою: як прогнозне усунення несправностей скорочує час вирішення проблем з 72 до 9 годин

Використання прогностичної аналітики допомагає заводам припинити реагувати на проблеми лише після їх виникнення. Аналізуючи такі параметри, як вібрація обладнання, зміни температури з часом та швидкість зношування матеріалів, розумні комп’ютерні програми можуть виявити незначні ранні ознаки, що свідчать про майбутнє виходження з ладу фрикційних накладок за кілька тижнів або навіть місяців до фактичного збою. Таким чином техніки точно знають, коли потрібно замінити ці деталі, не перериваючи роботу іншого обладнання, і не доводиться вдаватися до аварійного ремонту, який порушує важливі виробничі графіки. Деякі підприємства повідомили про скорочення непланових простоїв майже наполовину після впровадження таких систем моніторингу.

Ведучий виробник абразивів інтегрував дані з датчиків інтелектуальних шліфувальних систем з платформою забезпечення успіху клієнтів — і досяг зниження часу усунення простоїв, пов’язаних із шліфувальними подушками, на 87,5 %: з 72 годин до всього лише 9 годин. Така зміна забезпечує щорічну економію на рівні шести цифр на кожну виробничу лінію за рахунок усунення незапланованих зупинок.

Майбутнє: платформи забезпечення успіху клієнтів із підтримкою ШІ, інтегровані з інтелектуальними системами шліфувальних подушок

Наступний етап — це поєднання аналітики реального часу щодо продуктивності алмазних подушок із взаємодією з клієнтами на основі штучного інтелекту. Нові платформи аналізують моделі використання в тисячах установок, пов’язуючи техніку роботи операторів із оптимальними результатами. Ці системи автоматично надсилають спеціалізовані інструкції щодо обслуговування у разі виявлення відхилень або сповіщають служби підтримки про необхідність проведення проактивних консультацій.

Під час тестових запусків розумні системи виявляють неправильний розподіл тиску під час полірування й автоматично відображають відеоінструкції, спеціально адаптовані до конкретного типу обладнання, яким користується оператор, а також до матеріалу, з яким він працює. Цей замкнений контур зворотного зв’язку справді добре працює: коли обладнання збирає дані про продуктивність, це допомагає службам підтримки точно визначити, що потрібно робити далі. Кількість проблем, пов’язаних із навчанням, значно зменшується, а полірувальні подушки служать майже на 20 % довше, ніж раніше. У майбутньому персоналізована підтримка, яка передбачає проблеми ще до їх виникнення, стане стандартом, а не чимось особливим. Більшість виробників уже переходять до такого проактивного підходу до технічного обслуговування.

ЧаП

Яка головна перевага прогнозної аналітики у промислових абразивах?

Прогнозна аналітика дозволяє компаніям передбачати й усувати проблеми з обладнанням до того, як вони призведуть до значного простою, що сприяє економії коштів і підвищенню ефективності.

Як системи з підтримкою Інтернету речей сприяють проактивному технічному обслуговуванню?

Системи з підтримкою Інтернету речей надають дані в реальному часі та діагностичну інформацію, що дозволяє вчасно виявляти потенційні проблеми й оперативно втручатися для запобігання простою.

Чи може навчання та коригування техніки впливати на термін служби алмазних дисків?

Так, техніка роботи оператора значно впливає на термін служби алмазних дисків. Коригування програм навчання та використання аналітики для надання конкретного зворотного зв’язку сприяють подовженню їхнього терміну служби.

Як моніторинг у реальному часі впливає на запити щодо підтримки?

Моніторинг у реальному часі може суттєво зменшити кількість ескалованих запитів, вирішуючи проблеми до того, як вони вплинуть на виробництво. Згідно зі звітами, застосування таких систем дозволяє скоротити кількість ескалованих запитів щодо підтримки до 43%.