Decideo: Noticias sobre Inteligencia de Negocios, Big Data, Data Science, Data Mining


Actualidades y análisis

Análisis predictivo del tiempo de desplazamiento y la duración de las intervenciones de mantenimiento


, el 26 Julio 2018 | Leído 146 veces

Praxedo es un desarrollador de aplicaciones especializado en la gestión de intervenciones de los técnicos de mantenimiento. A partir de la recolección de datos de los vehículos, desarrollaron una base de datos y algoritmos predictivos del tiempo de desplazamiento. Modelar, y por lo tanto prever, las duraciones de las intervenciones es el próximo paso.



Foto Guilherme Cunha - Unsplash
Foto Guilherme Cunha - Unsplash
Equipado de una libreta o talonario de recibos de papel carbón, el técnico culmina su intervención antes de montarse nuevamente en su furgoneta Kangoo... ¡No! Hoy en día muchos técnicos están equipados con un teléfono inteligente o una tablet e ingresan sus recibos en una aplicación dedicada. La misión de Praxedo es desarrollar estas aplicaciones de gestión de las intervenciones de mantenimiento en modo SaaS (software como servicio). Hasta hace poco, Praxedo no disponía de productos de Business Intelligence (BI o Inteligencia de Negocio), y dejaba que los clientes exportaran sus datos a Excel o a un sistema de BI, si disponían de uno.
Desde hace dos años, hubo un cambio de estrategia y de orientación hacia el «análisis del dato»; Praxedo desarrolló un módulo analítico adicional para sus productos. Una herramienta orientada al reporting, la cual le propone a los clientes indicadores estándar, tales como los cálculos de tiempo transcurrido por tipo de intervención, el cumplimiento de los SLA (compromisos de servicio contraídos con el cliente), etc.

Para Jean de Broissia, cofundador de Praxedo, todo el sector del mantenimiento está evolucionando. «Nuestros clientes reducen lo correctivo para aumentar lo predictivo», explica. Por ahora, Praxedo no dispone de un módulo de cálculo de mantenimiento predictivo, sin embargo, las bases para esto se están estableciendo con la conexión de Praxedo a las plataformas IoT (Internet de las Cosas), lo cual permite obtener los datos directamente de las máquinas a las que se les hace mantenimiento. De esta manera, si el mantenimiento preventivo de un ascensor debe realizarse cada tres meses, la recolección del número de horas de funcionamiento permitirá adaptar el ciclo de mantenimiento al uso real que se le está dando al equipo.
Por ahora el cálculo es realizado por familias de productos. Será interesante en el futuro modelar el comportamiento de cada aparato con el fin de individualizar la previsión de las fases de mantenimiento. Otros datos podrán ser integrados en el modelo, como la ubicación, el perfil del técnico a cargo, sus competencias, etc.
De manera más amplia, los datos podrían ser anonimizados y servir al cálculo de unos indicadores comparativos sectoriales, que le permitirían a cada cliente darse cuenta de cómo está posicionado con respecto a sus competidores en los principales indicadores de gestión, en los tiempos de intervención y en el número de operaciones de mantenimiento.

Jean de Broissia, co-fundador Praxedo
Jean de Broissia, co-fundador Praxedo
La funcionalidad de compartir los datos multiclientes ya es realizada por Praxedo con la base de datos de tiempos de desplazamiento. Praxedo lo propone a sus clientes una previsión del tiempo de desplazamiento. Durante la elaboración del itinerario cotidiano de los técnicos, Praxedo calcula un tiempo de desplazamiento promedio, el cual depende del lugar, de la hora, etc. Este tiempo de desplazamiento no es teórico, sino que está basado en millones de desplazamiento reales medidos y conservados en una base de datos. En pro del uso de estas predicciones, el cliente debe aceptar compartir, de manera anónima por supuesto, los datos de sus propias intervenciones. De esta manera, la base de desplazamientos se enriquece cada día de los datos de nuevos desplazamientos reales, y mejora sus previsiones. Es un sistema que funciona ya que el perfil de los clientes de Praxedo es homogéneo, se trata de técnicos que realizan varias intervenciones por día y se desplazan en camionetas o furgonetas.

Estamos todavía lejos de la inteligencia artificial, pero esta sería sin duda útil en esta área. La utilización del modelado predictivo ya es una gran ventaja que permite planificar mejor las intervenciones, y con esto optimizar la jornada de trabajo de los técnicos, así como aumentar la satisfacción de los clientes.




Nuevo comentario:
Facebook Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook