EN
返回档案库

案例库 · 软件与 IT · 运营决策 · 2018–2019

美诺的诊断模型帮助技术人员一次上门就修好

IBM与美诺将技术人员上门记录(结构化与自由文本)挖掘成诊断模型——效率提升,一次修复率也上升。

美诺

那一手

对家电制造商来说,服务成本和客户满意度都系于同一件事:在技术人员出发前正确诊断故障。诊断错误意味着白跑一趟,还得再约第二次。

美诺与IBM研究院合作,构建了一个系统,从历史技术人员上门数据中学习——包括结构化记录和非结构化文本备注——并将它们结合到概率模型中。领域语义模型既塑造了分析管道,也塑造了概率模型。

结果是服务效率显著提升,同时原本已很高的首次修复率进一步提高:技术人员携带正确的零件,并在更短时间内完成维修。

这项工作作为Wagner奖特刊论文发表在《INFORMS应用分析杂志》(2019)上。

为什么管用

  • 工单文本包含结构化字段无法捕获的诊断知识。
  • 派工前预测会改变技术人员携带的零件和计划。
  • 效率与首次修复率同时提高,而非此消彼长。
  • 语义模型让概率模型建立在电器专业知识基础上。
值了多少派工前先从历史数据中诊断聪明

可以搬走什么

服务质量藏在过去工单的自由文本中;将该历史结构化为诊断模型可提升效率和关键指标——首次上门修复。

后来呢

美诺的试点显示效率显著提升且首次修复率更高;IBM与美诺的合作成果发表于IJAA 2019年Wagner奖特刊,作为结合专家知识与异构服务数据的模型。

资料来源

发现哪里写错了?告诉我们。

同一路聪明