Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Manufacturing Technology >> Промышленные технологии

Не можете справиться с массой жалоб клиентов? AI спешит на помощь

В ретроспективе старые времена движения за качество кажутся причудливыми:баннеры, лозунги, призы и мероприятия по укреплению тимбилдинга. Сегодня управление качеством - это информация - или, что более важно, как не оказаться в ней похороненным.

В эпоху социальных сетей от потребителей доступно так много обширных данных, что компании должны иметь возможность преобразовывать эти отзывы в создание совершенных продуктов. Если только. Проблема заключается в полном объеме. Как мерчандайзеры, особенно в сферах, ориентированных на качество, таких как фармацевтика, могут разобраться во всей этой информации?

Короткий ответ:они не могут - не без помощи искусственного интеллекта и развивающейся науки прогнозного моделирования.

Производитель лекарств обычно получает десятки тысяч комментариев и жалоб из множества источников по всему миру. Стандартное подразделение по обработке жалоб будет изо всех сил пытаться отсортировать этот подавляющий вклад, отделяя положительное от отрицательного, тривиальное от опасного для жизни.

На самом деле, по словам Стива Маккарти, вице-президента по цифровым инновациям компании Sparta Systems, поставщика программного обеспечения для управления качеством, подавляющее большинство жалоб обычно не связаны с риском. Тем не менее, по его словам, каждую жалобу нужно «трогать». Уловка заключается в том, чтобы отфильтровать «шум» и сосредоточиться на действительно важной обратной связи.

С улучшением обработки естественного языка ИИ стал все более жизнеспособным средством интерпретации всех этих данных. Идея состоит в том, чтобы позволить автоматизации отсортировать необработанные данные, а затем представить блоку обработки жалоб оценку серьезности, возможные первопричины и даже предложения по действиям.

Остается - по крайней мере на данный момент - задача людей принимать или отклонять компьютерные категоризации и предложения. «На данном этапе, - говорит Маккарти, - мы не исключаем человека из процесса принятия решений, а пытаемся повысить его способность принимать более разумные и эффективные решения».

Теоретически система должна улучшать свои аналитические возможности с опытом. Это основа машинного обучения, ключевого аспекта современного искусственного интеллекта. По словам Маккарти, чем больше он переваривает данные и передает их инженерам по качеству, тем выше будет уровень точности.

Помимо удовлетворения очевидного приоритета безопасности пациентов, система, управляемая искусственным интеллектом, также будет более рентабельной, чем ручная оценка, проводимая человеком. (Предполагая, что последнее даже возможно, учитывая поток информации, с которой производители должны иметь дело сегодня.)

Но стоимость - не единственная причина для поиска более эффективных средств обработки жалоб. «Есть фактор скорости и своевременности», - говорит Маккарти. «Важно получить четкое представление о вероятной серьезности и [уровне] риска, связанных с жалобой, чтобы вы могли завершить расследование первопричины».

Следующим шагом в использовании искусственного интеллекта, который на данный момент еще далек от достижения полной зрелости, является прогнозное моделирование. Доказав свою способность к контекстуализации данных, категоризации заказов и автоматической оценке рисков, система может затем начать предвидеть типы жалоб, которые она будет получать. Используя анализ тенденций, он может фактически предвидеть уровень серьезности или риска, который может представлять жалоба.

Вооружившись увеличивающимися объемами ввода, движок ИИ может определять количество и характер отклонений от критериев качества. Фактически, говорит Маккарти, он извлекает уроки из этих данных еще до того, как продукт будет выпущен.

«Эти наборы данных могут быть объединены, так что, если вы видите определенную закономерность в цеху, которая связана с данными о жалобах после продажи, вы могли сопоставить эти наборы данных и начать предсказывать, что эта определенная закономерность может привести к жалобе, - объясняет Маккарти.

Обратная связь становится частью замкнутой системы, с помощью которой она снова включается в процесс создания продукта. Производитель может обнаружить, что манометр неисправен. Или же дефект может быть обнаружен на этапе проектирования, что потребует изменения сырья и первоначальных настроек производства.

В то время как ценность процесса обеспечения качества, основанного на искусственном интеллекте, кажется наиболее очевидной в науках о жизни, Маккарти считает, что эта технология в равной степени применима к любому количеству других отраслей. Производители медицинского оборудования, например, получают огромную выгоду, имея возможность настраивать дорогостоящее основное оборудование до того, как оно выйдет на рынок. «В конце концов, - говорит Маккарти, - речь идет об обнаружении сигнала».

Технологии еще предстоит пройти долгий путь, прежде чем прогнозное моделирование станет надежным и эффективным упражнением. В последние годы ИИ добился больших успехов в понимании тонкостей и чувств, лежащих в основе человеческих реакций, но он далек от совершенства. Как, например, производитель контактных линз разбирает такие жалобы, как «царапины», «зуд», «жжение» и просто «чувство дискомфорта»?

Маккарти ожидает увидеть дальнейшее развитие технологий, поскольку производители медико-биологических наук стремятся удовлетворить как потребительские вкусы, так и нормативные требования. Автомобильная промышленность также выиграет от использования ИИ для повышения безопасности и повышения качества тестирования в производстве.

«Он проходит апробацию в нескольких областях, - говорит Маккарти. «Возможность применять прогнозное моделирование к этому процессу очень увлекательна. Я даже представить себе не могу, какими возможностями мы будем обладать через несколько лет ».


Промышленные технологии

  1. Интеграция данных датчика с микропроцессором Raspberry Pi
  2. Что мне делать с данными ?!
  3. Включение Интернета всего с интеллектуальным распределением данных
  4. Возможность интеграции визуальных данных с IoT
  5. Секреты инфраструктуры Интернета вещей с умным городом
  6. Путешествие по IIoT начинается с удаленной телеметрии
  7. Мир Интернета вещей:день из жизни с Vertica
  8. Разблокируйте ценность Интернета вещей с помощью мониторинга производительности
  9. Защита глобальной цепочки поставок данными без границ
  10. С помощью программной торговли потребители управляют цепочкой поставок