Ce point de vue de l’industrie a été rédigé par Boominathan Shanmugam de Prodapt Systems

La plupart des fournisseurs de services du secteur de la connectivité sont confrontés à la planification et à l’affectation des techniciens de terrain en fonction de la demande. Gartner déclare : «Équilibrer les ressources disponibles par rapport à la demande est essentiel à la réussite de l’initiative.” Sur la base des engagements avec divers prestataires de services, les défis communs de la planification traditionnelle de la capacité des services sur le terrain sont énumérés ci-dessous.

• Indisponibilité des outils pour estimer la capacité en temps réel
• Absence de stratégie pour identifier les principaux facteurs d’influence qui ont un impact sur le processus de planification des capacités
• Manque de mécanismes pour affecter le bon technicien au bon service
• Aucune visibilité de bout en bout sur la capacité du service sur le terrain

Une planification inefficace des capacités conduit souvent à un sureffectif ou à un sous-effectif de techniciens sur le terrain, ce qui entraîne des retombées de commandes, des SLA manqués et des clients insatisfaits. Par conséquent, les fournisseurs de services doivent adopter les techniques d’IA/ML dans les services sur le terrain pour réduire le gaspillage de ressources de 20 % et améliorer l’efficacité de la réponse du service et la satisfaction des clients.

Fig 1. Tirer parti de la planification des capacités basée sur l’IA pour moderniser les services sur le terrain

Cet article détaille le processus en trois étapes qui peut être adopté par les fournisseurs de services pour tirer parti des capacités d’IA dans les services sur le terrain pour une planification efficace des capacités.

Mise en œuvre d’une planification des capacités basée sur l’IA pour des services de terrain modernisés

1. Prédire la capacité du service sur le terrain à l’aide du modèle ML

L’identification de la capacité de service sur le terrain requise pour chaque emplacement de service est primordiale pour une prestation de service transparente et le traitement des demandes de service client. Implémentez un modèle ML pour prévoir les heures de travail du technicien de terrain pour les 3 prochains mois en fonction des données historiques. Comme différents modèles peuvent gérer différents ensembles de données, implémentez plusieurs modèles comme NeuralProphet et ARIMA plus le modèle pour obtenir de meilleures prédictions. Une fois la sortie des modèles reçue, implémentez un système de classement intelligent pour évaluer les performances des modèles à travers la fenêtre de prévision. Classez les modèles en fonction de leur précision et finalisez la prédiction des heures de travail à partir du modèle avec la plus grande précision. La prévision intelligente de la capacité en choisissant le modèle le mieux adapté évite les biais des techniciens de terrain et améliore la précision du modèle.

2. Ajustez le modèle en fonction des facteurs clés qui ont un impact sur la planification de la capacité

La prévision de la capacité du service sur le terrain peut être affectée par divers facteurs tels que la météo, les données de maintenance et les vacances. Ces conditions varient en fonction des emplacements de service, et les techniciens sur le terrain peuvent ne pas être en mesure d’accéder à l’emplacement lors de conditions météorologiques extrêmes. Cela peut entraîner un gaspillage de ressources et des demandes de service incomplètes. Par conséquent, les fournisseurs de services doivent implémenter un processeur météorologique pour obtenir et alimenter le modèle avec le facteur d’influence clé comme les signaux météorologiques. En fonction du type de signal météo, recalculez les heures de travail requises des techniciens sur le terrain à l’aide du modèle ML. L’étalonnage dynamique de la capacité prévue compte tenu de l’impact des principaux facteurs d’influence permet de réduire le gaspillage des ressources de 20 %.

3. Développer un tableau de bord numérique pour dynamiser le processus de planification des capacités

Créez un tableau de bord numérique pour suivre la capacité disponible pour différents emplacements de service et planifier les expéditions. Développer un tableau de bord des opérations axé sur le respect des SLA pour les prévisions de capacité manuelles et ML. Cela aide l’équipe des opérations techniques sur le terrain à se concentrer sur les domaines où le respect des accords de niveau de service est inférieur à 90 % et à affiner le modèle.. D’autres rapports uniques sur les distributions de précision et les performances des modèles peuvent être développés pour fournir une visibilité approfondie des performances des différents modèles pour chaque emplacement de service. Il permet à l’équipe des opérations de prendre des décisions intelligentes et de dynamiser le processus de planification des capacités.

Conclusion

En tirant parti de la planification des capacités basée sur l’IA, les fournisseurs de services du secteur de la connectivité peuvent obtenir les avantages suivants :

• 20 % de réduction du gaspillage de ressources
• 90 % d’atteinte de la conformité SLA
• 25 % d’économies supplémentaires sur les opérations sur le terrain
• Amélioration de l’expérience client

J’apprécie les efforts de ma collègue Priyankaa A-Analyst, Strategic Insights, pour sa contribution et son soutien continu dans l’élaboration de cet article.

Si vous ne l’avez pas déjà fait, veuillez répondre à notre sondage auprès des lecteurs ! Juste 3 questions pour nous aider à mieux comprendre qui lit (info originelle thème de film d’entreprise) afin que nous puissions mieux vous servir !

Catégories : Point de vue de l’industrie