工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Manufacturing Technology >> 産業技術

大量の顧客からの苦情に対応できませんか? AI to the Rescue

品質運動の昔は、振り返ってみると古風な趣があります。バナー、スローガン、賞品、チームビルディングイベントです。今日、品質管理はすべて情報に関するものです。つまり、情報に埋もれないようにする方法です。

ソーシャルメディアの時代には、消費者から入手できる豊富なデータが非常に多いため、企業はそのフィードバックを完璧な製品の作成に変換できるはずです。場合のみ。問題は、ボリュームの大きさの1つです。マーチャンダイザーは、特に製薬業界などの品質重視の業界で、これらすべての情報をどのように理解できるでしょうか。

簡単に言えば、人工知能と予測モデリングの新しい科学の助けがなければ、彼らはできないということです。

製薬会社は通常、世界中の複数の情報源から何万ものコメントや苦情を受け取ります。標準的な苦情処理ユニットは、この圧倒的な入力をトリアージするのに苦労し、ポジティブとネガティブ、些細なものと生命を脅かすものを区別します。

実際、品質管理ソフトウェアのベンダーであるSpartaSystemsのデジタルイノベーション担当バイスプレジデントであるSteveMcCarthy氏によると、苦情の優勢は通常、本質的に低リスクです。それにもかかわらず、彼は、すべての苦情は「触れられる」必要があると言います。秘訣は、「ノイズ」を除去し、真に重要なフィードバックに焦点を当てることにあります。

自然言語処理の改善により、AIはそのすべてのデータを解釈するためのますます実行可能な手段になりました。アイデアは、自動化によって生データを分類し、苦情処理ユニットに重大度の評価、考えられる根本原因、さらにはアクションの提案を提示することです。

コンピューターで生成された分類と提案を受け入れるか拒否するかは、少なくとも今のところは人々の仕事です。 「この段階では、意思決定プロセスから人間を排除するのではなく、よりスマートで効果的な意思決定を行う能力を強化しようとしています」とマッカーシー氏は言います。

理論的には、システムは経験を積んで分析能力を向上させる必要があります。これが、現代のAIの重要な側面である機械学習の基礎です。データをダイジェストして品質エンジニアに中継すればするほど、精度が高くなる可能性が高いとマッカーシー氏は言います。

AI主導のシステムは、患者の安全という明らかな優先事項を満たすだけでなく、手動による人間主導の評価よりも費用効果が高くなります。 (製造業者が今日取り扱わなければならない情報の洪水を考えると、後者も可能であると仮定します。)

しかし、苦情を処理するためのより効率的な手段を探す理由は、コストだけではありません。 「スピードと適時性の要素があります」とマッカーシーは言います。 「根本原因の調査を完了するには、苦情に関連する可能性のある重大度と[レベル]リスクをしっかりと理解することが重要です。」

AIを使用する次のステップは、現時点で完全に成熟するまでにはほど遠いものですが、予測モデリングです。データのコンテキスト化、注文の分類、および自動化されたリスク評価が可能であることが証明された後、システムは受け取る苦情の種類を予測し始めることができます。傾向分析を使用することで、苦情が表す可能性のある重大度またはリスクのレベルを実際に予測できます。

増加する入力量を備えたAIエンジンは、品質ベンチマークからの逸脱の数と性質を識別できます。事実上、マッカーシー氏は、製品がリリースされる前にそのデータから学習していると言います。

「これらのデータセットをまとめて、市販後の苦情データにリンクされている特定のパターンを製造現場で見た場合、それらのデータセットを相互に関連付けて、この特定のパターンが苦情につながる可能性があることを予測し始めることができます。 」マッカーシーは説明します。

フィードバックは閉ループシステムの一部になり、それによって製品の製造に組み込まれます。製造元は、圧力計が誤動作していることに気付く場合があります。または、設計段階で欠陥が検出され、原材料と初期の生産設定を変更する必要が生じる可能性があります。

AI主導の品質プロセスの価値はライフサイエンスで最も明白に思われますが、マッカーシーはこのテクノロジーを他の多くの業界にも同様に適用できると考えています。たとえば、医療機器メーカーは、高価な資本設備を市場に出す前に微調整できることで、大きな利益を得ることができます。 「結局のところ、それは信号検出についてです」とマッカーシーは言います。

このテクノロジーには、予測モデリングが信頼できる効果的な演習になる前に進む方法がまだあります。近年、AIは人間の反応の背後にある微妙な感情や感情を理解する上で大きな進歩を遂げましたが、それは完璧にはほど遠いものです。たとえば、コンタクトレンズのメーカーは、「かゆみ」、「かゆみ」、「灼熱感」、単に「不快感」などの苦情をどのように解析しますか?

マッカーシーは、ライフサイエンスメーカーが消費者の嗜好と規制の制限の両方に対応しようと努力しているため、テクノロジーの継続的な進歩を期待しています。自動車業界も、AIを使用して安全性を向上させ、製造に品質テストを組み込むことで利益を得ることができます。

「これは多くの分野で試験運用されています」とマッカーシー氏は言います。 「そのプロセスに予測モデリングを適用する機能は非常にエキサイティングです。数年以内に私たちが持つ能力を想像することすらできません。」


産業技術

  1. センサーデータとRaspberryPiマイクロプロセッサーの統合
  2. データをどうすればいいですか?!
  3. インテリジェントなデータ配信でモノのインターネットを実現
  4. ビジュアルデータをIoTと統合する可能性
  5. スマートシティを備えたIoTインフラストラクチャの秘密
  6. IIoTの旅は、リモートテレメトリから始まります
  7. IoTの世界:Verticaのある生活の1日
  8. パフォーマンスモニタリングでIoTの価値を解き放つ
  9. ボーダレスデータでグローバルサプライチェーンを保護
  10. プログラマティックコマースでは、消費者がサプライチェーンを推進します
  11. パンデミック後のエンドカスタマーにサービスを提供するための6つの鍵