Projetos Farol · Energia
Manutenção preditiva de carregadores e previsão da demanda
Ver a degradação antes de o carregador parar.
Problema
Falhas detectadas só depois de acontecerem. Carregadores parados, clientes B2B insatisfeitos, indisponibilidade visível em apps públicos. Sem capacidade de prever picos ou degradações.
Solução
Modelos preditivos sobre histórico de sensores, alarmes e sessões. Sinais antecipados de degradação. Briefing automático diário para operações. Recomendação de alocação de equipes de campo.
KPIs
- % de incidentes detectados antes de impactar cliente
- Tempo médio de mobilização de equipe de campo
- Redução de SLA breaches
- Disponibilidade percebida pelos clientes B2B
Como se mede
Cada KPI com linha de base e alvo.
Os números deste projeto saem dos seus dados. Medimos a linha de base no enquadramento, acordamos com você o alvo antes de construir e, em produção, medimos os mesmos KPIs da mesma forma.
- 01Linha de baseMedida no enquadramento, com os dados do processo como está hoje.
- 02AlvoAcordado com o dono do caso antes de construir, a partir da linha de base.
- 03Em produçãoOs mesmos KPIs, medidos da mesma forma, comparados com a linha de base.
- % de incidentes detectados antes de impactar cliente
- Incidentes com alerta antes da primeira sessão falhada ou reclamação, divididos pelo total de incidentes.
- Tempo médio de mobilização de equipe de campo
- Do alerta à chegada da equipe ao local, pelas ordens de serviço.
- Redução de SLA breaches
- Descumprimentos dos SLA de disponibilidade acordados com clientes B2B, por mês.
- Disponibilidade percebida pelos clientes B2B
- Disponibilidade dos pontos de cada cliente B2B no período, calculada como no contrato.
Antes de começar
Pré-requisitos e riscos.
Pré-requisitos
- Histórico de alarmes, estados e sessões por ponto de carregamento, longo o bastante para conter falhas repetidas.
- Registro das falhas e intervenções passadas, para treinar e validar os modelos.
- Uma equipe de campo disponível para testar a priorização dos alertas no piloto.
Riscos e como os tratamos
Falsos alarmes
Alertas demais gastam deslocamentos, e a equipe deixa de confiar neles. O limiar de alerta é calibrado no piloto com a equipe de campo, contra as falhas que aconteceram de fato.
Histórico curto ou incompleto
Sem falhas suficientes no histórico, o modelo não aprende a antecipá-las. O enquadramento mede o que existe antes de prometer previsões.
Quer ver isso na sua operação?
90 minutos com você e a sua equipe. Saímos com 3 oportunidades concretas e payback estimado.