20% minder klachten dankzij datagedreven onderhoudsrapportages
Otis
- Klantcase
- Dataprojecten
- Data Engineering
- Data Science
Een belangrijk onderdeel van de bedrijfsvoering van Otis is het onderhoud van hun liften. Om dit goed te timen en klanten proactief te informeren over de status van hun lift, wilde Otis continue monitoring inzetten. Ze zagen veel potentie in predictive maintenance en onderhoud op afstand.
De liften van Otis bevatten een groot aantal sensoren die onder meer meten of de deuren goed dichtgaan en welke alarmcodes er worden verstuurd. Ook verzamelen ze statistieken zoals het aantal kilometers wat een lift aflegt per maand en hoe vaak de deuren heropenen. Otis vroeg ons een datamodel te ontwikkelen dat per lift een ‘gezondheidswaarde’ genereert die laat zien hoe goed de lift functioneert.
Aanpak
We startten met de ontwikkeling van het datamodel op basis van de bestaande on-premise infrastructuur van Otis.
- We combineerden de sensor-, alarm- en statistische data en zorgden ervoor dat de data bruikbaar was door alles op te schonen. De verschillende typen data bestonden uit wisselende definities, waardes en eenheden. Met behulp van Python code zetten we alles om naar maandelijkse data en trokken we de definities gelijk.
- Vervolgens programmeerden we het datamodel op basis van tijdsreeksen. Het model vergelijkt de huidige waardes van een lift met zijn verleden en met de waardes van de andere liften.
- Gesignaleerde afwijkingen worden automatisch omgezet naar een numerieke waarde die we de ‘gezondheidswaarde’ noemen. Deze gezondheidswaardes worden berekend voor zowel de losse onderdelen als de lift in het geheel.
- Op basis van de gezondheidswaardes worden liften ‘groen’ of ‘geel’ gemarkeerd door middel van een grenswaarde. De ‘groene’ liften werken naar behoren. Bij een ‘gele’ score is mogelijk onderhoud nodig.
- De gezondheidswaardes worden gecheckt door een Remote Engineer die vervolgens de onderhoudsmonteur aanstuurt met gerichte acties. De kwalitatieve feedback van Remote Engineer en de onderhoudsmonteurs wordt, samen met onze analyses, gebruikt om het model te verbeteren.
Hoewel ons model werkte zoals Otis wilde, was de volgende stap in het proces om het datamodel te automatiseren en te migreren naar de cloud. We bouwden het datamodel om binnen Azure met behulp van Databricks en PySpark. De datatoevoer en -export verliep via Azure Data Factory pipelines en de opslag vond plaats binnen Storage Accounts in beheer van Otis. De output van het model werd via deze weg teruggestuurd naar de centrale database van Otis Nederland, waar deze beschikbaar is voor de Remote Engineer.
Resultaat
Twee keer per maand krijgt Otis een overzicht van de gezondheidswaardes per lift. Zo houdt Otis bij welke liften er mogelijk onderhoud vereisen. Klanten krijgen maandelijks een automatisch onderhoudsrapport toegestuurd. De monteurs van Otis gaan hier bij de eerstvolgende servicebeurt mee aan de slag. Door deze nieuwe werkwijze is het aantal klachten van klanten met 20% afgenomen.
Het datamodel draait en het proces eromheen is volledig geautomatiseerd. Otis kan hier zelf verder mee werken en is niet afhankelijk van onze expertise voor de werking van het model.
Toekomst
Otis liften bevatten nog meer sensoren en alarmen dan tot nu toe gebruikt. Met deze data kunnen we het model verder verbeteren. Daarnaast willen we onderzoeken welke onderdelen meer of minder invloed hebben op de status van een lift. Dit doen we door scores, die worden gestuurd door de feedback van monteurs, toe te voegen aan de verschillende typen data binnen het model.
De ervaring van onze stakeholders bij Otis
Richard Hahlen, Manager Service Application Technology
Na enige tijd gespendeerd te hebben om de Data Scientists van Digital Power de nodige domeinkennis (liften) te geven, kwamen we al snel op stoom om de contouren van het datamodel vorm te geven. Toen dat eenmaal stond heeft Digital Power mij meegenomen in hun wereld zodat we uiteindelijk samen konden optrekken om logica te ontwerpen op basis van onze sensor-data uit de liften. Dat was voor beide partijen een uitdagende en leerzame periode. Vanaf dat moment zagen we dat onze ontwerpen werkelijk functioneerde in de praktijk en dat het model geweldige meetbare waarde toevoegt voor onze klanten, Remote Engineers en monteurs. Nu alles super strak staat, gaan we verder in onze reis nog meer voorspellende informatie uit het model te krijgen. Ik kan niet wachten.
Patrick van Gastel, Directeur Nieuwbouw
Het was een genoegen om samen aan dit project te werken! Geweldige toegevoegde waarde door Digital Power en een uitstekend model dat is ontwikkeld. Minder downtime voor onze klanten en meer efficiëntie voor onze technici.
Meer weten?
Reimer gaat graag met je in gesprek over hoe we jouw datavraagstukken kunnen oplossen.
Business Manager020 308 43 9006 83 69 07 78reimer.vandepol@digital-power.com
1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?
Meld je aan voor onze maillijst en blijf 'up to data':
Dit vind je misschien ook interessant:
Waardevolle inzichten uit Microsoft Dynamics 365
Agrico is een coöperatie van aardappeltelers. Zij telen aardappels voor verschillende doeleinden zoals consumptie en het planten van toekomstige oogsten. Deze aardappels worden wereldwijd geëxporteerd via verschillende dochterondernemingen. Alle logistieke en operationele data wordt opgeslagen in hun ERP-systeem Microsoft Dynamics 365. Omdat dit systeem met zijn vele features erg complex is, is de data niet direct geschikt om te gebruiken voor rapportages. Agrico vroeg ons te helpen hun ERP-data inzichtelijk te maken en duidelijke rapportages te ontwikkelen.
Inzicht in de complete salesfunnel dankzij een datawarehouse met dbt
Onze consultants boeken de opdrachten die ze oppakken voor onze klanten in ons ERP AFAS. Als CRM gebruiken we HubSpot. Hierin zien we alle informatie die voorafgaand aan het tekenen van een samenwerkingsovereenkomst relevant is. Wanneer we een deal sluiten, gaat alle informatie uit HubSpot automatisch naar AFAS. HubSpot wordt dus vooral gebruikt voor het proces voordat we een samenwerking aangaan, AFAS juist voor de fase daarna. We wilden de inzet van onze mensen strakker plannen en onze financiële forecasts verbeteren. Daarom besloten we de data uit beide bronnen te koppelen en een datawarehouse op te zetten.
Een gestandaardiseerde manier van dataverwerking met behulp van dbt
Een van de grootste webwinkels van Nederland wilde een gestandaardiseerde manier van dataverwerking ontwikkelen binnen een van de datateams. Alle data werd opgeslagen in het schaalbare cloud datawarehouse Google BigQuery. Binnen dit platform waren grote hoeveelheden data beschikbaar op het gebied van orders, producten, marketing, retouren, klantcases en partners.
Betrouwbare rapportages met behulp van robuuste Python code
Het Nationaal Portaal Wegverkeersgegevens (NDW) is een waardevolle bron voor gemeenten, provincies en de rijksoverheid om inzicht te krijgen in verkeersstromen en de efficiëntie van de infrastructuur te verbeteren.
Opzet van een toekomstbestendige data-infrastructuur
Valk Exclusief is een keten van 4 sterren+ hotels en heeft 43 hotels in Nederland. De hotelketen wil gasten graag een persoonlijke ervaring bieden, zowel in het hotel als online.
Een schaalbaar dataplatform in Azure
TM Forum, een alliantie van meer dan 850 wereldwijde bedrijven, schakelde onze hulp in als datapartner om data gerelateerde uitdagingen te identificeren en op te lossen.
Bepaling van de ligging van tuinen met behulp van Data Science
Woningbelegger Vesteda werkt aan een nieuwe website. Als een beschikbare huurwoning een tuin heeft, moet op de webpagina van die woning de ligging van de tuin staan. Deze informatie was nog niet beschikbaar in de database. Wij kregen de opdracht om de ligging van de tuin te bepalen op basis van de coördinaten van de woningen.