Arneg sagt mit Amazon Forecast und Amazon SageMaker den weltweiten Wartungsbedarf seiner Kunden voraus

Arneg SpA (Arneg) musste sich über ein reaktives Kundenservicemodell hinaus weiterentwickeln. Das Unternehmen, ein weltweit führender Hersteller gewerblicher Kühlgeräte, suchte nach einer fehlertoleranten, skalierbaren Lösung, um seine bestehenden Dienste zu verbessern und bei Erweiterung seines Angebots neue Dienste zu integrieren. Arneg wandte sich zwecks Unterstützung bei der Weiterentwiklung an Amazon Web Services (AWS) und entwickelte ein prädiktives Wartungsmodell unter Einsatz der Infrastruktur des Internet of Things (IoT) und Amazon Forecast, eines vollständig verwalteten Service auf der Basis von Machine Learning (ML), um äußerst präzise Prognosen zu erstellen. Mit dem neuen System konnte Arneg den Wartungsbedarf mit einer Genauigkeit von mehr als 80 Prozent vorhersagen und so die Ausfallzeiten der Kühlgeräte für die weltweiten Kunden des Unternehmens erheblich reduzieren.

Mit einem Vertriebsnetz, das sich über mehr als 100 Länder erstreckt, sind Arneg und seine Tochtergesellschaften globale Hersteller von Kühl- und Gefriergeräten für Supermärkte und nehmen eine starke und anerkannte Position auf dem Markt ein. Die Art des Geschäfts verlangt vom Unternehmen die Einhaltung strenger Service-Level-Vereinbarungen. Um die Lebensmittelsicherheit zu gewährleisten, muss Arneg seine Kunden rund um die Uhr und an jedem Tag des Jahres weltweit unterstützen. Arneg nutzte zuvor sein Interactive Remote Information System (IRIS), eine lokal gehostete Anwendung, um Alarme, Serviceeinsätze und Arbeiten vor Ort zu verwalten. Mit IRIS sendeten Kühlgeräte Alarme an Arneg, wenn sie nicht richtig funktionierten – aber erst, wenn die Geräte die strengen gewerblichen Standards für die Kühlung nicht einhalten konnten. „Da in der Regel erst dann Hilfe angefordert wird, wenn ein Problem auftritt, muss unsere Reaktionszeit extrem kurz sein“, erklärt Davide Zandonà, Serviceleiter bei Arneg. „Das erhöht unsere Kosten und macht, was noch bedeutender ist, den Serviceprozess weniger effizient.“ Arneg wollte seine bestehende IoT-Infrastruktur nutzen, um eine proaktivere Lösung in der Cloud aufzubauen. „Die Entwicklung neuer Projekte wie die prädiktive Wartung ist eigentlich nur in der Cloud möglich“, sagt Claudio Canepa, Chief Information Officer bei Arneg. „Die erforderliche Rechenkapazität, der Speicherplatz und die Organisationszeit können nicht lokal bereitgestellt werden.“

Das Unternehmen bewertete mehrere globale Cloud-Anbieter und entschied sich schließlich für AWS als die beste Lösung. „Unser Bestreben, die Dienstleistungen von Arneg im Laufe der Zeit zu optimieren und weiterzuentwickeln, erfordert den Einsatz leicht aktualisierbarer und aufrüstbarer Systeme“, so Canepa. „Unsere vergleichende Untersuchung ergab, dass AWS der Anbieter war, der den Anforderungen unseres Unternehmens zu diesem Zeitpunkt am besten gerecht wurde und am besten in der Lage war, zukünftige Innovationen zu unterstützen.“ Der erste Schritt von Arneg war die Entwicklung eines Machbarkeitsnachweises für die IRIS-Anwendung auf AWS, aber das Unternehmen erkannte schnell, dass die Lösung mehr leisten musste, als nur vorhandene Daten in die Cloud zu migrieren, um greifbare Vorteile zu erzielen. Das Unternehmen erkannte die Notwendigkeit, nicht nur in der Cloud gehostet, sondern auch für die Cloud optimiert zu werden, um die Kosten zu senken, seine Lösung für die prädiktive Wartung weiterzuentwickeln und sich in großem Umfang weiterzuentwickeln. Arneg erkannte bald, dass es mit AWS Microservices möglich war, bestehende IRIS-Funktionen zu ändern und zu verbessern und mehr Nutzen aus der Cloud-Architektur zu ziehen.

Die Lösung von Arneg umfasst die Erfassung von Daten – wie Temperaturen, Energieverbrauch und Ausfällen – durch IoT-Geräte in Gefrier- und Kühlgeräten und die Übermittlung dieser Daten an die Cloud, wo sie standardisiert und homogenisiert werden, damit sie verarbeitet werden können. Arneg verwendet Amazon SageMaker und Amazon Forecast für sein Prognosemodell. Amazon SageMaker integriert ML-Komponenten in ein einziges Toolset zum schnellen Erstellen, Trainieren und Bereitstellen von ML-Modellen. Mit seinem Prognosemodell erfasst Arneg täglich 11 Millionen IoT-Datensätze und erstellt daraus innerhalb von Stunden Modelle. Früher dauerte die Erstellung von Modellen in diesem Umfang Wochen oder Monate.

Das Prognosemodell gibt eine Benachrichtigung aus, bevor ein Ereignis voraussichtlich eintritt, so dass die Serviceteams Zeit haben, die Geräte zu überwachen und bei Bedarf das Wartungspersonal vor Ort zu benachrichtigen. „Anhand dieser Lösung können wir eine bessere Servicequalität bieten, indem wir Ausfälle von Kühlgeräten vermeiden“, erklärt Zandonà. „Dies trägt auch zur Optimierung der Kühlkette bei, was die Effizienz und die Energieeinsparungen für den Einzelhandel verbessert und gleichzeitig die Lebensmittelsicherheit für die Verbraucher erhöht.“ Bislang prognostiziert das prädiktive Wartungsmodell den Wartungsbedarf mit einer Genauigkeit von 80 Prozent – eine Zahl, die sich noch verbessern wird, wenn das Unternehmen eine große Menge an historischen Daten erfasst.

Arneg kann zusätzliche Dienste nahtlos in seine Lösung auf AWS integrieren. „Durch die Optimierung der Reaktionszeiten und des erforderlichen Wartungsaufwands konnten wir uns stärker auf die Entwicklung von Produktdienstleistungen und die Erfassung neuer Arten von Daten konzentrieren“, so Zandonà. Der nächste Schritt des Unternehmens ist die Verlagerung des Kundenservice-Kontaktzentrums zu AWS. Der laufende Migrationsprozess nutzt Amazon Connect, ein Omnichannel-Cloud-Kontaktzentrum, das Echtzeit- und historische Analysen sowie Sprach- und Chatfunktionen bietet.

Ausschlaggebend für die Migration war die Notwendigkeit, die Einsatzzeiten zu verkürzen, Einsätze auf der Grundlage der mit dem Kunden verbundenen Daten zu lenken und den Zeitaufwand für die Identifizierung, Eingabe und Verfolgung von Kundendaten zu verringern. „Durch die Erstellung komplexer Workflows in Amazon Connect wird es uns möglich sein, Daten von Lieferanten, Kunden und Verkaufsstellen zu verknüpfen“, sagt Canepa. „Dies wird unseren Mitarbeitern helfen, alle Informationen, die sie zur Eröffnung eines Tickets benötigen, im Voraus zusammenzustellen und menschliche Fehler in der Dateneingabe und im Ablaufmanagement zu vermeiden.“ Sobald die Lösung vollständig implementiert ist, kann Arneg Anfragen und Datenanalysen nahezu in Echtzeit verfolgen und wichtige Leistungsindikatoren erstellen, um die Serviceleistung kontinuierlich zu überwachen und zu optimieren.

Zur Umstellung von einem reaktiven zu einem präventiven Servicemodell nutzte Arneg seine IoT-Infrastruktur sowie Amazon SageMaker und Amazon Forecast, um ein prädiktives Modell zu entwickeln, das den Wartungsbedarf seiner Kunden mit einer Genauigkeit von mehr als 80 Prozent voraussagt und Ausfälle verhindert. Arneg erkannte auch die Möglichkeit, den Kundenservice mithilfe von Amazon Connect zu automatisieren und zu rationalisieren – und das ist nur der Anfang. „Die AWS-Architektur hat sich als großartiger und leistungsstarker Innovationsmotor erwiesen“, führt Canepa an. „AWS wird es Arneg ermöglichen, sich auf die Dienstleistungen zu konzentrieren, die wir als grundlegend für unser Unternehmen erachten, und wird es ermöglichen, Ressourcen, die normalerweise für die Infrastrukturunterstützung, die Kapazitätsanalyse und das Management komplexer Informationstechnologiedienste eingesetzt werden, auf das Kerngeschäft unserer Gruppe umzuleiten.“

Weitere Informationen erhalten Sie unter thinkwithwp.com/forecast/.