埃林哲研究院 | 唤醒昏睡的售后维修数据,提升逆向质量管控水平

  对于汽车、工程机械等大型设备制造企业,产品质量的可靠性和稳定性一直是企业致力于打造的核心竞争力之一。为了提升质量水平,很多企业非常重视正向质量管控方法:对原材料采购、生产制造过程、产品出厂检验等各个环节进行了严格的管理;但在产品售后阶段的逆向质量管控:对售后产品质量问题收集、原因分析、纠正预防、效果验证等工作,没有进行充分而有效的管理,导致企业的售后服务和质量保障水平提升缓慢。

 

 

  在管理实践中,很多大型设备制造企业都建立了售后维修服务系统或客户关系管理系统,通过这些系统记录设备故障现象、原因分析、维修方案、维修成本等,对维修工作进行了有效的管理,但对故障原因的深层次分析、改善措施、效果验证、知识标准化等大量有价值的工作没有深入开展,这种“重纠正轻预防”的做法,无法从根本上实现售后服务从“被动维修”到“主动保养”的转变。

 

  越来越多的企业已经意识到进行逆向质量管控的重要性,但受制于管理方法和管理工具的限制,推进缓慢。埃林哲公司基于工程机械行业多家企业的管理实践,研发了售后质量追溯分析系统,从售后阶段的维修数据入手,激活和唤醒离散而昏睡的售后维修数据,逐步提升产品质量和售后服务水平

 

 

  埃林哲售后质量追溯分析系统通过数据接口、数据导入或其它方式采集售后服务阶段的产品故障单信息,由售后服务人员对故障单进行分析,决定是否建立故障卡进行分析改进,建立故障卡之后将故障信息传递给故障责任方,故障责任方在管理系统中反馈改进优化措施,改进完成后由相关部门进行验证和后续跟踪,验证有效后将改进措施导入到标准化的流程中,并持续进行管理。

 

  在整个改善过程中,要将有效信息提取和优化,形成知识库,借助不断积累的知识库,各个环节的人员可以在故障分析、责任判定、优化改进、预防维护、设计改进等方面提高工作效率。

 

  埃林哲售后质量追溯分析系统已经在多家企业成功部署,取得预期效果。目前,埃林哲公司针对设备故障深层次原因分析的工程难题,正在进行深入研究,打造基于物联网的装备工况和运行大数据平台,利用安装在工程机械装备中关键核心执行部件的传感器,搜集工况和运行大数据,质量和技术人员可以通过大规模分析对比开工指标,从典型取值、波动幅度、回传密度等多个维度进行分析,自动搜索、推荐与故障车辆关系密切的特征工况和运行数据,结合知识库系统,并引入外部数据进行分析,为找到更深层次的原因提供线索,并最终得出正确的结论。

 

  从当前的售后质量追溯分析系统,到集成物联网技术的装备工况和运行大数据平台,埃林哲公司不断努力创新,为工程机械行业的发展提供支持。