Arneg 利用 Amazon Forecast 和 Amazon SageMaker 在全球范围内预测客户的维护需求

Arneg SpA (Arneg) 需要继续发展，并突破反应式客户服务模型的局限。该公司是商用制冷设备制造领域的全球领导者，他们致力于打造有容错能力的可扩展解决方案来优化其现有的服务，并随着自身产品或服务的扩展集成新的服务。为帮助公司发展，Arneg 转用 Amazon Web Services (AWS) 并使用其物联网 (IoT) 基础设施和 Amazon Forecast 开发了预测性维护模型，Amazon Forecast 是一项采用机器学习 (ML) 技术的完全托管式服务，可提供高度准确的预测。新系统使 Arneg 能够以超过 80% 的准确率预测维护需求，极大缩短了该公司全球客户的制冷设备停机时间。

凭借跨 100 多个国家或地区的经销网络，Arneg 及其子公司是名副其实的超级市场冷冻和制冷设备的全球制造商，在市场中享有稳固而且受人认可的地位。他们的业务性质要求该公司遵守严苛的服务等级协议。为保证食品安全，Arneg 必须全年无休在全世界范围内提供全天候的客户支持。Arneg 过去曾使用其在本地托管的应用程序 Interactive Remote Information System (IRIS) 来管理告警、服务电话和现场工作。使用 IRIS，制冷设备会在发生故障时（但只在这些设备无法维持严苛的商用制冷设备行业标准时）向 Arneg 发送告警。“由于通常只在发生问题时发送协助请求，我们的反应时间极短”，Arneg 的服务总监 Davide Zandonà 说道，“这会提高我们的成本，而且更重要的是，降低服务流程的效率。” Arneg 希望使用其现有的 IoT 基础设施在云中构建更主动的解决方案。“开发像预测性维护的新项目实际上只能在云中实现”，Arneg 的首席信息官 Claudio Canepa 表示，“本地方案不能提供必要的计算容量、存储和组织时间。”

公司评估了多个全球云提供商，并最终确定 AWS 是最合适的。“我们承诺随时间推移对 Arneg 的服务进行优化和发展，这要求我们使用可轻松更新与升级的系统”，Canepa 补充道，“我们的对比研究结果显示，AWS 是目前最符合公司需求的供应商，而且能够更好地支持未来创新。” Arneg 要采取的第一步是，为 AWS 上的 IRIS 应用程序开发概念验证，但公司很快就意识到为实现更切实的优势，相关的解决方案不能止步于单纯将现有的数据迁移到云。该公司认为有必要进行云优化而不仅在云中托管，以便降低成本、开发自己的预测性维护解决方案并持续大规模地演变发展。Arneg 很快发现，AWS 微服务能够帮助其改变与优化现有的 IRIS 功能，并且从云架构当中获得更多好处。

Arneg 的解决方案包括通过冷冻和制冷设备中的 IoT 设备收集数据，如温度、能耗和故障等，然后将这些数据发送到云，在云中对其进行标准化和均质化，以便加以处理。Arneg 将 Amazon SageMaker 和 Amazon Forecast 用于其预测模型。Amazon SageMaker 将 ML 组件集成到单个工具集，以便快速地构建、训练与部署 ML 模型。借助其预测模型，Arneg 可在每天收集 1,100 万条 IoT 记录，并用几个小时将它们构建到模型当中。在过去，构建此种规模的模型需要几个星期或数个月。

预测模型会在可能发生事件前发出通知，让服务团队有时间监控设备，并在必要时提前通知现场的维护人员。“此解决方案通过预防制冷设备发生故障，使我们能够提供更优质的服务”，Zandonà 说道，“它还有助于帮助零售商优化冷链、提高效率并实现节能目的，同时为消费者保证食品安全。” 到目前为止，预测性维护模型对维护需求的预测达到 80% 的准确率，这一数字随着公司编译大量历史数据有望进一步提高。

Arneg 可以在 AWS 上无缝将更多服务集成到他们的解决方案。“通过优化响应时间和所需的维护工作，我们能够在产品服务开发和新类型数据获取方面集中更多注意力”，Zandonà 说道，公司下一步会把他们的客户服务联系中心迁移到 AWS。持续的迁移流程采用 Amazon Connect，它是一种全渠道云联系中心，可提供实时和历史分析，以及语音和聊天功能。

有必要改善通话时间、基于与客户相关数据的直接通话，以及缩短用于确定、输入和追踪客户数据的时间是迁移背后的驱动因素。“通过在 Amazon Connect 中创建复杂的工作流，我们将能够关联来自供应商、客户和销售点的数据”，Canepa 说道，“这将有助于我们的操作人员预先编译所有必要的信息，以开立票证并且避免数据输入和流管理期间的人为错误。” 在完全实施解决方案以后，Arneg 可以持续而且近乎实时地追踪请求和数据分析，创建关键绩效指标来帮助监控与优化服务绩效。

为了从反应式模型转换到预测性服务模型，Arneg 利用其 IoT 基础设施，以及 Amazon SageMaker 和 Amazon Forecast 来开发预测模型，以便提前预测其客户的维护需求，该模型的准确率达到 80% 以上，可预防出现故障的情况。Arneg 还发现可以使用 Amazon Connect 对客户服务进行自动化和简化，而这仅仅只是开始。“AWS 架构被证明是一股强而有力的创新推动力”，Canepa 说道，“AWS 将帮助 Arneg 专注于我们视作公司根基的服务，可正常地分配资源到基础设施支持、容量分析，以及复杂信息技术服务的管理，而这些服务可重新导向到集团的核心业务。”

如需了解详情，请访问 aws.amazon.com/forecast/。