Quant semplifica la manutenzione preventiva con IBM watsonx.ai
Con oltre tre decenni di esperienza nei servizi professionali di manutenzione industriale, Quant offre outsourcing e gestione della manutenzione di classi di asset in diversi settori, dando priorità a sicurezza, efficienza e affidabilità. Tuttavia, si sono trovati di fronte a una sfida quando uno dei siti dei clienti di Quant ha riscontrato una difficoltà operativa derivante da processi legacy.
Le istruzioni di manutenzione preventiva (PM), critiche per il tempo di attività e la produttività, erano nascoste in oltre 1.500 file Microsoft Excel su SharePoint, accessibili solo come allegati negli ordini di lavoro IBM Maximo Manage . I tecnici dovevano fare riferimento manualmente a questi file, limitando l'uso delle caratteristiche avanzate di Maximo. Questo processo frammentato ha ridotto l'efficienza, ha messo a rischio l'accuratezza dei dati su più di 17 siti e ha portato a un processo lento che richiedeva oltre un'ora per file per trasferire manualmente i contenuti da Excel a Maximo. Questo ha spinto Quant a perseguire l'automazione e l'integrazione per sbloccare il pieno potenziale di Maximo.
Per affrontare le sfide dei workflow di manutenzione preventiva legacy, Quant ha collaborato con IBM Client Engineering per costruire una soluzione cloud-native che utilizzasse la tecnologia IBM. Una soluzione incentrata su automatizzazione dell'estrazione, validazione e trasformazione dei dati PM da Excel in formati compatibili con IBM Maximo Manage.
I file Excel sono stati memorizzati in un ambiente sicuro utilizzando IBM Cloud Object Storage, con output JSON per l'integrazione e IBM Cloud Code Engine è stato utilizzato per creare un'architettura scalabile, serverless per API e interfacce utente.
Al centro della soluzione c'è IBM watsonx.ai Lo studio AI ha assistito nell'estrazione intelligente dei dati utilizzando grandi modelli linguistici (LLM). I servizi di AI sono stati eseguiti all'interno del tempo di esecuzione di machine learning IBM watsonx per garantire un'implementazione sicura e ad alte prestazioni. Questa progettazione modulare ha consentito un'automazione scalabile e una perfetta integrazione con IBM Maximo Manage.
Alla fine, Quant e IBM hanno sviluppato con successo un minimum viable product (MVP) che automatizza la conversione delle istruzioni di manutenzione preventiva basate su Excel in piani di lavoro strutturati all'interno di IBM Maximo Manage. Utilizzando l'automazione intelligente, la soluzione semplifica i workflow di manutenzione e riduce le inefficienze operative.
L'MVP ha introdotto un processo chiaro, supportato da un'interfaccia utente per la validazione e la correzione dei dati estratti. Ha separato i compiti per asset, frequenza e responsabilità, producendo output JSON compatibili con Maximo. Questo metodo ha eliminato il riferimento manuale agli allegati di Excel e ha permesso di sfruttare appieno le caratteristiche di Maximo.
Di conseguenza, il Quant ha ridotto il lavoro manuale per l'estrazione dei dati e la creazione di piani di lavoro del 65% e ha ridotto i tempi di implementazione dei sistemi di gestione della manutenzione computerizzata (CMMS) del 30% per i nuovi siti e progetti greenfield. Questi miglioramenti hanno rappresentato un passo importante nel percorso di modernizzazione dell'azienda, rafforzando al contempo il loro impegno verso operazioni di manutenzione scalabili e basate sui dati.
Quant Service, fondata oltre 35 anni fa e con sede a Stoccolma, Svezia, fornisce servizi professionali di manutenzione industriale. Con una presenza globale, Quant vanta oltre 400 strutture in diversi settori, supportando miglioramenti in termini di sicurezza, prestazioni delle attrezzature e affidabilità operativa.
© Copyright IBM Corporation 2025. IBM, il logo IBM, IBM Cloud, IBM watsonx, Maximo e watsonx.ai, sono marchi di IBM Corp., registrati in molte giurisdizioni a livello mondiale.
Microsoft è un marchio di Microsoft Corporation registrato negli Stati Uniti o in altri Paesi.
Gli esempi presentati sono solo illustrativi. I risultati effettivi variano in base alle configurazioni e alle condizioni del cliente e, pertanto, non è possibile fornire risultati attesi generici.