Service Logistiek

Langere wachttijden op technici dan afgesproken, daar zit geen klant op te wachten

Model voorspelt de wachttijd op technici bij storingen

Leveranciers van printers concurreren meer en meer op prijs en service. Om service te verlenen hebben leveranciers technici nodig. Het is een complex vraagstuk om in te schatten hoeveel technici er nodig zijn om de afgesproken service te realiseren, en toch concurrerend te blijven. Matthijs Munnik ontwikkelde een model om deze vraag te beantwoorden voor océ technologies.

De markt van printers is zeer competitief. Omdat printers van fabrikanten elkaar weinig ontlopen op functionaliteit, is er veel concurrentie op prijs en service. “Klanten willen tegenwoordig geen printer maar prints”. Klanten vereisen steeds vaker Service Level Agreements (SLA’s) van Océ om te waarborgen dat ze prints kunnen maken. Deze SLA’s hebben betrekking op de downtime die optreedt bij storingen. Voorbeelden van SLA Ìs zijn een minimale uptime per periode, een maximale wachttijd op een technicus zodra een storing gemeld is door een klant, of een maximale downtime per storing.

Océ heeft meerdere opeenvolgende processen ingericht om een storing te verhelpen. In eerste instantie probeert Océ een storing telefonisch op te lossen. Als dit niet lukt stuurt Océ een technicus naar de klant om een printer te repareren en eventueel kapotte onderdelen te vervangen. Uit analyse blijkt dat de tijd om een technicus toe te wijzen aan een storing, de wachttijd op een technicus, een aanzienlijk aandeel heeft in de downtime bij Océ. Deze wachttijd is onderhevig aan variabiliteit zoals de variabiliteit in het
aantal gemelde storingen op een dag. Het aantal beschikbare technici in een regio blijkt hierbij een bepalende factor. Het management, ondersteund door kwantitatieve modellen, besluit op tactisch niveau over het aantal in te zetten technici in een regio om afgesproken servicegraden te realiseren.

Nauwkeurige voorspelling van wachttijd bij storingen

Het model dat Matthijs ontwikkelde berekent de kansverdeling van de wachttijd op technici
bij storingen in een regio. Hierbij kan het model onderscheid maken in storingen van klanten met verschillende prioriteiten. Océ kan daarmee berekenen in hoeverre zij SLA Ìs voor bepaalde klanten kan halen door de wachttijdverdeling op te tellen bij de historische reis- en reparatietijdverdeling.

Het model geeft hiervoor de volgende output:

• De kans dat minimaal één technicus beschikbaar is om een storing te verhelpen.
• De verwachte wachttijd op technicus.
• De wachttijdverdeling mits alle technici in een regio bezet zijn.

Met behulp van simulatie software werd de nauwkeurigheid van het model getest. Daaruit bleek dat het model een zeer nauwkeurige voorspelling van wachttijden op technici geeft. De output van het model wijkt slechts enkele minuten af van gesimuleerde wachttijden op technici, die in de praktijk enkele uren kunnen bedragen.

De gestippelde lijnen (model output) en door- getrokken lijnen (simulatie resultaten) geven een voorbeeld van deze nauwkeurigheid weer in Figuur 1, mits de prioriteitsregels toegepast worden die het model aanneemt. De y-as geeft de kans weer dat de wachttijd binnen een aantal werkuren

(x-as) ligt. De verschillende kleuren representeren klantgroepen met een verschillende prioriteit. Bijvoorbeeld: wanneer alle technici bezet zijn is de kans dat een “prio 2-klant” maximaal 5 werkuren moet wachten 60%.

proselo oce case figuur 1

Het beslissingsmodel

Matthijs werkte een multi-prioriteits M|G|c wachtrijmodel uit in een eenvoudig te gebruiken Excel tool. De installed base en failure rate per printertype en de tijd dat een technicus aan een klantbezoek besteedt (de servicetijd verdeling) zijn input. Het model wijkt af van het model dat Océ gebruikt (een M|M|c model) door twee aannames die het model representatiever maken voor de praktijk: de aanname van de servicetijd verdeling en de prioriteitsregels die toegepast worden bij de toewijzing van technici aan storingen.

Prioritering van storingen

Het nieuwe model maakt onderscheid in klanten met verschillende prioriteiten. Klanten waarbij
het primaire proces erg afhankelijk is van printen spreken scherpe SLA’s af. Andere klanten stellen minder strenge service eisen. In de praktijk differentieert Océ deze service door technici eerder toe te wijzen aan storingen van klanten met strenge SLA Ìs waardoor de wachttijd op een technicus bij deze storingen lager wordt. Het model houdt rekening met deze differentiatie door aan te nemen dat een storing van een klant met een hoge prioriteit altijd voorrang krijgt boven een klant met een la- gere prioriteit. Binnen een prioriteitsklasse neemt het model een “First Come First Serve policy” aan.

Servicetijd verdeling

De service tijd is de som van de reistijd van een technicus naar de klant en de reparatietijd bij een bezoek. Océ heeft haar ICT dusdanig ingericht dat data van reis- en reparatietijd beschikbaar is om de service tijd verdeling te bepalen. Een M|M|c model neemt aan dat de servicetijd verdeling exponentieel verdeeld is (oranje lijn in Figuur 2). De bij Océ gerealiseerde servicetijd verdeling toont dat de variabiliteit lager is (zwarte lijn). Dit leidt tot een aanzienlijke overschatting van de wachttijd door het huidige model van Océ. Het M|G|c model kan de servicetijd verdeling aannemen die zich voordoet bij Océ, waardoor de output realistischer en betrouwbaarder wordt.

proselo oce case figuur 2

Twee andere onderzoeksrichtingen

Ook werd de invloed van (1) niet-beschikbaarheid van onderdelen en (2) preventief onderhoud op de vereiste SLA’s onderzocht. Deze onderzoeksricht- ingen leidden echter niet tot verbeteringen:

1. De gemiddelde wachttijd op onderdelen bij Océ is klein door het centrale distributie centrum in Venlo en de nachtelijke aanvulling van car stock van technici. Dit zorgt voor een hoge beschik- baarheid en korte levertijd van onderdelen.

2. Preventief onderhoud kan bij gebruiksduur afhankelijk onderhoud theoretisch de failure rate van een systeem reduceren. De mogelijkheden hiervoor zijn echter beperkt voor de onderzochte printers vanwege de constante failure rate die deze hebben; de kans op een storing wordt niet kleiner door preventief onderhoud gegeven hun huidige storingsgedrag.

Aanbevelingen

Het wordt aanbevolen om veranderingen binnen een regio (zoals de installed base en de servicetijd verdeling) bij te houden in het nieuwe model om een realistische voorspelling van de verwachte servicegraad te kunnen maken. Océ kan daarmee indien nodig tijdig de bezettingsgraad van technici bijsturen. Het ontwikkelde model is zeer realistisch als de prioriteitsregels van het model gevolgd wor- den. In de praktijk zal dit waarschijnlijk niet altijd plaatsvinden waardoor het model af zal wijken
van de realiteit. Verder onderzoek naar wachtrij modellen die gecompliceerdere prioriteitsregels aannemen kan tot realistischere voorspellingen van wachttijden leiden.

Geef de eerste reactie