A dor do cliente
Uma das maiores redes de caixas eletrônicos do Brasil enfrentava um desafio que impactava diretamente sua operação e experiência do cliente:
- Altos custos de manutenção, impulsionados por falhas frequentes.
- Indisponibilidade recorrente dos equipamentos, afetando o atendimento ao usuário.
- Necessidade de múltiplas visitas técnicas para diagnosticar e reparar problemas, o que aumentava tempo e custo de operação.
A consequência? Clientes frustrados, custos crescentes e menor competitividade no mercado.
A solução
A Eleflow uniu dados, inteligência e visão de negócio para transformar o cenário. Desenvolvemos dois modelos de Machine Learning para manutenção preditiva:
- Previsão de quebra em até 24 horas – antecipar, com alta confiabilidade, quais ATMs apresentariam falha iminente.
- Identificação da peça com risco de falha – permitir que o técnico já chegasse com o diagnóstico em mãos e a peça correta para o reparo.
Os modelos foram construídos a partir do histórico de sensores e logs dos equipamentos, explorando padrões que passavam despercebidos no dia a dia.
Essa abordagem não apenas automatizou o diagnóstico, mas transformou o modelo de manutenção de reativo para proativo, permitindo agir antes que a quebra ocorresse.
O processo
O projeto foi conduzido em etapas estratégicas, garantindo qualidade dos dados e precisão nos modelos:
- Coleta de dados: Histórico de um ano de registros de sensores e logs dos ATMs, identificando alertas e falhas anteriores.
- Preparação e validação: Limpeza, análise e padronização dos dados para assegurar consistência e confiabilidade.
- Criação dos modelos estatísticos: Uso de Machine Learning para detectar padrões e prever falhas com até 90% de precisão teórica e 70% de acurácia em operação.
- Geração de alertas: Integração com a operação de campo para disparar avisos automáticos e permitir o agendamento da manutenção preventiva no momento ideal.
Resultados obtidos
A aplicação dos modelos gerou impactos tangíveis e estratégicos:
- Redução do tempo de indisponibilidade dos caixas eletrônicos.
- Diminuição das paradas programadas, otimizando a agenda das equipes de campo.
- Redução dos custos de manutenção com menos deslocamentos e diagnósticos mais assertivos.
- Aumento da confiabilidade percebida pelo cliente final.
- Diagnóstico antecipado com 70% de acurácia em operação.
- Extensão da vida útil das máquinas.
Precisão de 90% na teoria para previsão de falhas.
Impacto para o negócio
Ao antecipar falhas e direcionar ações corretivas de forma precisa, a empresa transformou a manutenção em um ativo estratégico, capaz de:
- Proteger a experiência do cliente final.
- Reduzir custos e otimizar recursos.
- Elevar a eficiência operacional sem necessidade de grandes investimentos adicionais em infraestrutura.
Mais do que tecnologia, este projeto é um exemplo de como dados bem governados e aplicados com inteligência podem redefinir a performance de ativos críticos.
Ao substituir o “apagar incêndios” por uma estratégia de previsão e prevenção, a Eleflow ajudou o cliente a conquistar mais eficiência, confiabilidade e vantagem competitiva.
Pronto para transformar seus dados em resultados?
Combinando a expertise da Eleflow em dados e inteligência artificial e a visão estratégica da Objective, entregamos soluções que unem tecnologia e impacto real no negócio. Vamos juntos construir sua próxima vantagem competitiva.
