Bouygues Telecom & Deepomatic: Automatizando el control de calidad de las operaciones de instalacion de fibra

Lanzado en febrero de 2013, el Plan Francés de Banda Ancha de Muy Alta Velocidad, pretende cubrir todo el país con una conexión a Internet de muy alta velocidad de aquí a 2022, es decir, ofrecer un acceso a Internet de alta gama a todas las viviendas, empresas y administraciones. En las zonas urbanas (grandes aglomeraciones y capitales de departamento), los operadores privados han invertido miles de millones de euros en el despliegue de sus redes de fibra óptica para poder llegar hasta sus clientes.

trabajador de fibra óptica usando Computer Vision para arreglar un sistema de telecom

Contexto

A finales de diciembre de 2018, Bouygues Telecom comercializaba 7,2 millones de tomas de Fibra hasta el Hogar (comúnmente conocida como FttH); y la cifra sigue creciendo. Para conectar a todos sus clientes, la empresa debe realizar varios miles de operaciones al día y utiliza varias empresas subcontratadas para ello.

Antes : control de calidad reactivo y manual

With the cadence accelerating, it wasn't easy to ensure consistent quality.

  • Era necesario intervenir varias veces para conectar a un cliente.
  • Ademas, es imposible controlar todas las intervenciones y sólo se controlan entre el 5% y el 10% de las instalaciones. 
  • Asimismo, la explosión de la demanda de intervenciones presiona a los técnicos que, por falta de tiempo para gestionar las situaciones más difíciles, llegan a no seguir ciertos protocolos.

Como consecuencia, la red se deteriora progresivamente debido a las instalaciones no conformes. Frente a una competencia feroz, Bouygues Telecom quiere diferenciarse ofreciendo una calidad de servicio superior a la de sus competidores. Esta búsqueda de la calidad está al centro del proceso de transformación de la compañía. 

Después: Control de calidad en tiempo real

Los técnicos disponen ahora de una solución de IA para desempeñar su trabajo con éxito

  • Mediante un smartphone estándar, los técnicos de campo toman imágenes de la instalación donde se realiza la conexión física entre el abonado y la red de acceso.
  • Deepomatic utiliza redes neuronales de reconocimiento de imágenes para analizarlas en tiempo real e informar sobre anomalías como fibras desconectadas, codificación de colores errónea o rutas de cable no conformes.
  • Con el análisis y las acciones recomendadas disponibles al instante, los técnicos pueden arreglar los defectos de inmediato en lugar de planear nuevas intervenciones más tarde.

Si surge alguna duda, la aplicación emite una alerta y un técnico puede tomar la decisión final. De este modo, pueden concentrar sus competencias únicamente en los casos más complejos.

98%

de los defectos son detectados

250,000

solicitudes de trabajo analizadas al mes

Una solución que se adapta al despliegue en marcha

Deepomatic identifica con éxito más del 98% de los defectos y continúa mejorando con el tiempo. A medida que avanza el despliegue y cambia la naturaleza de los equipos, los procesos y los defectos que encuentra, los algoritmos de Deepomatic se van adaptando. El proyecto se centra actualmente en el trabajo realizado en los armarios de calle y los equipos situados al borde de la red de acceso. Se está utilizando para más de 250.000 solicitudes de trabajo al mes. Sin embargo, hay planes en marcha para ampliar su zona de aplicación a otros tipos de área de trabajo.

Beneficios

#1

Supervisión exhaustiva de las instalaciones de fibra óptica FTTx

#2

Capacidad para dirigir los esfuerzos operativos a tareas de alto valor añadido.

#3

Los algoritmos de automatización visual se adaptan a la evolución de los requisitos de calidad

Nuestra prioridad es la calidad de experiencia del cliente. Con Deepomatic podemos conseguirlo, incluso cuando realizamos miles de órdenes de trabajo cada día. Esto permite a nuestro personal de campo centrarse en aumentar el valor añadido.

Carmine MuscarielloVP Customer Experience, Operations & QualityBouygues Telecom
background

Experimente Calidad de Primera Mano