初回修正予測の説明は、次のセクションに分かれています。
初回修正予測は、リクエスト タスクが未完了の試行を行うことなく正常に解決されるかどうかを評価します。
リクエスト タスクが初回修正完了と見なされるのは、次の条件を満たす場合です。
予測および関連するインサイトは次の場所で表示できます。
予測を有効にするには、ソリューション責任者/オートメーションおよび最適化/機械学習/トレーニング可能なモデルで AI モデルをトレーニングします。トレーニング後、モデルをアクティブに設定して予測の使用を開始します。定期的な再トレーニングにより、予測が最新のデータを反映するようになります。
操作に合わせてカスタム間隔で初回修正バッチ予測を使用してデータベースタスクで予測ジョブをスケジュールできます。このモデルはバッチ処理をサポートし、適用可能な会社、サービス部門、およびサービス提供ユニットに加えて、考慮されるリクエスト タスク工程の割り当てられた開始制限をカスタマイズするための柔軟な構成を提供します。
モデルは、次のようないくつかの主要な入力を評価します。
トレーニング例:次の例では、リクエスト タスクに対して、運用、資産関連、スケジューリング、およびケイパビリティ属性がどのように取得され、初回修正予測モデルの一部として使用されるかを示します。これらの属性はタスクのコンテキストを説明するのに役立ち、資産の経年、過去の繰り返し発生状況、資材の準備状況、技術者の適合性、およびスケジューリング条件などの要素を明確にします。これらの要素を組み合わせることで、システムは実際のタスク特性が初回修正の達成可能性にどのように影響するかを学習します。ここに表示されている属性値は、完了したタスクで記録されたものであり、モデルがタスクの結果を理解するために寄与しています。
このタスクで取得された属性は次のとおりです。
予測例:AIモデルは、入力属性を使用して、不完全な試行なしにタスクが解決される可能性を予測します。
類似した特性を持つ新しい受信リクエスト タスクに対して、モデルは割り当てバランス、資産の状態、過去の動作、技術者の能力、および資材の準備状況など、複数のコンテキスト要因を評価します。この例では、このタスクは中程度の割り当て不足が見られ、新しい資産に関係しており、軽微な再発履歴があり、スキルの適合性が高く、資材も十分に確保されています。
モデルは次の結果を返す可能性があります。
これは次のことを示しています。
ユーザー定義のFTF 確率リスク値は、サービスAI基本情報 ページで設定できます。初回修正予測 (FTFP) スコアがこのリスク値を超えると、低リスクで初回修理成功の可能性が高いことを示すために緑色で表示されます。FTFP スコアが定義されたリスク値以下の場合は、赤色で表示され、「リスクあり」としてマークされます。これにより、計画担当者が追加の対応が必要となる可能性のあるタスクをすばやく特定できます。ユーザーがリスク値を設定していない場合、システムはデフォルト値として 60% を適用します。
トークンが消費されるのは次の場合です。
正確で機能的な予測を確実に行うには、次のデータとシステムの条件が整っている必要があります。
予測を行うには、初回修正予測モデルが十分な過去のリクエスト タスクデータでトレーニングされている必要があり、それによりシステムは新しいタスクに対して信頼性の高い確率スコアを生成できるようになります。
上位貢献係数は、モデルが特定の予測を生成した理由を説明します。モデルのエクスプレイナビリティ（XAI）レイヤーと運用コンテキストを組み合わせることで、システムは初回修正を達成する可能性に最も強く影響する属性を特定します。
典型的な係数は、タスク、資産、技術者の能力、資材、場所、およびスケジューリングなど、さまざまな側面に関連している場合があります。これらの属性は、初回修正の達成可能性に影響を与え、モデルが特定の予測を生成する理由を説明するのに役立ちます。
これらの係数は「ページのアシスタント」内で予測スコアと並んで表示され、計画担当者がモデルの判断理由を理解し、意思決定を改善できるようにします。
推奨エンジンは、初回修正の成果を向上させるために、コンテキストに基づいた実行可能な提案を提供します。モデルのエクスプレイナビリティ（XAI）と運用コンテキストの両方を活用して、システムは影響度に基づいて推奨アクションを優先順位付けします。
推奨アクションには、次の内容に関連する改善が含まれる場合があります。
推奨アクションは、「ページのアシスタント」内でアクセスできます。
アクション オートメーションは、計画担当者やディスパッチャーが推奨される是正手順を即座に実行できるようにし、手作業の負担を軽減し、チーム全体での一貫性を向上させます。利用可能な自動アクションには次のものがあります。
これらの自動アクションは、ワークフローを効率化し、標準化されたベストプラクティスをサポートします。
完了後検証ウィンドウは、完了したリクエスト タスクが実際に正常な修正を表していることを確認するための二次的な品質チェックとして機能します。完了後まもなくフォローアップ作業が作成されているかを検証し、誤った初回修正分類を防止するとともに、予測モデルで使用されるトレーニングデータの精度を向上させます。動作は次のように行われます。
初回修正予測を使用すると、次のことが可能になります。