不良维护数据的来源以及如何修复

并非所有维护数据都是平等的

数据：它是任何维护计划的骨干。这是你用来衡量成功的东西。它告诉您哪些资产需要更多的关注，以及这将如何影响您的日程安排。这是帮助您毫发无损地在维护审核中幸存下来的。简言之，数据是帮助您讲述维护团队故事的语言。

但并非所有数据都是平等的。可能是你的没有说出它需要什么。Fiix 的高级解决方案工程师杰森·阿法拉在当维修经理时就经历过这种情况。

"我们的技术人员比CMMS许可证多，所以我们让人们在完成工作订单后登录，只是试图填写他们能记住的所有细节，"他说。"我们一直在努力追赶，这影响了我们的信誉。

不良维护数据的成本

就是这样——当你的数据被关闭时，你的团队就更难了。如果数据不存在支持该请求，那么购买新设备、交易维护生产时间或雇用新员工并非易事。

它也会在日常基础上影响您的团队。例如，技术人员可能会等到一天结束才记录完成的工作。这种时间上的差距可能导致他们错误地记住他们花了多长时间才完成工作。也许他们四舍五入没什么大不了的，对吧？除了它。

一个错误可能导致多米诺骨牌效应。下次你安排那份工作时，你计划的时间就更少了。现在技术人员正争先恐后地完成这项工作，这增加了他们和机器的风险。你也会降低预算中的劳动时间成本，使你的财务状况十分棘手。

让我们深入探讨您的数据可能出错的位置，以及如何审核数据，以便开始引导事情朝着正确的方向发展。

不良维护数据的起点

不良数据通常源于最佳意图。这使得它很难被发现。但这些问题总会有一线希望——你有一个数据驱动的文化。你知道数字是关键，你从他们那里得到的洞察力甚至更有价值。这是查找和消除不良数据的最重要因素。

以下是维护计划的两个方面，这些方面通常会导致数据不良或不完整。

试图煮沸海洋

许多维护团队试图使用数据做得太多、太快。有能力跟踪事情是伟大的，但是如果你没有一个深思熟虑的计划，你要衡量什么-以及为什么，你会遇到问题。

这是一个容易落入的陷阱。IIoT 技术的出现，就像跟踪资产行为每一秒的传感器一样，引入了看似无限的数据捕获方法。维护经理的麻烦不在于拥有太多数据，而在于不知道如何提取重要的数据。

Fiix 的客户成功经理 Brandon De Melo 这样说："假设您有一个传感器来拉动机器数据。那很好，但你不能就此止步。您必须考虑数据中所有因素，例如停机时间或其他可能影响数据的外部因素。

不批判性地考虑指标

每个维护团队都持有某些 KPI-但他们是正确的吗？正如Fiix解决方案工程总监斯图尔特•弗格森（StuartFergusson）指出的，仅仅因为是来自老板（或老板）的指标，就很容易陷入跟踪劳动时间等数字的循环中。

重要的是要对维护指标采取关键镜头，并真正考虑是否应该测量这些指标。

"在一天结束的时候，你需要测量支持你部门的指标，"弗格森说。"没有足够的人理解他们为什么测量他们测量的内容。

维护数据不佳的地方

我们知道哪些是导致不良数据的，但它显示在哪里？不良数据非常善于与干净的数据混合，因此并不总是显而易见的。但是，知道不准确信息的明显迹象将有助于您发现它，而不会倾注数十份报告。这里是最常见的地方，你可以找到不良的维护数据。

在你的储藏室里

不良数据可能潜伏在储藏室货架上的轴承和电机旁边。有几种方法可以做到这一点。

首先，如果您的货架上有过时的零件，则很容易有过时的库存计数。如果您不检查库存以确保库存与实际可用库存相匹配，则当您必须为您未预料到的部分付款时，您就会遇到问题。

然后是模糊数字的危险， 使底线看起来更好。

阿法拉说："假设快到月底了，你必须更换3000美元的零件。

"一些维修经理会说，'你知道吗？让我们只是等待修复，所以它实际上击中我们的书下个月。它变成了一个有点游戏。如果账簿中的内容被重视到实际需要的提高产量上，这种犹豫可能会对整个业务产生负面影响。

在您的预防性维护计划中

每个维护团队都有定期的PM，但其中有多少实际上是必要的？

阿法拉说："维护可以很快变得非常情绪化。"你会有所谓的情绪化 PM，团队正在定期检查，只是因为六位工厂经理之前发生了故障，没有人改变它。

当维护团队继承 PMs 时，很容易不质疑它，但很容易看到事情如何滚雪球，并讲述一个不准确的故事，哪些工作实际上需要完成。

在您的工作顺序和资产历史中

在记录工作时，数据不会花太多时间。当工厂的优先级不合时宜时，注意力往往会转移到错误的地方。

阿法拉说："通常的情况是，技术员的时间如此集中。"来自顶部的信息是，每分钟都需要说明，结果是技术人员只是在按工作订单安排时间，以表明他们已经完成了 8 小时的工作。

正如我们前面提到的，这里的根本问题是缺乏具体的规划。您担心该指标会以牺牲战略为代价，这会导致数据不讲真话，无法用于推动真正的变革。

在您的报告中

每个数据集都有其峰值和下降。重要的是您如何理解维护报告中显示的波动。

德梅洛说："你实际上有什么可以解释的，例如，为什么下降可能发生在9月，然后在1月再次发生？

如果没有批判性分析或对导致数据异常的原因的理解，跟踪这些波动是毫无用处的。你需要了解发生了什么，然后你才能开始理解你可以采取不同的做法。

如何审核维护数据

现在，我们更清楚地了解了维护数据可能出错的位置，您如何开始修复它？

每个团队的答案会有所不同，但正确的起点是，无论您遇到什么问题，都无法解释您为什么拥有它。

De Melo 说："假设您搞不懂为什么会有这么多计划外的停机时间，而查看数据对您毫无帮助。

"在这种情况下，您需要与生产经理交谈，并开始提出诸如'这是如何跟踪的？是否有一个系统到位？总会有一个跟踪正确信息的过程，但你不能只是坐在那里，只是扭动你的拇指，希望答案会来到你身边。

在创建数据审核清单方面，您最好的选择是从战略角度处理它。

De Melo 说："与一些关键利益相关者（如工厂经理和技术人员）坐在一起，围绕您想要改进和理解的内容进行头脑风暴。

"一旦您知道您正在寻找什么，您就可以建立一个有意义的清单。

最好的维护数据是有目的的数据

采取批判和深思熟虑的方法来审核维护数据，确保您跟踪和分析的所有内容都经过检查，原因有原因。这有助于您了解每段数据是如何连接的。然后，您可以对维护计划进行实际改进，而不是围绕利润进行更小、影响较小的更改。

"如果你真的了解你的维护活动，其他一切都会流在它后面，"弗格森说。

"您的工厂领导可能不了解维护积压或 OT，但当您告诉他们由于 X、Y、Z 原因，延迟维护窗口将花费我们工厂维护预算的另外 25 万美元，并且您拥有正确的数据来支持它时，他们会倾听。

当一切说完后，数据就很容易了。

"如果你有文化和指标，以及正确的人员和流程来跟踪一切，而你只是没有实际的数据，没有问题。你可以在一周内启动并运行，"弗格森说。

"更经常的是，虽然，这是相反的。你有所有的数据，它都在某处流动，每个人都在看它的不同部分，但没有一个是建立一个真实的故事。

由onepointeam整理供参考。