잘못된 유지 관리 데이터의 출처 및 해결 방법

모든 유지 관리 데이터가 동일하게 생성되는 것은 아닙니다.

데이터:모든 유지 관리 프로그램의 중추입니다. 성공을 측정하는 데 사용하는 것입니다. 더 많은 주의가 필요한 자산과 일정에 미치는 영향을 알려줍니다. 이것이 유지 관리 감사를 손상 없이 생존하는 데 도움이 됩니다. 요컨대, 데이터는 유지 관리 팀의 이야기를 전달하는 데 도움이 되는 언어입니다.

그러나 모든 데이터가 동일하게 생성되는 것은 아닙니다. 그리고 당신이 해야 할 말을 하지 못하는 것일 수도 있습니다. Fiix의 수석 솔루션 엔지니어인 Jason Afara는 유지 관리 관리자였을 때 이를 경험했습니다.

"CMMS 소프트웨어 라이선스보다 기술자가 더 많았기 때문에 사람들이 이미 작업 주문을 완료한 후 로그인하게 하고 기억할 수 있는 모든 세부 정보를 입력하려고 했습니다."라고 그는 말합니다. "우리는 항상 따라잡기 위해 노력했고 그것이 우리의 신뢰성에 영향을 미쳤습니다."

잘못된 유지 관리 데이터 비용

그게 전부입니다. 데이터가 꺼져 있으면 팀을 위해 타격을 가하기가 더 어렵습니다. 새 장비 구매를 정당화하거나, 유지 보수를 위해 생산 시간을 교환하거나, 해당 요청을 뒷받침할 데이터가 없는 경우 새로 고용하는 것이 쉽지 않습니다.

이는 일상적으로도 팀에 영향을 미칠 수 있습니다. 예를 들어, 기술자는 완료된 작업을 기록하기 위해 하루가 끝날 때까지 기다릴 수 있습니다. 이러한 시간 간격으로 인해 작업을 수행하는 데 걸린 시간을 잘못 기억할 수 있습니다. 어쩌면 그들은 반올림합니다. 별거 아니야, 그렇지? 그것만 빼고.

그 한 번의 실수가 도미노 현상을 일으킬 수 있습니다. 다음에 그 작업을 예약할 때 더 적은 시간을 계획합니다. 이제 기술자는 작업을 완료하기 위해 서두르며 기술자와 기계 모두에 대한 위험을 증가시킵니다. 또한 예산에서 노동 시간 비용을 절감하여 재정적으로 어려운 상황에 처하게 됩니다.

데이터가 잘못될 수 있는 부분과 올바른 방향으로 작업을 시작하기 위해 데이터를 감사하는 방법에 대해 알아보겠습니다.

잘못된 유지 관리 데이터가 시작되는 위치

나쁜 데이터는 좋은 의도에서 나오는 경우가 많습니다. 그래서 알아보기 어렵습니다. 그러나 이러한 문제에는 항상 은벽이 있을 것입니다. 즉, 데이터 중심 문화가 있습니다. 숫자가 중요하고 숫자에서 얻은 통찰력이 훨씬 더 중요하다는 것을 알고 있습니다. 이는 불량 데이터를 찾고 제거하는 가장 중요한 요소입니다.

다음은 불량하거나 불완전한 데이터에 가장 자주 기여하는 유지 관리 프로그램의 두 가지 측면입니다.

바다를 끓이려고 하는 중

많은 유지 관리 팀이 데이터를 너무 빨리, 너무 많이 처리하려고 합니다. 사물을 추적하는 능력은 훌륭하지만 측정할 대상과 이유에 대해 잘 생각한 계획이 없으면 문제가 발생합니다.

빠지기 쉬운 함정입니다. 자산 행동의 매초를 추적하는 센서와 같은 IIoT 기술의 출현으로 데이터를 캡처하는 무한한 방법이 도입되었습니다. 유지 관리 관리자의 문제는 데이터가 너무 많아서가 아니라 중요한 데이터를 추출하는 방법을 모르기 때문입니다.

Fiix의 고객 성공 관리자인 Brandon De Melo는 이렇게 말합니다. “머신 데이터를 가져오는 센서가 있다고 가정해 보겠습니다. 훌륭하지만 여기서 멈출 수는 없습니다. 다운타임이나 영향을 미칠 수 있는 기타 외부 요인과 같이 해당 데이터에 영향을 미치는 모든 요소를 ​​고려해야 합니다."

측정항목에 대해 비판적으로 생각하지 않음

모든 유지 관리 팀은 특정 KPI를 준수하지만 이것이 올바른가요? Fiix의 솔루션 엔지니어링 이사인 Stuart Fergusson이 지적했듯이, 단순히 상사(또는 상사)가 제공하는 지표이기 때문에 노동 시간과 같은 숫자를 추적하는 주기에 빠지기 쉽습니다.

유지 관리 지표에 대해 중요한 시각을 갖고 측정해야 하는지 여부에 대해 진지하게 생각하는 것이 중요합니다.

Fergusson은 “결국에는 부서를 지원하는 지표를 측정해야 합니다. "자신이 측정하는 것을 측정하는 이유를 이해하는 사람이 충분하지 않습니다."

일반적인 유지 관리 측정항목에 대한 가이드와 측정항목을 사용하는 가장 좋은 방법 보기

잘못된 유지 관리 데이터가 있는 곳

나쁜 데이터에 기여하는 것이 무엇인지 알고 있지만 어디에서 나타납니까? 잘못된 데이터는 깨끗한 데이터와 잘 섞이기 때문에 항상 명확하지는 않습니다. 그러나 부정확한 정보의 명백한 징후를 알면 수십 건의 보고서를 쏟아내지 않고도 그것을 발견하는 데 도움이 될 것입니다. 다음은 잘못된 유지 관리 데이터를 찾을 수 있는 가장 일반적인 위치입니다.

창고에서

잘못된 데이터는 창고 선반에 있는 베어링과 모터 옆에 숨어 있을 수 있습니다. 몇 가지 방법이 있습니다.

첫째, 선반에 오래된 부품이 있는 경우 오래된 재고 수를 유지하기 쉽습니다. 실제 사용 가능한 것과 일치하는지 확인하기 위해 인벤토리를 확인하지 않으면 예상치 못한 부품에 대해 비용을 지불해야 할 때 문제가 발생합니다.

그리고 결과를 더 좋게 만들기 위해 숫자를 조작할 위험이 있습니다.

"이것이 월말에 가까워지고 3,000달러의 부품을 교체해야 한다고 가정해 봅시다."라고 Afara는 말합니다.

"일부 유지 관리 관리자는 '그거 알아? 다음 달에 실제로 책에 나올 수 있도록 수리를 기다리자.' 그것은 약간의 게임으로 바뀝니다." 이러한 망설임은 장부에 있는 내용이 실제로 생산을 개선하는 데 필요한 것보다 더 가치 있는 경우 전체 비즈니스에 부정적인 영향을 미칠 수 있습니다."

더 정확한 주기 계산을 원하십니까? 이 무료 템플릿은 도움이 될 수 있습니다.

예방 유지보수 일정에서

모든 유지 관리 팀에는 정기 PM이 있지만 실제로 필요한 PM은 몇 개입니까?

Afara는 "유지 관리는 정말 빨리 감정적으로 변할 수 있습니다."라고 말합니다. "당신은 감정적 PM이라고 불리는 것을 갖게 될 것입니다. 여기서 6명의 공장 관리자에게 장애가 있었고 아무도 그것을 바꾸지 않았기 때문에 팀이 정기적으로 점검을 하고 있습니다."

유지 관리 팀이 PM을 상속할 때 의심하지 않기는 쉽지만 실제로 어떻게 해야 하는 작업에 대한 부정확한 이야기를 하고 눈덩이처럼 불어날 수 있는지 쉽게 알 수 있습니다.

작업 주문 및 자산 기록

작업을 문서화할 때 데이터가 엉망이 되는 데에는 많은 시간이 필요하지 않습니다. 식물의 우선순위가 맞지 않을 때 주의가 엉뚱한 곳으로 가는 경향이 있습니다.

"일반적으로 발생하는 일은 기술자 시간에 집중하는 것입니다."라고 Afara는 말합니다. "매분을 설명해야 한다는 메시지가 상단에서 왔으며 결과적으로 기술자는 요청받은 8시간을 완료했음을 보여주기 위해 작업 지시에 시간을 들이고 있습니다."

앞서 언급했듯이 여기에서 근본적인 문제는 구체적인 계획이 없다는 것입니다. 당신은 전략을 희생하면서 측정항목에 대해 걱정하고 있습니다. 그 결과 데이터는 진실을 말하지 않고 실제 변화를 주도하는 데 사용할 수 없습니다.

보고서에서

모든 데이터 세트에는 스파이크와 딥이 있습니다. 중요한 부분은 유지 관리 보고서에 나타나는 변동을 어떻게 이해하고 있는지입니다.

"예를 들어, 하락이 9월에 발생하고 1월에 다시 발생할 수 있는 이유를 설명할 수 있는 사실이 있습니까?" De Melo는 말합니다.

데이터의 이상에 기여한 요소에 대한 비판적 분석이나 이해가 없으면 이러한 변동을 추적하는 것은 쓸모가 없습니다. 당신이 다르게 할 수 있었던 것을 이해하기 시작하기 전에 일어난 일을 이해해야 합니다.

최상의 근본 원인 분석은 이 템플릿으로 시작됩니다. 무료로 다운로드하십시오.

유지 관리 데이터를 감사하는 방법

이제 유지 관리 데이터가 잘못될 수 있는 위치에 대한 명확한 그림을 얻었으므로 어떻게 수정을 시작할 수 있습니까?

답은 팀마다 다르지만 문제가 발생한 이유를 설명할 방법이 없는 문제가 있는 곳에서 시작하는 것이 좋습니다.

"예상치 못한 다운타임이 왜 그렇게 많은지 알 수 없고 데이터를 살펴봐도 전혀 도움이 되지 않는다고 가정해 봅시다."라고 De Melo는 말합니다.

“이 시나리오에서는 생산 관리자와 이야기하고 '이것이 어떻게 추적되고 있습니까? 제자리에 시스템이 있습니까?' 항상 올바른 정보를 추적하는 프로세스가 있지만 답이 올 것이라고 기대하면서 그냥 앉아서 엄지손가락을 만지작거릴 수는 없습니다.”

데이터 감사 체크리스트를 생성할 때 가장 좋은 방법은 전략적 관점에서 접근하는 것입니다.

"공장 관리자 및 기술자와 같은 주요 이해 관계자와 함께 앉아서 개선하고 더 잘 이해하고 싶은 부분에 대해 브레인스토밍을 하십시오."라고 De Melo는 말합니다.

"찾고 있는 것이 무엇인지 알게 되면 의미 있는 체크리스트를 작성할 수 있습니다."

최상의 유지 관리 데이터는 목적이 있는 데이터입니다.

유지 관리 데이터를 감사하는 데 중요하고 사려 깊은 접근 방식을 취하면 추적 및 분석하는 모든 항목이 이유가 있는 검사를 받을 수 있습니다. 이렇게 하면 각 데이터 조각이 연결되는 방식을 이해하는 데 도움이 됩니다. 그러면 여백 주변에서 더 작고 덜 영향력 있는 변경을 하는 대신 유지 관리 프로그램을 실제로 개선할 수 있습니다.

Fergusson은 "유지보수 활동을 진정으로 이해한다면 다른 모든 것은 그 뒤로 흘러갈 것입니다."라고 말합니다.

"공장 경영진이 유지보수 백로그 또는 OT를 이해하지 못할 수도 있지만 X, Y, Z로 인해 유지보수 기간을 연기하면 공장 유지보수 예산에서 $250,000가 추가로 소요될 것이며 이를 뒷받침할 올바른 데이터가 있다고 말할 때 위로, 그들은 듣게 될 것입니다.”

모든 것이 말해지고 완료되면 데이터는 쉬운 부분입니다.

“모든 것을 추적할 수 있는 문화와 지표, 적절한 사람과 프로세스가 있고 실제 데이터가 없는 경우 문제가 없습니다. 일주일 만에 설치하고 실행할 수 있습니다.”라고 Fergusson은 말합니다.

“하지만 그 반대인 경우가 더 많습니다. 당신은 모든 데이터를 가지고 있고, 모두 어딘가로 흐르고 있으며, 모두가 데이터의 다른 부분을 보고 있지만, 그 어느 것도 실화를 구축하지 못합니다."