不良维护数据的来源以及如何修复它

并非所有的维护数据都是一样的

数据：它是任何维护计划的支柱。这是您用来衡量成功的标准。它会告诉您哪些资产需要更多关注以及这将如何影响您的日程安排。它可以帮助您在维护审核中毫发无损。简而言之，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。并且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 Jason Afara 在担任维护经理时经历过这种情况。

“我们拥有比 CMMS 软件许可证更多的技术人员，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

仅此而已 - 当您的数据关闭时，您的团队就更难为自己效力了。如果数据不支持该请求，那么证明购买新设备、交换生产时间进行维护或雇用新员工的理由并不容易。

它也可以在日常工作中影响您的团队。例如，技术人员可能会等到一天结束时才记录已完成的工作。这种时间间隔可能会导致他们错误地记住他们完成一项工作需要多长时间。也许他们四舍五入。没什么大不了的，对吧？除了它。

一个错误可能会导致多米诺骨牌效应。下次你去安排那个工作时，你计划的时间会更少。现在技术人员急于完成工作，这增加了他们和机器的风险。您还会在预算中降低工时成本，从而使您的财务状况陷入困境。

让我们深入了解您的数据可能出错的地方，以及您如何对其进行审核以开始将事情引导到正确的方向。

不良维护数据从哪里开始

糟糕的数据往往源于最好的意图。这使它很难被发现。但是，解决这些问题总会有一线希望——您拥有数据驱动的文化。你知道数字是关键，你从中获得的洞察力更有价值。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，它们最常导致数据错误或不完整。

试图煮沸海洋

许多维护团队试图对他们的数据做太多、太快的事情。拥有跟踪事物的能力固然很棒，但是如果您没有针对要测量的内容（以及原因）制定深思熟虑的计划，您就会遇到问题。

这是一个容易掉入的陷阱。 IIoT 技术的出现，例如跟踪资产行为每一秒的传感器，已经引入了看似无限的数据捕获方式。维护经理的麻烦不是来自数据太多，而是不知道如何提取重要的数据。

Fiix 的客户成功经理 Brandon De Melo 是这样说的，“假设您有一个传感器可以提取机器数据。这很好，但你不能就此止步。您必须考虑影响数据的所有因素，例如停机时间或其他可能影响数据的外部因素。”

没有批判性地思考指标

每个维护团队都遵守某些 KPI——但它们是正确的吗？正如 Fiix 的解决方案工程总监 Stuart Fergusson 所指出的那样，很容易陷入跟踪工时等数字的循环中，因为这是来自您的老板（或他们的老板）的指标。

重要的是要对维护指标采取关键的眼光，并真正考虑是否应该衡量它们。

“归根结底，你需要衡量支持你部门的指标，”弗格森说。 “没有足够多的人了解他们为什么要衡量他们正在衡量的东西。”

获取常见维护指标的指南以及使用它们的最佳方式

不良维护数据存在的地方

我们知道是什么导致了不良数据，但它会出现在哪里？坏数据真的很擅长与干净的数据混合，所以它并不总是很明显。但是了解不准确信息的明显迹象将有助于您发现它，而无需倾注数十份报告。以下是您可以找到不良维护数据的最常见位置。

在你的储藏室

错误的数据可能会隐藏在储藏室货架上的轴承和电机旁边。有几种方法可能会发生这种情况。

首先，如果货架上有过时的零件，很容易有过时的库存盘点。如果您不检查您的库存以确保它与实际可用的东西相匹配，那么当您必须为未预期的零件付款时就会遇到问题。

然后还有为了让底线看起来更好而捏造数字的危险。

“假设接近月底，您必须更换 3,000 美元的零件，”Afara 说。

“一些维护经理会说，‘你知道吗？ “让我们等待那个修复，以便它在下个月真正出现在我们的书上。’它变成了一个游戏。”如果账簿中的价值高于提高生产实际需要的价值，这种犹豫会对整个业务产生负面影响。”

想要更准确的循环计数吗？这个免费模板可以帮助

在您的预防性维护计划中

每个维护团队都有他们的常规 PM——但实际上有多少人是必需的？

“维护工作很快就会变得非常情绪化，”Afara 说。 “你会有所谓的情绪化 PM，团队正在做定期检查，只是因为 6 位工厂经理之前发生了故障，而且没有人改变它。”

当维护团队继承 PM 时，很容易不去质疑它，但很容易看出事情是如何滚雪球的，并讲述一个不准确的故事，说明哪些工作实际上需要完成。

在您的工作订单和资产历史记录中

在记录工作时，数据不会出问题。当植物的优先事项不合适时，注意力往往会转移到错误的地方。

“通常发生的情况是，技术人员的时间如此集中，”Afara 说。 “来自高层的消息是每一分钟都需要考虑在内，结果是技术人员只是在工单上补时间，以表明他们已经完成了他们被要求完成的八个小时。”

正如我们之前提到的，这里的根本问题是缺乏具体的规划。您担心以牺牲战略为代价的指标，这会导致数据不真实，无法用于推动真正的变革。

在您的报告中

每个数据集都有其高峰和低谷。重要的部分是您如何理解维护报告中出现的波动。

“你真的有什么东西可以解释为什么，例如，9月份会出现下降，然后又会在1月份再次发生？”德梅洛说。

如果没有批判性分析或了解导致数据异常的原因，跟踪这些波动是没有用的。您需要先了解发生了什么，然后才能开始了解您可以采取哪些不同的做法。

最好的根本原因分析从这个模板开始。免费下载

如何审计维修数据

现在我们对维护数据可能出错的地方有了更清晰的了解，您如何开始修复它？

每个团队的答案都不同，但正确的起点是您遇到问题且无法解释为什么会遇到问题的地方。

“假设您无法弄清楚为什么会有如此多的计划外停机时间，并且查看数据对您毫无帮助，”De Melo 说。

“在这种情况下，您想与生产经理交谈并开始提出诸如‘如何跟踪此问题？是否有适当的系统？' 总会有一个过程来追踪正确的信息，但你不能只是坐在那里，只是摆弄你的拇指，希望答案会来找你。”

同样，在创建数据审计清单方面，最好的办法是从战略角度进行处理。

“与工厂经理和技术人员等一些关键利益相关者坐在一起，围绕您想要改进和更好地理解的内容进行集思广益，”德梅洛说。

“一旦你知道你在寻找什么，你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

采取批判性和深思熟虑的方法来审核您的维护数据可确保您正在跟踪和分析的所有内容都经过检查是有原因的。这有助于您了解每个数据是如何连接的。然后，您可以对维护计划进行实际改进，而不是围绕边际进行更小、影响较小的更改。

“如果你真的了解你的维护活动，其他一切都会随之而来，”弗格森说。

“您的工厂领导可能不了解维护积压或 OT，但是当您告诉他们由于 X、Y、Z 而延迟维护窗口将在我们的工厂维护预算中再花费 250,000 美元，并且您有正确的数据来支持它起来，他们会听的。”

总而言之，数据是最容易的部分。

“如果您拥有文化和指标以及合适的人员和流程来跟踪一切，而您只是没有实际数据，那么没问题。你可以在一周内启动并运行，”弗格森说。

“但更多时候，情况恰恰相反。您拥有所有数据，它们都在某处流动，每个人都在查看数据的不同部分，但没有一个数据是真实的。”