Dari mana asal data pemeliharaan yang buruk dan cara memperbaikinya

Tidak semua data pemeliharaan dibuat sama

Data:Ini adalah tulang punggung dari setiap program pemeliharaan. Itu yang Anda gunakan untuk mengukur kesuksesan. Ini memberi tahu Anda aset apa yang perlu lebih diperhatikan dan bagaimana hal itu akan memengaruhi jadwal Anda. Itulah yang membantu Anda bertahan dari audit pemeliharaan tanpa cedera. Singkatnya, data adalah bahasa yang membantu Anda menceritakan kisah tim pemeliharaan Anda.

Tetapi tidak semua data dibuat sama. Dan bisa jadi milik Anda gagal mengatakan apa yang perlu. Jason Afara, Senior Solutions Engineer di Fiix, mengalami hal ini saat menjadi manajer pemeliharaan.

“Kami memiliki lebih banyak teknisi daripada lisensi perangkat lunak CMMS, jadi kami memiliki orang yang masuk setelah mereka menyelesaikan perintah kerja, hanya mencoba mengisi semua detail yang dapat mereka ingat,” katanya. “Kami selalu berusaha mengejar ketertinggalan, dan itu memengaruhi kredibilitas kami.”

Biaya data pemeliharaan yang buruk

Itu saja—ketika data Anda tidak aktif, lebih sulit untuk berjuang demi tim Anda. Tidaklah mudah untuk membenarkan membeli peralatan baru, menukar waktu produksi untuk pemeliharaan, atau membuat perekrutan baru jika data tidak ada untuk mendukung permintaan itu.

Hal ini dapat berdampak pada tim Anda dari hari ke hari juga. Misalnya, seorang teknisi mungkin menunggu sampai akhir hari untuk mencatat pekerjaan yang telah selesai. Kesenjangan waktu ini dapat membuat mereka salah mengingat berapa lama waktu yang mereka butuhkan untuk melakukan suatu pekerjaan. Mungkin mereka membulatkan. Bukan masalah besar, kan? Kecuali itu.

Satu kesalahan itu bisa menimbulkan efek domino. Lain kali Anda menjadwalkan pekerjaan itu, Anda merencanakan lebih sedikit waktu untuk itu. Sekarang teknisi bergegas untuk menyelesaikan pekerjaan, meningkatkan risiko bagi mereka dan mesin. Anda juga akan mengurangi biaya jam kerja dalam anggaran Anda, menempatkan Anda dalam situasi sulit dengan keuangan Anda.

Mari selami di mana kesalahan data Anda, dan bagaimana Anda dapat mengauditnya untuk mulai mengarahkan semuanya ke arah yang benar.

Di mana data pemeliharaan yang buruk dimulai

Data buruk seringkali lahir dari niat baik. Itu membuatnya sulit dikenali. Tetapi akan selalu ada hikmahnya untuk mengatasi masalah ini—Anda memiliki budaya berbasis data. Anda tahu angka-angka adalah kuncinya dan wawasan yang Anda dapatkan dari angka-angka itu bahkan lebih berharga. Itulah unsur terpenting untuk menemukan dan menghilangkan data buruk.

Berikut adalah dua aspek program pemeliharaan yang paling sering berkontribusi pada data yang buruk atau tidak lengkap.

Mencoba mendidihkan lautan

Banyak tim pemeliharaan mencoba melakukan terlalu banyak, terlalu cepat dengan data mereka. Memiliki kemampuan untuk melacak hal-hal itu hebat, tetapi jika Anda tidak memiliki rencana yang matang untuk apa yang akan Anda ukur—dan mengapa—Anda akan mengalami masalah.

Ini adalah jebakan yang mudah untuk jatuh. Munculnya teknologi IIoT, seperti sensor yang melacak setiap detik perilaku aset, telah memperkenalkan cara yang tampaknya tak terbatas untuk menangkap data. Masalah bagi manajer pemeliharaan tidak datang karena memiliki terlalu banyak data, tetapi karena tidak mengetahui cara mengeluarkan data yang penting.

Brandon De Melo, Manajer Sukses Pelanggan di Fiix, mengatakannya seperti ini, “Misalnya Anda memiliki sensor yang menarik data mesin. Itu bagus, tetapi Anda tidak bisa berhenti di situ. Anda harus mempertimbangkan semua hal yang menjadi faktor dalam data itu, seperti waktu henti atau faktor eksternal lainnya yang dapat memengaruhinya.”

Tidak berpikir kritis tentang metrik

Setiap tim pemeliharaan memiliki KPI tertentu—tetapi apakah itu KPI yang benar? Seperti yang ditunjukkan oleh Stuart Fergusson, Director of Solutions Engineering Fiix, mudah terjebak dalam siklus pelacakan angka seperti jam kerja hanya karena metrik tersebut berasal dari bos Anda (atau bos mereka).

Sangat penting untuk mengambil lensa kritis untuk metrik pemeliharaan dan benar-benar memikirkan apakah mereka harus diukur.

“Pada akhirnya, Anda perlu mengukur metrik yang mendukung departemen Anda,” kata Fergusson. “Tidak cukup banyak orang yang mengerti mengapa mereka mengukur apa yang mereka ukur.”

Dapatkan panduan Anda untuk metrik pemeliharaan umum dan cara terbaik untuk menggunakannya

Tempat tinggal data pemeliharaan yang buruk

Kami tahu apa yang menyebabkan data buruk, tetapi di mana itu muncul? Data yang buruk sangat bagus dalam berbaur dengan data yang bersih, jadi tidak selalu terlihat jelas. Tetapi mengetahui tanda-tanda informasi yang tidak akurat akan membantu Anda menemukannya tanpa harus mengeluarkan banyak laporan. Berikut adalah tempat paling umum di mana Anda dapat menemukan data pemeliharaan yang buruk.

Di gudang Anda

Data buruk dapat mengintai di samping bantalan dan motor di rak gudang Anda. Ada beberapa cara hal ini bisa terjadi.

Pertama, mudah untuk menghitung inventaris yang sudah kadaluwarsa jika Anda memiliki suku cadang usang yang ada di rak. Jika Anda tidak memeriksa inventaris Anda untuk memastikannya cocok dengan apa yang sebenarnya tersedia, Anda akan mengalami masalah ketika Anda harus membayar untuk bagian yang tidak Anda harapkan.

Dan kemudian ada bahaya memalsukan angka untuk membuat garis bawah terlihat lebih baik.

“Misalnya mendekati akhir bulan dan Anda harus mengganti suku cadang seharga $3.000,” kata Afara.

“Beberapa manajer pemeliharaan akan berkata, 'Anda tahu? Mari kita tunggu perbaikan itu sehingga benar-benar menyentuh buku kita bulan depan. Ini berubah menjadi sedikit permainan. Keragu-raguan ini dapat berdampak negatif pada keseluruhan bisnis jika apa yang ada dalam buku lebih dihargai daripada apa yang sebenarnya dibutuhkan untuk meningkatkan produksi.”

Ingin melakukan jumlah siklus yang lebih akurat? Template gratis ini dapat membantu

Dalam jadwal pemeliharaan preventif Anda

Setiap tim pemeliharaan memiliki PM reguler mereka—tetapi berapa banyak yang benar-benar diperlukan?

“Pemeliharaan bisa menjadi sangat emosional dengan sangat cepat,” kata Afara. “Anda akan mengalami apa yang disebut PM emosional, di mana tim melakukan pemeriksaan rutin hanya karena ada kegagalan enam manajer pabrik yang lalu dan tidak ada yang mengubahnya.”

Saat tim pemeliharaan mewarisi PM, mudah untuk tidak mempertanyakannya, tetapi mudah untuk melihat bagaimana segala sesuatunya dapat berkembang biak dan menceritakan kisah yang tidak akurat tentang pekerjaan mana yang sebenarnya perlu dilakukan.

Dalam urutan kerja dan riwayat aset Anda

Tidak perlu banyak data menjadi rusak saat mendokumentasikan pekerjaan. Perhatian cenderung pergi ke tempat yang salah ketika prioritas tanaman tidak sesuai.

“Yang biasa terjadi adalah, ada fokus pada waktu teknisi,” kata Afara. “Sebuah pesan datang dari atas bahwa setiap menit perlu diperhitungkan, dan hasilnya adalah teknisi hanya meluangkan waktu untuk perintah kerja untuk menunjukkan bahwa mereka telah menyelesaikan delapan jam yang diminta.”

Seperti yang telah kita singgung sebelumnya, akar masalah di sini adalah kurangnya perencanaan khusus. Anda mengkhawatirkan metrik dengan mengorbankan strategi, yang menghasilkan data yang tidak jujur ​​dan tidak dapat digunakan untuk mendorong perubahan nyata.

Dalam laporan Anda

Setiap kumpulan data memiliki lonjakan dan penurunannya. Bagian yang penting adalah bagaimana Anda memahami fluktuasi yang muncul dalam laporan pemeliharaan Anda.

“Apakah Anda benar-benar memiliki sesuatu untuk menjelaskan mengapa, misalnya, penurunan dapat terjadi pada bulan September dan kemudian terjadi lagi pada bulan Januari?” kata De Melo.

Tanpa analisis kritis atau pemahaman tentang apa yang berkontribusi pada anomali dalam data, pelacakan fluktuasi tersebut tidak berguna. Anda perlu memahami apa yang terjadi sebelum Anda dapat mulai memahami apa yang dapat Anda lakukan secara berbeda.

Analisis akar masalah terbaik dimulai dengan template ini. Unduh gratis

Cara mengaudit data pemeliharaan

Sekarang kita memiliki gambaran yang lebih jelas tentang di mana data pemeliharaan bisa salah, bagaimana Anda bisa mulai memperbaikinya?

Jawabannya akan berbeda untuk setiap tim, tetapi tempat yang tepat untuk memulai adalah di mana pun Anda mengalami masalah tanpa ada cara untuk menjelaskan mengapa Anda mengalaminya.

“Katakanlah Anda tidak tahu mengapa Anda memiliki begitu banyak waktu henti yang tidak direncanakan, dan melihat data tidak membantu Anda sama sekali,” kata De Melo.

“Dalam skenario ini, Anda ingin berbicara dengan manajer produksi dan mulai mengajukan pertanyaan seperti, 'Bagaimana ini dilacak? Apakah ada sistemnya?' Akan selalu ada proses melacak informasi yang benar, tetapi Anda tidak bisa hanya duduk di sana dan hanya memainkan ibu jari Anda, berharap jawabannya akan datang kepada Anda.”

Dalam hal membuat daftar periksa audit data, sekali lagi, taruhan terbaik Anda adalah mendekatinya dari perspektif strategis.

“Duduklah dengan beberapa pemangku kepentingan utama, seperti manajer pabrik dan teknisi, dan lakukan brainstorming seputar apa yang ingin Anda tingkatkan dan pahami dengan lebih baik,” kata De Melo.

"Setelah Anda tahu apa yang Anda cari, Anda dapat membuat daftar periksa yang masuk akal."

Data pemeliharaan terbaik adalah data dengan tujuan

Mengambil pendekatan kritis dan bijaksana untuk mengaudit data pemeliharaan Anda memastikan bahwa semua yang Anda lacak dan analisis sedang diperiksa karena suatu alasan. Ini membantu Anda memahami bagaimana setiap bagian data terhubung. Kemudian Anda dapat melakukan peningkatan nyata pada program pemeliharaan Anda alih-alih membuat perubahan yang lebih kecil dan tidak terlalu berdampak di sekitar margin.

“Jika Anda benar-benar memahami aktivitas pemeliharaan Anda, semua hal lain akan mengalir di belakangnya,” kata Fergusson.

“Kepemimpinan pabrik Anda mungkin tidak memahami jaminan simpanan pemeliharaan atau OT, tetapi ketika Anda memberi tahu mereka bahwa menunda periode pemeliharaan akan menghabiskan $250.000 lagi dalam anggaran pemeliharaan pabrik kami karena X, Y, Z, dan Anda memiliki data yang tepat untuk mendukungnya. naik, mereka akan mendengarkan.”

Ketika semua dikatakan dan dilakukan, data adalah bagian yang mudah.

“Jika Anda memiliki budaya dan metrik serta orang dan proses yang tepat untuk melacak semuanya, dan Anda tidak memiliki data aktual, tidak masalah. Anda bisa mendapatkannya dan berjalan dalam seminggu, ”kata Fergusson.

“Lebih sering, malah sebaliknya. Anda memiliki semua data, semuanya mengalir di suatu tempat, dan semua orang melihat bagian yang berbeda darinya, tetapi tidak ada yang membangun kisah nyata.”