Data benutten om onderhoudsexcellentie te drijven

Data is een van de meest waardevolle assets die een bedrijf kan hebben. Data is niet alleen cijfers – het is groter dan dat. Het voegt credibiliteit toe, helpt problemen oplossen, en beïnvloedt besluitvorming. Kortom, het is wat goede teams groot maakt en grote teams de beste.

Als bewijs, u hoeft alleen naar de sportwereld te kijken en de opkomst van de Moneyball-benadering om te winnen. Bijvoorbeeld, MLB's Oakland Athletics gebruikt data om kansen te vinden om hun on-base percentage met een paar punten te verhogen en meer wedstrijden te winnen. En F1-teams gebruiken data om simulaties van elke race te draaien om manieren te vinden om een halve seconde per rondje te knippen, wat teams helpt om van het midden van het peloton naar een podiumplek te gaan.

Al deze teams hebben één ding gemeen: Ze gebruiken data om kleine voordelen te creëren die ze blijven gebruiken om te verbeteren tot ze de beste zijn.

In dit artikel leert u hoe uw onderhoudsteam deze benadering van data kan kopiëren om excellentie te bereiken.

De kloof overbruggen tussen goed, groot, en de beste

"Van goed naar groot gaan is één ding. Van goed naar groot gaan is enorm, het is een big deal, ik ga dat niet minimaliseren, en het kost veel moeite. Maar van 'groot' naar 'de beste' gaan is significant harder," zegt Stuart Fergusson, Director of Product Management bij Fiix.

Van een fabriek zonder gepland onderhoud naar 50% is geen kleine prestatie. Maar een team naar 50% brengen is er maar half van (letterlijk). Het is veel harder om gepland onderhoud naar 80% te brengen. Eenmaal de voor de hand liggende verbetergebieden aangepakt, blijft u over met kansen die moeilijk te zien zijn, veranderingen die moeilijk te implementeren zijn, en uitkomsten die moeilijk te meten zijn.

Dit is waar onderhoudsteams op data moeten steunen om deze kansen duidelijker te maken. Of het nu kijken is naar de historische data van een asset om te voorspellen waar falen kan optreden, of kijken naar werkorders om totale arbeidsuren te berekenen. Data geeft ons de mogelijkheid om ons onderhoudsprogramma met vertrouwen te verbeteren.

Focus op de kracht van marginale winsten

Marginale winsten gaan erom manieren te vinden om elk dag, elke week, en elke maand één procent beter te worden over meerdere gebieden.

Om de impact van marginale winsten te begrijpen, laten we naar een ander voorbeeld uit de sport kijken. Als een wielrenner in de Tour de France de luchtweerstand met één procent kan reduceren, kan dat hen helpen 15 minuten van hun tijd door de hele race te knippen. Die weerstand reduceren met wat als een onbeduidend nummer lijkt, is vaak alles wat nodig is om ze van het midden van het peloton naar de top drie te brengen.

Maar dat resultaat behalen is niet altijd makkelijk. Om de verandering te maken, zou het wielerteam nummers hebben gecruncht en trends geanalyseerd om te zoeken naar kansen waar kleine aanpassingen gemaakt konden worden.

Nu, laten we datzelfde proces toepassen op onderhoud. Uw team twee minuten sneller maken bij dienstwissels lijkt misschien niet veel. Maar de data vertelt ons dat twee minuten sneller een grote impact heeft, het kan het verschil zijn tussen een grote order voltooien of niet over de loop van weken.

Hoe data te gebruiken om verbeterkansen te vinden

Nu we een goed begrip hebben van hoe marginale winsten werken, is het tijd om te kijken hoe die kansen te vinden in een proces dat schaalbaar en herhaalbaar is.

Begin met een doel: Een doel om na te streven is de eerste stap van het proces. Het kan iets zijn als afval verminderen over uw faciliteit. U kunt meerdere doelen tegelijk hebben, maar voor dit voorbeeld houden we het bij één.

KPI's en metrics identificeren: Voor marginale winsten te laten werken, heb u meetbare KPI's en metrics nodig om te tracken. Voor dit voorbeeld kan de KPI de faciliteit's schrootpercentage en kosten van verspild materiaal zijn.

Kies een systeem om data te verzamelen en monitoren: Hoe makkelijker het is om de data te tracken, hoe vaker u het zult doen. Hoewel u data in archiefkasten en spreadsheets kunt verzamelen, vereist dat meer werk en is vatbaar voor menselijke fouten, zoals een verkeerd nummer invoeren. Er zijn veel opties, maar een CMMS kan het proces makkelijker maken, zodat u toegang heeft tot de data die u wilt wanneer u het nodig hebt.

Kijk naar factoren die uw KPI's kunnen beïnvloeden: Kijk naar factoren die productieniveaus zouden beïnvloeden, zoals componenten die verslechteren, onjuist gerepareerd of vervangen worden. Deze resulteren in meer schroot en naarwerk en verspilde tijd. Vanaf hier kunnen uw teams bepalen of het haalbaar is om veranderingen te maken door te kijken naar metrics zoals kosten en tijd.

Hoe ze één procent beter te maken: Het onderzoeken van eerdere trends in de data kan aangeven waar kleine verbeteringen gemaakt kunnen worden. Bijvoorbeeld, het kan zijn dat het toevoegen van één extra inspectie op een asset een reparatie vangt die de kwaliteit van producten deed dalen. Die extra reparatie kan leiden tot een één procent reductie in schroot voor de maand.

Herhalen: Eenmaal u het proces een keer doorlopen heeft, overweeg dan te experimenteren met andere gebieden van uw faciliteit.

Alles wat u net las in vijf zinnen

Door gewoon de dagelijkse taken die uw team toch al doet te loggen, heeft u al veel waardevolle data geaccumuleerd. Elke werkorder die u logt, elk onderdeel dat u gebruikt, de arbeidsuren die u trackt, en de reparatiekosten zijn allemaal waardevolle datapunten die verbeterd kunnen worden. Net als de sportteams die we noemden, zijn ze niet overnacht van goed naar groot naar de beste gegaan. Ze deden het stap voor stap, veranderingen langzaam implementerend met de marginale winsten benadering en de data gebruiken om hun besluitvorming te sturen. En voordat u het weet, bent u van goed naar groot naar de beste gegaan.