Проблема качества данных для управления активами имеет комплексный характер и единственного рецепта ее решения не существует. Как правило, решение включает в себя систему мер (организационных и технических). В статье на известном ресурсе Reliabilityweb.com рассмотрен один аспект этой проблемы: качество собираемых операторами данных снижается, если они не понимают, зачем это делается. В рассмотренной ситуации типичны вопросы операторов: Если не ответить на эти вопросы, то невозможно будет эффективно руководить...
Управление активами-ТОиР/EAM/RCM
Аспекты качества данных согласно Gartner Usability (Пригодность). Данные применимы в рамках одного или нескольких бизнес-процессов или при принятии решений. Precision (Детализация). Данные фиксируются с той степенью детализации, которая требуется для бизнес-процессов. Timeliness (Своевременность). Данные обновляются с частотой, достаточной для удовлетворения бизнес-требованиям. Accuracy (Точность). Значение данных точно отражает реальные объекты или события. Nonduplication (Уникальность). Каждая запись данных уникальна с точки зрения используемого способа идентификации. Availibility (Доступность). Данные доступны, их легко извлечь и интегрировать в бизнес-процессы. Validity (Валидность). Данные соответствуют установленным требованиям и получены из проверяемого источника. Consistency (Согласованность). Данные, хранящиеся в разных местах, имеют единообразную структуру и представление. Completeness (Полнота). В записях нет пропущенных полей, а в наборах данных — пропущенных экземпляров. Источник
Объяснение модели зрелости технического обслуживания
Большинство руководителей служб технического обслуживания стремятся к одному и тому же: меньше неожиданностей, более безопасная работа, большее время безотказной работы и меньшие потери средств. Прогнозное техническое обслуживание обещает все четыре аспекта, и почти каждая компания, предлагающая его, рисует одну и ту же картину: кривая зрелости, где реактивное обслуживание находится внизу, прогнозное — наверху, а стрелка указывает вверх и вправо. Однако пятьдесят лет исследований выявили иную суть зрелого технического обслуживания, и вот она...
Почти половина ремонтных бригад теряют критически важные знания после ухода сотрудников
Опрос почти 700 специалистов и руководителей по техническому обслуживанию показал, что 47% из них столкнулись с невосполнимой потерей знаний после увольнения сотрудника. Семьдесят четыре процента респондентов заявили, что в их организациях есть важнейшие активы, которые зависят от знаний одного человека. Две трети специалистов по техническому обслуживанию заявили, что лично обладают важными знаниями, которые нигде не задокументированы в системах их организации. Результаты исследования подчеркивают...
Предиктивное обслуживание: статистика по эффективности применения
Предиктивное техническое обслуживание с использованием искусственного интеллекта (ИИ) — это уже зрелая, проверенная технология, но она по-прежнему требует точности в развертывании, реалистичности в ожиданиях и строгости в измерениях. От этой технологии ожидают сокращения затрат на техническое обслуживание и рентабельности инвестиций. Важное значение имеет такой показатель, как горизонт прогнозирования отказа - от него в конечном счете зависит принципиальная возможность извлечения выгоды из данной технологии...
