Les problèmes de fiabilité des équipements d'entreprise affectent les résultats

Des données de haute qualité sont fondamentales pour produire des modèles fiables et obtenir des informations sur la fiabilité et les performances des équipements. Les informations issues de l'utilisation intelligente des données sont puissantes; si elles sont intelligentes et exploitables, elles auront un impact réel sur votre entreprise.

Les entreprises capables de développer des informations intelligentes et exploitables seront gagnantes . L'objectif fondamental de la collecte, de l'analyse et du déploiement des données de fiabilité des équipements est de prendre de meilleures décisions pour les équipements. De meilleures décisions mènent à des opérations plus sûres et plus rentables.

La norme ISO 14224 donne aux entreprises une structure de données et des processus de gestion de la qualité des données qui leur permettent de mieux comprendre la fiabilité des équipements, comme illustré à la figure 1. s'efforcent d'obtenir des mesures d'entreprise, beaucoup sont incapables de générer des mesures, même pour des éléments d'équipement individuels. Les raisons sont données ci-dessous, accompagnées de recommandations pour y remédier.

Figure 1: Tableau de bord des informations sur la fiabilité des équipements d'entreprise. Les définitions des conséquences proviennent de la norme ISO 14224: 2016 et sont complétées par des montants de perte en dollars américains. Les mesures indiquées proviennent de rapports standard fournis par SAP pour toutes les installations d'une opération mondiale sur une période de temps définie, environ 10 000 événements.

Problèmes typiques de données de fiabilité des équipements

1. Absence de numérisation des données

Les données sont stockées sous forme de texte non structuré et d'images numérisées. Les ensembles de données ne peuvent pas être interrogés par programme. Les analyses sont inefficaces; ils nécessitent des examens d'enregistrements uniques et une exploration de données.

Recommandation: Utiliser un modèle de données relationnel pour numériser les données. Chaque donnée requise doit être structurée et stockée de manière discrète dans un champ de données unique créé à cet effet. Cette pratique permet des analyses programmatiques de milliers d'enregistrements simultanément.

2. Segmentation incorrecte du travail

Les entreprises regroupent fréquemment des travaux différents dans les mêmes types de notification, par exemple, un type de notification pour la maintenance générale et les rapports de panne. Le manque de segmentation logique affecte la pertinence des champs de formulaire, les sélections de liste de sélection et la capacité de réglementer la conformité des données. Les exigences en matière de données qui sont sensiblement différentes pour un type de notification donné ne peuvent pas être validées; Par exemple, lors de la consolidation de la maintenance générale et des rapports de panne dans un seul type de notification, le mode de panne n'est pas pertinent pour la maintenance générale et ne peut donc pas être validé pour l'un ou l'autre type.

Recommandation: Reliability Dynamics recommande des types de notification séparés et des travaux discrets flux pour Maintenance générale (non-dysfonctionnements), Rapport de panne d'équipement et Inspections / Rapport d'état préventif chaque notification étant conçue avec des champs de données pertinents pour et système -validé pour son usage respectif. Cette pratique crée trois ensembles de données distincts pour chaque flux de travail et, avec un contrôle de qualité des données approprié, élimine le besoin de fouille de données pour éliminer les enregistrements non pertinents lors de la génération de métriques.

3. Absence de termes et de définitions standard pour l'équipement

Des définitions standard de l'équipement sont nécessaires pour rendre compatibles les données de fiabilité provenant de différentes sources. Sans eux, les données collectées peuvent être incomplètes, incompatibles et non standard.

Recommandation: Utiliser les définitions de taxonomie ISO 14224, qui fournissent une structure de données standard pour la collecte, la fusion et l'analyse des données de fiabilité. Les entreprises devraient développer des définitions de taxonomie supplémentaires pour les classes d'équipement qui ne sont pas dans le contenu de l'ISO 14224.

4. Utilisation d'un modèle de données de cycle de vie non standard

L'utilisation d'un modèle de données non standard complique la maintenance et l'analyse des données et peut entraîner:

• Incapacité à suivre la position / le service spécifique des actifs matérialisés

• Incohérence avec les données agrégés au niveau de l'équipement lorsque des jeux de codes de défaillance au niveau des composants sont utilisés

Recommandation: Utiliser le modèle de données ISO 15926-2: 2003 «Individus coïncidents» (section E3.3), qui spécifie une relation 1: 1 entre les objets fonctionnels et matérialisés, où l'objet fonctionnel décrit la fonction et la position du processus, et l'objet matérialisé (équipement) décrit l'actif physique installé.

5. Application incohérente des limites de l'équipement

Sans une interprétation standard des limites de l'équipement, les données recueillies peuvent être incompatibles. De plus, l'absence de limites d'équipement définies par le système affecte les processus d'agrégation de données.

Recommandation: Structurez les limites d'équipement dans la hiérarchie technique de l'entreprise d'une manière cohérente avec les définitions de taxonomie ISO 14224: 2016 et spécifiez un niveau de taxonomie pour chaque enregistrement d'emplacement fonctionnel. Cela garantit une «version de la vérité» pour les limites des équipements entre tous les utilisateurs.

6. Absence de spécifications au niveau de la taxonomie pour les objets de localisation fonctionnelle (FL)

Les utilisateurs ont des difficultés à déterminer quels emplacements fonctionnels sont pertinents pour le signalement des pannes et, dans de nombreux cas, spécifieront les objets FL administratifs par rapport aux étiquettes techniques. Cela affecte:

• La pertinence et la disponibilité des métadonnées utilisées pour décrire les échecs et les résultats d'inspection, un problème important de qualité des données

• Les métriques des unités d'équipement, ce qui les rend trop optimistes car les rapports de panne avec des objets de référence incorrects ne sont pas sélectionnés dans les rapports de métriques [19659021] Recommandation: Les entreprises doivent spécifier un niveau de taxonomie pour chaque objet fonctionnel et le rendre visible aux utilisateurs dans l'affichage structurel de la hiérarchie technique. Cela les aide à identifier les éléments administratifs, les unités d'équipement et les composants. Cette pratique permet de valider par le système que le niveau taxonomique correct a été spécifié lors de la création de l'enregistrement et permet l'agrégation automatisée des données au niveau de l'unité d'équipement.

  7. Le manque de spécifications de fiabilité des données et de champs de données discrets dans les formulaires de collecte de données

  Les spécifications des données requises pour les pannes d'équipement (et les champs de données associés dans les formulaires de collecte de données) sont impératives pour la collecte de données structurée. Les champs de données manquants entraînent la collecte des données requises dans un format non structuré. Les champs de données non pertinents prêtent à confusion pour les utilisateurs et ne peuvent pas être validés.

  Recommandation: Les entreprises devraient utiliser l'ISO 14224, tableaux 6 et 8, et / ou une spécification d'entreprise équivalente pour définir les données à collecter sur l'équipement pannes et événements de maintenance. Les formulaires de collecte de données devraient être numérisés; c'est-à-dire conçu avec des champs discrets pour les données requises. Les champs de données doivent avoir des listes de sélection pour garantir une entrée standard. Les données requises devraient être validées par le système pour garantir la conformité aux spécifications.

  8. Absence d'agrégation des données

  De nombreuses entreprises négligent à la fois la spécification du niveau de taxonomie (problème 4) et l'agrégation au niveau des composants de l'unité d'équipement. Cela ne donne pas une image fidèle de la fiabilité et aboutit à des mesures trop optimistes.

  Recommandation: Les données de fiabilité d'un équipement devraient être une agrégation de notifications enregistrées pour le numéro d'étiquette de l'équipement et ses numéros d'étiquette de composant.

  9. Processus de gestion de la qualité des données inadéquats

  Le manque de qualité des données peut rendre les mesures de fiabilité des équipements dénuées de sens (les déchets sont égaux aux déchets). De plus, glaner des informations à partir de données de faible qualité nécessite une exploration de données et des examens individuels des enregistrements. L'exploration des données est pleine d'inefficacités, d'hypothèses et de résultats incohérents.

  Recommandation: La gestion de la qualité des données devrait être une combinaison d'étapes pilotées par le système et exécutées par l'utilisateur, comprenant l'assurance qualité (AQ) et la qualité étapes de contrôle (QC). Les processus d'assurance qualité sont utilisés pour s'assurer que les notifications terminées sont conformes aux spécifications des données, par ex. avec des validations de données pilotées par le système. Le contrôle qualité est un examen des notifications terminées pour garantir la conformité avec les spécifications et les mesures correctives pour remédier à la non-conformité.

  En savoir plus sur l'engagement de maintenance SAP S / 4HANA et SAP Business Suite 7 récemment annoncé sur ce webinaire .