Consejos para mantener la base de datos de repuestos de mantenimiento

A menudo veo grupos que realmente tienen dificultades para administrar sus datos de piezas de repuesto debido a años de negligencia y falta de propiedad. En la implementación inicial de CMMS, es posible que los datos se hayan descrito correctamente con un enfoque de sustantivo / calificador / calificador para la descripción breve del texto. A medida que pasa el tiempo, la gente avanza y alguien más se hace cargo de la base de datos. Es posible que no reciban capacitación o no comprendan los conceptos de nombres. Pronto, los usuarios de los datos no pueden encontrar las piezas almacenadas en el almacén debido a la forma en que se han nombrado los artículos. El valor del inventario del almacén también aumenta, ya que las piezas se duplican, ya que nadie pudo encontrar el artículo almacenado. Entonces, ¿cómo arreglas este lío?

Dependiendo de la cantidad de elementos, puede ser más sencillo optar por un ejercicio de depuración de datos por parte de un tercero. Antes de describirle este proceso, permítame prepararlo para un pequeño stock de calcomanías sobre el costo. Espere pagar entre $ 3.25 y $ 4.50 por SKU (unidad de mantenimiento de existencias), según los servicios prestados. Entonces, 30,000 SKU le costarán aproximadamente de $ 100,000 a $ 135,000. Si no lo sospechaba, puede levantarse del suelo ahora.

En términos generales, así es como funciona el proceso de depuración de datos. Usted proporciona al proveedor una lista de la base de datos de toda la información de su SKU, como el fabricante, el número de modelo y la descripción breve del texto. El proveedor ya tendrá un diccionario de datos que ha construido a lo largo del tiempo con todas las partes que ha depurado hasta la fecha. Suele ser una lista bastante completa; pero si, por ejemplo, está en el negocio de los ferrocarriles, es posible que la lista del diccionario de datos para esas partes no sea tan extensa. El proveedor normalmente trabajará con usted para personalizar el diccionario de datos cuando sea necesario. Luego, la base de datos de SKU que proporcionó se compara con el diccionario de datos. Terminas con coincidencias directas, asociaciones cercanas y excepciones completas. Las asociaciones cercanas requieren otro pase de un humano para verificar y corregir según sea necesario. Pueden requerir inspección de campo. Las excepciones requieren una inspección de campo para abordar y describir correctamente. Por ejemplo, una breve descripción de texto del "Elemento 2 del dibujo 234563-2" no es suficiente. ¿Puedes decirme qué parte es? ¿Es un eje o un huso? ¿Para qué equipo? Podría ser un rodamiento SKF 6207-2RS1, pero ¿cómo lo sabría por una descripción como esa? Por lo tanto, existe un componente en el sitio para el esfuerzo de depuración de datos.

Una vez que se completa este esfuerzo, el proveedor le proporciona una base de datos que se vuelve a cargar en el CMMS. Puede pedirle al proveedor que identifique los duplicados por usted. Además, puede proporcionar un análisis de inventario más completo, si es necesario, basado en (por ejemplo) niveles de existencias y turnos.

Ahora, la verdadera prioridad para usted es implementar procesos y realizar auditorías para asegurarse de que nunca más se vuelva a encontrar en esta situación. Debe hacer esto antes de cargar los datos eliminados. Eso significa que realmente necesita uno o dos guardianes capacitados para crear el texto de descripción breve como ejemplo. Después de todo, acaba de gastar $ 135 000 del dinero de la empresa para borrar estos datos. Pero espera, aún no has terminado. Ahora debería estar mirando el inventario del almacén para deshacerse de los duplicados, si aún no lo ha hecho, y optimizar los artículos almacenados. Esto significa (por ejemplo) determinar la necesidad de almacenar, en qué cantidades y en qué puntos de reorden.

Acerca del autor:
Como director gerente de Personas y Procesos, Jeff Shiver ayuda a las organizaciones a implementar las mejores prácticas para el mantenimiento y las operaciones. Antes de este puesto, Jeff era un practicante que trabajó 25 años en fabricación e instalaciones con empresas como Procter and Gamble, IBM y Mars North America, donde Jeff pasó la mayor parte de su carrera. Su experiencia incluye mantenimiento y confiabilidad, ingeniería de proyectos y controles, tecnología de la información y operaciones en roles de administración corporativa y de manufactura. Póngase en contacto con Jeff en [email protected].