Servicios de Datos Maestros
En los módulos de los ERP (Enterprise Resource Planning) y los CMMS (Maintenance Management System), existen una serie de datos maestros que se utilizan para la gestión del mantenimiento. Esta herramienta va a permitir, administrar las fallas, obtener la información de la vida útil de los componentes, para poder dimensionar un stock de repuesto, desarrollar el flujo de mantenimiento planificado y no planificados en el sistema, conocer la carga real de trabajo y priorizarlo, disponer de informes estadísticos que faciliten la toma de decisiones.
La información de estos datos maestros debe ser Información fácilmente evaluable en todos los departamentos, además de identificar y mantener activos de alto riesgo y mejorar la eficiencia del equipo.
¿Que Diferencias se han Encontrado en el Terreno?
La experiencia en nuestras visitas a diferentes faenas que usan sistemas ERP´s ó CMMS´s, muestra que es común ver desviaciones y falta de estándares para en la aplicación de estas importantes herramientas de gestión del mantenimiento, y las más comunes son:
No todas las partes han sido catalogadas, lo que hace que algunas partes se soliciten fuera del sistema (compra directa) incurriendo en un costo de administración adicional para cada pedido.
La calidad de la información en las ordenes trabajo son incompletas y campos importantes de información no son llenados por los mecánicos.
No hay monitoreo de KPI´s de la calidad de los datos maestros
Hay información relevantes no linkeada con el ERP, como los presupuestos de mantenimiento que no se pueden usar los datos. La intervención manual consume tiempo y el presupuesto no está vinculado al plan de mantenimiento.
Se necesitaban listas de materiales ad-hoc para los trabajos donde no existían listas de materiales. Esto comprometió la calidad y tomó tiempo de planificación adicional.
Algunos contratistas importantes no utilizaban el sistema ERP de la compañía, reduciendo el nivel de control del contrato de mantención. Los estados de pago no estaban vinculados al sistema.
Datos maestros sucios, por falta de reglas de validación, no utilización de los flujos de trabajos automatizados ni distribuidos.
Hay gap en el uso de el contenido y la funcionalidad del sistema.
Proyecto
AssetOn se comprometió a realizar una auditoría y apoyar la revisión y actualización de datos. AssetOn manejó el proyecto completo desde la auditoría de datos hasta la creación de archivos de carga de SAP para agregar / extender materiales y actualizar las partes
Catálogo. Los pasos del proyecto fueron;
- Auditar datos maestros de activos de SAP en 26 sitios para Glencore Coal Australia
- Identificar vacíos en los datos y preparar un informe.
- Cree un plan para priorizar y solucionar problemas identificados en la auditoría
- Desarrolle nuevos datos para llenar los vacíos en tareas, planes y listas de materiales.
- Garantizar listas de materiales validadas en el sitio para todas las tareas y servicios de mantenimiento principales
- Utilice cualquier buen trabajo creado por Glencore hasta la fecha donde sea posible
- Si se crean nuevos datos para un sitio / equipo, aproveche esta información para otros sitios que tengan equipos similares
- Piezas del catálogo agregadas a las listas de materiales (Extienda las piezas al sitio si existen en el Catálogo maestro o cree nuevos elementos del catálogo)
- Creación de archivos de carga de SAP para actualizar el sistema con datos validados
Acercarse
AssetOn ha desarrollado herramientas y procesos de software utilizados por nuestro equipo de datos maestros para auditar, revisar y validar eficientemente los datos maestros de los clientes con las mejores prácticas. Los clientes pueden tomar decisiones sobre qué datos se pueden conservar y qué debe revisarse. Las herramientas guían a los clientes al resaltar problemas y hacer sugerencias sobre las acciones a tomar para mejorar la calidad de los datos. Una vez que los clientes han validado los datos, se desarrollan hojas de carga de SAP para actualizar los datos maestros.
Las partes principales del proceso son;
- AssetOn proporcionó una lista de estrategias para cada activo para comparar la cobertura de tareas del cliente en una base de sitio y equipo con las mejores prácticas - Glencore podría elegir agregar tareas adicionales de la lista.
- Se utilizó un algoritmo para identificar variaciones a nivel de número de pieza entre las listas de materiales del cliente y las listas de materiales desarrolladas por AssetOn. Glencore luego tomó decisiones sobre qué partes deberían usarse. El algoritmo también identificó partes reemplazadas y duplicadas.
- El algoritmo comparó los datos de la lista de materiales con el catálogo maestro de Glencore e identificó partes como catalogadas, no catalogadas o que necesitan ser extendidas.
- Los datos maestros completos se enviaron a Glencore para su revisión final. El algoritmo resaltó los errores para una fácil revisión por Glencore.
- Para completar el proyecto, AssetOn construyó los datos maestros validados en las hojas de carga de SAP.
Salir
Se lograron los siguientes resultados para el proyecto;
- Estrategia de ejecución consistente en múltiples sitios.
- Las listas de materiales validadas aseguran que se ordenen las piezas correctas para el trabajo.
- Una cobertura de tareas y lista de materiales más completa aumentó la eficiencia de los planificadores
- Las piezas catalogadas reducen los costos de administración.
- Se pueden crear presupuestos de mantenimiento más precisos a partir de la mejor calidad / datos maestros más completos, reduciendo el riesgo de sobrecostos.
Sobre el Grupo AssetOn
AssetOn reúne herramientas de creación de propósito, personal calificado y una biblioteca de datos existentes para ejecutar eficientemente proyectos de datos maestros.
. Hemos creado herramientas de software y refinado nuestros procesos para auditar y corregir eficientemente grandes volúmenes de datos maestros para activos mineros.
. Empleamos a un equipo de expertos en datos maestros en nuestra oficina de Brisbane, muchos de ellos con experiencia específica en comercio e industria, para revisar y construir datos maestros de calidad y adecuados para su propósito, adaptados a su equipo.
. Tenemos una biblioteca de estrategias de mantenimiento y otros datos maestros que pueden usarse como punto de partida para la validación y la creación de datos. Esto mejora enormemente la calidad de los datos entregados.
Enviar comentarios
Establezca un consejo de gobernanza de datos con la combinación adecuada de patrocinio ejecutivo y participación empresarial para unirse a usted en la cocina y diseñar una estrategia de datos maestros que simplemente deleitará
Evalúe la calidad de sus datos maestros frente a reglas definidas para identificar aquellos dominios que tienen el mayor impacto en los resultados y objetivos comerciales.
Estandarice y elimine los datos maestros hasta que se formen registros de oro, aproveche estos mejores registros para pasar a S / 4HANA
Mantenga limpios los datos maestros mediante reglas de validación, flujos de trabajo automatizados y distribución de datos. Aproveche el contenido y la funcionalidad prediseñados
Monitorear los KPI para mejorar la calidad de los datos maestros y los procesos de gobierno a lo largo del tiempo.
Repita los pasos 2 a 5 para el próximo curso de gobierno de datos maestros, reutilizando las habilidades y creaciones del chef de datos maestros
Mantener el patrocinio ejecutivo y la participación empresarial en todos los cursos.