Conseils pour maintenir la base de données des pièces de rechange de maintenance

Je vois souvent des groupes qui ont vraiment du mal à gérer leurs données de pièces de rechange en raison d'années de négligence et de manque de propriété. Lors de la mise en œuvre initiale de la GMAO, les données peuvent avoir été correctement décrites avec une approche nom/qualificatif/qualificatif pour la description textuelle courte. Au fil du temps, les gens passent à autre chose et quelqu'un d'autre prend en charge la base de données. Ils peuvent ne pas recevoir de formation ou comprendre les concepts de nommage. Bientôt, les utilisateurs des données ne peuvent pas trouver les pièces logées dans le magasin en raison de la façon dont les articles ont été nommés. La valeur d'inventaire du magasin augmente également, car les pièces sont dupliquées car personne ne peut trouver l'article en stock. Alors, comment redressez-vous ce gâchis ?

Selon le nombre d'articles, il peut être plus simple d'opter pour un exercice de nettoyage des données par un tiers. Avant de vous décrire ce processus, laissez-moi vous préparer un petit stock d'autocollants sur le coût. Attendez-vous à payer entre 3,25 $ et 4,50 $ par SKU (unité de gestion des stocks), en fonction des services rendus. Ainsi, 30 000 SKU vous coûteront environ 100 000 $ à 135 000 $. Si vous n'étiez pas méfiant, vous pouvez vous relever du sol maintenant.

En termes généraux, voici comment fonctionne le processus de nettoyage des données. Vous fournissez une liste de base de données de toutes vos informations SKU - comme le fabricant, le numéro de modèle et une brève description - au fournisseur. Le fournisseur disposera déjà d'un dictionnaire de données qu'il a construit au fil du temps avec toutes les pièces qu'il a nettoyées à ce jour. Il s'agit généralement d'une liste assez complète; mais si vous êtes dans le secteur ferroviaire par exemple, la liste du dictionnaire de données pour ces pièces peut ne pas être aussi complète. Le fournisseur travaillera généralement avec vous pour personnaliser le dictionnaire de données si nécessaire. La base de données de SKU que vous avez fournie est ensuite comparée au dictionnaire de données. Vous vous retrouvez avec des correspondances directes, des associations fermées et des exceptions complètes. Les associations proches nécessitent une autre passe d'un humain pour vérifier et corriger au besoin. Ils peuvent nécessiter une inspection sur le terrain. Les exceptions nécessitent une inspection sur le terrain pour traiter et décrire correctement. À titre d'exemple, une courte description textuelle de « Article 2 du dessin 234563-2 » ne suffit pas. Pouvez-vous me dire de quelle partie il s'agit ; est-ce un arbre ou une broche ? Pour quel équipement ? Il peut s'agir d'un roulement SKF 6207-2RS1, mais comment le sauriez-vous à partir d'une description comme celle-là ? Il y a donc une composante sur site à l'effort de nettoyage des données.

Une fois cet effort terminé, le fournisseur vous fournit une base de données qui est rechargée dans la GMAO. Vous pouvez demander au vendeur d'identifier les doublons pour vous. En outre, il peut fournir une analyse d'inventaire plus complète, si nécessaire, basée (par exemple) sur les niveaux et les rotations de stock.

Désormais, la vraie priorité pour vous est de mettre en place des processus et des audits pour vous assurer de ne plus jamais vous retrouver dans cette situation. Vous devez le faire avant de charger les données nettoyées. Cela signifie que vous avez vraiment besoin d'un ou de deux gardiens formés à la création d'un court texte de description à titre d'exemple. Après tout, vous venez de dépenser 135 000 $ de l'argent de l'entreprise pour nettoyer ces données. Mais attendez, vous n'avez pas encore fini. Vous devriez maintenant examiner l'inventaire du magasin pour vous débarrasser des doublons, si ce n'est déjà fait, et optimiser les éléments stockés. Cela signifie (par exemple) déterminer le besoin de stocker, à quelles quantités et à quels points de réapprovisionnement.

À propos de l'auteur :
En tant que directeur principal pour les personnes et les processus, Jeff Shiver aide les organisations à mettre en œuvre les meilleures pratiques pour la maintenance et les opérations. Avant ce poste, Jeff était un praticien qui a travaillé 25 ans dans la fabrication et les installations avec des sociétés telles que Procter and Gamble, IBM et Mars North America, où Jeff a passé la majeure partie de sa carrière. Son expérience comprend la maintenance et la fiabilité, l'ingénierie de projets et de contrôles, la technologie de l'information et les opérations dans des rôles de fabrication et de gestion d'entreprise. Contactez Jeff à [email protected].