کاهش هزینه ها با استفاده از پالایش داده های MRO (قطعات یدکی) Reviewed by Momizat on . کاهش هزینه ها با استفاده از پالایش داده های MRO (قطعات یدکی)مترجم : وحید اکبری - ویراستار: رزگار جهاندیدههمچنانکه که رقابت و تکنولوژی در صنایع امروزی و صنایع تو کاهش هزینه ها با استفاده از پالایش داده های MRO (قطعات یدکی)مترجم : وحید اکبری - ویراستار: رزگار جهاندیدههمچنانکه که رقابت و تکنولوژی در صنایع امروزی و صنایع تو Rating: 0
شما اینجا هستید:خانه » اسلایدشو » کاهش هزینه ها با استفاده از پالایش داده های MRO (قطعات یدکی)

کاهش هزینه ها با استفاده از پالایش داده های MRO (قطعات یدکی)

MRO

کاهش هزینه ها با استفاده از پالایش داده های MRO (قطعات یدکی)

مترجم : وحید اکبری – ویراستار: رزگار جهاندیده

همچنانکه که رقابت و تکنولوژی در صنایع امروزی و صنایع تولیدی مدام درحال تغییر و تحول هستند، شرکت ها با چالش روز افزون کاهش هزینه ها و بهبود کارایی با حفظ کیفیت تولید روبرو هستند. اغلب این شرکت های تولیدی سایت های متعددی دارند که در مناطق جغرافیایی گسترده ای ، پخش شده اند و هریک دارای هزاران نوع قطعات یدکی نگهداری و تعمیرات و عملیات(MRO) و هستند، تا عملیات تولید را سرپا نگه دارند. در این سازمان های بزرگ چندین کارمند مختلف آیتم ها را در سیستم های مدیریت دارایی سازمان یا EAM (enterprise asset management (EAM) systems) متنوعی در هر یک از سایت های شرکت ، با حداقل یا بدون هرگونه رویه یا راهنمایی استانداری و اغلب با چندین زبان متفاوت وارد می کنند،. این فقدان رویه و راهنما در طول زمان باعث می شود که داده های کالا ها متناقض یا ناصحیح باشند که به تاثیرات منفی بسیاری در کلیه واحد های کسب و کار می انجامد.

engineering-large-gears-wheels-machinery-two-engineers-workers-gear-wheel-background-panoramic-view-32298653
رایج ترین اثرات ناشی از داده های خراب کالاها (corrupt) (منظور داده های متناقض و غیر صحیح می باشد.) عبارتند از:
• آیتم های غیر قابل شناسایی
• موجودی مازاد
• تکرار Duplication))
• کمبود موجودی کاذب
• توقف تجهیزات
• جستجوهای ناکارآمد قطعه
• افزایش خرید های مستقیم
• دریافت مزایای محدود از سیستم های EAM
این اطلاعات ناکارآمد می تواند زیان های مالی و زمانی به سازمان وارد کند، در عین حال از تصمیم گیری های بحرانی (مهم) مبتنی بر داده (critical data-driven decisions) جلو گیری می کند.
فرآیند پالایش پالایش داده
برای تبدیل داده های خراب (دارای خطا) به داده های با کیفیت سازگار(نامتناقض)، باید یک فرآیند پالایش داده اجرا شود تا یک فهرست مشترک یکی شده ایجاد شود که در کل سازمان بتوان آن را برقرار کرد.
در حالیکه فرآیند پالایش داده ها ممکن است بسیار ساده به نظر برسد، اما نیازمند مجموعه ای از روش ها ، افراد و نرم افزار های منحصر به فرد و تخصصی می باشد. برخی از شرکت های پالایش داده (data-cleansing companies) به کارایی و سرعتشان از طریق استفاده از نرم افزار های خودکار به خود می بالند، اما در واقع، هیچ برنامه نرم افزاری که بتواند انبوهِ فایل داده ها را با دقت و بدون دخالت انسان پالایشکند وجود ندارد.
برای نشان دادن فرآیند پالایش داده ها از شروع تا پایان، آن را به ۹ گام در پایین تقسیم کرده ایم. با اینکه هر پروژه با توجه به نیازهای مشتری متفاوت می باشد، این ۹ گام روش های استانداردی که شامل هر پروژه پالایش داده می شود را پوشش می دهد.

 

p1

 

 

گام ۱- جدا سازی و استاندارد سازی نام سازنده سازنده و کد قطعه
با استفاده از نرم افزار خودکار نام سازنده و کد قطعه از شرح متن آزاد بدون ساختار (unstructured free text description) استخراج و جدا سازی می شود. بعد از جدا سازی، نام سازنده و کد قطعه تصحیح شده و استاندارد سازی می شود، تا اطمینان حاصل شود که نام سازنده و قطعه منحصر به فرد با یک ساختار سازگار وپایدار در کل پایگاه داده حفظ می شود.

p2
گام ۲- تخصیص توصیف کننده اسم Noun-Modifier و ویژگی های مورد نیاز
پس از جدا سازی و استاندار سازی نام های سازنده ها و کد های قطعات، از یک دیکشنری توصیفی- اسمی (توصیف کننده اسم ) برای تخصیص شناسه و ویژگی های توصیفی صحیح به هر آیتم استفاده می شود. همانطور که در زیر نشان داده شده است با استفاده از این دیکشنری به هر آیتم یک جفت توصیفی- اسمی تخصیص داده شده است به طوریکه شناسه اول اسمی و شناسه دوم توصیفی می باشد. هر جفت اسمی – توصیفی نیز به طور میانگین شامل ۵ تا ۷ ویژگی مرتبط با آن آیتم می باشد که خصوصیات آنرا توصیف می کند.

گام ۳- برقرار کردن ویژگی های قطعه
بعد از استاندارد سازی و مسکون کردن اطلاعاتی که در توصیف و شرح خام مصرف کننده تهیه شده ، بقیه ویزگی ها و مشخصه ها از طریق یک سری ابزار های داخلی و خارجی مانند کتابخانه قطعات اصلی که شامل میلیون ها آیتم از پیش استاندارد شده می باشد جمع آوری می شود. یک ابزار تحقیقاتی آنلاین در جستجو و جمع آوری اطلاعات بیشتر قطعات به ما کمک می کند. با استفاده از این ابزار های قدرتمند، به صحت و کاراییتوصیفات و تشریحات آیتم ها به وسیله ی اطلاعاتی که مستقیما از کاتالوگ سازنده استخراج می شود افزوده می شود.

گام ۴- تخصیص کد های طبقه بندی شده
هنگامی که تمام موارد به درستی توسط یک اسم، موصوف و ویژگی های متناظر توصیف شدند می توان به آنها کدهای طبقه بندی شده تعیین شده ی مصرف کننده را تخصیص داد. کد های طبقه بندی شده معمولا برای تقسیم بندی کالا، آنالیز و گزارش های سفارشی دیگر، توانا سازی شرکت ها برای خریدهای اهرمی (leverage purchases) و به دست آوردن بینشی برای کارایی های بهبود داده شده مربوط به خرید استفاده می شود.

گام ۵- تشخیص آیتم های تکراری
بعد از اینکه پالایش و طبقه بندی داده ها تکمیل شد، داده های تکراری در پایگاه داده از طریق تکرار مستقیم شناسایی می شوند (مانند نام سازنده و شماره قطعه) یا از طریق فرم -تناسب- کارکرد ( form-fit-function ) (نام سازنده و شماره قطعه تکراری نیست ولی از نظر نوع ، اندازه و موادشان می توان به این نتیجه رسید که یکسان می باشند) شناسایی می شوند. بعد از اینکه آیتم های تکراری شناسایی شدند یک شماره قطعه مشترک بین شرکت ها به آنها اختصاص داده می شود، توصیف ها در کل پایگاه داده یکسان سازی می شوند سپس این آیتم ها را دوباره نشانه گذاری می کنند تا مشتریان (مصرف کنندگان قطعه) آنها را دوباره مرور کنند.

گام ۶- بررسی کنترل کیفیت
به دلیل تاکید بر کیفیت و سازگاری، گام بعدی شامل بررسی نهایی انسانی از همه آیتم ها می باشد که به طور معمول توسط رهبر پروژه یا شخص اختصاص داده شده برای کنترل کیفیت انجام می شود. فرآیند کنترل کیفیت تضمین می کند که هر آیتم از فرمت و نام گذاری مناسب با توجه به استاندارد های از پیش تعریف شده مشتری (مصرف کننده) پیروی کند. در عین حال بررسی می کنیم که توصیف های افزوده شده صحیح، دقیق و کامل می باشند.

گام ۷- ارسال فهرست بازبینی به مشتری (مصرف کننده)
به طور میانگین، ۱۰ درصد از پایگاه داده کالاها ، معمولا آیتم های هستند که نیاز است بازبینی شوند، یعنی آیتم هایی که اطلاعات مهمی مانند نام سازنده و شماره قطعه را که برای شناسایی دقیق قطعه استفاده می شود، ندارند. در طول فرآیند پالایش داده ها این آیتم ها در فهرست بررسی مشتری نشانه گذاری و گردآوری میشوند. فهرست بررسی به مشتری برگردانده می شود، که پس از آن باید مکان فیزیکی آیتم در انبار تعیین کند و اطلاعات ضروری اضافه شده به قطعه اصلی را ثبت کند.

گام ۸- فرمت داده ها در سیستم ERP مشتری
پس از آن که اطلاعات از دست رفته برای کلیه آیتم های مورد بررسی جمع آوری شدند و پالایش کل پایگاه داده توسط تیم کنترل کیفیت مورد تایید قرار گرفت با فرض تکمیل شدن ، داده ها به دپارتمان IT انتقال داده می شوند. در این مرحله متخصصان IT داده ها را به صورت فرمت سیستم برنامه ریزی منابع سازمان (ERP) که توسط مشتری تعیین شده میآورند ویک فایل خروجی از آن ایجاد می کنند . این مرحله ی فرمت کردن به دلیل دستیابی به یک نتیجه مطلوب نهایی مرحله ی مهم و بحرانی می باشد، برای اینکه هر سیستم ERP دارای طرح و ساختار، سربرگ ها و محدودیت ها منحصر به فرد خود می باشد.

گام ۹- بازیابی فایل های پالایش شده
پس از آنکه کل فایل داده ها برای سیستم ERP مشتری پالایش ، استاندارد سازی، ارتقاء، و تکراری زدایی ، بررسی و فرمت شد، به صورت الکترونیکی به مشتری تحویل داده می شود. در این مرحله داده ها می توانند به سیستم ERP مشتریان آپلود شوند.

p3

نتایج
از نظر نظم و زیبا شناختی ، نتیجه پالایش داده ها واضح و آشکار می باشد، طوریکه داده ها آشکارا یک فرمت و نامگذارى سازگار برقرار می کنند و با کل داده های آن سازمان یک شکل می شوند در عین حال دارای اطلاعات دقیق تری برای شناسایی قطعات مختلف می باشند. به هر حال مزایای واقعی آنهایی هستند که ممکن است در ظاهر معلوم نباشند اما بیشترین بازگشت سرمایه به آنها مربوط می می شود. بهترین مزایای آنها این است که این امکان را به ما میدهد تا آیتم های اضافی ، تکراری یا غیر فعال (به درد نخور) را به راحتی شناسایی کنیم. و اینکه ما را قادر می سازد مکان قطعات را در موقعی که زمان بسیار مهم بوده و توقف تجهیز پیامد های ناگواری دارد سریعا و به راحتی پیدا کنیم.
مزایای کلیدی عبارتند از:
۱. کاهش هزینه
• تعیین موجودی مازاد فعال و غیر فعال (راکد)
• شناسایی و حذف آیتم های تکراری
• کاهش خرابی تجهیزات و ماشین آلات
• کاهش خرید های یک طرفه (خرید های مستقیم)
۲. کاهش سفارشات فوری قطعاتبهبود کارایی نگهداری و تعمیرات
• جستجوهای کارآمد قطعه
۳. بیشینه سازی بازدهی سیستم های ERP/ERM
• بهبود قابلیت های گزارش دهی
از دیدگاه بلند مدت، کیفیت داده های کالاها برای حفظ کارایی و هزینه های عملیات ضروری می باشد. این فرآیند زمانی که پروژه پالایش داده ها تکمیل شد نیز تمام نمی شود. حفظ مداوم و پیوسته کیفیت داده ها نیازمند مجموعه ای محدودی از روش های مدیریت فهرست (catalog management procedures) برای اطمینان از دقت و سازگاری آیتم های جدید اضافه شده و آیتم های موجود اصلاح شده و یا به تعلیق درآمده می باشد. اکثر شرکت های پالایش داده ها برخی از انواع خدمات یا نرم افزارهای مدیریت فهرست را به منظور حفظ کیفیت فهرست پالایش شده برای مشتریانشان ارائه می دهند. به هر حال ، مگر اینکه مشتری قادر به اختصاص دادن یک منبع داخلی برای مدیریت فهرست ها باشد، اما سپردن این کار به دست متخصصان پالایش داده ها معمولا بهترین نتیجه را خواهد داشت.

درباره نویسنده Jocelyn Facciotti: مدیر بخش بازاریابی شرکت I.M.A می باشد. این شرکت متخصص پالایش داده های MRO و خدمات مربوط به آن می باشد.

در صورتی که این مقاله را پسندید می توانید آن را خریداری و دانلود کنید ۵۰۰ تومان


  • imagesبرای انجام پروژه های پالایش داده های سیستم های نگهداری و تعمیرات ، CMMS و مدیریت قطعات یدکی (MRO)
  • آموزش پالایش داده ها با استفاده از نرم افزارهای MATLAB – Excel_Access
  • باماتماس بگیرید :جهاندیده ۰۹۱۳۸۸۹۰۱۹۹ ایمیل : Rezgar.j@gmail.com

 

درباره نویسنده

رزگار جهاندیده (مدیر سایت مین مگ) ، ارشد مهندسی صنایع - صنایع دانشگاه علم و صنعت , در حال حاضر مشاور سیستم های مدیریت دارایی و نگهداری و تعمیرات و مدیریت فرآیندهای کسب و کار در مرکز آیریم (www.i-REAM.com) هستم. 09120710635 تلگرام jahandidehR@

تعداد نوشته ها : 114

© 2014 تمام حقوق مادی و معنوی برای Mainmag محفوظ است. تهیه و بهینه سازی: امین نامجو

بازگشت به بالا