Kunnossapidossa syntyvän tiedon systemaattinen hyödyntäminen

Abstract

Maailmanluokan kunnossapito tavoittelee ehkäisevää ja ennakoivaa kunnossapitoa mahdollisimman pienillä kunnossapitokustannuksilla. Tavoitteiden saavuttamiseksi tarvittavan datan kerääminen ja datasta luotavan tiedon merkitys korostuvat. Puutteellinen tieto vääristää kunnossapidon seurantaa eikä mahdollista tiedolla johtamista.

Diplomityössä tutkittiin yhteistyöyrityksen kunnossapidossa syntyvän tiedon hyödyntämistä käyttövarmuuden näkökulmasta. Kirjallisuuskatsauksessa perehdyttiin tuotanto-omaisuuden ja kunnossapidon tiedonlähteisiin sekä tarpeisiin käyttövarmuuden KPI-tunnuslukujen muodostamiseksi. Empiirisen osion kuiluanalyysilla yhteistyöyrityksen kunnossapidon, tuotanto-omaisuuden ja CMMS-järjestelmän nykytilaa verrattiin asetettuun tavoitetasoon. Kuiluanalyysillä tunnistettiin yhteistyöyrityksen toiminnan ja tiedon hyödyntämisen puutteita ja kehityskohteita. Tunnistettuja puutteita perusteltiin ja tutkittiin tarkemmin yhteistyöyrityksen CMMS-järjestelmään luotujen työtilausten, tietokenttien, toimintaohjeistusten ja puolistrukturoitujen haastatteluiden avulla. Empiirisessä osiossa tiedon tarve -näkökulmasta keskityttiin kunnossapidon käytännön toimintoihin ja CMMS-järjestelmän toiminnallisuuksiin.

Yhteistyöyrityksen toiminnassa havaittiin paljon kehitettävää. Hallinnollisesta näkökulmasta havaittiin tarve nykyisten toimintasuunnitelmien ja mittareiden päivittämiselle. Käytännön kunnossapitotoiminnasta tunnistettiin useita kehityskohteita, joilla nykyistä toimintaa kyettäisiin edistämään käyttövarmuus näkökulmasta. Merkittävimmät puutteet tunnistettiin CMMS-järjestelmän toiminnallisuuksissa ja tietokenttien määrittelyssä. Yhteistyöyritykselle suositeltiin CMMS-järjestelmän toiminnallisuuksien uudelleenmäärittäminen sekä UI- ja UX-suunnittelu. Tarpeenmukaisesti luokitellun tiedon avulla kunnossapitoa kyetään ohjaamaan kohti maailmanluokan ennustavaa ja proaktiivista kunnossapitoa.

Modern world class maintenance strategies aim to execute preventive and predictive maintenance with minor maintenance costs. To achieve the goals, necessary data needs to be collected. Based on available data, reliable conclusions are essential. Unnecessary or defective data distorts follow up of maintenance and leads to approximated decisions.

Literature search indicates data sources and necessary data for asset management, maintenance and dependability KPIs. In empirical part, gap-analysis was performed within collaboration company for asset management, maintenance and CMMS-software. With gap-analysis, multiple development objects were identified. Identified defects were more deeply investigated based on company instructions, interviews, and available work orders in the CMMS. In empirical part, defections of practical maintenance operations and the CMMS system were focused.

In this study, numerous development ideas were identified and suggested for the collaboration company. For maintenance and asset management, the need for updating action plans were suggested. Also, KPIs were suggested to be updated. In daily maintenance functions, many development targets were identified. Biggest defections were recognized at the CMMS system, where functionalities would need complete UI- and UX-planning. By categorizing necessary data, maintenance functions can be guided towards world class maintenance.