مدیریت دارایی‌ها بر مبنای شواهد: اطلاعات کاربردی در عصر کلان‌داده

مدیریت دارایی بر اساس شواهد

تردیدی نیست که حتی با رشد انفجاری داده‌های در دسترس، داده‌های نگهداشت برای بعضی دارایی‌ها ممکن است بسیار ناچیز یا حتی ناموجود باشد. برای نمونه، دارایی‌هایی که دهه‌ها از عمرشان می‌گذرد، ممکن است داده‌های سال‌های ابتدایی بهره‌برداری آن‌ها در دسترس نباشد. خوشبختانه می‌توانیم دانش را از منابع متعددی در سطح سازمان استخراج کنیم. بدیهی است که می‌توان این دانش را از واحد نگهداشت دریافت کرد، اما شاید دیگران نیز اطلاعات مفیدی داشته باشند. به‌رغم وجود نقص در داده‌های مکتوب، ممکن است سازمان از لحاظ دانش ضمنی  قدرتمند باشد. فقط کافیست بدانید که کجا باید دنبال این دانش بگردید و چگونه باید آن را استخراج کنید.

در مدیریت دارایی‌ها بر مبنای شواهد اطلاعات کاربردی (EBAM) نظریه و کاربرد با هم ترکیب شده‌اند تا خروجی دقیقی از داده‌های آماری یا دانش ضمنی به‌دست آید، آن هم از طریق فرایندی که شامل پیشرفته‌ترین تکنیک‌های آماری و ریاضیاتی می‌شود که داده‌ها را پاکسازی، پردازش و تحلیل می‌کنند. با دسترسی به داده‌ها و آگاهی از نحوۀ استفاده از آن‌ها، مدیران نگهداشت می‌توانند شیوه‌های استاندارد نگهداشت خود را بهبود بخشند.

برای آشنایی با این تکنیک، در نظر آورید که در عمل، با توصیه‌های سازندۀ اصلی (OEM) چه برخوردی می‌شود. سازندگان، فعالیت‌های نگهداشت مناسب دارایی را پیشنهاد می‌دهند و شاید منطقی به نظر بیاید که از همین توصیه‌ها پیروی کنیم. هرچند، این پیشنهادها به جای دستورالعمل‌های خاص دارایی معمولاً راهنمایی‌هایی عمومی هستند. یک دلیل این است که سازنده، تأثیر شرایط عملیاتی شما را بر دارایی در نظر نمی‌گیرد. خوشبختانه سازمان‌هایی که غنی از داده‌ها هستند، به چنین نوع اطلاعاتی دسترسی دارند (یعنی وضعیت جوی یا شرایط محل عملیات تجهیز و پیامدهای خرابی‌های دارایی در بستر فعلی عملیاتی) و با استفاده از  EBAM، می‌توانند پیشنهادهای سازنده را طبق نیازهای خودشان اصلاح کنند. به بیان دیگر، داده‌ها در دسترس هستند، منوط به اینکه شرکت بخواهد دنبالشان بگردد و از آن‌ها استفاده کند.

به‌کارگیری اصول EBAM در تصمیم‌های مدیریت دارایی‌ها، صرفه‌جویی‌های هنگفتی برای سازمان به ارمغان می‌آورد که ممکن است سالانه به ده‌ها میلیون دلار بالغ شود. چنین تصمیم‌هایی شامل این موارد می‌شود: یافتن عمر بهینۀ اسقاط دارایی‌های گران‌قیمت، محاسبۀ بسامد بهینۀ بازرسی برای تجهیزات حفاظتی، تعیین اقتصادی‌ترین فاصلۀ تعویض برای تجهیزات حیاتی، خرید قطعات یدکی گران‌قیمت به مقدار مناسب، تعیین سیاست برای تصمیم‌گیری دربارۀ تعمیر با تعویض و بالاخره تصمیم‌گیری بهینه برای نگهداشت اقتضایی. چهار حوزۀ کلیدی تصمیم‌گیری عبارت‌اند از:

  • تصمیم‌های هزینه‌یابی چرخۀ عمر
  • تاکتیک‌های نگهداشت، مثلاً استراتژی‌های نگهداشت پیشگیرانه
  • سیاست‌های بازرسی، مانند نگهداشت پیشبینانه و فواصل یافتن خرابی
  • منابع لازم، مانند تعیین تعداد کارکنان واحد نگهداشت

البته حتی داده‌های فراوان نیز ممکن است به اشتباه مورد استفاده قرار بگیرند. داده‌ها یا شواهد به‌تنهایی راه‌حل به‌دست نمی‌دهد و اگر داده‌ها ناقص یا ناموجود باشد، مشکل دوچندان می‌شود. جان کلام اینکه برای اطمینان از تصمیم‌گیری بهینه، به ابزارهای EBAM نیاز است. مرکز مهندسی قابلیت‌اطمینان و بهینه‌سازی نگهداشت (C-MORE)  در دانشگاه تورنتو، پیشگام پژوهش در این عرصه است و نرم‌افزارهایی را برای کمک به پیش‌بینی قابلیت‌اطمینان و بهینه‌سازی نگهداشت اقتضایی طراحی کرده است. یکی از این نرم‌افزارها برای پیش‌بینی خرابی تجهیزات، تخمین باقیماندۀ عمر مفید تجهیزات و تعیین ترکیب بهینۀ نگهداشت پیشگیرانه و کارکرد تا خرابی کاربرد دارد تا هزینه‌ها و قابلیت ‌اطمینان بهینه شود و تعادل بهینۀ بین ریسک و هزینه و قابلیت‌اطمینان برقرار شود. دورنمایی ساده از اصول این نرم‌افزار در شکل زیر تصویر شده است.

EBAM1

یکی دیگر از نرم‌افزارها، ابزاری برای پشتیبانی از تصمیم‌گیری به‌منظور تعیین سطوح موجودی قطعات یدکی حیاتی، کم‌مصرف و پرهزینه است. این سیستم، سطوح موجودی را برای تعمیر درون‌سازمانی، برون‌سپاری تعمیر و خرید جدید بر اساس سطح قابلیت اطمینان، هزینه و دسترس‌پذیری مورد نیاز پیش‌بینی می‌کند و علم و اقتصاد را ترکیب می‌کند تا سطوح موجودی را بر اساس نیازهای عملکرد و بهره‌برداری مشخص کند، نه صرفاً بر اساس بودجه. از نرم‌افزار سوم هم می‌توان برای یافتن سیاست بهینۀ تعویض دارایی‌ها استفاده کرد.

دو مورد تجربه ذیل، کاربرد EBAM را در دو سوی طیف نگهداشت نشان می‌دهد. مورد اول، اشاره‌ای به تجربه بسامد بهینۀ بازرسی برای تجهیزات پزشکی دارد و مورد دوم، مشکل زمان‌بندی شرکت هواپیماسازی بمباردیر را در قالب یک تجربه واکاوی می‌کند.

تجربه ۱: بسامد بازرسی برای تجهیزات پزشکی

بیمارستان‌ها با حجم عظیمی از تجهیزات سروکار دارند و برای اینکه مطمئن شوند که این تجهیزات، ایمن و قابل‌اطمینان هستند، بر بازرسی‌های دوره‌ای اتکا دارند. بیشترشان هم برای نگهداشت و بازرسی از توصیه‌های سازنده پیروی می‌کنند؛ اما همان‌طور که پیش‌تر هم گفتیم، این پیشنهادها لزوماً بهترین شیوه‌های ممکن برای محیط عملیاتی سازمان نیستند. دکتر شراره تقی‌پور که قبلاً در C-MORE بود و اکنون در دانشگاه ریرسون  است و دکتر دِراگان بِنجِویچ، از اعضای C-MORE، مدلی را طراحی کردند تا فاصلۀ بهینۀ تعویض را برای این تجهیزات پزشکی مشخص کند. دکتر تقی‌پور و بنجویچ در تلاش هستند تا با استفاده از داده‌های در دسترس، شکاف بین فعالیت‌های واقعی و بهینه را در بازرسی دوره‌ای سیستم‌های تعمیرپذیر پر کنند و مدل‌هایی را بسازند که داده‌ها را به بهترین شکلی توصیف می‌کند و سیاست‌هایی مبتنی بر شواهد را بر مبنای خروجی این مدل‌ها ارائه می‌دهد.

تجربه ۲: زمان‌بندی شرکت هواپیماسازی بمباردیر

دکتر نیما صفایی که اکنون عضو شرکت بمباردیر است و قبلاً در C-MORE بود، در حال کار بر روی مسئلۀ زمان‌بندی نگهداشت برای هواپیماسازی بمباردیر است. دکتر صفایی می‌کوشد تا زمان‌بندی فعالیت‌های نگهداشت اصلاحی و پیشگیرانه (یعنی توالی انجام کارهای نگهداشت) را با توجه به منابع در دسترس، در افق برنامه‌ریزی کوتاه‌مدت مشخص کند. زمان‌بندی لزوماً نوعی تصمیم کوتاه‌مدت است، لذا مواجهه با محدودیت در منابعی مانند نیروی کار ماهر، ظرفیت زمانی تأسیسات، ابزارها، فضا و قطعات یدکی، امری معمول است. در عرصۀ مدیریت نگهداشت، نیروی کار پراولویت‌ترین منبع محسوب می‌شود، زیرا کارهای نگهداشت بر نیروی انسانی متکی هستند و نیروهایی که این کارها را انجام می‌دهند، دستمزد بالایی می‌گیرند و مهارت بالایی در این زمینه دارند. به دلیل ماهیت این مسئله، اکثر شرکت‌ها با اهداف متعارضی مواجه می‌شوند. یکی از این اهداف، کمینه‌سازی الزامات و هزینه‌های نیروی کار است. هزینه‌های نیروی کار شامل هزینه‌های کارکنان، پیمانکاران، آموزش و حمل‌ونقل می‌شود. دیگر اهداف ممکن است شامل بیشینه‌سازی دسترس‌پذیری دارایی یا تجهیز، کمینه‌سازی مدت انجام کار، کمینه‌سازی مدت انجام کار و… باشد. مجموعه‌ای از راه‌حل‌های جایگزین غیرغالب که تعادل بین الزامات و هزینه‌های نیروی کار و دیگر اهداف متعارض مدنظر را برقرار می‌کنند، برای تصمیم‌گیریِ بهتر ضرورت دارند. دکتر صفایی این مسئله را به‌شکل مدل برنامه‌ریزی ریاضی عدد صحیح مختلط فرمول‌بندی کرده است که در آن، از ساختار جریان شبکه برای شبیه‌سازی جریان یک هواپیما بین مأموریت‌ها، آشیانه و تعمیرگاه استفاده می‌شود. اعتبار این مدل را با استفاده از داده‌های شرکت بمباردیر می‌توان سنجید.

نتیجه‌گیری

مدیریت دارایی‌ها بر مبنای شواهد، چیزی فراتر از عددی است که در انتهای تحلیل داده‌ها به‌دست می‌آید. مدیران دارایی‌ها می‌توانند از این فرایند بهره بگیرند تا با استفاده از جمع‌آوری و تحلیل صحیح دارایی‌ها و انتخاب صحیح معیارهای تصمیم‌گیری، از تصمیم‌های خود دفاع کنند. این فرایند از مراحل زیر تشکیل شده است:

  • تعیین دقیق مسئله
  • تعیین معیار بهینه‌سازی (یعنی سازمان در پی دستیابی به چه چیزی است)
  • تعریف مدل
  • استخراج داده‌ها، از جمله داده‌های ضمنی
  • اعتبارسنجی و بازنگری مدل
  • حل‌کردن مدل نهایی
  • اجرای تحلیل حساسیت صحیح برای تصمیم‌های پیشنهادی با توجه به پارامترهای کلیدی مدل
  • پیشنهاد تصمیم نهایی برای مدیریت دارایی

بهینه‌سازی تصمیم‌های مدیریت دارایی‌ها، تعویض قطعات، از جمله انتخاب تدارکات قطعات یدکی و زمان بهینۀ تعویض را دربرمی‌گیرد. تکنیک EBAM تصمیم‌های بازرسی مانند بهینه‌سازی نگهداشت اقتضایی، دفعات بازرسی برای سیستم و فواصل جستجوی خرابی برای تجهیزات حفاظتی را شامل می‌شود. دیگر حوزه‌های اصلی نیز شامل تصمیم‌گیری دربارۀ تعویض تجهیزات سرمایه‌ای، منابع مورد نیاز نگهداشت و زمان‌بندی می‌شوند.

ترجمه و تلخیص بر اساس مقاله:

Ali Zuashkiani; Andrew Jardine, & Elizabeth Thompson. Evidence Based Asset Management: Actionable Intelligence in the Era of Big Data. Uptime, Aug/Sep 2015.