您的CMM和EAM系统中的数据不准确，可以防止您的公司实现数字化转型的全部好处。

由NTT GDC Americas的Lee McClish撰写

大多数行动中的人们至少对他们的操作数据完整性都有严重的问题。许多人根本不信任他们生成的许多数据。一大批人不会知道不好的数据和/或如何识别和使用良好的数据。为什么这有关系？差的数据妨碍了任何数字化转化工作。

数据完整性是整个生命周期中数据准确性和一致性的维护和保证。这是任何存储，流程或检索数据的系统的设计，实现和使用的关键方面。

从根本上讲，通过设计一个无法操纵数据的框架来维护数据完整性。在广泛的背景下，它是识别所有数据的有效性和保存的概念。该术语还与数据库管理连接。

数据融合重要性

由于几个原因，保持数据完整性很重要。首先，它确保可恢复性和可搜索性，可追溯性（原点）和连接性。保护数据的有效性和准确性也可以提高稳定性和性能，同时提高可重复性和可维护性。

为什么保持数据完整性很重要？想象一下，做出一个非常重要的业务决定，该决定取决于完全甚至部分不准确的数据。由此产生的有缺陷的决定可能会对公司的底线目标产生巨大影响。良好的数据可确保报告多个工厂的一致性并与其他行业进行基准测试。

我们在说什么数据？尽管数据完整性是一个广泛的概念，包括网络安全，物理安全和数据库管理，但我们将重点关注CMM和EAM系统。这些概念当然可以扩展到提供决策信息的购买和其他业务系统。

是什么导致数据完整性不佳？主要原因是对新数据导入的审查不足和/或在输入新数据时不关注细节。相似的字符，例如零和字母“ O”以及数字1和下案例“ L”可能会引起混乱。另一个因素是截断的数据，当提供比在字段中拟合的字符更多时导致的数据。

差异差造成什么损害？由于数据差，每个报告或仪表板可能会出现错误。结果可能是不良的决策，会影响头部计数，资本计划和维护计划。

好数据是什么样的？至少，良好的数据没有拼写错误，没有空白，只有在数据输入真正不适用的情况下才使用N/A，并且消除了外部标点符号或额外的字符。一个关键因素是确保准确输入信息，例如制造商的名称和模型/序列号。您是否消除了制造商名称的多个拼写？

您如何确定您是否有好数据？审核系统中的数据至关重要。从安装新设备时从建筑或资本项目中进口新数据开始。您的CMMS/EAS应允许将数据导出到Excel或其他格式中。导出后，对字段进行排序并查看内容以揭示不良数据。

好数据是硬件/软件问题还是人问题？通常，机器执行其设计的功能。人们提供输入。虽然可以创建停止空白以筛选或突出显示不可接受的数据，但人们仍然需要提供更正和内容检查。手动输入可能是造成不良数据或不一致数据的最大贡献者。了解数据现场格式也至关重要。字段是否开放或限制为数字或字母？是否允许任何特殊字符？场长度限制是多少？空白是允许还是理想的？

使用案例

良好的数据推进了设施的维护/可靠性和资产管理。除了生成KPI（关键绩效指标）和可靠性分析技术的准确报告，例如MTBF（失败之间的平均时间），MTTR（平均维修时间），FCR（失败/原因/补救代码），跟踪资产资产生命周期和TCO（总拥有成本），以下是其他收益的例子：

•需要更换半英里的建筑物中的电动机。没有可用的铭牌信息，因此有必要进行实际访问。

•该公司的逾期PM KPI包括许多PMS，因为已完成的日期不正确或选择。

•订购/接收了一个4万美元的断路器，发现目录号码中的一个字母已关闭。新的断路器将不符合给定的总机插槽。

•计划者正在从事一项工作，该工作每七年出现一次，并发现在上一份工作顺序中没有将任何细节输入职位描述。

•报告资本计划的报告，集中精力替换一组离心泵。他们已经分配了父资产，但该字段中有两个缺少数据，因此订单短两个泵。

•季度MTBF报告显示，罪魁祸首是一栋建筑物，因为该资产经常被选择而不是钻探到实际受影响的资产。

•每月预算审查报告与管理层共享。人们注意到，由于没有进入人工，劳动密集型一周的机器重建项目没有出现。

希望这些示例都没有发生在您的工厂中，但是它们发生了，并说明了维持良好数据的价值。

改善数据完整性

为了提高数据完整性，需要评估CMMS或EAM中的所有字段以使用默认值或将其设置为强制性字段，以确保它们正确填充。这减少了许多错误。输入新资产或流动资产的属性数据时，请多次检查一个以上的细节指导的人。对于由许多人触摸的工作订单和PM完成数据，请考虑在每月的KPI记分卡中添加度量部分，并踪迹缺失或不完整的数据字段。

由于不良数据的主要原因是手动输入，因此围绕良好数据输入的文化至关重要。在适用的情况下设置下拉菜单将大大减少变化。另一个有用的软件功能是Autofill。

如果数据足够重要，则第二次检查会改善结果。大多数公司工作流程要求技术人员完成工作订单和计划者或主管审查以关闭工作订单。这一额外的步骤是一项良好的质量检查。

您需要聘请数据分析师吗？如果您负担得起并且有必要，那将是最佳解决方案。您的主要目标应该是建立群众适当数据的文化。如果数据分析师是可能的，那么最有效的人是主题专家转变为数据分析师。该中小型企业的检测速度比纯数据分析师快得多，因为他们了解信息的外观。

谁负责数据？聘请分析师并将责任固定在他/她身上是很棒的，但是每个人都对自己的职责负责。谁获取数据，检查数据并输入数据的人都是负责任的。当然，各种数据集由不同部门所有，IE。，采购，生产，维护和可靠性。这一定是从自上而下的团队努力。

它在整体努力中的角色和旧约是什么？除了提供软件和支持外，它还可以成为数据完整性的资源。它绝对是维护网络安全的来源，应管理固件更新。OT还应该知道是否已为其设备安装了最新的固件。OT可能会对预测分析的数据收集产生巨大影响，但对于CMMS/EAM数据可能并不多。协作是关键。

像任何过程一样，如果有任何希望实现数据完整性的希望，就必须有责任指导。强烈建议采用正式的书面政策和程序。应定义责任，数据类型列表，涉及的软件程序以及升级的跟踪/时间安排，以实现您的业务目标。像任何好的程序一样，您可以期待您的检查。必须进行审核计划以确保遵循指导。应该经常审核更多的波动性数据，而资产属性可能会等待年度审查。随着数据的改善或恶化，审核应发展。

如果您想改进数据，涉及哪些培训？根据责任，所有利益相关者的最低培训应为年度。随着年份的进展，根据审计结果，应进行现场训练，以方向取得更好的数据完整性。由于负责的当事方参与了不同的数据集，因此应针对每个部门量身定制培训，而不是全公司范围的通用培训​​。每个公司沿数据整合曲线的位置都不同。基于预期的结果和实现收益的设定期望是第一步。有记录的指导对于帮助设定这些期望是必要的。培训对于加强期望并提供有关遵守情况的反馈至关重要。审计关闭循环，以确保满足期望。整个圈子将使您的部门和公司处于迈向有意义，可靠数据的最佳途径。EP

Lee McClish是NTT GDC Americas的维护和可靠性经理，总部位于加利福尼亚州萨克拉曼多（ragingwire.com），一家全球电信和数据中心公司。以前的职位是美国的BASF，Graphic Packaging and Packaging Corp.，是可靠性工程师，维护工程师，RCM经理和生产经理。McClish拥有BSME，MBA，CMRP，CRL，CPMM学位和认证。他是维护领导101。