يستهلك أي منشأة إنتاج أو تصنيع عادية عدة آلاف من قطع الغيار أو المواد الاستهلاكية لضمان استمرار العمليات دون انقطاع ودون وقوع حوادث.
وفقًا لتقرير نشرته أبحاث «داتا هوريزون»,
بلغت قيمة سوق تصنيع قطع الغيار العالمي حوالي 620 مليار دولار أمريكي في عام 2023، ومن المتوقع أن تصل إلى حوالي 930 مليار دولار أمريكي بحلول عام 2033، بمعدل نمو سنوي مركب يبلغ 4.3% خلال الفترة من 2024 إلى 2033
في الولايات المتحدة وحدها، تُعد نفقات قطع الغيار ضخمة، حيث تُقدَّر بنحو $89.5 مليار في عام 2023.
ومع ذلك، فإن معدل الاستخدام الفعلي منخفض؛ فعادةً ما تستخدم المؤسسات ما بين 8 و10% فقط من مخزونها من مواد الصيانة والإصلاح والتجديد (MRO) كل عام، مما يعني أن 90% يظل دون استخدام على الرفوف. [وفقًا لتيرينس أوهانلون من شركة «Reliability AI»].
لضمان الشراء في الوقت المناسب، وتوافر قطع الغيار، والقدرة على التفاوض، وسير عملية التوريد دون أخطاء، ولمنع تراكم المخزون الزائد، فإن البيانات والمعلومات المتعلقة بقطع الغيار هذه تكون عادةً بدقة متناهية يتم الاحتفاظ بها في نظام تخطيط موارد المؤسسة (ERP)، وعادةً ما تكون ضمن وحدة «البيانات الرئيسية» التي يمكن الإشارة إليها باسم «سجل المواد" أو "قائمة العناصر الرئيسية”
مع توسع نطاق العمليات، تزداد الطلبات الإضافية على قطع الغيار الجديدة، وقد تؤثر البيانات المتعلقة بهذه القطع سلبًا على «جودة البيانات» الخاصة بها. وإليك كيف يحدث ذلك.
قد تكون طلبات الأجزاء الجديدة نسخًا مكررة لجزء موجود بالفعل في النظام، وهو ما لم يكن معروفًا عند إنشاء طلب الجزء الجديد
قد يفتقد الطلب الجديد إلى معلومات أساسية مثل مواصفات الأجزاء، والأبعاد، والفئة، والفئة الفرعية، وما إلى ذلك
لم يتم اعتماد معيار مركزي واضح للحفاظ على سلامة قطع الغيار، مما يجعل عملية فهرسة البيانات أكثر تعقيدًا
وللتخفيف من حدة هذه المشكلة، يتعين على الشركات الاستثمار في عملية تنظيف لمرة واحدة لبيانات قطع الغيار الحالية لديها، بهدف التخلص من التكرارات، واستكمال المعلومات الناقصة، وتنظيم مجموعة البيانات، وكذلك — في الحالات المتقدمة — دمج البيانات وربطها بـ مجالات البيانات الرئيسية الأخرى أو وحدات أخرى من نظام تخطيط موارد المؤسسات (ERP).
يمكن للشركات التي تعمل حاليًا في هذا المجال أن تتعامل مع الأمر بعدة طرق مختلفة، حيث تختلف كل طريقة من حيث التكاليف ومستوى التعقيد ومتطلبات السعة التقنية.
الطريقة الأولى: استخدام أدوات ETL لإعداد البيانات وترحيلها
تم تصميم أدوات ETL وأدوات تجهيز البيانات وترحيلها بهدف تجميع البيانات من مصادر متعددة عن طريق استخراجها من مصادر مختلفة مثل الملفات والمجلدات والبرامج ومصادر البيانات/الكتالوجات الخاصة بالموردين، وما إلى ذلك.
وبعد ذلك، يتم تقييم البيانات قبل تحويلها وتوحيدها وفقًا للتصنيف والمعايير المعتمدة.
وأخيرًا، يتم استيعاب البيانات أو «تحميلها» في الأنظمة المصدرية
ببساطة، إليك ما تقوم به أداة ETL؛
- E – استخراج البيانات من مصادر متعددة وتجميعها معًا لتكوين عرض شامل واحد.
- T – تحويل البيانات إلى معيار موحد، بحيث تُكتب الاختصارات ووحدات القياس والفئات وما إلى ذلك وفقًا للتصنيف المقبول. وهذه هي المرحلة التي يتم فيها تنقية البيانات بشكل شامل، والتحقق من عدم وجود تكرارات، واستكمال القيم الناقصة، ودمج البيانات حيثما أمكن ذلك، والتحقق من مطابقتها للقواعد.
- L – إعادة تحميل البيانات إلى الأنظمة المصدر بعد معالجتها وفقًا للمتطلبات الأصلية، مع ضمان دقتها وتوحيدها وجاهزيتها للاستخدام المتسق في جميع العمليات.
المزايا:
- يُعد هذا النهج فعالاً من حيث التكلفة نسبيًا، حيث إن أدوات ETL ليست باهظة الثمن.
- هذا النهج قابل للتوسع، وإذا توفرت الموارد الفنية والإدارية اللازمة، يمكن إجراء عملية التنقية بسرعة أكبر بكثير على عدة آلاف (أو حتى ملايين) من سجلات قطع الغيار، بافتراض أن القواعد التشغيلية يتم تحديثها باستمرار.
العيوب:
- الدقة وتغطية حالات الاستخدام ليستا مثاليتين؛ ففي معظم الحالات، غالبًا ما يؤدي تطبيق منطق الأعمال بشكل جماعي إلى إلحاق الضرر أكثر مما يحقق الفائدة، نظرًا لعدم وجود سيطرة كافية على التقنيات المستخدمة في التحقق من صحة البيانات وتحويلها.
- فهذا الأمر يتطلب موارد تقنية وتجارية على حد سواء (من فرق مثل قسم المشتريات وإدارة البيانات)، وهي موارد لا تتوفر بسهولة في كثير من الأحيان، كما أن الاستعانة بموارد مؤقتة قد يؤدي إلى ارتفاع التكاليف، مما يقوض أهم ميزة لهذا النهج في المقام الأول.
التوصية:
يُعد هذا النهج مثاليًّا عندما يكون عدد قطع الغيار المطلوب تنظيفها صغيرًا نسبيًّا (في حدود 3-5 آلاف سجل)، وعندما لا تكون معايير دقة البيانات مرتفعة للغاية، وعندما تتوفر الموارد التقنية اللازمة.
أمثلة:
كانت إحدى شركات البيع بالتجزئة تعاني من تباينات كبيرة في البيانات عبر فروعها المختلفة، مما كان يؤثر على كفاءة العمليات واتخاذ القرارات.
ولمواجهة هذا التحدي، قامت الشركة بتطبيق حل لتنقية البيانات باستخدام تقنية ETL، والذي عمل على توحيد البيانات الواردة من مصادر متعددة والتحقق من صحتها.
ونتيجة لذلك، حققت الشركة زيادة بنسبة 20% في الكفاءة التشغيلية، وخفضت بشكل كبير الأخطاء المتعلقة بالبيانات، مما أدى إلى سلاسة أكبر في العمليات وزيادة موثوقية التقارير.
وفقًا لمجلة «فوربس»، تكلف البيانات غير الدقيقة الشركات ما يصل إلى 12% من إجمالي الإيرادات سنويًّا.
الطريقة الثانية: الاستعانة بمصادر خارجية أو نقل الأعمال إلى فرق متخصصة في الخارج
تواجه العديد من الشركات مسألة إدارة قطع الغيار البيانات، ولا يمتلك الكثيرون الموارد التقنية أو السعة الترددية اللازمة لتطبيق نهج «يعتمد على البرمجيات» لتصحيح البيانات المتعلقة ببيانات مواد قطع الغيار.
وكبديل لذلك، تختار الشركات التي تواجه هذه المشكلة الاستعانة بمصادر خارجية لإجراء عملية تنقية البيانات هذه، وذلك من خلال شركات متخصصة توظف فريقًا كبيرًا من «مسؤولي البيانات» أو «المحللين» أو «المساعدين» لتصحيح مشكلات جودة البيانات هذه.
يستخدم محلل إدارة البيانات العادي نهجًا يدويًّا أو شبه آليًّا من أجل:
- تحديد المعلومات الناقصة في كل سجل من سجلات البيانات
- توحيد البيانات استنادًا إلى تعريف فئة قطع الغيار الوارد في «ورقة البيانات»
- استخراج التفاصيل/المعلومات الأساسية من الوصف وإدراجها في «الخصائص» أو «العناوين» أو «الأعمدة» الصحيحة
- قم بإجراء فحص للتكرار على مستوى L1 على مجموعة البيانات بأكملها لاستبعاد القيم المكررة. وحتى في هذه المرحلة، تظل احتمالات وجود قيم مكررة في النظام مرتفعة
- استكمال القيم الناقصة، والفئات، والسمات، وأرقام قطع الغيار الخاصة بالشركة المصنعة، واسم الشركة المصنعة، وما إلى ذلك
- قم بإجراء فحص آخر للتكرارات (L2). هذه المرة، وبفضل إضافة نقاط بيانات جديدة، سيكون فحص التكرارات أكثر شمولاً و«اكتمالاً»
هذه العملية، كما يمكن للمرء أن يتوقع، تتطلب جهدًا كبيرًا، وعادةً ما توظف شركات الاستعانة بمصادر خارجية جزءًا كبيرًا من قوتها العاملة في بلد يضم عددًا كبيرًا من السكان الناطقين باللغة الإنجليزية والذين يتمتعون بمهارات حاسوبية عالية، وذلك بهدف الحفاظ على انخفاض التكلفة.
الخطوات الموضحة أعلاه هي المهام والنتائج المتوقعة الأساسية في عملية تنقية بيانات قطع الغيار.
ومع ذلك، فإن الشركات الكبرى التي تتطلب متطلبات إدارة بيانات أكثر تعقيدًا عادةً ما تكون لديها احتياجات أكثر شمولاً في مجال تنقية البيانات وتعزيزها.
ويشمل ذلك
- عمليات إثراء شاملة لبيانات قطع الغيار، بما في ذلك اسم المورد، والبيانات الوصفية، وإثراء البيانات
- إثراء بيانات الموردين والمعدات وتنقيحها وإزالة التكرارات منها أيضًا
- التكامل بين مجالات البيانات هذه، أي الربط المرجعي بين قطع الغيار والمعدات من خلال الاستفادة من قائمة مواد التصنيع الخاصة بالمعدات
- التكامل بين قطع الغيار والموردين من خلال الاستفادة من كتالوجات الموردين والبيانات الداخلية، وما إلى ذلك.
لتعزيز التميز في إدارة المخزون لفرق الصيانة والإصلاح والتجديد (MRO)، ولا تقتصر مهام فرق الاستعانة بمصادر خارجية هذه على تعزيز بيانات قطع الغيار (التي يُشار إليها أيضًا باسم «قطع الغيار المادية») فحسب، بل تشمل أيضًا كل البيانات الأخرى المرتبطة بعمليات الصيانة، وهو ما يُعرف عادةً باسم «تنقية البيانات الأساسية لعمليات الصيانة والإصلاح والتجديد (MRO)».
هذا حل أكثر شمولاً وتطوراً لتنقية البيانات، ويمكن الاطلاع على مزيد من المعلومات حول «تنقية بيانات MRO» هنا.
المزايا:
- بالنسبة للمؤسسات التي تتطلب مستويات عالية من دقة البيانات، يُعد هذا نهجًا واضحًا يتميز بأعلى درجات الدقة عبر جميع المقاييس المرتبطة بتوحيد البيانات وإثرائها واستخراجها وإزالة التكرار منها.
- يمكن تلبية المتطلبات المخصصة المتعلقة باستخراج البيانات أو إثرائها أو توحيدها بسهولة، نظرًا لأن هذا النهج يتسم بمرونة كبيرة.
- إنه الخيار المثالي لتنظيف سجلات البيانات الأساسية لقطع الغيار التي يتجاوز عددها 20 ألف سجل، نظرًا لوجود تكاليف ثابتة مرتبطة بالبحث عن المورد الخارجي وتعيينه وإدارته.
العيوب:
- على الرغم من التوفير في التكاليف الذي يتحقق من خلال الاستعانة بفرق عمل خارجية منخفضة التكلفة، فإن هذه الطريقة قد تصبح مكلفة جدًّا على المدى الطويل، لا سيما فيما يتعلق بعمليات تنقية البيانات المتكررة، وذلك لأن العملية تتم يدويًّا وتتطلب قدرًا معينًا من الفهم «التقني»
- اعتمادًا على عدد قطع الغيار والسجلات، قد يستغرق هذا النهج أطول مدة لتنفيذ المشروع، وقد تستغرق المشاريع التي تضم أكثر من 50 ألف سجل لقطع الغيار أكثر من شهرين لتسليمها
- على الرغم من أن معدلات الدقة أعلى بكثير عمومًا مقارنةً بالأساليب السابقة، إلا أن الأمر يعتمد في الواقع على جودة الفريق العامل في الخارج، كما أن التنسيق المنتظم وتقديم تقارير مرحلية والمراجعات أمور ضرورية لضمان ضبط عملية مراقبة الجودة.
- في حالة وجود أقل من 20 ألف سجل لمواد قطع الغيار، لا يُعد هذا النهج مثاليًّا بسبب التكاليف الثابتة المرتبطة بالبحث عن الشريك الخارجي وتأهيله والتعاقد معه وإدارته.
التوصية:
يُعد هذا النهج مثاليًّا للشركات التي تتطلب معايير عالية لجودة البيانات، وتتمتع بميزانيات كبيرة، ولديها عدد كبير من سجلات قطع الغيار، وتحتاج إلى فترات زمنية أطول نسبيًّا للتنفيذ.
مثال:
كانت إحدى الشركات العالمية المتخصصة في مجال التكنولوجيا الطبية بحاجة إلى إدارة فعالة لقطع الغيار ومستلزمات الصيانة من أجل دعم عملياتها.
قامت الشركة بتعهيد إدارة قطع الغيار ومواد الصيانة، بما في ذلك إنتاج 200 مجموعة قطع غيار ووحدات تجميع فرعية، بهدف تبسيط عملياتها اللوجستية وعمليات إدارة المخزون.
أدت مبادرة الاستعانة بمصادر خارجية إلى تحسين مراقبة المخزون وكفاءة الخدمة، مما عزز الأداء التشغيلي العام.
وفقًا لتقرير نشرته PSC Global, أدى الاستعانة بمصادر خارجية في أنشطة إدارة البيانات إلى تقليص المهل الزمنية من 12 أسبوعًا إلى يوم واحد فقط، وخفض رأس المال العامل من خلال توحيد المخزون، وتقليل طلبات قطع الغيار إلى أدنى حد، وتحسين توافر الأصناف.
الطريقة الثالثة: البرامج المصممة خصيصًا لهذا الغرض
بالإضافة إلى برامج ETL/إعداد البيانات، هناك العديد من الأدوات المتخصصة المصممة خصيصًا لهذا الغرض، والتي تدعي أنها تعمل على أتمتة عملية تنقية بيانات قطع الغيار بشكل كامل، وذلك من خلال قواعد التحقق المدمجة فيها، وكشف التكرارات.
قبل ظهور نماذج الذكاء الاصطناعي، كان من الممكن القول إن أتمتة عملية التنظيف هذه كانت شبه مستحيلة، حيث إن القواعد الواضحة والمحددة لتنظيف بيانات قطع الغيار أو توحيدها إما غير موجودة أصلاً، أو تتطلب عددًا كبيرًا من المنطق القائم على القواعد، وهو ما يصعب تطبيقه عمليًّا.
إلا أنه منذ عام 2025، فتح استخدام وكلاء الذكاء الاصطناعي وقدرتهم على إدراك السياق من خلال تدريبهم على البيانات المناسبة آفاقًا جديدة.
مجموعة Verdantis MDM، يمكنها الآن أتمتة هذه المهام بشكل كبير.
أدى الاستثمار في تطوير برامج الذكاء الاصطناعي لتوحيد أوصاف قطع الغيار، وإنشاء أوراق البيانات بشكل مستقل استنادًا إلى التصنيفات، وإثراء البيانات من مصادر موثوقة، إلى جعل عملية تنقية بيانات قطع الغيار أسرع بكثير وأكثر إنتاجية وأقل تكلفة.
فيما يلي شرح تفصيلي لكيفية قيام حلنا بأتمتة عمليات تنظيف البيانات وإثرائها
علاوة على ذلك، يمكن استخدام نماذج الذكاء الاصطناعي نفسها لضمان الحفاظ على جودة بيانات الأجزاء بشكل مستمر؛ ويُشار إلى ذلك عادةً باسم إدارة بيانات الصيانة والإصلاح والعمليات (MRO).
على الرغم من حدوث العديد من التطورات في مجال الذكاء الاصطناعي، فقد قام فريقنا في «فيردانتيس» بتطوير العديد من نماذج الذكاء الاصطناعي المدمجة في سير عمل مختلف عمليات تنقية بيانات قطع الغيار. وفي حالات 90%+، لا يمكن أتمتة عمليات تنقية البيانات هذه بالكامل، بل تتطلب تدخلًا بشريًّا لمراجعتها.
المزايا:
- تعد إحدى أكثر الطرق دقةً للتنظيف، إثراء وتوحيد بيانات قطع غيار الصيانة والإصلاح والتجديد (MRO) فيما يتعلق بالتصنيفات المعتمدة على نطاق واسع – لا سيما إذا كان البرنامج يستفيد من نماذج الذكاء الاصطناعي التي تم تدريبها على بيانات قطع غيار خاصة بالصناعة. وفي الواقع، وبما أن هذا النهج يعتمد على نماذج الذكاء الاصطناعي المدربة، فإن دقته قد تفوق دقة «الطريقة #2» الموضحة أعلاه.
- إحدى أسرع الطرق لتنفيذ عملية تنظيف الأجزاء في فترة زمنية قصيرة جدًّا
- تتمثل فكرة هذا النهج في تدريب عوامل الذكاء الاصطناعي على مجموعة ضخمة من البيانات الموحدة، وبناء عمليات تمكّن هذه العوامل من القيام بالأعمال الشاقة مع تحقيق أقصى قدر من الدقة. ويمكن تشديد عمليات المراجعة البشرية لتحقيق مستوى الدقة المطلوب من خلال الاستخدام التكتيكي لدرجات الثقة المستندة إلى الذكاء الاصطناعي وما إلى ذلك.
العيوب:
- ورغم أن هذا النهج أرخص بكثير من الاستعانة بفرق عمل خارجية تديرها شركات الاستعانة بمصادر خارجية، إلا أنه خيار أكثر تكلفة بالمقارنة بأدوات ETL/MDM.
- العديد من هذه المنصات البرمجية التي تعمل بواسطة عوامل الذكاء الاصطناعي هي منصات جديدة وتتطلب عملية تأهيل وتدريب شاملة لاستخدامها، وهو ما قد يشكل عبئًا إلى حد ما ويخرج الشركات وفرق المشتريات التابعة لها عن منطقة الراحة الخاصة بها. على العكس من ذلك، فإن أدوات ETL وMDM تُعد مجالًا مألوفًا.
مثال:
واجهت إحدى شركات الطاقة العالمية تحديات ناجمة عن عدم اتساق وتجزؤ بيانات قطع الغيار عبر عملياتها المختلفة، مما أدى إلى عدم كفاءة عمليات الشراء وزيادة فترات التعطل.
من خلال تطبيق حل مخصص لإدارة البيانات الرئيسية (MDM) مدعوم بالذكاء الاصطناعي، تمكنت الشركة من أتمتة عمليات توحيد وإثراء والتحقق من صحة ما يزيد عن 50 ألف سجل لقطع الغيار.
ولم يقتصر هذا النهج على تحسين دقة البيانات فحسب، بل أدى أيضًا إلى تبسيط إجراءات الشراء وخفض التكاليف التشغيلية.
توصية
في 90% + من المشاريع التي تنفذها شركة «فيردانتيس»، نقوم بتطبيق وحدة تنقية بيانات قطع الغيار التابعة لمجموعة برامج إدارة البيانات الرئيسية (MDM)، إلى جانب فريق مكون من 2-3 محللين للبيانات ومدير مشروع، وذلك لإجراء المراجعة النهائية والتعديلات والموافقات وفحوصات ضمان الجودة.
نجد أن هذا النهج المختلط، الذي يعتمد على الاستفادة من عوامل الذكاء الاصطناعي القوية والمدربة خصيصًا لهذا المجال جنبًا إلى جنب مع خبراء متخصصين في المجال، يمثل الطريقة المثلى لتقليل وقت الإنجاز إلى أدنى حد ممكن وزيادة الدقة إلى أقصى حد.
وفي هذا السياق، تعمل نماذج الذكاء الاصطناعي المُدرَّبة خصيصًا لهذا القطاع على تنقية بيانات الأجزاء من خلال عملية تنقية وتوحيد البيانات تتألف من 5 خطوات.
كما يتم إرفاق «درجة الثقة» بالبيانات التي تم تنقيحها، ثم يتم تمييز السجلات التي تفتقر إلى السياق الكافي لإجراء عملية التنقيح لإخضاعها للمراجعة اليدوية من قبل البشر. ويمكن بعد ذلك «حذف» هذه السجلات أو «دمجها»
في «فيردانتيس»، تستند خارطة طريق منتجاتنا إلى أسس تقنية «أجينتيك» للذكاء الاصطناعي وقدرتها على إضافة قيمة كبيرة في عملية تنقية البيانات.
وبناءً على ما سبق، ورغم أن الحل الآلي بالكامل أصبح على وشك الظهور، إلا أن عملية تنقية بيانات قطع الغيار، في الوضع الحالي، تتطلب مشاركة بشرية قادرة على مراجعة بعض سجلات البيانات والموافقة عليها وتجاوزها.
وهذا هو النهج الأنسب لمشاريع تنقية بيانات قطع الغيار التي يتراوح عدد سجلات البيانات فيها بين 20 ألف و2 مليون سجل.
البرمجيات في الواقع:
الطريقة الرابعة: برامج إدارة الأجهزة المحمولة (MDM) العامة
ورغم أن منصات إدارة البيانات (MDM) العامة لم تُصمم خصيصًا لتنقية بيانات قطع الغيار، إلا أنها تتمتع بالمرونة وقابلية التهيئة الكافية للتعامل مع حالات الاستخدام الخاصة بالصناعة في مجال التنقية؛ لكن هذا يتطلب أيضًا وجود متخصص في الإشراف على البيانات أو إدارتها لتهيئة هذه القواعد وتنفيذها، وترحيل البيانات المصححة إلى الأنظمة المصدرية.
فيما يلي كيفية استخدام هذه المنصات لتنقية المواد والبيانات الاحتياطية
1. جمع البيانات
وعلى غرار أدوات ETL، تعمل أدوات إدارة البيانات الرئيسية (MDM) هذه على تحديد مصادر البيانات من أنظمة مصدر متعددة مثل أنظمة تخطيط موارد المؤسسات (ERP) وإدارة الأصول المؤسسية (EAM)، وأنظمة إدارة الصيانة (CMMS)، والمجلدات، والكتالوجات، والأنظمة القديمة، أو السجلات اليدوية.
تستخدم منصات إدارة البيانات الرئيسية (MDM) موصلات أو أدوات تكامل لاستخراج البيانات من هذه الأنظمة المتباينة، والهدف من ذلك هو تجميع كل هذه البيانات في منصة إدارة البيانات الرئيسية (MDM) من أجل إدارة مركزية للبيانات.
2. توحيد البيانات
تتميز منصات إدارة البيانات (MDM) عادةً بواجهة سهلة الاستخدام للغاية لتوحيد البيانات من خلال «تكوين القواعد»، أنظمة تصنيف قطع الغيار، قواعد التسمية، ووحدات القياس، وما إلى ذلك.
على سبيل المثال، قاعدة لتوحيد كتابة «كيلوغرامات» إلى «كغ»، أو قاعدة تمنع استخدام الأحرف الخاصة
أو قاعدة أخرى للتحقق من صحة القيم العددية أو توحيدها (مثل: الأبعاد، التكلفة)
أو قاعدة أخرى تتعلق بقواعد التسمية، على سبيل المثال، توحيد أوصاف الأجزاء لتجنب الاختلافات في الصياغة (مثل «برغي فولاذي» مقابل «برغي، فولاذي»).
3. الكشف عن التكرارات
تتمتع منصات إدارة الأصول (MDM) عادةً بقدرات متنوعة للكشف عن التكرارات. وتستخدم المنصة خوارزميات للبحث عن التطابقات التامة بين أرقام القطع، والأوصاف، والفئات، ووحدات القياس، وما إلى ذلك.
من أجل إزالة التكرار المتقدمة، تدعم أنظمة إدارة البيانات الطبية (MDM) المطابقة التقريبية، والتي يمكنها تحديد السجلات المتشابهة دون أن تكون متطابقة تمامًا على مستوى الأحرف. (على سبيل المثال، «12mm Bolt» مقابل «12mm-Bolt»).
عادةً ما تُرفق هذه السجلات بدرجة ثقة، لأن السماح بدمج السجلات تلقائيًا قد ينطوي على مخاطر ويؤدي إلى أخطاء.
4. تنقية البيانات وإثرائها
ويستلزم ذلك إلى حد كبير تصحيح حقول البيانات غير الدقيقة — مثل أرقام القطع أو الأوصاف أو أسماء الشركات المصنعة أو التصنيفات — سواءً بشكل تلقائي أو يدوي. فعلى سبيل المثال، إذا كان وصف إحدى القطع غير مكتمل أو يحتوي على أخطاء إملائية، فيمكن تحديثه ليتوافق مع المعلومات الصحيحة.
في حالة وجود بيانات ناقصة (مثل المواصفات الأساسية أو أرقام القطع)، يمكن لمنصة إدارة البيانات الرئيسية (MDM) استخدام قواعد محددة مسبقًا إما لاستخراج البيانات من مصادر خارجية (مثل كتالوجات الموردين) أو للإشارة إلى هذه الثغرات من أجل إدخالها يدويًّا.
معظم تتميز أدوات إدارة البيانات (MDM) بقدرات تكامل مدمجة مع مصادر البيانات الخارجية بهدف إثراء البيانات. يمكن استخدام النسخ الرقمية من كتالوجات الموردين والبيانات الداخلية الموجودة ضمن أنظمة تخطيط موارد المؤسسات (ERP) أو أنظمة إدارة الأصول (EAM) أو قواعد بيانات الجهات الخارجية لإنشاء سير عمل لإثراء البيانات وسد الثغرات.
5. حوكمة البيانات
كما تمت مناقشته في النقطة #1، فإن الإدارة المركزية لبيانات قطع الغيار هي الهدف من أي مبادرة لإدارة بيانات المواد (MDM) الخاصة بقطع الغيار. ويكمن الجانب الأساسي هنا في ضمان توفر بيانات موثوقة بشكل مستمر.
إن عملية تنقية البيانات الأساسية لقطع الغيار لن تظل فعالة إلا لبضعة أسابيع قبل أن تتدهور جودة البيانات مرة أخرى. ولهذا السبب، ينبغي أن تكون خطة حوكمة البيانات الخاصة بعمليات الصيانة والإصلاح والعمرة (MRO) هي الخطوة التالية الفورية لضمان جودة عالية لبيانات قطع الغيار بشكل مستمر.
بعض من ترد في هذه الصفحة قائمة بأبرز مزودي برامج إدارة البيانات الأساسية إلى جانب ميزات التميز الخاصة بها، وحالات الاستخدام في القطاع، وخيارات التكامل، وتقييمات المستخدمين.
المزايا:
- يتميز هذا النهج بالمرونة ويمكن تهيئته لتلبية المتطلبات المحددة لبيانات قطع الغيار الخاصة بأي مؤسسة، مما يجعله مناسبًا لمجموعة متنوعة من القطاعات ومستويات تعقيد البيانات المختلفة.
- وهو يتيح الإدارة المركزية لقطع الغيار البيانات من خلال دمج المعلومات الواردة من مصادر متعددة، مثل أنظمة تخطيط موارد المؤسسات (ERP) وإدارة الأصول المؤسسية (EAM) ونظام إدارة الصيانة (CMMS) أو السجلات اليدوية، في منصة واحدة لتسهيل عملية التحكم والوصول إليها.
- بفضل التوحيد والتحقق من الصحة القائمين على القواعد، تساعد المنصة في تنقية البيانات من خلال أتمتة المهام الشائعة مثل تحويل وحدات القياس، وتطبيق قواعد التسمية، وتصحيح الأخطاء استنادًا إلى منطق محدد مسبقًا.
- يتم دعم الكشف عن التكرارات من خلال خوارزميات تكتشف التطابقات التامة والسجلات المتشابهة، مما يساعد على تقليل التكرار ويضمن دقة البيانات، مع توفير درجات ثقة لإجراء عمليات دمج أكثر أمانًا.
العيوب:
يتطلب إعداد المنصة خبرة في إدارة البيانات أو في مجال تكنولوجيا المعلومات من أجل تهيئة القواعد وسير العمل وعمليات التكامل، مما قد يجعل عملية النشر الأولي تستلزم موارد كبيرة.
ونظرًا لأن برامج إدارة الأصول المتنقلة (MDM) العامة غير مصممة خصيصًا لبيانات قطع الغيار، غالبًا ما تضطر المؤسسات إلى استثمار المزيد من الوقت والجهد في تخصيص سير العمل والمنطق لتلبية الاحتياجات الخاصة بالقطاع.
فبدون حوكمة منظمة ومراجعات دورية، يمكن أن تتدهور جودة البيانات المنقحة بسرعة، مما يتطلب بذل جهود مستمرة للحفاظ على جودتها وموثوقيتها.
مثال:
قامت شركة تصنيع عالمية، كانت تواجه مشكلات تتعلق بعدم اتساق بيانات قطع الغيار عبر أنظمة تخطيط موارد المؤسسات (ERP) الإقليمية، بتنفيذ منصة عامة لإدارة البيانات الرئيسية (MDM).
وقد قاموا بتوحيد قواعد التسمية ووحدات القياس وتصنيفات الأجزاء، كما أجروا عملية الكشف عن التكرارات باستخدام المطابقة التقريبية.
ونتيجة لذلك، تمكنوا من تقليل الأخطاء في البيانات، وتحسين دقة عمليات الشراء، وتعزيز تخطيط الصيانة، مع إرساء نظام مستمر لإدارة البيانات من أجل الحفاظ على هذه التحسينات في الجودة.
وفقًا لتقرير بحثي صادر عن معهد IJSRP، أفادت الشركات التي طبقت حلاً لإدارة البيانات المتنقلة (MDM) بهدف مواءمة بياناتها بأنها حققت انخفاضاً في أخطاء البيانات بنسبة تصل إلى 25% وتحسناً في كفاءة الإنتاج بنسبة 15%.
الخلاصة
يُعد تنقية بيانات قطع الغيار والمواد الاستهلاكية خطوة حاسمة في تحقيق الكفاءة التشغيلية، وخفض التكاليف، وتحسين عملية اتخاذ القرار للمؤسسات العاملة في الصناعات التي تعتمد بشكل كبير على الإنتاج.
كما أن البيانات الدقيقة تجعل تحليل مدى أهمية قطع الغيار ممكن. عندما تكون الخصائص وروابط المعدات وعلاقات قائمة المواد (BOM) واضحة ومتسقة، يمكن للفرق تحديد الأجزاء التي تعتبر بالغة الأهمية حقًّا للسلامة أو استمرارية الإنتاج أو سرعة الاستجابة في الصيانة.
ورغم عدم وجود حل واحد يناسب جميع الحالات، فإن كل نهج من النهج الموضحة هنا يتمتع بمزايا خاصة به، وذلك اعتمادًا على حجم البيانات، والدقة المطلوبة، والموارد المتاحة، والسياق التجاري المحدد.
في نهاية المطاف، يعتمد النهج الصحيح على الاحتياجات الفريدة للمؤسسة. وأياً كانت الطريقة التي تختارها، فإن الاستثمار في عملية تنظيف منظمة وحوكمة مستمرة سيضمن بقاء بيانات قطع الغيار الخاصة بك نظيفة وموثوقة وجاهزة لدعم العمليات الاستراتيجية.
لا تقتصر أهمية البيانات النظيفة على مجرد حفظ السجلات فحسب؛ بل إنها تهدف إلى تمكين عمليات شراء أكثر ذكاءً، وتخطيط أفضل للصيانة، ومراقبة أقوى للمخزون على مستوى عملياتك بأكملها.
