Los procesos de Reparaciones y Operaciones de Mantenimiento [MRO], especialmente en grandes organizaciones de fabricación o de producción intensiva, requieren gestionar, generar y tratar y sincronizar bastantes datos a través de varios sistemas organizativos.
Estos datos pueden referirse a piezas de recambio, consumibles, activos fijos, inventarios, proveedores, órdenes de trabajo, listas de materiales de equipos, etc.
Estos conjuntos de datos suelen gestionarse en sistemas ERP y, debido a su gran volumen, escala de uso y falta de protocolos de gestión de datos, con el tiempo su calidad se erosiona.
Los problemas de calidad de los datos relativos a las piezas de recambio suelen ser los más comunes, seguidos de los proveedores y equipos de MRR.
Principales problemas de calidad de los datos MRO y sus consecuencias
Datos duplicados
Debido a una mala gestión de los datos y a la ausencia casi total de normas de gobernanza de datos para las piezas de recambio, con el tiempo se crean múltiples registros para lo que esencialmente es la misma pieza, proveedor o equipo.
El reto, sin embargo, es que los sistemas de datos maestros se basan en un estándar de "registro de oro", lo que significa que cada registro creado hace referencia a un único producto, pieza, equipo o proveedor.
La duplicación de registros hace que el sistema de gestión de inventarios de MRR crea que los dos repuestos son distintos, lo que da lugar a múltiples pedidos de adquisición, a un exceso de existencias de repuestos y, en última instancia, mayores costes de adquisición e inventario.
Basándonos en la investigación que llevamos a cabo en Verdantis sobre datos anónimos de empresas, descubrimos que los costes de aprovisionamiento pueden estar inflados entre 20% y 35% en conjuntos de datos de MRO plagados de duplicados.
Los registros de datos que se actualizan apresuradamente para adquirir un artículo sin actualizar la información, los atributos, las especificaciones o los detalles correctos son un problema bastante común.
Se trata de un grave problema de calidad de los datos y es también una de las razones que agravan el problema #1 señalado anteriormente.
Por ejemplo, la falta de información específica sobre una pieza de recambio de un proveedor puede dar lugar a decisiones erróneas, que provoquen despilfarros, adquisiciones incorrectas y, en el caso de operaciones de mantenimiento críticas, esto puede traducirse directamente en tiempos de inactividad de la producción.
La ausencia de información clave, como el nombre del fabricante o el número de pieza, hace más difícil determinar si el artículo es "activo" u "obsoleto".
Según otra investigación interna de Verdantis, los casos relacionados con el tiempo de inactividad de la producción y el gasto inconstante pueden reducirse hasta en 30% garantizando unos registros de MRO limpios y actualizados.
El buen funcionamiento de un proceso de MRR depende en gran medida de que los datos estén sincronizados entre los distintos dominios de datos e incluso entre los conjuntos de datos maestros y otros módulos digitales del ERP.
Estos datos se sincronizan mediante "vínculos", que son básicamente identificadores únicos que vinculan un registro de datos entre distintos conjuntos de datos.
Los vínculos de la lista de materiales digital a las piezas de recambio establecen referencias de los registros de datos de piezas de recambio a los activos fijos
Piezas de repuesto al sistema de gestión de inventarios establece vínculos con el sistema de gestión de inventarios
Los datos de la evaluación de la criticidad de las piezas de recambio también deben sincronizarse en el maestro de MRR para determinar las piezas de recambio que son críticas frente a las que no lo son.
Aunque fuera del ámbito de la mayoría de las soluciones de gestión de datos MRO, las mejores prácticas también dictan que la propia naturaleza de las piezas de repuesto debe clasificarse en lentas, rápidas, obsoletas, etc.
Esta sincronización de datos allana entonces el camino para soluciones informáticas de gestión de inventarios MRO disponer de todos los datos adecuados para optimizar los niveles de inventario sin problemas.
La gestión de datos MRO es fundamental para garantizar el tiempo de actividad de los equipos y la eficiencia operativa. Contar con datos limpios y coherentes ayuda a los equipos de mantenimiento a encontrar las piezas adecuadas con mayor rapidez, permite una planificación precisa del inventario y reduce los retrasos en el aprovisionamiento, lo que en última instancia reduce los costes y evita los tiempos de inactividad.
Confíe en descripciones y especificaciones precisas de las piezas para minimizar el tiempo de inactividad de los equipos y agilizar las reparaciones.
Confíe en datos MRO limpios y clasificados para evitar compras duplicadas, reducir el riesgo de los proveedores y optimizar las decisiones de aprovisionamiento.
Utilice datos de MRO fiables para mejorar la fiabilidad de los activos, planificar el mantenimiento preventivo y reducir las interrupciones operativas.
Necesita datos normalizados para gestionar eficazmente los niveles de existencias, evitar el exceso de existencias y eliminar el inventario muerto.
Garantice la coherencia de todo el sistema integrando los datos de MRO en las plataformas ERP, EAM y CMMS.
Aproveche los datos MRO de alta calidad para habilitar iniciativas de IA, análisis y mantenimiento predictivo.
¿Cómo resolver estos problemas de calidad de datos?
La solución a este reto permanente puede bifurcarse en 2 partes;
-
Normalización de los datos existentes
-
Creación de entradas/registros futuros
Esto implica una normalización total de los datos heredados del pasado que se han ido acumulando a lo largo de los años y una depuración exhaustiva de los mismos, lo que conlleva eliminar las entradas duplicadas, enriquecer la información necesaria, extraer atributos de los registros de datos y sincronizar la información con otras fuentes de datos.
Más allá de la norma Depuración de datos MROLas soluciones informáticas también pueden establecer vínculos entre distintos ámbitos y establecer una referencia cruzada entre ambos.
Hasta ahora, las empresas dependían en gran medida de grandes equipos que limpiaban manualmente estos registros de datos. ejercicio de depuración de los registros de datos maestros era bastante alto.
Sin embargo, en los últimos tiempos, con el auge de los modelos de IA creados específicamente, la limpieza de datos de MRO es mucho más precisa y puede realizarse en una fracción del tiempo con agentes de IA entrenados en millones de registros de proveedores, piezas de repuesto o equipos.
El siguiente vídeo muestra cómo Harmonize, una solución de software que despliega este tipo de agentes de IA, puede normalizar datos heredados con una precisión >95%.
El siguiente vídeo detalla el proceso de enriquecimiento de datos de nuestra solución de armonización de datos:
Aunque la limpieza de los datos heredados protege la sanidad de los datos de MRO pertenecientes al pasado, hay muy poco que impida que estos problemas de calidad de datos vuelvan a surgir.
Por ello, las empresas suelen recurrir a una solución basada en software que se integra con los sistemas ERP y el maestro MRO para evitar que se creen duplicados desde el principio mediante una combinación de modelos de IA y potentes sistemas de coincidencia difusa.
Algunos también lo denominan una solución de gobernanza de datos MRO.
En el siguiente vídeo se detallan las principales características de nuestra solución de gestión de datos:
Más allá de los datos maestros
Hasta ahora, hemos cubierto a grandes rasgos lo que se consideran ofertas estándar en la gestión de datos MRO.
Sin embargo, las empresas que buscan construir realmente una ventaja competitiva con sus estrategias de gestión de datos MRO aumentan la calidad de los datos con enfoques novedosos, así como mediante la adopción de nuevas técnicas para este enfoque.
Hoy en día, las soluciones avanzadas de gestión de datos de MRO pueden examinar todos los datos existentes sobre piezas de recambio de MRO y determinar el "estado" de cualquier pieza, es decir, pueden marcar una pieza de recambio como "obsoleta" o "activa", lo que permite una gestión más eficaz. gestión de los datos de obsolescencia de las piezas de recambio.
Esto es ahora posible con el uso de agentes de IA que pueden desarrollar de forma autónoma una comprensión contextual accediendo al catálogo de proveedores, sitios web e información de fuentes abiertas y propias.
Las soluciones de IA agéntica también pueden examinar los datos de las piezas e identificar recambios y proveedores alternativos para esos recambios.
Esta gestión de las piezas de recambio es fundamental para alcanzar la excelencia en la gestión de MRO, optimizando y analizando los gastos de MRO, y forma parte de una estrategia global de aprovisionamiento de MRO.
Una vez determinados el nombre del fabricante o el número de pieza de las piezas de recambio, las mejores prácticas dictan que estos datos pueden referenciarse a el maestro vendedorde este modo se construye un sistema MDM multidominio
Junto con la evaluación de los equipos y piezas críticos de MRO, la naturaleza de las piezas de repuesto y los vínculos entre ellas, un conjunto de datos fiable de MRO puede aumentar las capacidades de un software de gestión de inventarios de MRO.
Las herramientas de IA agéntica pueden simplificar y reforzar significativamente el proceso de Gestión de datos de listas de materiales extrayendo datos de listas de materiales digitales. A menudo se encuentran en formatos como PDF de ingeniería, archivos Excel, exportaciones de ERP o dibujos CAD.
Estos documentos son difíciles de procesar a gran escala debido a su naturaleza no estructurada, y la manipulación manual suele introducir errores, retrasos e incoherencias.
Las herramientas de extracción basadas en IA pueden leer estas listas de materiales digitales y extraer automáticamente información clave como números de pieza, ID de equipos, descripciones de piezas y cantidades.
Una vez extraídos, estos datos estructurados se cotejan con los registros maestros de piezas de recambio y de equipos para establecer vínculos entre las piezas y las máquinas o activos específicos a los que pertenecen.
Esta cartografía automatizada elimina la ambigüedad al definir claramente qué piezas se utilizan en cada equipo, su ubicación en la estructura de activos y cuántas unidades se necesitan.
Ayuda a evitar la creación de registros de piezas duplicados, garantiza la coherencia entre las fuentes de datos y facilita la creación de listas de materiales de mantenimiento precisas y completas.
Además, este proceso de extracción contribuye directamente a mejorar la precisión del inventario, optimizar las estrategias de almacenamiento de piezas de recambio y reducir los casos de pedidos excesivos o insuficientes.
También permite clasificar los recambios por su contexto de uso dentro de la lista de materiales -ya sean piezas de rápida rotación, críticas o de poco uso-, lo que resulta clave para priorizar las adquisiciones y planificar el mantenimiento.
De este modo se favorece la armonización de los datos, se crea integridad en los maestros de activos y materiales y se sientan las bases para una automatización y un análisis más avanzados. Se trata de un paso fundamental para lograr operaciones de MRR proactivas y basadas en datos.
En el pasado, las empresas dependían en gran medida de un ejército de humanos que corregían manualmente los datos comprometidos en los conjuntos de datos MRO. Como se ha mencionado anteriormente, los plazos de entrega, el coste y la precisión de este enfoque no eran óptimos.
El software de gestión de datos MRO, como el que hemos desarrollado en Verdantis, aprovecha los modelos de IA entrenados por la industria para automatizar la mayoría de las tareas de normalización de datos que luego se devuelven a un revisor humano para el control de calidad.
Estos son algunos de los sectores en los que estamos especializados
Tipos de servicios de gestión de datos MRO
El objetivo de este servicio consiste en la creación de registros de datos "completos" mediante la obtención de información de terceras fuentes, manualmente o mediante programación y actualizando la información de nuevo en el conjunto de datos MRO.
En Verdantis, confiamos principalmente en modelos de IA Agentic entrenados por la industria que enriquecen de forma autónoma los registros de datos entre repuestos, activos fijos y proveedores
- En el caso de las piezas de recambio MRO, puede tratarse de datos como el nombre del fabricante, el número de pieza del fabricante, los atributos de la pieza, las especificaciones, las unidades de medida y los equipos en los que se utilizan.
- En el caso de equipos o activos fijos, puede ser Fabricante del equipo, ID del equipo, centro donde se utiliza, categoría del equipo
- En el caso de los proveedores (o vendedores), puede tratarse del nombre del fabricante/distribuidor, la dirección de la sede central, el número de identificación fiscal y otros datos similares.
Esto implica principalmente la catalogación de piezas de recambio, aunque en el caso de las operaciones a gran escala, también es habitual la catalogación de activos fijos y proveedores.
Cada organización adopta una taxonomía específica para la clasificación de datos MRO y activos fijos, algunos de los más populares son UNSPC...NAICS, PIDEX.
Basándose en las normas prescritas anteriormente, los registros de datos se estructuran y normalizan procesando enormes volúmenes de datos brutos, extrayendo atributos clave, enriqueciendo los valores que faltan y desduplicando la base de datos en busca de posibles duplicados L1 y L2.
En algunos casos, las empresas necesitan crear registros de datos en bloque a partir de catálogos de proveedores o listas de materiales internas de MRO.
Con soluciones como Auto-Doc AI, esto se puede consolidar y crear en masa con unos pocos clics.
Verdantis como especialista en gestión de datos MRO
Verdantis es especialista en gestión de datos maestros MRO para empresas con operaciones de producción intensiva de activos y operaciones de mantenimiento pesado.
Nuestro enfoque en los modelos de IA Agentic para el conjunto completo de servicios de datos MRO nos ha ayudado a resolver los problemas de calidad de datos de empresas medianas y grandes de todo el mundo.
