Mark Twain påstod att det finns tre olika lögner, lögner, förbannade lögner och statistik. Jag är ibland frestad att tillägga en fjärde och det är nyckelvärden eller Benchmarking data. Det finns undantag såsom de data jag presenterade om livslängder på pumpar. De är jordnära och enkla att mäta, och därför blir data pålitliga.
Samma gäller trender på genomsnittlig vibrationsnivå, livslängder på motorer etc. Det här är exempel på tekniska data och de är utmärkta att använda för att mäta resultat av aktiviteter. De ligger nära utförande personal och vi vet alla att om aktiviteter såsom uppriktning, balansering allmän maskinvård m.m. utförs så får man bra resultat.
Även jämförelser med data på tillförlitlighet är mycket opålitliga om vi inte är mycket precisa. I en nyligen publicerad artikel, baserad på ett stort svenskt företags databas omfattande underhåll och tillförlitlighetsdata, påstods T.ex. att ett bra värde på tillgänglighet för pappersmaskiner är 93 % eller bättre. Det är naturligtvis inte rätt att tala om enbart tillgänglighet. Tillgängligheten kan vara hög men om man har höga kvalitetsförluster och höga hastighetsförluster så kan totalresultatet bli katastrofalt dåligt.
Man kan inte jämföra så olika processer som pappersmaskiner, det är viktigt att vara mycket mer exakt. En tidningspappersmaskin, en hygienpappersmaskin eller en linerboardmaskin kan alla ha över 94 % tillförlitlighet medan en komplicerad maskin som tillverkar vätskekartong kan vara mycket bra om tillförlitligheten är 84 %. Ju färre komponenter produktionslinjen har, ju högre är tillförlitligheten. Samma princip som ovan sagda gäller, ju enklare ju säkrare.
Det blir mer komplicerat, och därför mer opålitligt, när vi börjar använda ekonomiska och mjukare jämförelser.
I samma artikel påstods att underhållsanställdas ”skruvtid”, den procent av arbetstiden som underhållspersonal utför arbete med verktyg i händerna, är över 40% hos 39 % hos deras kunder. Först och främst tänker jag inte återigen redogöra för varför detta mätetal är mycket föråldrat och dessutom driver fel aktiviteter och beteenden, som i sin tur leder till minskad verklig produktivitet. Jag diskuterade detta med författaren och frågade hur man fått fram data om “skruvtid” när vi alla vet att ingen uderhållsorganisation vi känner till använder “skruvtid” som ett mätetal. Svaret blev mycket luddigt. Ett annat data som avhandlades var värdet av förrådshållna reservdelar och material för underhåll jämfört med uppskattat återanskaffningsvärde. Deras databas visade att ett bra värde är mindre än 0.3% inom massa och pappersindustrin globalt. Det skulle betyda att underhållskostnaden är cirka 0.6% av det uppskattade återanskaffningsvärdet. Inom massa och pappersindustrin är det förhållandet mer troligt runt 3 %.
Eftersom det kan tas fel om jag fortsätter kritisera data i artikeln slutar jag här. Det viktiga jag vill säga är att nyckeltal som presenteras i media skall tas med mycket stor kritik och man måste veta exakt vad data betyder och vad de baseras på. Dessutom måste ni förstå era egna data innan ni påbörjar aktiviteter för att nå de mål ni sätter upp.
Många underhållschefer ringer mej efter att ha blivit jämförda med tvivelaktiga data och företagsledningen har dikterat att skära kostnader för att bli mer i nivå med presenterade benchmarks.
Några goda råd.
- Ta reda på fakta om data innan de används, speciellt data som inkluderar ekonomiska data.
- Förstå era egna data.
- När ni vet era egna data som dom är i dagsläget, utveckla en handlingsplan som skall leda till att ni ständigt närmar er de uppsatta målen.
- Fokusera er på att mäta frontlinjens aktiviteter. Om dom förbättras så kommer resultaten.
- Kom ihåg att aktiviteter driver resultat och bättre resultat driver ständigt bättre resultat.
