Ihre Daten-Vorlage für die Asset-Wartung

Dieses Attribut definiert die Schritte im Lebenszyklus eines Instandhaltungsauftrags. Es erfasst die verschiedenen Status, die ein Auftrag durchläuft, wie etwa erstellt, genehmigt, in Bearbeitung, pausiert und abgeschlossen.

Für ein präzises Process Mining vereinheitlicht dieses Feld verschiedene Systemereignisse zu verständlichen Aktivitäten. Es ist unverzichtbar für die Visualisierung der Prozesslandkarte, die Berechnung von Übergangszeiten zwischen den Phasen und die Identifizierung von Rework-Schleifen, bei denen ein Auftrag in einen vorherigen Status zurückfällt.

Es definiert die Knoten in der Prozesskarte und ist erforderlich, um den Workflow zu rekonstruieren.

Abgeleitet aus Statusverlaufstabellen, Transaktionsprotokollen oder Arbeitsauftrags-Änderungsprotokollen.

Dieses Attribut dient als zentrale Case ID für die Process Mining Analyse. Es repräsentiert einen einzigen End-to-End-Wartungszyklus, von der ursprünglichen Anfrage oder dem präventiven Auslöser bis zum Abschluss und der finanziellen Schließung.\n\nIn der Analyse fungiert dieses Feld als Primärschlüssel für die Gruppierung aller zugehörigen Events, Kosten und Ressourcenprotokolle. Es ermöglicht der Process Mining Engine, den Lebenszyklus spezifischer Aufgaben zu rekonstruieren, wodurch Analysten den Arbeitsfluss verfolgen, Engpässe auf Case-Ebene identifizieren und spezifische Ergebnisse mit Auftragstypen oder Prioritäten korrelieren können.

Es ist die grundlegende Case ID, die erforderlich ist, um eindeutige Prozessinstanzen zu unterscheiden.

Typischerweise in der Arbeitsauftragskopftabelle (z.B. WONUM in Maximo, AUFNR in SAP) zu finden.

Dieses Attribut bietet den zeitlichen Kontext für jedes Event im Wartungsprotokoll. Es zeichnet den genauen Moment auf, in dem sich ein Status geändert oder eine Transaktion im Quellsystem durchgeführt wurde.\n\nTimestamps sind die Grundlage für alle dauerbasierten Metriken im Process Mining. Sie ermöglichen die Berechnung von Zykluszeiten, Durchlaufzeiten und Ressourcenstillstandszeiten. Hochpräzise Timestamps sind notwendig, um Events, die schnell aufeinanderfolgen, korrekt zu ordnen.

Es ermöglicht die Abfolge von Ereignissen und die Berechnung aller Dauermetriken.

Gefunden in Transaktionsprotokollen, Historientabellen oder Audit-Trails parallel zur Aktivität.

Dieses Attribut verfolgt die Aktualität des in der Analyse verwendeten Datensatzes. Es hilft Analysten, die Aktualität der Daten zu verstehen und potenzielle Latenzprobleme zwischen dem operativen System und der Process Mining Umgebung zu identifizieren.\n\nObwohl es nicht Teil des physischen Prozessflusses ist, ist es entscheidend für die Data Governance. Es stellt sicher, dass Stakeholder wissen, ob sie Echtzeitdaten oder einen Snapshot aus einer früheren Abschlussperiode betrachten.

Es unterstützt die Validierung der Datenaktualität und die Verwaltung inkrementeller Ladungen.

Generiert durch die ETL-Pipeline oder das Extraktionsskript zur Laufzeit.

Dieses Attribut identifiziert die Softwareumgebung, die für die Datengenerierung verantwortlich ist. In komplexen Wartungslandschaften können Daten aus einem ERP, einem spezialisierten CMMS oder einer IoT-Überwachungsplattform stammen.\n\nIn der Analyse ist dieses Feld nützlich, um Daten zu filtern, wenn mehrere Systeme in ein einziges Prozessmodell integriert werden. Es hilft, die Datenherkunft zu überprüfen und kann verwendet werden, um die Datenqualität oder Prozessvarianten zwischen verschiedenen Altsystemen zu vergleichen.

Es gewährleistet die Datenrückverfolgbarkeit in Multi-System-Umgebungen.

Im Extraktionsprozess fest codiert oder aus der Systemkonfiguration zugeordnet.

Dieses Attribut verknüpft den Arbeitsauftrag mit dem physischen Objekt im Feld. Es repräsentiert die Tag-Nummer, Geräte-ID oder Maschinencode für das zu wartende Asset.\n\nDies ist entscheidend für die Identifizierung von „Bad Actors“ oder Assets, die häufiger Reparaturen erfordern. Durch die Aggregation von Arbeitsaufträgen nach Asset ID können Analysten die Mean Time Between Failures (MTBF) berechnen und Geräte identifizieren, die einen unverhältnismäßig hohen Anteil des Wartungsbudgets verbrauchen.

Es ermöglicht die Leistungsanalyse spezifischer Geräte und MTBF-Berechnungen.

Arbeitsauftragskopftabelle (z.B. ASSETNUM in Maximo, EQUNR in SAP).

Dieses Attribut kategorisiert Assets basierend auf den Auswirkungen, die ein Ausfall auf Sicherheit, Umwelt oder Produktion hätte. Es ist oft ein statisches Attribut im Asset-Stammsatz, wird aber häufig auf den Arbeitsauftrag gesnapshottet.\n\nMit diesem Attribut können Analysten feststellen, ob Wartungsteams die Arbeit an kritischen Assets korrekt priorisieren. Es hilft zu überprüfen, ob die wichtigste Ausrüstung die höchste Einhaltung der präventiven Wartungspläne aufweist.

Es hilft, den Instandhaltungsfokus an Geschäftsrisiko und operativen Auswirkungen auszurichten.

Anlagenstammdaten oder Arbeitsauftragskopf, falls denormalisiert.

Dieses Attribut klassifiziert die Art der Wartungsarbeit. Gängige Werte unterscheiden zwischen geplanter Arbeit (präventiv) und ungeplanten Ausfällen (korrektiv oder Notfall). Es ist ein Standardfeld in fast allen EAM/CMMS-Systemen.\n\nAnalysten nutzen dieses Feld, um das Prozessmodell zu segmentieren. Der Vergleich des Workflows von Notfallreparaturen mit präventiver Wartung offenbart oft signifikant unterschiedliche Prozesspfade, Genehmigungsanforderungen und Zykluszeiten. Es ist die primäre Dimension zur Berechnung des Verhältnisses von präventiver zu reaktiver Wartung.

Es ist entscheidend für die Segmentierung der Analyse zwischen geplanten und ungeplanten Arbeiten.

Arbeitsauftragskopftabelle (z.B. WORKTYPE in Maximo, AUART in SAP).

Dieses Attribut summiert alle finanziellen Buchungen, die mit dem Arbeitsauftrag in Verbindung stehen. Es liefert die finalen wirtschaftlichen Auswirkungen der Wartungsaktivität.\n\nDie Kostenanalyse ist ein wichtiger Treiber für Process Mining im Asset Management. Dieses Attribut hilft, die teuersten Asset-Klassen in der Wartung zu identifizieren und Ausreißer hervorzuheben, bei denen die Reparaturkosten den Wiederbeschaffungswert des Assets übersteigen.

Es ist zentral für die Finanzwirkungsanalyse und Budgetabweichungsberichte.

Kostenübersichtstabellen oder aggregiert aus mit dem Auftrag verknüpften GL-Buchungen.

Dieses Attribut identifiziert das Team, Gewerk oder die Abteilung, die dem Arbeitsauftrag zugewiesen ist, z.B. Elektrik, Mechanik, Instrumentierung oder Facility Management.\n\nDiese Ansicht ermöglicht das Performance Benchmarking zwischen verschiedenen Teams. Analysten können Zykluszeiten, Rückstandsniveaus und Nacharbeitsquoten über Abteilungen hinweg vergleichen, um Schulungsbedarfe oder Ressourcenengpässe in spezifischen Gewerken zu identifizieren.

Es ermöglicht das Benchmarking von Leistung und Rückstand über verschiedene Teams hinweg.

Arbeitsauftragskopf (z.B. Arbeitsplatz in SAP, Crew ID in Maximo).

Dieses Boolesche Attribut vereinfacht den Arbeitsauftragstyp in eine binäre Klassifizierung: Präventiv vs. Nicht-Präventiv. Es wird oft vom Arbeitsauftragstypcode abgeleitet.\n\nDieses Flag ist der schnellste Weg, Dashboards zu filtern, um sich auf die PM-Compliance zu konzentrieren. Es vereinfacht die Berechnung des PM/CM-Verhältnis-KPI, das eine Standard-Industrie-Metrik zur Messung der Reife der Wartungsorganisation ist.

Es vereinfacht die Filterung und KPI-Berechnung für Kennzahlen der vorbeugenden Instandhaltung.

Abgeleitet aus dem Arbeitsauftragstyp oder einem spezifischen System-Flag (z.B. PPM-Flag).

Dieses Attribut gibt an, wie kritisch die Wartungsaufgabe für den Betrieb ist. Die Werte reichen in der Regel von numerischen Codes (1, 2, 3) bis zu beschreibenden Bezeichnungen (Kritisch, Hoch, Mittel, Niedrig). Es bestimmt die erforderliche Reaktionszeit und Ressourcenzuweisung.\n\nIn der Prozessanalyse wird dieses Attribut verwendet, um die SLA Compliance zu überprüfen. Analysten untersuchen, ob hochpriorisierte Elemente tatsächlich schneller durch den Prozess laufen als niedrigpriorisierte, oder ob sie in Genehmigungs-Engpässen stecken bleiben.

Es ermöglicht die SLA-Compliance-Analyse und Ressourcenpriorisierungsprüfungen.

Arbeitsauftragskopftabelle (z.B. PRIORITY in Maximo, PRIOK in SAP).

Dieses Attribut aggregiert die Dauer aller Arbeitszeiterfassungen, die dem Arbeitsauftrag zugeordnet sind. Es spiegelt den tatsächlichen Aufwand wider, der zur Erledigung der Aufgabe erforderlich war.\n\nDiese Metrik ist entscheidend für die Berechnung der Arbeitsauslastung und Arbeitseffizienz. Der Vergleich der tatsächlichen Stunden mit den geschätzten Stunden zeigt die Genauigkeit des Planungsprozesses. Deutliche Abweichungen können auf unklare Aufgabenbereiche oder Qualifikationslücken hinweisen.

Es misst den Aufwand und wird zur Berechnung der Auslastung und Planungsgenauigkeit verwendet.

Aggregiert aus Zeiterfassungs- oder Arbeitsvorgangstabellen.

Dieses Attribut repräsentiert das Fälligkeitsdatum, das vom Planer festgelegt oder durch die SLA vorgegeben wird. Es dient als Referenzpunkt für die Pünktlichkeitsberechnung.\n\nDer Vergleich des tatsächlichen Abschlussdatums mit diesem Zieldatum ermöglicht die Berechnung der Termineinhaltung (Schedule Compliance) und Verzögerungsmetriken. Große Abweichungen deuten auf Planungsineffizienzen oder Ressourcenengpässe hin.

Es ist die Grundlage für die Berechnung von Verzögerungen und Terminplan-Compliance.

Arbeitsauftragsplanungs-Tab (z.B. GLTRP in SAP, SCHEDFINISH in Maximo).

Dieses Attribut definiert den geografischen oder funktionalen Bereich, in dem sich das Asset befindet. Dies kann ein bestimmtes Gebäude, eine Etage oder ein entfernter Standort sein.\n\nStandortdaten helfen bei der Analyse von Ineffizienzen bei Reisezeiten und Logistik. Wenn Techniker viel Zeit mit dem Reisen zwischen weit entfernten Standorten für Aufgaben mit niedriger Priorität verbringen, kann Process Mining die Möglichkeit einer besseren Routenplanung oder Gruppierung von Arbeitsaufträgen nach Standort aufzeigen.

Es unterstützt bei der Logistikanalyse und der Identifizierung standortspezifischer Engpässe.

Arbeitsauftragskopf oder verknüpfte Asset-Standorttabelle.

Dieses Attribut identifiziert den einzelnen oder leitenden Techniker, der für die Ausführung der Wartungsaufgabe verantwortlich ist. Während Abteilungen die Gruppe verfolgen, verfolgt dies die spezifische Person.\n\nDiese Granularität ist nützlich für die Analyse der Arbeitslastverteilung unter den Mitarbeitern. Sie kann aufzeigen, ob bestimmte Techniker dauerhaft überlastet sind oder ob bestimmte Personen höhere Nacharbeitsquoten aufweisen, was auf einen Schulungsbedarf hindeutet.

Es ermöglicht die Analyse der Arbeitslastverteilung und individuelle Leistungskennzahlen.

Arbeitsauftragszuweisungen oder detaillierte Arbeitszeittabellen.