Meta-analysis of knowledge assets for continuous improvement of maintenance cost controlling

Abstract

Maintenance is a combination of multilateral and cross-functional activities and processes. Maintenance processes are identified in both strategic management and operation systems. Managers, engineers, technicians and operators collaboratively contribute in conducting and performing preventive or corrective maintenance activities. Maintenance management is to provide the long-term business strategy that ensures capacity of the production, quality of the product, and the best life cycle cost. It is a decision-making activity which has been highly correlated with expertise of maintenance staff and their own practical experience. Maintenance management intends not only to keep the desired performance of machinery, but to continuously improve quality and cost effectiveness of the pertained processes. Maintenance cost management (MCM), consisting of cost planning, monitoring and controlling, thereby is an essential part of the sustainable and efficient maintenance management system. MCM is determined as a knowledge-centered and experience-driven process where exploiting existing knowledge and generating new knowledge strongly influences every instance of cost planning. Taking into account the dynamics of knowledge assets, an interdisciplinary research raises practical implications in the domain of maintenance. The key aspect of the present work is learning from past experiences for continuous improvement of the maintenance cost planning and controlling. Learning in MCM is an evolutionary and iterative process through which a chief maintenance officer (CMO) compounds and deepens his/her knowledge. CMO analyzes former experiences gained in the past maintenance planning periods, identifies facts or artifacts (i.e. evidence for improving the planning process), and finally enhances planning of the upcoming events by applying the lessons learned. This work principally constitutes a model, Costprove, for meta-analysis of maintenance knowledge assets. The knowledge assets are articulated, represented, and stored in repositories (i.e. explicit knowledge), or remain with (a group of) individuals and need to be extracted, documented, and validated (i.e. implicit knowledge). Meta-analysis is a set of methods for discovering the strength of the relation between certain predefined entities. It provides evidence for decision-makers (e.g. CMO) to discover hidden improvement potentials in cost planning, and incrementally attain desired company objectives. The main focus of this work is to establish a mathematical meta-analysis for (i) identifying the relation between cost figures (planned, unplanned and total cost), and operation parameter (number of maintenance activities), and (ii) trading-off between planned and unplanned cost. Hence, the model deploys an economic approach for identifying desired cost figures in every planning period, and ultimately defining operation-related parameters. Anticipating the trend of the fourth industrial revolution, the foremost result of this thesis is the development of an integrated and practice-oriented knowledge-based approach to maintenance cost planning and controlling.

Instandhaltung ist eine Kombination aus multilateralen und bereichsübergreifenden Aktivitäten und Prozessen. Instandhaltungsprozesse bestehen sowohl aus strategischem Management als auch aus operativen Systemen. Manager, Ingenieure, Techniker und Anwender leisten gemeinsam Beiträge zur Administration und Durchführung präventiver oder wiederherstellender Instandhaltungsaktivitäten. Das Instandhaltungsmanagement dient dazu, für die langfristige Unternehmensstrategie zu sorgen, die die Produktionskapazitäten, die Produktqualität und die niedrigsten Lebenszykluskosten gewährleistet. Es handelt sich um eine Funktion der Entscheidungsfindung, die hochgradig mit der Expertise der Instandhaltungsmitarbeiter und ihren eigenen praktischen Erfahrungen verbunden ist. Das Instandhaltungsmanagement sorgt nicht nur dafür, die gewünschte Leistungsfähigkeit des Maschinenparks zu gewährleisten, sondern verbessert kontinuierlich die Qualität und Kosteneffektivität der betreffenden Prozesse. Das Instandhaltungskostenmanagement (MCM), bestehend aus Kostenplanung, -überwachung und -steuerung, ist somit ein wesentlicher Bestandteil eines nachhaltigen und effizienten Instandhaltungsmanagementsystems. MCM ist als wissenszentrierter und erfahrungsgetriebener Prozess zu verstehen, bei dem die Nutzung vorhandenen und die Generierung neuen Wissens jedes Element der Kostenplanung maßgeblich beeinflusst. Unter Einbeziehung der Dynamik der Wissensbestände erhöht ein interdisziplinärer Forschungsansatz die praktische Relevanz im Bereich der Instandhaltung. Der Schlüsselaspekt der vorliegenden Arbeit ist „aus Erfahrungen lernen“ mit dem Ziel einer kontinuierlichen Verbesserung der Instandhaltungskostenplanung und -kontrolle. Lernen im Instandhaltungskostenmanagement ist ein evolutionärer und iterativer Prozess, durch den der „Chief Maintenance Officer“ (CMO) sein Wissen verknüpft und vertieft. Der CMO analysiert bisherige Erkenntnisse, die in den vergangenen Planungsperioden erworben wurden, identifiziert Fakten oder Hypothesen (z.B. Bestätigungen für die Verbesserung des Planungsprozesses) und verbessert schließlich die Planung des zukünftigen Geschehens durch die Umsetzung des Erlernten. In dieser Arbeit wird insbesondere ein Modell, Costprove, für die Meta-Analyse von Instandhaltungswissen entwickelt. Die Wissensbestände sind artikuliert, dargestellt und abgespeichert (explizites Wissen) oder befinden sich bei Personen und müssen extrahiert, dokumentiert und validiert werden (impliziertes Wissen). Meta-Analyse ist ein Methodenpaket zur Entdeckung der Stärke der Beziehung zwischen bestimmten vordefinierten Objekten. Es liefert den Entscheidern (z.B. CMO) Hinweise, verdeckte Verbesserungspotentiale bei der Kostenplanung zu finden und schrittweise die gesteckten Unternehmensziele zu erreichen. Der Hauptfokus dieser Arbeit liegt darauf, eine mathematische Meta-Analyse zu erzeugen, die 1. das Verhältnis zwischen den Kostenarten (geplante, ungeplante, gesamte Kosten) und den Handlungsparametern (Zahl der Instandhaltungsaktivitäten) identifiziert und 2. geplante und ungeplante Kosten optimiert. So stellt das Modell einen wirtschaftlichen Ansatz zur Identifizierung der gewünschten Kostengrößen in jeder Planungsperiode bereit und definiert abschließend die damit zusammenhängenden operativen Parameter. Den Trend der vierten industriellen Revolution vorwegnehmend, besteht das Hauptergebnis dieser Dissertation in der Entwicklung eines integrierten und anwendbaren wissensbasierten Ansatzes zur Instandhaltungskostenplanung und -kontrolle.