Hur felaviseringar upptäcker ett problem
Moderna system upptäcker fel på två sätt.
Sensorbaserat. Maskinen har en sensor som rapporterar misslyckade starter, felkoder eller kraftvärden utanför normalområdet.
Användningsdatabaserat. Om en maskin som normalt används flera timmar om dagen inte använts alls på två dagar, drar systemet slutsatsen att något är fel. Den här metoden fungerar också på maskiner utan egen sensor, förutsatt att användningen mäts externt, till exempel med datorseende.
Varför hastighet är viktigt
En populär maskin som är trasig syns omedelbart i medlemsupplevelsen. Medlemmar går förbi den, kommenterar den till varandra och skriver om den på sociala medier.
Ju snabbare felet upptäcks och åtgärdas, desto mindre blir effekten. På ett välskött gym är tiden från upptäckt till att reparationen beställs under ett dygn, och till färdigställande under en vecka.
Vad du bör följa
Nyckeltalen är medeltid till upptäckt (MTTD), medeltid till reparation (MTTR) och felfrekvens per maskin och månad.
Felfrekvens per maskin avslöjar kroniska problemmaskiner, där byte eller planerat underhåll är effektivare än upprepade engångsreparationer.
En bra underhållsorganisation matar också tillbaka feldata till inköpsbeslut: om utrustning från en viss tillverkare går sönder oftare än andra är det värt att ta med i nästa investeringscykel.
Vanliga misstag
Den vanliga fallgropen med felaviseringar är larmtrötthet: om för många meddelanden kommer in agerar man inte på något. Nyckeln är filtrering. Bara verkliga fel utlöser ett larm och underhållsansvarig ser en kort prioriterad lista.
Det andra vanliga misstaget är att inte koppla felen till underhållsföretagets ärendehanteringssystem. Larmet skickas, men ingen för uppgiften framåt på ett strukturerat sätt.