भारी उद्योग में “जनजातीय ज्ञान” सबसे बड़ा अदृश्य जोखिम क्यों है
यदि आप रेल की दुकानों या बेड़े के रखरखाव यार्डों में पर्याप्त समय बिताते हैं, तो आप एक आवर्ती विषय पर ध्यान देना शुरू कर देंगे: सबसे महत्वपूर्ण जानकारी आमतौर पर मैनुअल में नहीं होती है।.
यह आपके सीएमएमएस में नहीं बैठता है, और आपको यह किसी तेल रिपोर्ट में दबा हुआ नहीं मिलेगा। इसके बजाय, यह विशेष रूप से आपके वरिष्ठ तकनीशियनों के दिमाग में रहता है। आप उन लोगों को जानते हैं - वह व्यक्ति जो लोड के तहत एक इंजन की आवाज़ सुनकर आपको बता सकता है कि यह वास्तव में होने से तीन हफ्ते पहले ही खराब हो जाएगा, या वह तकनीशियन जो “सामान्य” रिपोर्ट को देखकर जानता है कि कुछ गड़बड़ है।.
हम इसे कहते हैं आदिवासी ज्ञान, और अभी, उद्योग अत्यधिक दर से इसे खो रहा है।.
व्याख्यात्मक गेप
अब हमारे पास डेटा की समस्या नहीं है; अगर कुछ है, तो हम उसमें डूब रहे हैं। हमारे पास सेंसर, कार्य आदेश इतिहास और अंतहीन लॉग हैं। समस्या यह है कि डेटा देखने और वास्तव में यह समझने के बीच एक बहुत बड़ा अंतर है कि किसी विशिष्ट संदर्भ में इसका क्या मतलब है।.
ऐतिहासिक रूप से, अनुभवी लोगों ने उस कमी को पूरा किया। लेकिन जैसे-जैसे वह पीढ़ी सेवानिवृत्ति की ओर बढ़ती है - या बस अपने “सिक्रेट सॉस” को अपने तक ही रखती है - संगठन एक विरोधाभास में पाते हैं: उनके पास पहले से कहीं ज्यादा जानकारी है, लेकिन जब दांव ऊंचे होते हैं तो वे इसे कम समझते हैं।.
यह दुकान में कैसा दिखता है
आदिवासी ज्ञान केवल “सहज ज्ञान” नहीं है। यह वास्तव में दशकों के परीक्षण और त्रुटि के माध्यम से निर्मित उच्च-स्तरीय पैटर्न पहचान है।.
उदाहरण के लिए, तांबे के स्तर में थोड़ी सी वृद्धि स्वचालित अलार्म को ट्रिगर नहीं कर सकती है, लेकिन एक अनुभवी तकनीक जानता है कि एक विशिष्ट इंजन प्लेटफ़ॉर्म पर, यह बेयरिंग वियर का पहला संकेत है। या, वे जान सकते हैं कि कोई विशेष आवर्ती “त्रुटिपूर्ण भाग” वास्तव में दोषपूर्ण नहीं है—यह केवल उपकरण के दैनिक उपयोग के तरीके में एक विचित्रता के कारण गलत तरीके से स्थापित किया जा रहा है।.
यह वह संदर्भ है जो कभी भी किसी रिपोर्ट में शामिल नहीं होता है। यह तभी समझ में आता है जब आपने बैक एंड पर विफलता देखी हो, मशीन को अलग किया हो, और स्वयं चीजों को जोड़ा हो।.
सिस्टम कैसे टूटते हैं
जब यह ज्ञान दरवाज़े से बाहर जाता है, तो संचालन दो खास तरीकों से प्रभावित होता है:
- ब्रेन ड्रेन: जब कोई अनुभवी व्यक्ति सेवानिवृत्त होता है, तो आप सिर्फ एक जोड़ी हाथ नहीं खो रहे होते हैं; आप निदान के “शॉर्टकट” और “सामान्य” वास्तव में कैसा दिखता है, इसकी गहरी समझ खो रहे होते हैं। अचानक, मरम्मत में अधिक समय लगता है, और आपकी टीम उन चीजों के लिए महंगे बाहरी सलाहकारों पर निर्भर रहना शुरू कर देती है जिन्हें वे पहले इन-हाउस संभालते थे।.
- ज्ञान का साइलो कई दुकानों में, सबसे अनुभवी लोग (जानबूझकर या अनजाने में) अपने व्यापार के रहस्यों को आगे नहीं बढ़ाते हैं। इससे एक नाजुक प्रणाली बन जाती है जहाँ केवल एक या दो लोग ही जटिल काम को संभाल सकते हैं। यदि वे शिफ्ट में नहीं हैं या बीमार हैं, तो सब कुछ ठप हो जाता है।.
“क्या” से “क्यों” की ओर”
अधिकांश रखरखाव प्रणालियाँ ट्रैकिंग में बहुत अच्छी होती हैं क्या हुआ और कब यह हुआ। वे बताने में बहुत ख़राब हैं क्यों एक विशिष्ट निर्णय लिया गया था। जब कोई नया तकनीकी व्यक्ति मशीन के इतिहास को देखता है, तो वह बदले हुए पुर्जों की सूची देखता है, लेकिन उसे वे कारण नहीं दिखते जिनके चलते उन पुर्जों को बदला गया था। इसके परिणामस्वरूप, वही गलतियाँ दोहराई जाती हैं, और शुरुआती चेतावनी संकेतों को नज़रअंदाज़ कर दिया जाता है।.
उस अनुभव के बिना, रखरखाव एक दोहराने योग्य प्रक्रिया बनना बंद कर देता है और उस दिन काम करने वाले व्यक्ति के आधार पर जुए का रूप ले लेता है। यह एक प्रणाली नहीं है - यह केवल परिवर्तनशीलता है।.
“सोच” को कैप्चर करना”
लक्ष्य विशेषज्ञों को बदलना नहीं, बल्कि उनकी विचार प्रक्रिया को सभी के लिए उपयोगी बनाना होना चाहिए। इसके लिए कुछ व्यावहारिक बदलावों की आवश्यकता है:
- निर्णय का दस्तावेजीकरण करें, न कि केवल प्रक्रिया का: पंप को ठीक करने के चरणों को बस रिकॉर्ड न करें। रिकॉर्ड करें कि तकनीशियन ने क्या देखा पहला और सबसे पहले उन्हें यह कैसे पता चला कि पंप ही समस्या थी।.
- व्यावहारिक बनाओ लंबे मैनुअल वो जगह हैं जहाँ जानकारी मर जाती है। “यदि/तब” निर्णय बिंदु और स्पष्ट निरीक्षण पथ का उपयोग करें जिन्हें कोई तकनीशियन वास्तव में टैबलेट पर खोल सकता है जब वे मशीन के सामने खड़े हों।.
- एक फीडबैक लूप बनाएं: सिस्टम को समय के साथ अधिक स्मार्ट होना चाहिए। यदि कोई टेक एक नया विफलता पैटर्न खोजता है, तो उसे सामूहिक ज्ञान आधार में वापस फीड करने का एक आसान तरीका होना चाहिए।.
आखिरी बात
यह एक ऐसी कहानी है जिसे हम लगातार देखते हैं: एक दुकान किसी भी जटिल चीज़ को संभालने के लिए एक “सुपरस्टार” तकनीशियन पर निर्भर करती है। यह एक स्थिर संचालन की तरह लगता है जब तक कि वह व्यक्ति छोड़ न दे, और संगठन को एहसास होता है कि उनकी विश्वसनीयता वास्तव में एक व्यक्ति द्वारा ही चल रही थी।.
डेटा आपको बताता है कि क्या हो रहा है, लेकिन अनुभव आपको बताता है कि इसका वास्तव में क्या मतलब है। जो कंपनियाँ अपने विशेषज्ञों के सेवानिवृत्त होने से पहले उस अंतर को पाटने का तरीका खोजती हैं, वे सिर्फ अधिक कुशल ही नहीं होंगी - वे एक कार्यशील प्रणाली वाली एकमात्र कंपनियाँ बची रहेंगी। विश्वसनीयता केवल सेंसर पर नहीं बनाई जाती है; यह समझ पर बनाई जाती है।.