Wanneer men het onderhoudsproces wil transformeren van reactief/preventief, naar een voorspellende aanpak, wordt vaak een data scientist of een externe data partij betrokken om het gat aan data kennis te vullen. Echter staan deze personen in de praktijk voor verschillende uitdagingen en blijkt het lastig om een verandering te initiëren.
Uitdagingen
Cultuur en mindset
Binnen de industriële sector hebben we vaak te maken met een conservatieve en risicomijdende cultuur. Tegelijkertijd willen we data gebruiken om onderhoudsprocessen te verbeteren.
Organisatorische versplintering
Organisaties zijn vaak opgedeeld. In de praktijk blijken deze organisatiedelen niet altijd goed op elkaar te zijn ingespeeld.
Diversiteit aan assets en installaties
Bedrijven beschikken over verschillende databronnen, met ieder zijn eigen soort data en toegankelijkheid. De meest waardevolle inzichten worden verkregen wanneer deze databronnen gecombineerd worden en eenduidig beschikbaar zijn.
Matchen van domeinkennis, businesskennis en datakennis
Om relevante inzichten uit data te verkrijgen is domein-, business- en datakennis noodzakelijk. Door deze te matchen kunnen de juiste vragen geformuleerd worden om zo de juiste data te verzamelen.
Governance
Met een schat aan onderhoud gerelateerde data tot je beschikking, ontstaat de vraag: wie krijgt toegang tot welke data, en wat mag hij/zij ermee doen?
Door: Michiel Dondorp & Anish Bisnajak, Croonwolter&dros
Dit webinar vindt plaats op woensdag 23 juni om 9:30