13-03-2019 Door Bart Smit. Data Analytics is een belangrijke tool voor de Reliability Engineer. Met behulp van Data Analytics is de Reliability Engineer in staat om patronen te vinden die je gebruikt om te verbeteren. Voor mij is het een steeds belangrijkere tool tijdens het faciliteren.
Meer weten?
Check
dit onderzoek van het International Journal of Production Economics over de impact van de digitalisering op de afdeling Onderhoud. Data Analytics wordt hierin herkend met de meeste impact voor de toekomst. Zij stellen dat: “The value of data analytics will lie in the ability to identify patterns and root causes and take proactive action to avoid disturbances and failures, thereby increasing productivity”.
Wat is mijn ervaring?
De meeste Reliability Engineers werken vandaag de dag vooral nog in Excel en nog niet met Data Analytics pakketten zoals bijvoorbeeld R, Celonis, RapidMiner of Disco. Het is een kwestie van tijd totdat de succesvolle Reliability Engineer ook de skills van een Data Scientist aan zijn toolbox toevoegt.
De praktijk
Vorige week liet een klant mij zijn toepassing zien van Data Analytics. Door de parameters (temperaturen, klepsturing, luchtdebiet, emissies) van het proces te analyseren was hij in staat om inconsistenties uit de regeling (PID) te halen en hiermee het proces te optimaliseren en te verbeteren. Praktischer dan dit wordt het niet met Data Analytics.
Voor deze toepassing zijn 2 factoren cruciaal: .jpg)
1. Het was mogelijk om alle data te analyseren
2. Hij was in staat om de data te interpreteren
Excel kan veel maar niet met heel veel data omgaan. Daarvoor zijn de bovenstaande pakketten veel geschikter. Op het moment dat je als Reliability Engineer in staat bent om met deze pakketten te werken kun je jezelf Analytics Leader noemen volgens Gartner.
Machine Learning
Machine Learning stelt je in staat om met data sets voorspellingen te doen zodat je de betrouwbaarheid kan vergroten. Het nemen van besluiten wordt met Machine Learning geautomatiseerd (zelfrijdende auto) en heeft verschillende niveaus (
Wikipedia).
Terug naar de praktijk
Na zijn voorbeeld van Data Analytics liet de klant mij zien hoe hij met supervised learning een Machine Learning model had gemaakt waarmee kleine afwijkingen werden gevonden en werden gemeld voordat deze een probleem vormen voor de bedrijfsvoering.
De volgende stap
Stilzitten past niet bij CoThink en wij gaan mee met de innovaties en ontwikkelingen. We hebben een trainings module ontwikkeld over data analytics in problem solving & prediction. Met deze training en onze eigen ervaring helpen we al een aantal ICT bedrijven om problemen te voorspellen op basis van big data. Daarnaast werken we nu ook aan toepassing bij bedrijven in de industrie.
Wil je meer weten? Neem contact op met
Bart Smit.