Predictive Asset Management

Raymond Hoogendoorn gaat hierbij in op onderwerpen als hoe je de transitie maakt van time-scheduled maintenance richting een condition-based benadering om voorspellingen te kunnen doen over de waarschijnlijkheid op failures en de rol van AI hierin. Hoe ontdek je patronen in data sets en correleer je patronen als ondersteuning van deze aan engineers en maintenance managers?

Hoogendoorn: “Je hoort heel vaak dat Data Science, Artificial Intelligence en Machine Learning hypes zijn. Dat is waar en niet waar! Het is waar, omdat het eigenlijk al heel lang bestaat. Vroeger werd het wiskunde en statistiek genoemd. Het is niet waar, omdat we met de bestaande toepassingen nieuwe toepassingen doorvoeren.”

De afgelopen vijf jaar is Data Science een serieus vak geworden. Hoe zit het met de komende 5 jaar? “Er zijn en komen steeds meer tools waarin ook niet data scientists, machine learning modellen kunnen maken. Je kan in bepaalde programma’s vrij simpel een model maken. Daardoor lijkt het alsof op termijn een data scientist overbodig zal zijn. Ik denk dat dit niet het geval is, omdat je wel degelijk moet weten wat je doet. Een data scientist moet in staat zijn om de resultaten te interpreteren en te beredeneren waarom je ziet wat je ziet.”