Terug naar overzicht

Benutten van nieuwe generatie data

Door toenemende digitalisering van processturing krijgen bedrijven beschikking over grote hoeveelheden (big) data. Die vormen een strategisch belangrijke informatiebron voor beslissingen tot verbetering en aansturing. Deze data worden door de bedrijven gretig benut via nieuwe analysemethodes, waardoor nieuwe specialismen en jobs ontstaan.

Werk aan de winkel? Neem actie!

Hieronder vind je de 6 belangrijkste invloeden voor dit scenario:

Big data (analytics) als basis

Lees meer...

Testen in silico kunnen ontwerpen, uitvoeren en interpreteren

Lees meer...

Nieuwe analysemethodes kennen en benutten bij voorbereiding en detectie van onregelmatigheden

Lees meer...

Nieuwe partners uit andere disciplines

Lees meer...

Minder interferentie vanwege dringende, curatieve interventies

Lees meer...

Bijsturing vraagt geen menselijke interventie meer

Lees meer...

Gratis opleidingen in de kijker

Welke invloed heeft dit scenario op de medewerkers?

Big data (analytics) als basis

De interpretatie van storingen en opmaak van preventieve en predictieve onderhoudsplannen zal zich (in toenemende mate) baseren op big data (analytics). Die zullen bijvoorbeeld patronen en relaties blootleggen door gegevens uit verschillende relevante databronnen te combineren (onderhouds- en werkplaatslog, weersinfo, databank met metingen van trillingen ...). Er ontstaat dus een nieuwe techniek en infobron als input, en dat impliceert dat medewerkers in staat zullen moeten zijn dit format voor overdracht van rijkere data via AND- en OR-blokken te 'lezen'.

Testen in silico kunnen ontwerpen, uitvoeren en interpreteren

De nieuwe generatie dataproductietools en -bronnen zal zich manifesteren bij onderzoeks- en testwerk. Nog meer dan vandaag zal labo- vervangen worden door computerwerk. Testen in silico zullen vaker testen in vitro en in vivo vervangen. Het zal erop aankomen die testen te kunnen uitvoeren, ontwerpen en interpreteren. Dat laatste betreft vooral de implicaties voor toepassing in vivo van resultaten in silico. Men moet een goed begrip hebben van de veronderstellingen waarvan de geteste modellen uitgaan en begrijpen wat de resultaten (niet) onthullen.

Nieuwe analysemethodes kennen en benutten bij voorbereiding en detectie van onregelmatigheden

De implementatie van nieuwe generaties analysemethodes zal zich in de productie vooral laten voelen bij voorbereiding van productieruns en opsporing van onregelmatigheden. Medewerkers zullen in staat moeten zijn deze nieuwe technieken te gebruiken, vanuit een werkorder prognoses kunnen doen over het productieverloop en in functie daarvan de juiste voorbereidingen treffen. Bij controle op onregelmatigheden zullen ze ook gebruik moeten maken van deze technieken om anders verborgen variaties te zien. Daarmee breidt de verwachte domeinexpertise zich uit met een nieuw element.

De nieuwe generatie data is voor ons een heel belangrijke informatiebron, omdat we op basis daarvan inzichten verwerven die we vroeger niet hadden. Big data hebben bijgevolg ook een impact op onze manier van werken.

Nieuwe partners uit andere disciplines

Met digitalisering en geavanceerde analysetechnieken manifesteren zich nieuwe samenwerkingen met nieuwe partners: softwareontwikkelaars, wiskundigen, data scientists ... Partners die qua perspectief, aanpak en taal afwijken van vertrouwde partijen. De afstand met die nieuwe disciplines kunnen overbruggen wordt een succesfactor bij de implementeren van scenario's. Ook de intensiteit waarmee overlegd wordt, moet toenemen.

Minder interferentie vanwege dringende, curatieve interventies

Datagedreven planning van onderhoud (mogelijk dankzij doorgedreven digitalisering) zal ervoor zorgen dat de verhouding tussen preventieve en predictieve versus urgente, curatieve taken verschuift in de richting van die eerste. Men zal bij het opstellen van planning en organisatie van het eigen werk minder rekening moeten houden met moeilijk te voorziene en dringende interventies. Dat zal in principe de nood op snel schakelen tussen opdrachten milderen, omdat werkdagen een meer rustig patroon volgen.

Bijsturing vraagt geen menselijke interventie meer

Door meer data, slimme dataverwerking en geautomatiseerde sturing vervalt de verwachting ten aanzien van medewerkers om recepten te formuleren: in dit scenario worden recepten, instellingen en productieprotocollen geautomatiseerd aangepast aan variaties in de grondstoffen.

Welke competenties zullen hierdoor beïnvloed worden?

  • Kan een operationele onderhoudsplanning maken

  • Kan op basis van faalmodus- en –risicoanalyse predictieve en preventieve onderhoudsplannen opstellen

  • Kan (gedocumenteerde) fouten, falingen en storingen, eventueel via de toepassing van meet- en regeltechnieken, interpreteren

  • Kan onregelmatigheden in de grondstoffen, de producten, de werking van de machines of de opdrachten tijdig opmerken

  • Kan werkorders en ondersteunende documentatie (bvb. tekeningen) begrijpen

  • Kan het eigen werk inschatten, organiseren en plannen