Industrial Automation 02 2019

In de studie geven PwC en Mainnovation een
gedetailleerde aanpak weer om de technische
componenten gelieerd aan predictief onderhoud 4.0
stap voor stap te integreren.
‘De menselijke factoren
goed krijgen, dat is
misschien nog de grootste
uitdaging in het realiseren
van predictief onderhoud
4.0’
Zo zijn er al meer bedrijven die gebruik maken van externe data, een essentiële componenten in de analyse van big data.
Meer ambitie, meer daden
Bedrijven blijken zich ook meer in te
zetten om het maturiteitsniveau van hun
onderhoudswerkzaamheden te verbeteren.
Het blijft niet bij loze woorden. De basis
wordt gelegd om over de juiste capaciteiten
en middelen te beschikken voor predictief
onderhoud 4.0. Zo zijn er al meer bedrijven
die gebruik maken van externe data, een
essentiële componenten in de analyse van
big data. De manieren om aan gegevens te
geraken binnen het bedrijf worden ook steeds
geavanceerder: sensoren die gegevens over
de omgeving verzamelen, productiecontrolesystemen
en onderhoudsinformatiesystemen.
Daarnaast doet men een beroep op
geavanceerde datasoftware, -platformen en
connectiviteitsoplossingen. Ook in het personeelsbestand
zijn er ten opzichte van 2017
markante wijzigingen. Meer en meer bedrijven
betrekken datawetenschappers, IT-specialisten
en betrouwbaarheidsingenieurs in hun
onderhoudsactiviteiten.
Uit de enquête bleek dat 4% van de bedrijven zich momenteel op level 4 bevindt. Dat is hetzelfde cijfer als in
2017. Dat betekent dat de plannen en ambities van bedrijven om de stap te zetten naar predictief onderhoud 4.0
vooralsnog niet in daden zijn omgezet. (Beeld: Morel fotografie)
ia-online.be
| 39