PrimaVera
Synergising Predictive MaintenanceWij hanteren het label Open Access voor onderzoek met een Creative Commons licentie. Door een CC-licentie toe te kennen, geeft de auteur toestemming aan anderen om zijn of haar werk te verspreiden, te delen of te bewerken. Voor meer informatie over wat de verschillende CC-licenties inhouden, klik op het CC-icoon. Alle rechten voorbehouden wordt gebruikt voor publicaties waar enkel de auteurswet op van toepassing is.
PrimaVera
Synergising Predictive MaintenanceWij hanteren het label Open Access voor onderzoek met een Creative Commons licentie. Door een CC-licentie toe te kennen, geeft de auteur toestemming aan anderen om zijn of haar werk te verspreiden, te delen of te bewerken. Voor meer informatie over wat de verschillende CC-licenties inhouden, klik op het CC-icoon. Alle rechten voorbehouden wordt gebruikt voor publicaties waar enkel de auteurswet op van toepassing is.
Samenvatting
The full potential of predictive maintenance has not yet been utilised. Current solutions focus on individual steps of the predictive maintenance cycle and only work for very specific settings. The overarching challenge of predictive maintenance is to leverage these individual building blocks to obtain a framework that supports optimal maintenance and asset management. The PrimaVera project has identified four obstacles to tackle in order to utilise predictive maintenance at its full potential: lack of orchestration and automation of the predictive maintenance workflow, inaccurate or incomplete data and the role of human and organisational factors in data-driven decision support tools. Furthermore, an intuitive generic applicable predictive maintenance process model is presented in this paper to provide a structured way of deploying predictive maintenance solutions
https://doi.org/10.3390/app10238348
LinkedIn: https://www.linkedin.com/in/john-bolte-0856134/
Organisatie | De Haagse Hogeschool |
Afdeling | Faculteit Technologie, Innovatie & Samenleving |
Lectoraat | Lectoraat Smart Sensor Systems |
Gepubliceerd in | Applied Sciences MDPI, Basel, Zwitserland, Vol. 10, Uitgave: 23, Pagina: 8348 |
Datum | 2020-11-24 |
Type | Artikel |
DOI | 10.3390/app10238348 |
Taal | Engels |