Bij Van Meeuwen verzamelen we al jaren data over de werkzaamheden die we uitvoeren bij onze klanten. Jaarlijks registreren we meer dan 1.000.000 unieke onderhoudstaken. Door de jaren heen stapelde dit aardig op en hadden we een historisch overzicht. Acht jaar geleden ontstond de behoefte aan meer inzicht in die werkzaamheden. Inmiddels zijn we een paar waardevolle inzichten rijker.

Naast deze inzichten zetten we de data ook in om onze onderhoudssoftware slimmer te maken. Eerst was de gedachte dat anomaly-detectie of machine learning ons op weg zou helpen. Uiteindelijk was het echte succes veel eenvoudiger. Tijd, prioriteit en urgentie bleken de drie parameters te zijn waarmee we onze onderhoudssoftware al van een kwaliteitsimpuls konden voorzien. Dit samen met de standaardisatie en categorisatie van onze verzamelde data is vandaag de dag nog de basis waarmee we meer dan 80.000 machines van datagedreven onderhoud voorzien.

In deze lezing nemen we het publiek mee in de reis die we als Van Meeuwen hebben afgelegd, van het verzamelen van data tot het daadwerkelijk gebruiken ervan. We delen de lessen die we onderweg hebben geleerd: wat werkte, wat niet, en wat we anders zouden doen.

De centrale boodschap is dat dromen over data met termen als AI, prescriptive maintenance, machine learning en andere hippe buzzwords echte vooruitgang vaak juist in de weg zit. Door klein te beginnen en te focussen op de basis kom je verder dan je denkt.