Samenvatting

Bright Renewables is een bedrijf dat actief is in de bio-energie-industrie. Een van de producten diehet verkoopt zijn biogasopwerkingsinstallaties. Deze installaties hebben veel onderhoud nodig,waaronder het vervangen van actieve koolfiltervaten, die gebruikt worden om waterstofsulfide uit debiogas te filteren. Bright heeft de ambitie om het onderhoud via een predictive maintenancestrategie te laten verlopen. Dit onderzoek heeft gekeken naar de mogelijkheid om door middel vandata-analyses een predictive maintenance strategie op te stellen voor het onderhoud van de actievekoolfiltervaten in deze installaties.Dit onderzoek heeft gebruik gemaakt van de CRISP-DM methode, met als doel om met behulp van deOrange software te voorspellen wanneer onderhoud nodig is. Hiervoor werd gebruik gemaakt van demachine learning modellen die beschikbaar waren in Orange.Uit dit onderzoek is gebleken dat de voorspellingen, die gedaan worden door Orange, niet extreemnauwkeurig zijn, maar met behulp van menselijke interpretatie is het wel mogelijk om redelijkeschattingen te maken, waardoor onderhoud ongeveer een week eerder kan worden ingepland dandat nu het geval is. Er zitten wel significante foutmarges in dit model, waardoor het altijd nodig is omde voorspellingen kritisch te beoordelen. De conclusie is daarom dat er voorzichtige voorspellingen kunnen worden gemaakt met behulp vaneen voorspellingsmodel binnen Orange, maar dat het van belang is om meer onderzoek te doen omte zorgen dat deze voorspellingen nauwkeuriger worden.