Abstract | Keywords | Export | Availability | Bookmark

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Assetmanagement is een belangrijke factor in bijna alle industriële bedrijven. Het bevat de machines en installaties, hun onderhoud en vele ander belangrijke aspecten die cruciaal zijn voor de werking van een industrieel bedrijf. Een goed beheerd assetmanagement zorgt ervoor dat een bedrijf elke kans gebruikt en dat fouten geen tweede keer worden gemaakt. De laatsten decennia is het bewustzijn van het belang van assetmanagement gestegen. Verschillende evaluatiemethodes zijn ontworpen doorheen de jaren, bijvoorbeeld ISO 55000. Ondanks dit feit, bestaat er geen makkelijk te begrijpen universele methode die bedrijven kunnen gebruiken voor hun assetmanagement. In de literatuurstudie van deze thesis zijn de onderwerpen uiteindelijk gereduceerd tot twee belangrijke hoofdonderwerpen. Het onderzoek kijkt naar benchmarking en zijn verschillende types voor een universele en betrouwbare evaluatietechniek. Best practice benchmarking is een oude techniek waarvan al bewezen is dat het een zeer stek gereedschap kan zijn. Eens de best practice in een sector is geïdentificeerd kan deze benchmark gebruikt worden voor heel de sector. Bij een klassieke best practice benchmark worden KPI-waarden en benchmark-waarden naast elkaar gezet. Het is dan de taak van een expert om te bepalen welke afwijkingen belangrijk zijn en waar de sterktes van het assetmanagement zitten. Verder, een tweede onderwerp dat grondig is bekeken: Multi Criteria Decision Methods (MCDM). Deze methodes helpen verschillende alternatieven te vereenvoudigen op basis van de waarden van beslissing ’s criteria. Door deze vereenvoudiging wordt het mogelijk voor de menselijke beslisser om een geïnformeerde keuzen te maken gebaseerd op al de gekozen criteria. Dit aspect van MCDM, hoe het verschillende criteria kan combineren in één makkelijk verstaanbare vorm, is wat ook gewenst is in het evaluatie model. Het evaluatie model dat voor dit onderzoek is gemaakt, deelt het assetmanagement op in verschillende categorieën, bijvoorbeeld: onderhoud, opleidingen en magazijn. De structuur van het model is als een omgekeerde boom. Beneden staan het Benchmark van de KPI's. Elke KPI krijgt een score die gelijk is aan de afwijking met de benchmark-waarde na normalisatie. Het teken van de KPI-score hangt af van wat soort KPI het is. Er zijn KPI's waar een zo groot mogelijk waarde gewenst wordt, er zijn KPI's waar een zo klein mogelijk waarde gewenst wordt en er zijn KPI's waar er gewenst wordt dat de waarden in een gewenste range zit. In het midden van de structuur van het model, boven de KPI's, zijn de categorieën. Elke categorie heeft KPI's onder zich die een beeld geven hoe goed de categorie bezig is. De categorie scoren wordt berekend als een gewogen som van de KPI-score van de KPI's binnen die categorie. Aan de top van het model staat de totaalscore. De totaalscore wordt berekend als een gewogen som van de categorie-scoren. De gewichten van de verschillende categorieën en van de KPI's binnen in de categorieën worden bepaald aan de hand van paarsgewijze vergelijkingen (pairwise comparisons) zoals in de MCDM-methode AHP. De omgekeerde boomstructuur van het model zorgt ervoor dat de totaalscore een snel een eenvoudig te begrijpen beeld geeft van het assetmanagement. De categorie- en KPI-scoren dienen voor meer detail en inzicht te geven waar zwakte en sterkte van het assetmanagement liggen.