Haalbaarheidsonderzoek ML-based signaleringsservice t.b.v. geautomatiseerd platformonderhoud.

Inleiding

Symbiotic BV (verder Symbiotic) heeft in eigen beheer het Mentor-platform ontwikkeld. In samenwerking met de Rijksuniversiteit Groningen wordt dit platform momenteel ingezet om het inschrijfproces van het cursusaanbod van het Talencentrum verder te digitaliseren.

Ondersteuning en uitdagingen

Daarnaast biedt dit platform ondersteuning met betrekking tot de administratieve afhandelingen binnen het Talencentrum, zoals:

• Boekingsstromen
• Facturatie
• Monitoring van interne budgetten

Echter, door de grote groei in het cursusaanbod (inmiddels ruim 11.000 stuks) in combinatie met de groeiende complexiteit van de processen die geautomatiseerd verlopen, is het huidige Mentor-platform (zeer) storingsgevoelig.

Huidige situatie

In de huidige situatie is er veel manuele interventie benodigd om storingen te verhelpen. Deze storingen kunnen veroorzaakt worden door interne mismatches in de communicatiestroom tussen platformonderdelen (bijvoorbeeld inschrijvingen en facturering). De hoofdoorzaak van deze storingen wordt echter veroorzaakt door aanpalende systemen en de daartoe benodigde interfaces ten behoeve van de communicatie tussen de interne services binnen Mentor en deze externe systemen.

Haalbaarheidsonderzoek

Binnen dit haalbaarheidsonderzoek ziet Symbiotic zich genoodzaakt om de expertkennis van haar personeel voor het oplossen van storingen te verankeren in systeemkennis. Dit wil zij doen door het identificeren en verhelpen van storingen verder te automatiseren om zo de downtime van het platform te reduceren.

Doel van het onderzoek

Hiertoe wil zij een haalbaarheidsonderzoek uitvoeren waarin zij onderzoekt in hoeverre het technisch en economisch haalbaar is om een eigen signaleringsservice te ontwikkelen om patronen in (systeem)storingen middels machine learning (ML) inzichtelijk te maken.