Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Data quality assessment using multi-attribute: maintenance perspective
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-6135-3008
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-0055-2740
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0003-3827-0295
2018 (Engelska)Ingår i: International Journal of Information and Decision Sciences, ISSN 1756-7017, E-ISSN 1756-7025, Vol. 10, nr 2, s. 147-161Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The paper proposes a model for data quality (DQ) assessment in maintenance. Data has become an increasingly important since most of the maintenance planning and implementations are based on data analysis. Poor DQ reduces customer satisfaction, leading to poor decision making, and has negative impacts on strategy execution. To improve DQ as well as to evaluate the current status, DQ needs to be measured. A measure for DQ could be an important support for decision makers. Multi-criteria decision-making (MCDM) methods can provide a framework for DQ assessment, however, they are not used in literature for DQ assessment. In order to assess DQ, the attributes or KPIs need to be defined, their hierarchy should be designed and the assessment model is proposed to evaluate these attributes. A case study is also presented in this paper. The study shows that MCDM methods could provide qualitative estimation for the quality of DQ attributes.

Ort, förlag, år, upplaga, sidor
InderScience Publishers, 2018. Vol. 10, nr 2, s. 147-161
Nyckelord [en]
Data quality, data science, eMaintenance
Nationell ämneskategori
Teknik och teknologier Annan samhällsbyggnadsteknik
Forskningsämne
Drift och underhållsteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-69215DOI: 10.1504/IJIDS.2018.092423Scopus ID: 2-s2.0-85048767333OAI: oai:DiVA.org:ltu-69215DiVA, id: diva2:1215277
Anmärkning

Validerad;2018;Nivå 1;2018-06-21 (svasva)

Tillgänglig från: 2018-06-08 Skapad: 2018-06-08 Senast uppdaterad: 2018-06-29Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Al-Jumaili, MustafaKarim, RaminTretten, Phillip

Sök vidare i DiVA

Av författaren/redaktören
Al-Jumaili, MustafaKarim, RaminTretten, Phillip
Av organisationen
Drift, underhåll och akustik
I samma tidskrift
International Journal of Information and Decision Sciences
Teknik och teknologierAnnan samhällsbyggnadsteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 142 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf