Predictive maintenance, in het Nederlands voorspellend onderhoud, is een onderhoudsstrategie waarbij je met meetdata en analyse voorspelt wanneer een asset waarschijnlijk gaat falen, zodat je net op tijd ingrijpt: niet te vroeg (en dus onnodig onderdelen vervangen die nog goed zijn) en niet te laat (met ongeplande stilstand als gevolg). De kern is dus timing: onderhoud plannen op basis van de werkelijke, verwachte conditie van de machine in plaats van op een vast schema of pas nadat er iets kapot is.
Waar het past op het onderhoudsspectrum
Onderhoudsstrategieën vormen een oplopende reeks in volwassenheid en datagebruik:
- Reactief (correctief) onderhoud: je repareert pas nadat iets is gefaald. Simpel, maar duur bij kritische assets vanwege ongeplande stilstand.
- Preventief onderhoud: je onderhoudt op een vast interval, bijvoorbeeld elk kwartaal of elke 500 draaiuren. Voorspelbaar, maar je vervangt soms onderdelen die nog prima werken.
- Conditiegebaseerd (CBM) onderhoud: je grijpt in wanneer een gemeten waarde een drempel overschrijdt, bijvoorbeeld trilling, temperatuur of olievervuiling.
- Predictief onderhoud: je gaat een stap verder dan CBM en gebruikt de trend in de data om te voorspellen wanneer de drempel bereikt zal worden, zodat je proactief kunt plannen.
Zie ook preventief vs correctief onderhoud voor het onderscheid aan de basis van dit spectrum.
Verschil met conditiegebaseerd en gebruiksgebaseerd onderhoud
Het verschil met conditiegebaseerd onderhoud is subtiel maar belangrijk. CBM kijkt naar de huidige conditie: is de trilling nu te hoog, ja of nee? Predictief onderhoud kijkt vooruit: gegeven het verloop van de trilling verwacht ik dat de grens over ongeveer drie weken wordt overschreden. Predictief onderhoud bouwt dus vaak voort op dezelfde conditiedata, maar voegt een voorspellende laag toe.
Het verschil met gebruiksgebaseerd onderhoud (bijvoorbeeld onderhoud na een aantal draaiuren of cycli) is groter. Gebruiksgebaseerd onderhoud gaat uit van een aanname: na X draaiuren is slijtage waarschijnlijk. Dat is een vorm van preventief onderhoud en houdt geen rekening met hoe zwaar de machine daadwerkelijk belast is. Predictief onderhoud kijkt naar de echte conditie en belasting, en corrigeert daarmee de aanname. Draaiuren blijven overigens een nuttig en goedkoop signaal, zeker als startpunt.
Wat je ervoor nodig hebt
Zonder data werkt voorspellend onderhoud niet. In de praktijk heb je nodig:
- Meetdata of sensoren die de relevante conditie meten (trilling, temperatuur, druk, stroom, akoestiek, olieanalyse). Soms volstaan bestaande PLC- of SCADA-signalen.
- Historie: voldoende metingen over de tijd, inclusief liefst een aantal daadwerkelijke storingen, zodat je patronen kunt herkennen.
- Een model of analysemethode die de meetwaarden vertaalt naar een verwachting. Dat kan een eenvoudige trendlijn of drempelregel zijn, of een complexer statistisch of machine-learningmodel.
- Werkprocessen om op een voorspelling te handelen: een melding moet leiden tot een geplande werkorder, anders levert de voorspelling niets op.
Wanneer het loont en wanneer niet
Predictief onderhoud is geen doel; het is een middel. Het loont vooral wanneer aan twee voorwaarden is voldaan: de kosten van ongeplande stilstand zijn hoog (denk aan een productielijn die stilvalt of een kritische installatie), én er is betekenisvolle data beschikbaar of te verzamelen tegen redelijke kosten.
Voor eenvoudige, goedkope of ruim redundante assets is het meestal niet rendabel. De kosten van sensoren, dataopslag, analyse en beheer wegen dan niet op tegen de baten. Voor zulke assets is reactief of preventief onderhoud vaak de verstandigere keuze. Bepaal daarom per assettype welke strategie past, in plaats van overal sensoren op te schroeven.
AI is niet altijd nodig
Voorspellend onderhoud wordt vaak in één adem met AI genoemd, maar dat is misleidend. Veel waarde zit in eenvoudige methodes: een trend die de goede kant op loopt, een drempel die nadert, een waarde die afwijkt van het normale patroon. Die inzichten vragen geen geavanceerd model en zijn vaak al genoeg om net op tijd in te grijpen.
Echte predictieve modellen (bijvoorbeeld die de resterende levensduur schatten) vragen veel meer: grote hoeveelheden data, voorbeelden van storingen, en volwassenheid in dataverzameling en onderhoud. Ze zijn krachtig, maar geen wondermiddel en niet altijd nodig. Begin klein, met meten en trends, en bouw complexiteit pas op als de data en de businesscase dat rechtvaardigen. Wie draaiuren monitort met IoT heeft vaak al een goede eerste basis om conditie en trends zichtbaar te maken.
Veelgestelde vragen
Wat is het verschil tussen predictief en conditiegebaseerd onderhoud?
Conditiegebaseerd onderhoud grijpt in wanneer een gemeten waarde nu een drempel overschrijdt. Predictief onderhoud gebruikt de trend in diezelfde data om te voorspellen wanneer die drempel bereikt zal worden, zodat je het werk vooraf kunt plannen. Predictief bouwt dus meestal voort op conditiedata.
Heb je AI nodig voor voorspellend onderhoud?
Nee. Veel waarde komt uit eenvoudige trend- en drempelmethodes die geen AI vereisen. Geavanceerde modellen kunnen meer, maar vragen veel data en volwassenheid. Begin met meten en trends, en voeg complexere analyse pas toe als de businesscase dat rechtvaardigt.
Voor welke assets is predictief onderhoud rendabel?
Vooral voor assets waar ongeplande stilstand duur is én waar bruikbare data beschikbaar is of te verzamelen valt tegen redelijke kosten. Voor goedkope of redundante assets is reactief of preventief onderhoud meestal verstandiger.