Wat is Predictive Maintenance?
Predictive Maintenance (PdM), of voorspellend onderhoud, is een onderhoudsstrategie die met sensordata, trendanalyse en vaak machine learning voorspelt wanneer een machineonderdeel gaat falen, zodat onderhoud precies op tijd wordt uitgevoerd: niet te vroeg en niet te laat. De Europese norm EN 13306 beschrijft PdM als een vorm van toestandsafhankelijk onderhoud die handelt op een prognose van de verslechtering, niet alleen op de huidige meetwaarde. Zo daalt het aantal ongeplande storingen, worden onderdelen tijdig besteld en gaan assets langer mee.
Predictive Maintenance combineert realtime en periodieke metingen, historische gegevens en analysemodellen om toekomstige storingen te voorspellen voordat ze de productie raken.
🧠 Hoe werkt Predictive Maintenance?
Een PdM-systeem doorloopt steeds dezelfde cyclus. De norm ISO 13374 verdeelt die in zes functieblokken: data-acquisitie, signaalbewerking, toestandsdetectie, gezondheidsbeoordeling, prognose en advies.
- Dataverzameling
- Continu via vast gemonteerde sensoren: trillingen, temperatuur, druk, stroom, akoestiek
- Periodiek via meetrondes met handheld trillingsmeters, warmtebeeldcamera’s of oliemonsters
- Historische en contextdata uit SCADA, MES, CMMS of een historian
- Analyse en modellen
- Drempelwaarden, trends en anomalieën
- Geavanceerde algoritmes of AI-modellen voor patroonherkenning
- Voorspelling
- Wanneer treedt de storing waarschijnlijk op (resterende levensduur)?
- Welke component en welk faalmechanisme zijn het?
- Hoeveel tijd is er nog om in te grijpen?
- Actie en planning
- Automatisch een werkorder aanmaken in het CMMS
- Een waarschuwing tonen op de HMI of in SCADA
- Onderdelen bestellen en het onderhoud inplannen in een geplande stop
🔄 Wat is het verschil tussen de onderhoudsstrategieën?
Predictive Maintenance is één trede op de ladder van onderhoudsvolwassenheid. Elke strategie heeft een eigen trigger:
| Strategie | Trigger | Voordeel | Nadeel |
|---|---|---|---|
| Reactief (run-to-failure) | Het onderdeel is kapot | Geen voorinvestering | Ongeplande stilstand, gevolgschade |
| Preventief | Vaste tijd of gebruiksinterval | Eenvoudig te plannen | Onderdelen worden te vroeg vervangen |
| Toestandsafhankelijk (CBM) | Gemeten toestand overschrijdt een grens | Onderhoud alleen bij werkelijke slijtage | Weinig planningstijd na de alarmgrens |
| Voorspellend (PdM) | Prognose van de toestand in de tijd | Ruime planningstijd, minder stilstand | Vraagt data, modellen en expertise |
| Voorschrijvend (prescriptief) | Prognose plus aanbevolen actie | Kiest ook de beste ingreep en het moment | Hoogste complexiteit en datavereisten |
Het verschil tussen condition monitoring en PdM is daarmee helder: condition monitoring is de meettechniek, toestandsafhankelijk onderhoud reageert op een overschreden grens en voorspellend onderhoud berekent wanneer die grens zal worden bereikt. Reactief onderhoud blijft verstandig voor goedkope, niet-kritische of redundant uitgevoerde onderdelen.
📉 Wat is de P-F-curve?
De P-F-curve laat zien hoe de conditie van een onderdeel in de tijd achteruitgaat. Punt P (potential failure) is het moment waarop een beginnend defect meetbaar wordt. Punt F (functional failure) is het moment waarop het onderdeel zijn functie niet meer vervult. De tijd daartussen, het P-F-interval, is de ruimte die u hebt om in te grijpen.
Hoe gevoeliger de meettechniek, hoe eerder P wordt gedetecteerd. Bij een oliegesmeerd wentellager verschijnt een defect doorgaans eerst in olieanalyse en ultrasoon geluid, daarna in het trillingsspectrum, pas later in temperatuur en uiteindelijk als hoorbaar geluid of voelbare warmte. Als vuistregel kiest u een meetinterval dat ruim korter is dan het P-F-interval, vaak de helft of minder, zodat u het defect minstens één keer ziet voordat het fataal wordt.
🔧 Welke meettechnieken gebruikt Predictive Maintenance?
| Techniek | Wat het detecteert | Relevante norm | Fase op de P-F-curve |
|---|---|---|---|
| Trillingsanalyse | Onbalans, uitlijnfouten, lagerschade, losheid | ISO 20816-3, ISO 18436-2 | Vroeg tot midden |
| Olieanalyse | Slijtagedeeltjes, vervuiling, veroudering van smeermiddel | ISO 4406 (reinheidscode) | Zeer vroeg |
| Ultrasoon | Beginnende lagerschade, lekkage, elektrische ontladingen | ISO 29821 | Vroeg |
| Thermografie | Overbelaste verbindingen, wrijving, isolatieproblemen | ISO 18434-1 | Midden tot laat |
| Motorstroomanalyse (MCSA) | Gebroken rotorstaven, excentriciteit, belastingsproblemen | ISO 20958 | Midden |
| Procesdata | Rendementsverlies, afwijkende druk, debiet of stroomopname | - | Wisselend |
Trillingsanalyse is de meest gebruikte techniek voor roterende machines. ISO 20816-3 (2022), die ISO 10816-3 en ISO 7919-3 heeft vervangen, beoordeelt industriële machines boven 15 kW met toerentallen tussen 120 en 30.000 omw/min op basis van de RMS-trillingssnelheid in mm/s, gemeten op het lagerhuis:
| Zone | Betekenis | Groep 2 (15–300 kW), stijve opstelling | Groep 1 (> 300 kW), stijve opstelling |
|---|---|---|---|
| A | Nieuw in bedrijf genomen machine | ≤ 1,4 mm/s | ≤ 2,3 mm/s |
| B | Acceptabel voor langdurig bedrijf | 1,4–2,8 mm/s | 2,3–4,5 mm/s |
| C | Niet geschikt voor langdurig bedrijf, actie plannen | 2,8–4,5 mm/s | 4,5–7,1 mm/s |
| D | Schade dreigt, direct ingrijpen | > 4,5 mm/s | > 7,1 mm/s |
Deze zonegrenzen zijn een algemene richtlijn. Voor voorspellend onderhoud is de trend ten opzichte van de eigen nulmeting van de machine belangrijker dan de absolute waarde: een verdubbeling binnen zone B is al een signaal. Het lagerdefect zelf herkent u in het spectrum aan karakteristieke frequenties die uit de lagergeometrie volgen. Veel moderne frequentieregelaars en slimme transmitters leveren bovendien zelf diagnose-informatie.
🤖 Hoe zet u data, AI en machine learning in?
Niet elke voorspelling vraagt om industriële AI. Het palet aan methoden loopt op in complexiteit:
- Regels en drempels - vaste of adaptieve alarmgrenzen per meetpunt; eenvoudig en goed uitlegbaar
- Statistische trending - extrapoleren van een stijgende trend naar de alarmgrens geeft een eerste schatting van de resterende levensduur
- Anomaliedetectie - machine learning-modellen leren het normale gedrag en signaleren afwijkingen, ook zonder voorbeelden van storingen
- Prognosemodellen - regressie- en deep learning-modellen schatten de Remaining Useful Life (RUL); ISO 13381-1 beschrijft hiervoor de principes
- Fysische modellen en digital twins - een digital twin combineert natuurkundige kennis met meetdata en werkt ook bij weinig historische storingen
De grootste valkuil is data, niet het algoritme. Echte storingen zijn zeldzaam, labels in het CMMS zijn vaak onvolledig en sensordata mist context zoals product, belasting of toerental. Leg daarom meetdata met tijdstempel en context vast in een tijdreeksdatabase of Unified Namespace, en koppel elke voorspelling aan de werkorder die volgt. Zo leert het model van de uitkomst.
🏭 Waar wordt Predictive Maintenance toegepast?
- Roterende apparatuur - motoren, pompen, ventilatoren, lagers, tandwielkasten en aandrijvingen
- Procesindustrie - voorkomen van uitval van kleppen, compressoren en sensoren
- Energie, chemie en farmacie - sectoren waar maximale beschikbaarheid vereist is en een stilstand snel tonnen kost
- Infrastructuur - gemalen, sluizen en waterzuiveringen met verspreide installaties
- Architectuur - analyse op edge computing-platformen dicht bij de machine, of in de cloud voor vlootbrede modellen
Predictive Maintenance is een kernonderdeel van Smart Industry en Industrie 4.0. Minder ongeplande stilstand verhoogt direct de beschikbaarheidsfactor van OEE (Overall Equipment Effectiveness) en verbetert kengetallen als MTBF en MTTR.
🔐 Hoe beveiligt u de datastromen tussen OT en IT?
PdM haalt data uit de OT-omgeving en brengt die naar analyseplatformen in IT of de cloud. Daarmee ontstaat een nieuw pad over de grens van OT-convergentie, en dat pad moet net zo goed beveiligd worden als elke andere koppeling. Sensor- en systeemdata kunnen bovendien gevoelig zijn, omdat ze iets zeggen over productievolumes en procesrecepten.
- Eenrichtingsverkeer - laat data van OT naar IT stromen, nooit andersom; bij hoge eisen met een datadiode of volgens het tweede-kanaalprincipe van NAMUR Open Architecture
- Segmentatie - gescheiden netwerken of VLAN’s en een DMZ tussen de Purdue-niveaus
- Access Control en encryptie - versleutelde verbindingen, bijvoorbeeld via OPC UA of MQTT met TLS
- Authenticatie - sterke authenticatie voor cloud- en edgeplatforms en voor leveranciers met remote access
- Monitoring - SIEM-monitoring en logregistratie van gateways en edge devices
Twee Europese regels spelen mee. Organisaties die onder NIS2 vallen, moeten ook de risico’s van de keten beheersen, inclusief leveranciers die op afstand machinedata analyseren. En sinds 12 september 2025 geeft de Data Act gebruikers van verbonden machines het recht op toegang tot de data die hun apparatuur genereert, en om die met een derde partij te delen. Dat maakt onafhankelijke PdM-diensten naast die van de machinebouwer beter mogelijk.
🧭 Hoe implementeert u Predictive Maintenance stap voor stap?
- Bepaal de kritieke assets - rangschik installaties op gevolgen van uitval met een kritikaliteitsanalyse of FMEA. Begin met de meest kritieke installaties, bijvoorbeeld de top tien procent.
- Kies per faalmechanisme de techniek - trillingen voor lagers en uitlijning, olieanalyse voor tandwielkasten, thermografie voor schakelkasten.
- Leg een nulmeting vast - registreer per machine de normale waarden bij verschillende belastingen.
- Start een pilot - één lijn of één type pomp, met meetbare doelen voor stilstand en onderhoudskosten.
- Integreer met het CMMS - elke waarschuwing leidt tot een werkorder, en elke bevinding wordt teruggekoppeld.
- Borg kennis - leid analisten op; ISO 18436-2 kent vier categorieën voor trillingsanalisten.
- Schaal op en meet het resultaat - evalueer per kwartaal en breid stap voor stap uit.
Over het rendement zijn de bekendste kengetallen afkomstig uit de O&M Best Practices Guide van het Amerikaanse ministerie van Energie. Die noemt voor een goed functionerend PdM-programma gemiddeld 25 tot 30 procent lagere onderhoudskosten, 70 tot 75 procent minder storingen en 35 tot 45 procent minder stilstand, plus 8 tot 12 procent besparing ten opzichte van alleen preventief onderhoud. Dat zijn indicatieve gemiddelden; het werkelijke resultaat hangt sterk af van uw uitgangssituatie.
❓ Veelgestelde vragen
Wat is het verschil tussen preventief en voorspellend onderhoud?
Preventief onderhoud vindt plaats op vaste momenten, bijvoorbeeld elke 2.000 draaiuren, ongeacht de werkelijke toestand van de machine. Voorspellend onderhoud gebruikt metingen en analyse om te bepalen wanneer een onderdeel echt aan vervanging toe is. Daardoor worden onderdelen niet te vroeg vervangen en worden storingen tussen twee intervallen voorkomen.
Heeft Predictive Maintenance altijd AI nodig?
Predictive Maintenance werkt ook zonder AI, bijvoorbeeld met trendanalyse van trillingswaarden ten opzichte van een nulmeting. Machine learning voegt waarde toe bij veel meetpunten, complexe patronen of het schatten van de resterende levensduur. Begin met eenvoudige, uitlegbare methoden en voeg AI toe waar die aantoonbaar betere voorspellingen geeft.
Welke machines komen in aanmerking voor Predictive Maintenance?
Predictive Maintenance loont vooral bij kritieke, dure of moeilijk vervangbare machines met een meetbaar faalmechanisme, zoals pompen, compressoren, motoren en tandwielkasten. Voor goedkope, redundante of niet-kritieke onderdelen is reactief of preventief onderhoud vaak voordeliger. Een kritikaliteitsanalyse bepaalt welke assets het eerst in aanmerking komen.
Wat is de resterende levensduur (RUL)?
De Remaining Useful Life (RUL) is de geschatte tijd tot een onderdeel zijn functie niet meer vervult. Predictive Maintenance-modellen berekenen de RUL uit de trend van meetwaarden, vaak met een betrouwbaarheidsinterval. Op basis van de RUL plant u het onderhoud in een geschikte productiestop.
Wat is de relatie tussen Predictive Maintenance en condition monitoring?
Condition monitoring is het continu of periodiek meten van de toestand van een machine, bijvoorbeeld met trillings- of temperatuursensoren. Predictive Maintenance gebruikt die metingen om een prognose te maken van wanneer een storing zal optreden. Zonder condition monitoring is voorspellend onderhoud dus niet mogelijk.
Welke securityrisico’s brengt Predictive Maintenance mee?
Predictive Maintenance creëert nieuwe verbindingen tussen het OT-netwerk en IT- of cloudplatformen, vaak ook naar leveranciers. Een slecht beveiligde gateway of remote-access-verbinding kan een aanvalspad naar de besturing openen. Beperk de datastroom daarom tot eenrichtingsverkeer, segmenteer het netwerk en monitor alle koppelingen.
📌 Samengevat
Predictive Maintenance voorspelt met sensordata, trendanalyse en machine learning wanneer een onderdeel gaat falen, zodat u onderhoud precies op tijd plant in plaats van te vroeg of te laat. Met de juiste meettechnieken, een heldere P-F-aanpak, koppeling aan het CMMS en goed beveiligde datastromen tussen OT en IT is voorspellend onderhoud een sterk onderdeel van moderne, datagedreven OT-strategieën.