Een sensor die naar de trillingen van een motor luistert, een model dat een lagerdefect drie weken vooraf voorspelt, een herstelling gepland vóór de stilstand in plaats van erna: dat is predictief onderhoud. Volgens Siemens kosten ongeplande stilstanden de 500 grootste bedrijven ter wereld al 1 400 miljard dollar per jaar, ofwel 11 % van hun omzet. AI toegepast op onderhoud belooft die defecten met 70 % te verminderen (Deloitte). Voor een Belgische industrieel is de uitdaging niet de technologie, maar weten waar te beginnen en hoe het rendement te meten.
Onderhoud schommelde lang tussen twee uitersten. Correctief onderhoud: je herstelt wanneer het stuk gaat, eenvoudig maar duur in stilstand. Preventief onderhoud: je vervangt op vaste intervallen, veiliger maar je verwisselt nog goede onderdelen. Predictief onderhoud voegt een derde weg toe: de werkelijke toestand van het materieel bewaken en enkel op het juiste moment ingrijpen, niet te vroeg en niet te laat.
De markt volgt. Volgens Mordor Intelligence weegt predictief onderhoud 18,9 miljard dollar in 2026 en zou het 82,17 miljard bereiken in 2031, een jaarlijkse groei van 34 %. Goedkopere sensoren, de edge-cloudconvergentie en de industriële digitalisering verklaren die versnelling. De maakindustrie blijft de grootste gebruikerssector.
Vervanging op vaste intervallen. Veiliger dan correctief, maar je verwisselt nog goede onderdelen en ondergaat soms nutteloze geplande stilstanden.
Bewaking van de werkelijke toestand door sensoren en AI. Je grijpt in op het juiste moment, op basis van de waargenomen slijtage, niet van een kalender.
Predictief onderhoud combineert sensoren, data en modellen. AI dient om een stroom ruwe metingen om te zetten in een bruikbare voorspelling: welke machine, welk onderdeel, wanneer. Sectoranalyses situeren de precisie van de modellen tussen 85 en 95 % om een lager-, pomp- of motordefect 30 tot 60 dagen vooraf te voorspellen.
Trilling, temperatuur, akoestiek, elektrische signatuur. Sensoren en edge-gateways meten de toestand van het actief continu.
continue bewakingHet leren detecteert de anomalie en voorspelt het defect 30 tot 60 dagen vooraf, met een precisie van 85 tot 95 %.
85 tot 95 % precisieLokale inferentie verlaagt latentie en bandbreedte; de cloud brengt schaal en opvolging over meerdere sites.
lokaal en schaalGeneratieve AI-copiloten geven de technicus de herstelstappen, de onderdelenlijst en de veiligheidscontroles in natuurlijke taal.
hulp voor de technicusDaar speelt het rendement zich af. Volgens de Siemens-studie « The True Cost of Downtime 2024 » kosten ongeplande stilstanden 1 400 miljard dollar per jaar aan de 500 grootste bedrijven ter wereld, ofwel 11 % van hun omzet, tegenover 8 % in 2019-2020. In de automobielsector kost elk onproductief uur nu 2,3 miljoen dollar, het dubbele van 2019.
Bij die verliezen komt de langere levertijd van wisselstukken, vaak 6 tot 18 maanden, die een defect des te langer maakt om te herstellen. Het defect anticiperen betekent het onderdeel bestellen vóór de stilstand, niet erna, en de ingreep plannen in een productieluwte in plaats van een lijn te zien stilvallen.
Volgens Deloitte verhoogt predictief onderhoud de productiviteit met 25 %, vermindert het de defecten met 70 % en verlaagt het de onderhoudskosten met 25 %. In de maakindustrie melden marktanalyses onderhoudskostendalingen van 10 tot 40 % en dalingen van ongeplande stilstand van 70 tot 90 %. Cloudabonnementen verlagen bovendien de totale eigendomskost met 30 tot 50 %, wat de deur opent voor kmo's, vaak gefactureerd per actief.
Buiten de fabriek breidt predictief onderhoud zich uit naar energie (turbines, transformatoren), zorg (medische beeldvorming), transport en ruimtevaart. Mordor Intelligence verwacht een groei van 34 % per jaar tot 2031, met energie en utilities als het meest dynamische segment. De grote leveranciers zijn bekende namen: Siemens, IBM, Microsoft, SAP, General Electric, ABB, Schneider Electric, naast AI-specialisten.
Predictief onderhoud erft precieze grenzen. De datasecurity: meer sensoren vergroten het aanvalsoppervlak op vaak oude en weinig versleutelde industriële systemen, met AVG-eisen. Het gebrek aan vaardigheden: je moet mechanica, datawetenschap en cybersecurity combineren, een zeldzaam profiel in Europa. De modeldrift: een model getraind op een bepaald regime verliest aan precisie wanneer het materieel of het gebruik verandert. De regel blijft dezelfde: valideer op je eigen data, houd een menselijke expert op de stilstanden met inzet, documenteer voor de audit.
Op lijnen met hoge cadans telt elk gewonnen uur snel op. De voorspelling verandert een geleden stilstand in een geplande ingreep, 's nachts of in een productieluwte.
Een pilot op enkele kritieke activa, gefactureerd per actief, behaalt vaak een positief rendement in 12 tot 18 maanden. Je hoeft niet de hele fabriek in één keer uit te rusten.
Productiedata zijn gevoelig: cadansen, defectpercentages, materieelsignaturen. Ze verwerken op een beheerste infrastructuur, met respect voor de AVG en de EU AI Act, en de OT-laag (operationele technologie) beveiligen, is even belangrijk als de precisie van het model. Een kleiner model, gehost dicht bij de machine, blijft vaak eenvoudiger te besturen en te beveiligen dan een ondoorzichtige dienst op afstand.
De toestellen opsporen waarvan het defect het meest kost in stilstand, veiligheid of kwaliteit. Daar betaalt de voorspelling zich eerst terug.
De nuttige sensoren plaatsen (trilling, temperatuur, stroom) en een propere historiek opbouwen, gelabeld met de vroegere defecten.
Beslissen wat lokaal wordt geïnferreerd en wat naar de cloud gaat, en vertrekken van beproefde modellen in plaats van alles te hertrainen.
De precisie en de drift opvolgen, een mens op de gevoelige stilstanden houden, het rendement meten in vermeden stilstanduren en kosten.
Molderez Consult helpt Belgische industriëlen een project rond predictief onderhoud af te bakenen: prioritaire activa, sensoren, modellen, edge of cloud, en governance, op een beheerste infrastructuur.
Praten over mijn use case