Predictief onderhoud via IoT: van correctief naar conditioneel

Met IoT-voorspellend onderhoud kan men overstappen van reactief onderhoud naar onderhoud dat wordt gestuurd door de werkelijke toestand van de apparatuur. In plaats van te wachten tot er een storing optreedt of onderdelen volgens een vast schema te vervangen, detecteren sensoren voor trillingen, temperatuur, stroom, druk en procesvariabelen geleidelijke afwijkingen. Eziwan verzamelt deze veldgegevens, plaatst ze in de juiste context, waarschuwt de onderhoudsteams en voedt het CMMS (Computerized Maintenance Management System) om op het juiste moment de juiste interventies in gang te zetten.

Het probleem

De industrie zit vaak klem tussen twee onvolmaakte benaderingen. Bij correctief onderhoud wordt gewacht tot er een storing optreedt voordat er actie wordt ondernomen. Dit kan leiden tot ongeplande stilstand, noodinterventies, productieverlies, spoedbestellingen van onderdelen en een hoge werkdruk voor de teams in het veld. Systematisch preventief onderhoud verbetert de situatie, maar is gebaseerd op vaste intervallen die niet altijd de werkelijke toestand van de machine weerspiegelen.

Conditiegebaseerd onderhoud, dat uitgaat van de gemeten toestand van de apparatuur, biedt een robuuster alternatief. Hiervoor zijn echter betrouwbare gegevens nodig, die regelmatig worden verzameld, correct worden geïnterpreteerd en worden gekoppeld aan de bestaande onderhoudsprocessen.

De problemen zijn reëel.

• Ongeplande stilstanden zijn duur, maar de gevolgen ervan hangen sterk af van de sector, het type productielijn, de bezettingsgraad, de materiaalkosten en de duur van de stilstand.

• Systematisch preventief onderhoud kan ertoe leiden dat nog bruikbare onderdelen worden vervangen, of juist dat er te laat wordt ingegrepen bij apparatuur die snel in slechte staat is geraakt.

• De teams hebben onvoldoende inzicht in de werkelijke toestand van de machines tussen twee rondes of twee geplande bezoeken in.

• Zwakke signalen zoals overmatige trillingen, oververhitting, stroomonbalans, cavitatie of drukafwijkingen worden niet altijd gedetecteerd zonder de juiste meetapparatuur.

• Technici worden met spoed ingezet bij storingen waarvan de eerste tekenen soms al enkele dagen of weken zichtbaar waren.

• Het CMMS wordt vaak pas na afloop van de werkzaamheden bijgewerkt, terwijl het ook gegevens uit de praktijk zou moeten ontvangen om prioriteiten te stellen en te plannen.

• De voorraden reserveonderdelen worden voorzichtig ingeschat, omdat er geen duidelijkheid is over de werkelijke toestand van de kritieke apparatuur.

• Procesgegevens, zoals de belasting, het debiet, de druk of de omgevingstemperatuur, worden zelden in verband gebracht met signalen van slijtage.

• Eenvoudige monitoringsystemen genereren soms te veel waarschuwingen, waardoor operators deze negeren.

• Kennis op het gebied van trillingen is waardevol, maar het is moeilijk om deze kennis toe te passen op het gehele wagenpark zonder besluitvormingshulpmiddelen en interne kennisopbouw.

Het gaat dus niet alleen om het plaatsen van sensoren. Er moet een complete keten worden opgezet: meting, connectiviteit, analyse, waarschuwing, validatie, werkopdracht, terugkoppeling en voortdurende verbetering.

Correctief, preventief, conditioneel en voorspellend

Deze termen worden vaak door elkaar gehaald. Om een onderhoudsaanpak te structureren, moet men onderscheid maken tussen de verschillende maturiteitsniveaus.

Type onderhoud	Aanleiding	Voordeel	Beperking
Correctief	Geconstateerde storing	Eenvoudig te begrijpen	Onverwachte stilstand, noodsituatie, hoge kosten
Systematisch preventief	Schema of bedrijfsuren	Planbaar	Kan te vroeg of te laat plaatsvinden
Conditioneel	Gemeten toestand van de apparatuur	Beter gerichte ingrepen	Vereist betrouwbare sensoren en drempelwaarden
Voorspellend	Afwijkingsmodel en waarschijnlijke uitvalhorizon	Nauwkeurigere anticipatie	Historische gegevens, gegevenskwaliteit en validatie vereist
Prescriptief	Geoptimaliseerde aanbeveling voor actie	Geavanceerde besluitvormingsondersteuning	Vereist procesrijpheid en CMMS-integratie

In veel fabrieken is een complex voorspellend model niet het beste uitgangspunt. Dat is juist robuust, op de toestand gebaseerd onderhoud, met betrouwbare metingen, begrijpelijke trends en bruikbare waarschuwingen.

Onze aanpak

Eziwan helpt bij het opzetten van een IoT-keten voor conditiebewaking door kritieke apparatuur te koppelen aan een platform voor monitoring en analyse. De sensoren kunnen trillingen, temperatuur, stroom, druk of andere relevante parameters meten, afhankelijk van de machines. De gegevens worden verzameld door een industriële gateway, veilig verzonden, in de tijd geanalyseerd en omgezet in waarschuwingen of bruikbare rapporten.

De apparatuur waar het doorgaans om gaat, is:

• Elektromotoren.

• Centrifugaalpompen.

• Compressoren.

• Industriële ventilatoren.

• Reductiekasten.

• Transportbanden.

• Vermalers.

• Koelinstallaties.

• Kritieke draaiende machines.

• Afgelegen of moeilijk bereikbare installaties.

Het doel is om de apparatuur in te delen naar risiconiveau, afwijkingen op te sporen, waarschuwingen toe te lichten en het CMMS te voorzien van operationele aanbevelingen.

Architectuur van conditiegebaseerd onderhoud via het IoT

Een efficiënte architectuur combineert sensoren, lokale gegevensverzameling, connectiviteit, een analyseplatform, waarschuwingen en integratie met een CMMS. Elke schakel moet betrouwbaar zijn, anders wordt het geheel moeilijk te beheren.

De lokale buffer is belangrijk op locaties waar de verbinding onstabiel kan zijn. Zo wordt voorkomen dat er tijdens een tijdelijke storing cruciale gegevens verloren gaan.

Te verzamelen gegevens, afhankelijk van de apparatuur

Niet alle machines hebben dezelfde sensoren nodig. Een goede strategie begint bij de waarschijnlijke storingsscenario’s.

Apparatuur	Nuttige metingen	Detecteerbare defecten
Elektromotor	Stroom, temperatuur, trillingen	Onbalans, overbelasting, defecte lagers
Centrifugaalpomp	Trillingen, druk, debiet, temperatuur	Cavitatie, verkeerde uitlijning, lagers, verstopping
Ventilator	Trillingen, stroom, snelheid	Onbalans, vervuiling, uitlijningsfouten
Reductiekast	Trillingen, temperatuur behuizing, olie	Slijtage tandwielen, smering, lagers
Compressor	Trillingen, temperatuur, druk, stroom	Lekkage, oververhitting, mechanische defecten
Transportband	Stroom, trillingen, snelheid	Wrijving, overbelasting, uitlijningsfouten

De relevantie komt voort uit de combinatie. Een toenemende trilling kan normaal zijn als de procesbelasting is toegenomen. Het wordt verdacht als de trilling toeneemt bij een constante belasting, in combinatie met een stijgende lagertemperatuur en een onstabiele motorstroom.

Trillingsmonitoring in 3 assen

Trillingen zijn een van de meest bruikbare signalen bij draaiende machines. Een 3-assige versnellingsmeter meet trillingen in verschillende richtingen, waardoor het mogelijk is om onbalans, verkeerde uitlijning, mechanische speling, defecte lagers of bevestigingsproblemen te onderscheiden.

Tot de gangbare indicatoren behoren:

• RMS-trillingsniveau.

• Trillingspiek.

• Piekfactor.

• Ontwikkeling per as.

• Vergelijking met het toerental.

• Trend over meerdere dagen of weken.

• Overschrijding van de drempelwaarde op basis van de kriticiteit van de machine.

Trillingsmonitoring moet in de juiste context worden geïnterpreteerd. Een universele drempelwaarde is niet altijd betrouwbaar: een kleine pomp, een grote ventilator en een breker vertonen niet hetzelfde mechanische gedrag.

FFT-spectraalanalyse

Met de FFT, oftewel de snelle Fourier-transformatie, kan men van het tijdsignaal naar het frequentiespectrum overschakelen. Deze transformatie helpt bij het identificeren van de karakteristieke frequenties van een defect.

Voorbeelden van geanalyseerde indices:

• Rotatiesnelheid.

• Harmonischen die verband houden met een verkeerde uitlijning.

• Foutfrequenties van lagers, zoals BPFI, BPFO, BSF of FTF, wanneer de geometrie van het lager bekend is.

• Onregelmatige handtekeningen.

• Breedbandgeluid.

• Er verschijnen strepen aan de zijkanten.

FFT is krachtig, maar vereist gegevens van goede kwaliteit: een geschikte bemonsteringsfrequentie, een correct geplaatste sensor, een bekende rotatiesnelheid en voldoende historische gegevens.

De spectrale analyse moet gepaard gaan met een vakmatige validatie. Een waarschuwing is geen automatische conclusie: ze duidt op een kans op een defect die, afhankelijk van de context, nog moet worden bevestigd.

Analyse van de stroomsignatuur van de motor

De analyse van de motorstromsignatuur, vaak MCSA genoemd, maakt gebruik van de elektrische stroom om bepaalde mechanische of elektrische storingen op te sporen. Deze methode kan nuttig zijn wanneer het moeilijk is om trillingssensoren te plaatsen of wanneer men de diagnose wil aanvullen.

Het kan helpen bij het vaststellen van:

• Onevenwichtige voeding.

• Overbelasting.

• Abnormale belastingsschommeling.

• Defect aan de rotor, afhankelijk van het geval.

• Zichtbare mechanische storing die van invloed is op het brandstofverbruik.

• Afwijking in het rendement of verhoogde wrijving.

Het voordeel is dat men gebruikmaakt van een elektrische meting die soms eenvoudiger te installeren is. Het nadeel is dat de interpretatie sterk afhangt van het type motor, de belasting, de frequentieregelaar en het bedrijfstoerental.

Temperatuur, druk en procescontext

De temperatuur alleen is niet altijd voldoende om een storing te voorspellen, maar wordt zeer nuttig wanneer deze wordt gecombineerd met andere signalen. Een stijging van de temperatuur van de lagers, het tandwielkastbehuizing of de motorwikkeling kan wijzen op een slechte smering, overbelasting, wrijving of onvoldoende ventilatie.

Met procesvariabelen kunnen valse positieven worden verminderd.

Signaal	Ruwe interpretatie	Context te controleren
Toenemende trillingen	Mogelijke mechanische storing	Belasting, snelheid, debiet
Stijgende lagertemperatuur	Wrijving of smering	Omgevingstemperatuur, bedrijfstijd
Hoge motorstroom	Mogelijke overbelasting	Instelwaarde, product, druk
Onstabiele druk	Mogelijk hydraulisch probleem	Klep, debiet, filter, cavitatie
Verminderd debiet	Mogelijke verstopping of slijtage	Procesinstelwaarde, toestand van de leiding

De correlatie tussen meerdere sensoren is essentieel om een daadwerkelijke verslechtering te onderscheiden van een normale variatie die verband houdt met de bedrijfsomstandigheden.

Gezondheidsscore van apparatuur

Een gezondheidsscore maakt het stellen van prioriteiten eenvoudiger. Deze score is geen vervanging voor onderhoudsexpertise, maar helpt wel om apparatuur in te delen op basis van hun risiconiveau.

Een score kan meerdere dimensies combineren:

• Trillingsafwijking.

• Afwijkende temperatuur.

• Stroomschommelingen.

• Overzicht van waarschuwingen.

• Kriticiteit van de apparatuur.

• Tijd sinds de laatste ingreep.

• Gebruiksvoorwaarden.

• Bevestiging door meerdere sensoren.

Voorbeeld van een scoringslogica:

score_sante:
  base: 100
  penalites:
    vibration_hausse_7j: 15
    temperature_roulement_haute: 20
    courant_instable: 10
    alerte_recurrente: 15
    equipement_critique: 10
  niveaux:
    vert: "80-100"
    jaune: "60-79"
    orange: "40-59"
    rouge: "0-39"

De drempelwaarden moeten worden afgestemd op de fabriek en in overleg met de teams worden goedgekeurd. Een slecht afgestelde score leidt tot wantrouwen; een goed toegelichte score wordt een hulpmiddel bij de planning.

Bidirectionele integratie van het CMMS

De operationele waarde komt tot uiting wanneer IoT-waarschuwingen een onderhoudsproces in gang zetten, en niet alleen maar een melding genereren. De CMMS-integratie koppelt de detectie in het veld aan de werkopdracht.

Een zinvolle integratie kan het volgende omvatten:

• Automatisch aanmaken van een onderhoudsaanvraag.

• Koppeling van de waarschuwing aan het CMMS-systeem.

• Prioriteit op basis van urgentie en gezondheidsscore.

• De trendlijnen zijn als bijlage toegevoegd.

• Toewijzing aan een team of een contract.

• Ervaringen na afsluiting.

• Het model aanvullen met de daadwerkelijke diagnose.

Er wordt vaak te weinig aandacht besteed aan de evaluatie van ervaringen. Toch laat dit toe om vast te stellen of een waarschuwing daadwerkelijk te wijten was aan een defect aan het lager, een verkeerde uitlijning, een overbelasting van het proces of een vals-positief.

Automatische onderhoudsrapporten

De automatische rapporten bieden een regelmatig overzicht van de toestand van het machinepark en vergemakkelijken de planningsvergaderingen. Ze moeten begrijpelijk zijn voor de onderhoudsafdeling, de productieafdeling en de industriële directie.

Een nuttig rapport bevat:

• Indeling van apparatuur naar risiconiveau.

• Ontwikkeling van de gezondheidsscores.

• Gegenereerde en verwerkte waarschuwingen.

• Geplande of uitgevoerde ingrepen.

• Apparatuur die langzaam afdrijft.

• Locaties zonder gegevens of inactieve sensoren.

• Aanbevelingen voor inspecties.

• Overzicht van de gerealiseerde of vermeden kosten, voor zover de gegevens dit rechtvaardigen.

Besparingen die zonder duidelijke grondslag worden geschat, moeten worden vermeden. De voordelen moeten worden berekend op basis van daadwerkelijke historische gegevens: voorkomen uitval, kortere uitvaltijd, gebundelde interventies, minder spoedgevallen of betere beschikbaarheid.

Detectie van cavitatie en hydraulische onbalans

Centrifugaalpompen zijn bij uitstek geschikt voor conditiegebaseerd onderhoud. Cavitatie, hydraulische onbalans, verstopping, recirculatie of slijtage van het waaier kunnen zich uiten in trillingen, geluid, drukschommelingen, variaties in het debiet en oververhitting.

De detectie moet meerdere signalen met elkaar vergelijken.

• Hoogfrequente trilling.

• Drukverschil.

• Onregelmatige doorstroming.

• Schommelende motorstroom.

• Temperatuur van het lager of de pomphuis.

• Bedrijfsomstandigheden buiten het nominale bereik.

Een cavitatiewaarschuwing moet in samenhang met de procesgegevens worden geïnterpreteerd. Een pomp die ver van zijn optimale rendementspunt werkt, kan symptomen vertonen die lijken op mechanische slijtage.

Het aantal valse positieven verminderen

Een systeem dat te vaak waarschuwt, wordt nutteloos. De operators gaan de meldingen uiteindelijk negeren, zelfs als er zich een echte storing aandient. Het terugdringen van valse alarmen is daarom een centrale doelstelling.

Goede praktijken:

• Drempelwaarden vaststellen per type apparatuur.

• Dynamische drempelwaarden gebruiken op basis van belasting of snelheid.

• De gegevens van meerdere sensoren met elkaar vergelijken alvorens een kritieke waarschuwing te geven.

• Maak onderscheid tussen een informatieve melding, een melding die in de gaten moet worden gehouden en een dringende melding.

• Een vertraging inbouwen om geïsoleerde pieken te voorkomen.

• Vergelijk met de geschiedenis van de machine, niet alleen met een algemene drempelwaarde.

• De ervaringen van de technici verwerken.

• De drempelwaarden na de eerste weken van de exploitatie herzien.

Een waarschuwing moet tot actie aanzetten: er moet in worden uitgelegd wat er misgaat, sinds wanneer, met welk risiconiveau en welke maatregel wordt aanbevolen.

Geleidelijke implementatie in een industriepark

Een IoT-project voor voorspellend onderhoud moet beginnen met de kritieke apparatuur, niet met het volledige machinepark. Door de geleidelijke implementatie kunnen de sensoren, de connectiviteit, de drempelwaarden en de integratie met het CMMS worden getest.

Stap	Doel	Verwacht resultaat
Inventarisatie	Kritieke apparatuur identificeren	Prioriteitenlijst
Foutmodusanalyse	Geschikte maatregelen kiezen	Geschikte sensoren
Proefproject	Enkele machines uitrusten met sensoren	Validatie in de praktijk
Initiële drempelwaarden	Eenvoudige afwijkingen detecteren	Bruikbare waarschuwingen
Integratie in CMMS	Waarschuwingen koppelen aan interventies	Operationeel proces
Uitbreiding	Implementeren per apparatuurcategorie	Gecontroleerd machinepark
Optimalisatie	Valse positieven verminderen	Betrouwbaarder model

Deze aanpak voorkomt dat er grote hoeveelheden gegevens worden gegenereerd zonder duidelijk doel voor onderhoud.

Beveiliging en connectiviteit van onderhoudsgegevens

Onderhoudsgegevens kunnen gevoelige informatie bevatten: de beschikbaarheid van machines, het productietempo, omzetcijfers, werkbelasting, terugkerende storingen of de kriticiteit van apparatuur. Het verzamelen ervan moet daarom op een veilige manier gebeuren.

Goede praktijken:

• Gebruik een beveiligde industriële gateway.

• De gegevensstromen tussen de site en het platform kwantificeren.

• Sensoren, besturingssystemen en IT-systemen in segmenten indelen.

• De toegangsrechten tot de gegevens beperken.

• Toegang en wijzigingen registreren.

• Zorg ervoor dat het systeem lokaal blijft functioneren in geval van een netwerkstoring.

• Het toezicht integreren in het OT-cyberbeveiligingsbeleid.

Deze veiligheid is vooral belangrijk wanneer bij het onderhoud externe dienstverleners, OEM’s of connected servicecontracten betrokken zijn.

Checklist voordat je aan een project begint

Controle	Vraag	Prioriteit
Kriticiteit	Zijn de prioritaire machines geïdentificeerd?	Hoog
Storingsmodi	Zijn de verwachte storingen bekend?	Hoog
Sensoren	Komen de gekozen metingen overeen met de storingen?	Hoog
Connectiviteit	Kunnen de gegevens betrouwbaar worden doorgegeven?	Hoog
Geschiedenis	Zijn er gegevens over storingen of interventies beschikbaar?	Gemiddeld
CMMS	Is de apparatuur correct geregistreerd?	Hoog
Waarschuwingen	Zijn de drempels bruikbaar?	Hoog
Terugkoppeling	Kunnen technici de waarschuwingen beoordelen?	Hoog
Beveiliging	Zijn de gegevensstromen versleuteld en gesegmenteerd?	Hoog
Aansturing	Is er een verantwoordelijke voor de implementatie aangewezen?	Hoog

Succes hangt evenzeer af van de onderhoudsorganisatie als van de technologie.

Te volgen prestatie-indicatoren

Om de doeltreffendheid van IoT-onderhoud op basis van de toestand te meten, moeten indicatoren over een langere periode worden bijgehouden.

Indicator	Doelstelling
Aantal ongeplande stilstanden	Het aantal storingen meten
MTBF	De gemiddelde tijd tussen storingen bijhouden
MTTR	De gemiddelde reparatietijd meten
Percentage valse positieven	De kwaliteit van de waarschuwingen verbeteren
Percentage bevestigde waarschuwingen	De relevantie van het model valideren
Tijd tussen waarschuwing en ingreep	De reactiesnelheid beoordelen
Apparatuur in de rode zone	Prioriteit geven aan onderhoud
Geplande interventies dankzij waarschuwingen	Het werkelijke gebruik meten
Beschikbaarheid van machines	Onderhoud en productie met elkaar verbinden
Onderhoudskosten per apparaat	De economische impact bijhouden

De opbrengsten moeten op basis van deze indicatoren worden berekend en mogen niet worden bekendgemaakt zonder een specifieke verwijzing naar de website.

Hoe Eziwan helpt bij de overstap naar conditiegebonden onderhoud

Eziwan biedt de bouwstenen die nodig zijn om industriële apparatuur te verbinden, nuttige gegevens te verzamelen, afwijkingen op te sporen en waarschuwingen te koppelen aan onderhoudsprocessen.

Behoefte	Antwoord van Eziwan	Voordeel
Metingen verzamelen	Sensoren en industriële gateway	Betrouwbare veldgegevens
Locaties verbinden	Beveiligde telemetrie	Toezicht op meerdere locaties
Afwijkingen detecteren	Trendanalyse	Waarschuwingen vóór een waarschijnlijke storing
Prioriteren	Gezondheidsscore	Duidelijkere planning
Valse positieven verminderen	Correlatie tussen meerdere sensoren	Relevantere waarschuwingen
Handelen	CMMS-integratie	Bruikbare werkorders
Volgen	Automatische rapporten	Onderhoudsbeheer
Beveiligen	Tunnels en toegangscontrole	Bescherming van OT-gegevens

Deze aanpak kan gebruikmaken van de Eziwan-gateway, monitoring via de Eziwan-cloud en architecturen voor industriële connectiviteit.

Conclusie

Predictief onderhoud via het IoT begint niet met een magisch algoritme. Het begint met betrouwbaar conditiegebaseerd onderhoud: zorgvuldig gekozen sensoren, regelmatige gegevens, procescontext, begrijpelijke drempelwaarden, bruikbare waarschuwingen, integratie met het CMMS en feedback uit de praktijk. Het is deze complete keten die het mogelijk maakt om geleidelijk over te stappen van noodreparaties naar geplande interventies.

Eziwan ondersteunt deze transitie door vroege signalen van kritieke machines te verzamelen, trends te analyseren, apparatuur in te delen naar risiconiveau en de juiste acties in de onderhoudstools in gang te zetten. Voor industriële bedrijven is de uitdaging duidelijk: onvoorziene stilstanden verminderen, onderhoudswerkzaamheden beter plannen en gebruikmaken van praktijkgegevens om de betrouwbaarheid van het machinepark duurzaam te verbeteren.

Meer informatie

• Predictief onderhoud via IIoT — implementeer een strategie voor predictief onderhoud voor uw industriële apparatuur
• Industriële telediagnose — voer op afstand diagnoses uit op uw apparatuur om het aantal interventies ter plaatse te verminderen
• Monitoring van industriële apparatuur — houd de conditie van uw machines continu in de gaten
• Industriële datalogger in de cloud — registreer en archiveer gegevens over trillingen, temperatuur en stroom
• Toezicht en technische ondersteuning op afstand — combineer toezicht op afstand met technische ondersteuning in realtime