De 4 hoofdtypen preventief onderhoud
Preventief onderhoud is geplande inspectie, service en vervanging van componenten die wordt uitgevoerd voordat een asset uitvalt, niet erna. Het doel is minder ongeplande downtime, een langere levensduur van assets, minder veiligheidsincidenten, schonere audittrails en voorspelbare onderhoudsuitgaven. Voor een uitgebreidere definitie verwijzen we naar ons pijlerartikel over wat preventief onderhoud is.
Preventief onderhoud valt uiteen in vier canonieke typen, elk gedefinieerd door de trigger die het werk initieert. Het juiste type, of vaker nog de juiste mix, hangt af van de kriticiteit van de asset, het slijtagepatroon, de beschikbaarheid van data en de gevolgen van uitval. De onderstaande vier zijn gerangschikt op volgorde van data-intensiteit.
Tijdgebaseerd preventief onderhoud (TBM)
Tijdgebaseerd preventief onderhoud (TBM), ook wel kalendergebaseerd onderhoud genoemd, plant werk op vaste intervallen zoals maandelijks, per kwartaal of jaarlijks, ongeacht hoeveel een asset is gebruikt. De trigger is de klok. Typische taken zijn smeerroutes, filtervervangingen, kalibratiecycli en inspectierondes.
Voorbeelden zijn een HVAC-koelmachine die elk kwartaal wordt onderhouden op een zorgcampus, en een conveyor van voedingskwaliteit die elke twee weken wordt gesmeerd op een vullijn voor dranken. TBM is het meest geschikt voor assets met voorspelbare slijtage, veiligheidskritische apparatuur met door de fabrikant voorgeschreven intervallen, en op regelgeving gestoelde regimes onder FDA, OSHA, EPA of ISO.
TBM leeft binnen de werkorderlaag, waar een kalendermotor de werkorder vóór de vervaldatum automatisch genereert en het juiste taakplan, de juiste onderdelen en de juiste arbeidscapaciteit ophaalt.
Gebruiksgebaseerd preventief onderhoud (UBM)
Gebruiksgebaseerd preventief onderhoud (UBM), ook wel metergebaseerd onderhoud genoemd, plant werk op basis van bedrijfsstatistieken: gedraaide uren, voltooide cycli, gereden kilometers of geproduceerde eenheden. De trigger is de meter, niet de klok. Werk wordt pas gegenereerd nadat de asset tot een gedefinieerde drempelwaarde is gebruikt.
Voorbeelden zijn een heftruckaccu die elke 1.500 cycli wordt vervangen in een distributiemagazijn, en een motorolieverversing elke 5.000 bedrijfsuren op een wagenparkvoertuig. UBM is het meest geschikt voor assets waarbij slijtage samenhangt met gebruik: wagenparkmaterieel, roterende machines, conveyors, pompen en compressoren met variabele bedrijfscycli.
UBM vereist meterinvoer (handmatige invoer, OT-integratie of IoT) gekoppeld aan de werkorderlaag, waar gedefinieerde meterdrempels de werkorder automatisch triggeren.
Conditiegebaseerd onderhoud (CBM)
Conditiegebaseerd onderhoud (CBM) plant werk op basis van de huidige conditie van de asset, gemeten door sensoren of inspecties. Veelvoorkomende indicatoren zijn trillingsamplitude, temperatuur, oliekwaliteit, ultrasone metingen en stroomopname van de motor. De trigger is het overschrijden van een drempelwaarde, niet een datum of een meterstand. Het werk vindt pas plaats wanneer de asset een degradatiesignaal vertoont.
Voorbeelden zijn een trillingssensor op een centrifugaalpomp die een lagervervanging triggert wanneer de amplitude de alarmgrens overschrijdt, en een infraroodscan die een warme elektrische verbinding signaleert bij een nutsonderstation. CBM is het meest geschikt voor zeer kritische assets met meetbare degradatiesignalen, en waar tijdgebaseerde of gebruiksgebaseerde intervallen de asset ofwel te veel ofwel te weinig onderhoud geven.
CBM voert sensor- en inspectiedata in de werkorderlaag in, met conditionele logica die het overschrijden van een drempelwaarde zonder handmatige tussenkomst omzet in een werkorder.
Voorspellend onderhoud (PdM)
Voorspellend onderhoud (PdM) gebruikt conditiedata gecombineerd met analytics of machine learning om te voorspellen wanneer een asset zal uitvallen, en plant het werk net vóór dat punt. PdM breidt CBM uit met voorspelling. De trigger is een voorspelling van de resterende levensduur, niet het actueel overschrijden van een drempelwaarde.
Voorbeelden zijn een model voor de resterende levensduur van een turbine op een energieopwekkingsasset dat een lagervervanging twee weken vóór de voorspelde uitval triggert, en een anomaliedetectiemodel op een servo van een verpakkingslijn dat een tandwielkastprobleem signaleert op basis van stroomopnamepatronen. PdM is het meest geschikt voor assets met rijke sensordata en grote gevolgen van uitval: mijnbouwtrucks, medische beeldvormingsapparatuur in ziekenhuizen, grondondersteuning in de luchtvaart, waterzuiveringspompen.
PdM leeft in een analyticslaag met modeluitkomsten (anomaliescore, resterende levensduur, uitvalkans) die de werkorderlaag voeden. Ultimo's Predictive maintenance insights zijn de benoemde mogelijkheid voor dit type.
Voorbij de vier: prescriptief en storingzoekend onderhoud
Sommige bronnen breiden de canonieke lijst uit met twee aanvullende typen. Prescriptief onderhoud (PxM) gebruikt AI om de specifieke actie aan te bevelen, in plaats van alleen uitval te voorspellen. In plaats van "pomp P-204 zal binnen 14 dagen uitvallen," zegt PxM: "vervang het lager van pomp P-204 tussen 02:00 en 04:00 uur op zondag met kit BRG-19." Het is de brug naar agentische AI. Storingzoekend onderhoud (FFM) is geplande inspectie van assets met verborgen storingen, zoals noodgeneratoren en brandblussystemen, die geen enkel symptoom vertonen totdat er een beroep op wordt gedaan. De meeste deskundigen beschouwen de lijst met vier typen als canoniek en deze twee als uitbreidingen.
Hoe kies je het juiste type preventief onderhoud per asset
Het kiezen van de typemix per asset is een beslissing die meeschaalt met het assetregister. Een aantal criteria weegt het zwaarst.
Kriticiteit: zeer kritische assets rechtvaardigen CBM of PdM, waar de gevolgen van uitval de data-investering rechtvaardigen. Laagkritische assets blijven op TBM.
Slijtagepatroon: voorspelbare slijtage past bij TBM. Gebruiksgerelateerde slijtage past bij UBM. Slijtage met een conditiesignaal past bij CBM, en voorspelbare patronen passen bij PdM.
Beschikbaarheid van data: CBM en PdM hebben sensor- of inspectiedata nodig. TBM en UBM functioneren zonder.
Gevolgen van uitval: gevolgen voor veiligheid, milieu, regelgeving en productie duwen de typemix richting het data-rijke uiteinde.
Kosten van te veel onderhoud: wanneer TBM-intervallen een asset te veel onderhoud geven, bespaart CBM op arbeid, onderdelen en downtime.
Reliability-Centered Maintenance (RCM) is de formele methodologie voor het kiezen van de typemix per asset, en Failure Mode, Effects, and Criticality Analysis (FMECA) is de risicorangschikkende input die deze aanstuurt. Kisuma Chemicals toonde de impact aan: "De FMECA-strategie in Ultimo heeft ons geholpen de downtime met 40% te verlagen en aanzienlijke kostenbesparingen te realiseren," aldus Jan Wolf, Reliability Engineer, Kisuma Chemicals.
Hoe EAM-software de volledige PM-typemix ondersteunt
Elk PM-type heeft zijn eigen trigger: kalender, meter, sensor of modeluitkomst. Wanneer de typemix verspreid is over spreadsheets, OT-systemen en losstaande tools die slechts één of twee triggers ondersteunen, besteden planners de dag aan het op één lijn brengen van gegevens in plaats van aan het voorkomen van uitval. Wat operators zoeken, is één werkorderlaag die alle vier de triggers ondersteunt, één prioriteringswachtrij, één mobiel uitvoeringsoppervlak en één rapportageweergave.
Ultimo's Enterprise Asset Management (EAM)-software met ingebedde AI ondersteunt de volledige typemix via benoemde modules:
Work Order Management ondersteunt TBM, UBM, CBM en PdM in één wachtrij, waarbij AI-ondersteunde prioritering van werkorders de wachtrij ordent wanneer typen strijden om dezelfde ploeg.
De module Proactive Maintenance is de benoemde brug die AI-suggesties inbedt in de planningslaag en ondersteuning biedt voor reliability-centered en risicogebaseerde strategieën.
De Mobile App voert PM-inspecties uit op het punt waar ze nodig zijn, met offline modus, fotovastlegging en spraakinvoer.
Stock Management en Purchasing koppelt reserveonderdelen aan geplande PM-taken. Montanwerke Brixlegg kwantificeerde de impact: "Zelfs met alleen al verbeteringen in inkoop kijken we naar een jaarlijkse besparing van 5% van ons inkoopvolume," aldus Silvio Turri, Head of Maintenance, Montanwerke Brixlegg.
Reporting and Dashboards maakt het PM-nalevingspercentage, MTBF, MTTR en downtime zichtbaar via Power BI, met afdelingsoverstijgend inzicht.
De HSE Suite ondersteunt werkvergunningen en Lockout/Tagout voor PM-taken op gevaarlijke assets.
Ultimo-software ondersteunt wereldwijd meer dan 2.500 organisaties, meer dan 154.000 actieve gebruikers en meer dan 22 miljoen assets, uitgerold met een gemiddelde beschikbaarheid van 99,98% op Microsoft Azure, met gecertificeerde SAP S/4HANA-integratie, SOC 2 Type II, ISO-certificering en FDA-compliance voor NA.
Hoe AI het preventieve onderhoud verandert
Digitalisering van assets creëert een datavolume dat planners niet handmatig kunnen verwerken. Pensioneringen in het personeelsbestand versnellen. Kapitaalbeperkingen vragen om scherpere prioritering. De compliancelast groeit. Wat operators zoeken, zijn snellere beslissingen over de typemix, nauwkeurigere PdM-voorspellingen, junior assetprofessionals die zich sneller ontwikkelen, en audittrails die zichzelf genereren.
In Ultimo EAM is AI rechtstreeks ingebed in de lagen voor PM-planning en -uitvoering. De benoemde mogelijkheden sluiten aan op PM-workflows:
Planning: AI-ondersteunde prioritering van werkorders ordent de wachtrij wanneer typen strijden om dezelfde ploeg.
Voorspelling: Predictive maintenance insights produceren uitkomsten voor resterende levensduur en anomaliedetectie voor PdM.
Uitvoering: Assisted Troubleshooting biedt beslissingsondersteuning van junior- tot seniorniveau wanneer een PM-inspectie een abnormale conditie aan het licht brengt, en de AI Work Instruction Generator produceert op maat gemaakte stapsgewijze PM-taakplannen.
Assetregister: Geautomatiseerde assetcatalogisering houdt de hiërarchie die alle vier de typen onderbouwt schoon op schaal.
Compliance: Autonome HSE-incidentregistratie leidt veiligheidsbevindingen tijdens PM-rondes door zonder handmatige invoer.
Voorbij preventief: Digital workers, AI-gedreven mogelijkheden die specifieke taken uitvoeren naast menselijke teams, waaronder autonome triage van PM-werkorders in hogere fasen van het Ultimo Maturity Model.
Ysco toonde de impact aan van AI-gedreven workflowverbetering over de gehele PM-uitvoering: de technische efficiëntie verbeterde van 94% naar 96%, met honderdduizenden aan jaarlijkse kostenbesparingen. Ultimo was de eerste EAM-leverancier die agentische AI in productie naar industrieel onderhoud bracht. De filosofie erachter is Collaborative Intelligence: menselijke medewerkers, AI en robotische medewerkers die als één personeelsbestand opereren.
Veelgestelde vragen
Wat zijn de 4 typen preventief onderhoud?
De vier typen preventief onderhoud zijn tijdgebaseerd (TBM), gebruiksgebaseerd (UBM), conditiegebaseerd (CBM) en voorspellend (PdM). TBM wordt getriggerd door de kalender. UBM wordt getriggerd door een meter, zoals cycli, uren of kilometers. CBM wordt getriggerd door een conditiesignaal dat een drempelwaarde overschrijdt. PdM wordt getriggerd door een voorspelling op basis van analytics of machine learning. De meeste operators draaien een hybride mix per asset.
Wat zijn de 5 typen preventief onderhoud?
Sommige bronnen breiden de vier canonieke typen uit met een van twee toevoegingen. Prescriptief onderhoud (PxM) gebruikt AI om de specifieke actie aan te bevelen, inclusief timing, onderdeel en arbeid, en voorspelt niet alleen uitval. Storingzoekend onderhoud (FFM) is geplande inspectie van assets met verborgen storingen, zoals noodgeneratoren. De conventie van het AI Overview is vier typen, met PxM en FFM als uitbreidingen.
Wat zijn de 7 elementen van preventief onderhoud?
De zeven elementen waarnaar doorgaans wordt verwezen in een programma voor preventief onderhoud zijn: een assetregister en apparatuurhiërarchie, een PM-planning, werkorders, beheer van reserveonderdelen en voorraad, inspecties en checklists, KPI's en rapportage (MTBF, MTTR, PM-naleving), en een compliance-audittrail. Samen vormen ze het operationele model dat gepland werk omzet in meetbare betrouwbaarheidsresultaten.
Wat is het verschil tussen preventief en voorspellend onderhoud?
Preventief onderhoud is de overkoepelende term voor gepland werk vóór uitval, getriggerd door een kalender, een meter, een conditie of een voorspelling. Voorspellend onderhoud (PdM) is het datagedreven subtype dat analytics of machine learning gebruikt om het moment van uitval te voorspellen en het werk just-in-time in te plannen. Alle voorspellende onderhoud is preventief; niet alle preventieve onderhoud is voorspellend.
Hoe verhoudt TPM zich tot preventief onderhoud?
Total Productive Maintenance (TPM) is een door operators geleide onderhoudsfilosofie die preventief onderhoud verankert in de dagelijkse activiteiten, waarbij operators eigenaar zijn van routinematige PM-taken naast het onderhoudsteam. TPM is een cultuur en operationeel model dat is geworteld in pijlers waaronder autonoom en gepland onderhoud. Preventief onderhoud is een van de strategieën waarop het steunt.