Condition-based maintenance detecteert vroegtijdige slijtage en degradatie
Condition monitoring, dynamische prestatie-indicatoren en OEM-expertise vormen daarvoor de basis
Condition-based maintenance (CBM) baseert onderhoudsbeslissingen op actuele conditiemetingen, veelal uitgevoerd door sensoren. De methodologie verschilt per industrietak, maar dataverzameling, data-analyse, besluitvorming en operationele uitvoering zijn de telkens terugkerende kerncomponenten. Via een datagestuurde aanpak opent CBM de weg naar proactief, predictief en uiteindelijk autonoom onderhoud, waardoor machines niet alleen langer meegaan, maar ook de productieprocessen toekomstbestendig worden.
Bij condition-based maintenance (hierna CBM) wordt alleen dan ingegrepen wanneer er een meetbare indicatie is dat een component of systeem achteruitgaat of dreigt te falen. Het wordt veelvuldig toegepast in industriële sectoren, met name daar waar continuïteit cruciaal is. De methodologie verschilt per industrietak, maar het procesmodel is uniform: dataverzameling, data-analyse, besluitvorming en operationele uitvoering.
Dataverzameling
De dataverzameling vormt het hart van condition-based maintenance. De volgende bouwstenen dragen gezamenlijk zorg voor een nauwkeurige monitoring en analyse van de degradatiestatus.
Analyse kritische componenten
De eerste stap is analyse van de kritische componenten: welke assets zijn bedrijfskritisch, wat zijn de dominante faalmechanismen (slijtage, vermoeiing, corrosie, oververhitting) en welke meetbare parameters geven vroegtijdig inzicht in degradatie?
Sensorkeuze
De sensoren worden gekozen aan de hand van de faalmechanismen, en worden geplaatst op vaste, reproduceerbare meetpunten zo dicht mogelijk bij de bron van mogelijke degradatie. Slechte plaatsing kan leiden tot ruis of gemiste defecten.
Condition monitoring en voorbewerking
Dataverzameling gebeurt via continue monitoring (sensoren sturen realtime data naar een PLC, SCADA of IoT-platform) of via periodieke metingen (tijdens inspectierondes met behulp van handheld meetapparatuur). De voorbewerking kan bestaan uit ruisfiltering, omzetting naar het frequentiespectrum (FFT) en anomaliedetectie.
Transmissie
Gegevenstransport vindt plaats over verschillende netwerken. Dat kan bekabeld (4–20 mA, Profibus), draadloos (wifi, LoRaWAN, 5G) of via industriële IoT-platformen. Aandachtspunten daarbij zijn dataveiligheid (encryptie), vertraging (latency) en de betrouwbaarheid van verbinding (relaibility).
Opslag
Verzamelde data kunnen worden bewaard in historische databases, cloudomgevingen en assetmanagementsystemen. Daarbij is sprake van gestructureerde registratie, inclusief tijdstempel, Asset-ID, Sensor-ID, meetwaarde- en omgevingsparameters. Foutieve of incomplete data ondermijnen vanzelfsprekend voorspellende analyses.
Data-analyse
De data-analysecomponent is te beschouwen als het brein van CBM. Doorgaans vindt een dergelijke analyse plaats aan de hand van statistische modellen of machine learning-algoritmen.
Statistische modellen
Bij CBM het meest in gebruik zijn:
- lineaire regressie: geschikt voor lineaire degradatiepatronen en eenvoudig te interpreteren;
- logistische regressie: dankzij de directe kansvoorspelling bijzonder geschikt voor onderhoudsbeslissingen;
- cox proportional hazards model: een standaardmodel in reliability engineering dat rekening houdt met censurering en tijd- en conditie-informatie combineert.
Machine learning-algoritmen
Het model leert patronen herkennen en interpreteren in (opgeschoonde) data door zijn parameters zo aan te passen dat de fouten op de trainingsdata zo klein mogelijk worden. Daarna volgt een evaluatie van het generaliseringsvermogen op validatie- en testsets: de validatieset daarbij wordt gebruikt voor bijstelling, de testset voor een eindbeoordeling.
Besluitvorming
De besluitvorming slaat de brug tussen technische bevindingen en concrete onderhoudsinterventies. De invulling verschilt uiteraard per industrietak, maar ook hier is er sprake van een karakteristieke fasering.
Interpretatie van analyseresultaten
De eerste stap is hier onderzoeken in welke mate de gemeten waarden afwijken van norm- of referentiewaarden en hoe snel de eventuele degradatie verloopt (trendanalyse). Daarbij worden de gemeten waarden vergeleken met historische gegevens en benchmarks. Teneinde meetfouten of ruis uit te (kunnen) sluiten is validatie van afwijkingen een vereiste.
Risico- en impactanalyse
Een afwijking maakt direct ingrijpen niet altijd noodzakelijk. Criteria daarvoor zijn onder meer de kans op falen binnen een bepaalde tijd, de eventuele gevolgen ten aanzien van veiligheid, productie, milieuschade en/of kosten en de storingsimpact (kritikaliteit). De interventienoodzaak wordt veelal vastgesteld op basis van een risicomatrix (kans × impact).
Afweging van interventie-opties
Actie wordt ondernomen op grond van de technische en de risicobeoordeling. Dat kan direct correctief onderhoud zijn, acceleratie van gepland onderhoud, intensivering van de monitoring of het hanteren van de run-to-failurestrategie. Bij een verwaarloosbaar risico kan worden afgezien van interventie op basis van zaken als de productieplanning, downtime versus onderhoudskosten en contractuele verplichtingen.
Formele besluitvorming en prioritering
Is het besluit een keer genomen, dan wordt de gekozen interventie geprioriteerd binnen de onderhoudsplanning, vastgelegd in een onderhoudsbeheersysteem (CMMS/EAM) en gepland op een geschikt moment, bijvoorbeeld tijdens een shutdown. De besluitvorming is doorgaans multidisciplinair; bij verstrekkende gevolgen is in de regel goedkeuring van het management nodig.
Feedback en optimalisatie
Een essentieel onderdeel van besluitvorming is de terugkoppeling, met vragen als:
- is de genomen beslissing effectief gebleken?;
- waren de voorspellingen accuraat?;
- dienen alarmdrempels of modellen te worden aangepast?
Deze feedbackloop zorgt voor continue verbetering van het onderhoudsbeleid en verhoogt bovendien de betrouwbaarheid van toekomstige beslissingen.
Operationele uitvoering
Tijdens deze laatste fase van het proces worden de beslissingen omgezet in concrete acties gericht op het op het juiste moment proactief uitvoeren van onderhoud met een minimale impact op de productie en een maximale effectiviteit van de interventie.
Planning en coördinatie van onderhoud
Onderhoudsactiviteiten worden ingepland op basis van prioriteit, middelenbeschikbaarheid en minimale onderbreking van de productie. Dit laatste kan onder meer door onderhoud te combineren met toch al geplande stilstandperioden (scheduled downtime).
Toewijzing van middelen
Onder de term 'middelen' vallen materiaal, gereedschap en personeel. Bij complexe interventies − het vervangen van kritische componenten of het uitvoeren van geavanceerde reparaties – kan het nodig zijn specifieke expertise in te schakelen.
Onderhoudswerkzaamheden
Onderhoudspersoneel voert de interventies uit conform de besluitvorming. Deze werkzaamheden worden strikt uitgevoerd op basis van vastgestelde procedures en veiligheidsvoorschriften, waarbij nauwlettend wordt gelet op de integriteit van zowel personeel, apparatuur als werkomgeving.
Monitoring van interventies
Tijdens de uitvoering worden sensorgegevens en voortgangsindicatoren bijgehouden teneinde te kunnen beoordelen of de interventie het gewenste effect heeft. Door eventuele afwijkingen direct te registreren is snelle bijsturing mogelijk
Registratie en terugkoppeling
Alle acties, resultaten en eventuele observaties worden gedocumenteerd in het onderhoudsbeheersysteem. Deze gegevens vormen een waardevolle input voor toekomstige dataverzameling en besluitvorming, waardoor het CBM-proces cyclisch verbetert.
CBM binnen motion control
Binnen motion control zijn zaken als nauwkeurigheid, dynamiek en herhaalbaarheid cruciaal. Zelfs geringe componentdegradatie kan leiden tot operationele verliezen, vandaar dat CBM binnen dit vakgebied stuurt op optimale prestaties van individuele componenten. Te denken valt daarbij aan servomotoren, aandrijvingen, encoders, tandwielkasten en lineaire geleidingen. Doel daarbij is steeds vroegtijdige detectie van slijtage en degradatie.
Doorgaans gebeurt dit volgens een vaste, datagedreven keten: dataverzameling → feature-extractie → conditiebeoordeling/anomaliedetectie → diagnose → prognose → onderhoudsbeslissing.
Deze aanpak is overigens niet universeel: in de praktijk worden soms stappen gecombineerd/anders ingericht. De kernbouwstenen zijn condition monitoring-technieken, dynamische prestatie-indicatoren en OEM-specifieke machine-expertise.
Condition monitoring-technieken
Naast de veelgebruikte stroom-, trillings- en temperatuuranalyse worden in motion control-systemen onder meer de volgende technieken toegepast:
- encoder-signaalanalyse (positie-fouten, jitter, backlash-indicaties);
- backlash- en stijfheidsmonitoring (voor tandwielkasten en spindels);
- servo-tracking-error-monitoring als directe prestatie-indicator van regelkwaliteit (is een prestatie-indicator voor de beoordeling van regelkwaliteit en mechanische degradatie);
- smeringsconditiemonitoring bij lineaire geleidingen en spindels.
Tezamen geven deze signalen inzicht in zowel mechanische slijtage als verslechtering van de regelprestaties.
Dynamische prestatie-indicatoren
Naast directe sensordata spelen kritische prestatie-indicatoren (KPI's) een belangrijke rol:
- overshoot: een maat voor de demping en tuning van het systeem;
- resonantiegedrag: indicator voor veranderingen in de dynamische eigenschappen van het systeem en een verhoogde gevoeligheid voor trillingen of instabiliteit;
- settling time: de snelheid waarmee een systeem stabiliseert;
- stabiliteitsmarges van de regelkring: een maat voor de robuustheid en stabiliteitsreserve;
- stijfheids-/compliance-gedrag: een indicator voor de mechanische rigiditeit en structurele systeemconditie.
Deze indicatoren representeren een 'dynamische vingerafdruk' van het systeem; afwijkingen kunnen zowel wijzen op mechanische degradatie als op verslechtering van controllerafstemming.
OEM-specifieke expertise
Essentieel voor deze onderhoudsaanpak is de expertise van de Original Equipment Manufacturer (OEM). Deze omvat onder meer kennis ten aanzien van het referentiegedrag (normaal bedrijfsgedrag), kritische slijtagepunten en typische storingspatronen, de exacte afstelling van motion control parameters, bijvoorbeeld toleranties en belastingprofielen, en de interpretatie van machinespecifieke sensordata.
De belangrijkste effecten van CBM zijn een langere levensduur van componenten, lagere onderhoudskosten en een betere voorspelbaarheid van onderhoudswerkzaamheden. Zij voorkomen niet alleen ongeplande stilstand, maar zijn ook noodzakelijk in het kader van de wet- en regelgeving: bedrijven moeten aantoonbaar 'in control' zijn over de integriteit en het functioneren van hun assets.
Met medewerking van Istec, Nidec, Nord Aandrijvingen België, SKF, Endress+Hauser, Fanuc en SEW Eurodrive