Condition Based Maintenance (CBM): een gids

By Richard Crowter

02 september, 2025

Inleiding

In deze gids over Condition Based Maintenance (CBM) bespreken we hoe het wordt gedefinieerd en ook wat het niet is. Hoe Industriële IoT heeft gezorgd voor de digitale transformatie van CBM. De voordelen van Condition Based Maintenance ten opzichte van reactieve en preventieve strategieën, en hoe de verbetering brengt aan het P-F interval. De voor- en nadelen van predictief onderhoud als alternatief voor CBM worden ook overwogen. Implementatietips worden gegeven op basis van de ervaring en klantsuccesverhalen van innius.

Inhoud

Wat is Condition Based Maintenance?

Condition Based Maintenance (CBM) wordt soms letterlijk vertaald in het Nederlands als ‘Conditie-gebaseerd onderhoud’, maar meestal wordt het Engels term gebruikt, zoals in dit artikel.

Condition Based Maintenance is een strategie waarbij onderhoud wordt bepaald op basis van de werkelijke conditie van een machine of onderdeel. Dit is afhankelijk van nauwkeurige monitoring om tekenen van slijtage te detecteren, zodat onderhoud proactief kan worden uitgevoerd voordat potentiële problemen escaleren en storingen veroorzaken. Door alleen te doen wat nodig is, streeft CBM naar een efficiënter gebruik van onderhoudsmiddelen, het verminderen van machine-uitval, het verlagen van reparatiekosten en het verlengen van de levensduur van machines.

Dit staat in contrast met een reactieve onderhoudsstrategie waarbij onderhoud alleen plaatsvindt wanneer er iets kapot is of een preventieve onderhoudsstrategie waarbij onderhoudsactiviteiten worden gepland op basis van ingestelde tijd- of werkintervallen.

Condition Based Maintenance is geen predictief onderhoud

Houd er rekening mee dat op sommige plaatsen, met name ouder materiaal, CBM wordt aangeduid als ‘een predictief onderhoudsstrategie’. We zouden hiervoor willen waarschuwen. Tegenwoordig wordt predictief onderhoud gezien als een aparte strategie, waarbij gebruik wordt gemaakt van technologieën als Artificial Intelligence en Machine Learning. We zullen deze strategieën verder in dit artikel in meer detail bekijken en vergelijken.

De impact van Industriële IoT op CBM

Industriële IoT (IIoT) heeft Condition Based Maintenance radicaal getransformeerd. Maar het is vermeldenswaard dat CBM niet volledig afhankelijk is van IIoT. Wanneer bijvoorbeeld een onderhoudsmonteur een schroevendraaier op een machine zet en ernaar luistert om te controleren of deze soepel loopt, is er sprake van CBM. Uit ervaring weet de monteur hoe de machine moet klinken en als er iets niet klopt kan er onderhoud worden ingepland.

Het gebruik van IIoT, zoals Innius, brengt CBM naar een hoger niveau, waarover dit artikel gaat. Digitale sensoren kunnen dingen detecteren die een technicus nooit zou kunnen door te kijken en te luisteren. Hierdoor zijn veel nieuwe mogelijkheden ontstaan, omdat veel onderhoudsscenario’s kunnen worden overgezet van een reactieve of preventieve naar een efficiëntere Condition Based Maintenance-strategie.

Waarom Condition Based Maintenance gebruiken?

Net als alle strategieën is Condition Based Maintenance geen oplossing die voor elke onderhoudssituatie geschikt is. In plaats daarvan moet CBM worden gezien als onderdeel van een holistische benadering van onderhoud. Dit betekent dat gebruiksscenario’s en storingsscenario’s voor onderhoud één voor één moeten worden gecategoriseerd en dat voor elk de meest geschikte onderhoudsstrategie moet worden toegepast. Dit kan reactieve, preventieve, Condition Based of predictief zijn.

De beslissing om CBM te gebruiken in plaats van reactieve of preventieve onderhoudsstrategieën wordt voornamelijk genomen op basis van de verwachte return on investment (ROI). CBM vereist een initiële investering, die hoger kan zijn als er speciale sensoren moeten worden geïnstalleerd, en er zijn terugkerende kosten om de data te verwerken en op te slaan. Bij innius zijn dit geen substantiële kosten, maar kosten die je niet maakt bij preventieve of reactieve Onderhoud. Maar omdat CBM uiteindelijk de uitvaltijd van apparatuur vermindert, kunnen de kosten van CBM worden gerechtvaardigd als de stilstand kosten hoog genoeg zijn. CBM is daarom meer geschikt voor onderdelen en machines die zeer kritisch zijn voor de bedrijfsvoering. Een andere overweging voor de ROI is dat CBM de werkdruk van onderhoudspersoneel en de ernst van reparaties vermindert, wat ook kosten bespaart.

Het verlengen van het P-F interval met CBM

Een belangrijke vergelijking is dat met op Condition Based Maintenance defecten kunnen worden ontdekt en mogelijke storingen kunnen worden gediagnosticeerd voordat preventief onderhoud dat zou doen. Dit wordt aangetoond door de P-F curve, een grafiek die laat zien hoe de conditie van een machine (of een onderdeel) in de loop van de tijd verslechtert en hoe verschillende onderhoudsstrategieën de potentiële storing (P) kunnen detecteren voordat de daadwerkelijke storing (F) optreedt. Het verschil tussen deze twee punten staat bekend als het P-F interval. Deze grafieken laten een typische P-F curve zien, hoewel elke potentiële storing eigenlijk zijn eigen P-F curve heeft.

Hier zie je dat het P-F interval voor Condition Based Maintenance langer is dan voor preventieve Maintenance. Deze extra tijd en nauwkeurige diagnose van het probleem zorgen ervoor dat de juiste onderdelen op tijd kunnen worden aangeschaft, wat de Mean Time To Repair (MTTR) vermindert wanneer het onderhoud plaatsvindt. Het maakt het ook mogelijk het onderhoud te plannen wanneer het personeel beschikbaar is en idealiter wanneer de machine niet gepland is om te worden gebruikt, waardoor de Overall Equipment Effectiveness (OEE) behouden blijft.

Andere voordelen van Condition Based Maintenance

Onderhoud met een lagere urgentie

Het eerder aanpakken van dreigende storingen betekent ook dat deze gemiddeld genomen een lagere urgentie hebben, omdat ze niet zijn geëscaleerd en verdere schade hebben aangericht. Over het algemeen zijn onderhoudsincidenten met een lagere ernst goedkoper qua van onderdelen en tijd om uit te voeren. Nogmaals, snellere onderhoudstaken verminderen de Mean Time To Repair (MTTR). Neem bijvoorbeeld een lager dat vastloopt, waardoor een pompas breekt en de koelvloeistofstroom stopt, waardoor een partij product bederft. Dit zou een dure keten van gebeurtenissen zijn geweest die voorkomen had kunnen worden als het lager was vervangen voordat het vastliep.

Door de downtime van een machine te verminderen en daarmee de OEE te verhogen, wordt ook de levensduur van een machine verlengd. Dit is wat er gebeurde bij innius-klant Itho Daalderop.

Met onderhoudstaken die alleen worden uitgevoerd wanneer dat nodig is, besparen medewerkers tijd en gebruiken ze hun kostbare expertise effectiever. Als het onderhoudsteam op afstand werkt, stelt remote monitoring hen in staat onnodige reizen te verminderen. Ideaal als ze onderhoud as a service aanbieden.

Een ander voordeel van het verlagen van de ernst van onderhoudsincidenten is dat deze minder gevaarlijk zijn, waardoor de veiligheid van de werknemers wordt verbeterd.

Condition Based Maintenance en predictief onderhoud vergelijken

De P-F-curve laat zien dat hoe eerder potentiële storingen worden gedetecteerd, hoe beter. Maar ook de schaal van de grafiek is belangrijk, omdat het P-F-interval lang genoeg moet zijn om te kunnen reageren. Zoals dit diagram laat zien, is het P-F-interval voor predictief onderhoud zelfs langer dan voor CBM. Dit roept de vraag op waarom predictief onderhoud niet altijd de voorkeursstrategie is in vergelijking met Condition Based Maintenance. Zeker omdat beide gebruik maken van sensoren, datastromen en software.

Het verschil tussen Condition Based en predictief onderhoud

Om die vraag te beantwoorden, is het belangrijk om eerst het verschil tussen CBM en predictief onderhoud te begrijpen. CBM past menselijke ervaring of proces van ‘trial and error’ toe om meetdrempels nauwkeurig te definiëren. De nauwkeurigheid van de ‘voorspelling’ zal alleen verbeteren als operators de instellingen aanpassen. Maar bij predictief onderhoud zal, zodra een drempelwaarde of storingsscenario is gedefinieerd door de menselijke operator, AI of machine learning proberen patronen in de datastroom te identificeren om vooraf te waarschuwen. Na verloop van tijd, naarmate de data toeneemt en misschien met corrigerende input van operators, zullen de voorspellingen van storingen nauwkeuriger worden en zou het P-F-interval langer moeten worden.

Het nadeel van predictief onderhoud

Het nadeel van predictief onderhoud, in vergelijking met Condition Based, is dat er veel data nodig is om patronen te kunnen detecteren. Vaak betekent dit ook datastromen met een hoge frequentie. Het snel verwerken en opslaan van grote hoeveelheden data is duur. Welke strategie het beste is, hangt voornamelijk af van de Return on Investment. Het is bijvoorbeeld in de industrie gebruikt om frequentieveranderingen in elektromotoren te monitoren, maar de datakosten waren zo duur dat het goedkoper was om gewoon een reservemotor stand-by te houden.

Wanneer predictief onderhoud de juist oplossing is

Predictief onderhoud kan de juiste oplossing zijn voor zeer kritieke bedrijfsmiddelen, waarbij de kosten van uitval en reparatie hoog zijn en er een lang P-F-interval nodig is om onderhoud te plannen en uit te voeren. Predictief kan ook een oplossing zijn wanneer veranderingen in de conditie moeilijk te detecteren is met andere methoden.

CBM-implementatie met IIoT en hoe de uitdagingen te overwinnen.

Om met succes een gedigitaliseerde Condition Based Maintenance-strategie te implementeren, met behulp van Industriële IoT, stellen wij op basis van onze ervaring de volgende stappen voor:

1. Identificeer een storingsscenario voor een onderdeel of machine.
2. Identificeer een meetbare conditie (of meerdere) die voorafgaand kan wijzen op een potentiële storing.
3. Wordt de conditie al gemonitord door een sensor in de machine? Zo niet, dan is er een nieuwe sensor nodig.
4. Als je een nieuwe sensor nodig heeft, houd er dan rekening mee dat verschillende sensortypen potentiële storingen op verschillende punten kunnen detecteren en dus verschillende P-F-intervallen hebben. Cruciaal voor succes is ervoor te zorgen dat het P-F-interval lang genoeg is om te reageren. Een andere overweging is dat de sensor(en) bestand moeten zijn tegen de omstandigheden van de werkomgeving. Kies uit de volgende meet-/sensortypes:
  1. - Druk
    - Temperatuur
    - Vibratie
    - Oliekwaliteit
    - Elektrisch
    - Ultrasonisch
    - Infrarood
    - Akoestisch
    - Operationele prestaties
5. Kies Condition Based Maintenance-software die aan jouw behoeften voldoet en overweeg het volgende:
  1. - Is het een kant-en-klare oplossing of vraagt het om maatwerk? Dit heeft een grote impact op de installatietijd en -kosten.
    - De initiële en terugkerende kosten.
    - Ga je de software alleen voor CBM gebruiken of voor andere bedrijfstoepassingen? Als het alleen voor CBM is, vermijd dan software die te veel is gericht op andere toepassingen.
    - Hoe gemakkelijk is het voor operators om bijvoorbeeld drempelwaarden en meldingen aan te passen zonder hulp van een technisch consultant?
    - Biedt de CBM-software dashboards, rapporten en mobiele apps met pushmeldingen?
    - Is het mogelijk om meerdere datastromen te combineren en te monitoren met één drempelwaarde en melding? Innius kan dit wel.
6. Sluit de sensor aan op de CBM-software. In het geval van innius gebeurt dit door een Ewon/IXON-modem in de PLC te plaatsen
7. Configureer de datastromen in de CBM-software en begin met het verzamelen van een nulmeting. Op dit moment zal ervaren onderhoudspersoneel dat bekend is met de machines en de data kan interpreteren een enorme hulp zijn en het implementatieproces versnellen.
8. Installeer mobiele en tablet-apps en hang dashboards op om bewustwording te creëren onder operators en onderhoudspersoneel.
9. Drempelwaarden en meldingen kunnen vervolgens nauwkeurig worden gedefinieerd. In eerste instantie wil je dat meldingen zo worden ingesteld dat ze iets gevoeliger zijn dan vereist, en deze vervolgens afstemmen met ervaring. Maar toch wil je niet dat het personeel wordt overspoeld met onnodige meldingen of dat er anderszins storingen optreden omdat de drempels niet gevoelig genoeg zijn.
10. Op de lange termijn heb je de betrokkenheid van onderhoudspersoneel nodig om de drempelwaarden te blijven verfijnen, zodat meldingen worden beperkt tot actiegerichte meldingen.
11. Verfijning helpt ook om het P-F interval te verlengen, wat het onderhoudspersoneel meer tijd geeft om werk te plannen en de impact van onregelmatige schema’s als gevolg van werk op basis van meldingen wordt verminderd.

Onze klantervaring met het gebruik van Condition Based Maintenance

Itho Daalderop, een klant van Innius, kon een aanzienlijk bedrag besparen door Condition Based Maintenance te implementeren op hun productielijn. Itho Daalderop maakt boilers en een machine die wordt gebruikt om boilers op lekkages te testen, de lektester, was oud en viel regelmatig uit. Door innius te gebruiken om bestaande sensoren in de machine te monitoren, wordt het onderhoudsteam vooraf via mobiele meldingen gewaarschuwd voor potentiële storingen. Vaak kunnen reparaties plaatsvinden tijdens de pauzes van de productielijn, waardoor de downtime wordt geminimaliseerd. Het resultaat is dat de levensduur van de lektester is verlengd en de machine toch niet vervangen hoeft te worden. In dit geval werd de ROI berekend op basis van de vermindering van dure productiedowntime en de alternatieve oplossing, namelijk het kopen van een nieuwe machine voor honderdduizenden euro’s.

Referenties:

Teixeira, Humberto Nuno, Isabel Lopes, and Ana Cristina Braga. “Condition-based maintenance implementation: a literature review.” Procedia Manufacturing 51 (2020): 228-235.
Sakib, Nazmus, and Thorsten Wuest. “Challenges and opportunities of condition-based predictive maintenance: a review.” Procedia Cirp 78 (2018): 267-272.
Prajapati, Ashok, James Bechtel, and Subramaniam Ganesan. “Condition based maintenance: a survey.” Journal of Quality in Maintenance Engineering 18.4 (2012): 384-400.

Gerelateerde blogposts: