KPI's voor voorspellend onderhoud Assetmanagers ondersteunen bij het voorkomen van storingen, het verlagen van kosten en het verbeteren van de betrouwbaarheid van apparatuur. Deze statistieken combineren historische gegevens met toekomstgerichte inzichten, waardoor slimmere beslissingen kunnen worden genomen over wanneer en hoe activa moeten worden onderhouden. Met behulp van tools zoals Oxen en Simeo™, Organisaties kunnen onderhoudsschema's optimaliseren, de levensduur van activa verlengen en zich aanpassen aan normen zoals ISO 55001. Hieronder vindt u de 10 belangrijkste KPI's die u in de gaten dient te houden:
- Gemiddelde tijd tussen storingen (MTBF): Meet de betrouwbaarheid door de gemiddelde tijd bij te houden dat apparatuur functioneert voordat deze defect raakt.
- Gemiddelde reparatietijd (MTTR): Houdt bij hoe snel activa worden gerepareerd, waardoor stilstandtijd wordt verminderd.
- Totale apparatuurefficiëntie (OEE): Evalueert de efficiëntie op basis van beschikbaarheid, prestaties en kwaliteit.
- Percentage gepland onderhoud (PMP): Geeft de verhouding weer tussen gepland en noodonderhoud.
- Naleving van preventief onderhoud: Houdt bij hoe vaak gepland onderhoud op tijd wordt voltooid.
- Naleving van het onderhoudsschema: Controleert of geplande onderhoudstermijnen worden nageleefd.
- Voorspelde tijd tot defect (PTTF): Voorspelt op basis van de huidige omstandigheden wanneer een activum mogelijk defect raakt.
- Achterstand in werkopdrachten: Houdt toezicht op lopende onderhoudstaken en de toewijzing van middelen.
- Onderhoudskosten als percentage van de vervangingswaarde van activa (RAV): Vergelijkt de jaarlijkse onderhoudskosten met de vervangingswaarde van activa.
- Bezettingsgraad van activa: Beoordeelt hoe effectief activa worden gebruikt in vergelijking met hun potentieel.
Waarom deze KPI's van belang zijn: Door deze statistieken te monitoren, kunt u ongeplande stilstand verminderen, onderhoudskosten tot 20% verlagen en de betrouwbaarheid van activa met meer dan 10% verbeteren. Door deze KPI's te combineren met voorspellende tools kunt u slimmere, datagestuurde beslissingen nemen die een evenwicht bieden tussen kosten, risico's en duurzaamheid op lange termijn.
10 essentiële zaken Voorspellend onderhoud KPI's voor vermogensbeheerders
1. Gemiddelde tijd tussen storingen (MTBF)
Waarom deze KPI van belang is voor voorspellend onderhoud
De gemiddelde tijd tussen storingen (MTBF) meet hoe lang een apparaat doorgaans werkt voordat het een storing vertoont. Het is een cruciale maatstaf voor het beoordelen van de betrouwbaarheid en het maken van plannen voor de toekomst. Ter referentie: volgens de industrienormen ligt de MTBF vaak tussen de 500 en 2000 uur, hoewel dit cijfer kan variëren afhankelijk van het type apparatuur dat wordt gebruikt. [9].
Door MTBF te analyseren, verandert onderhoud van reactief naar proactief. In plaats van te wachten tot er iets defect raakt, kunt u gegevens over eerdere storingen gebruiken om te anticiperen op toekomstige problemen. [7][8]. Dit betekent dat onderhoud een geplande, strategische operatie wordt in plaats van een gokspel.
Hoe dit de levenscycluskosten van activa beïnvloedt
Het in de gaten houden van de MTBF kan een directe invloed hebben op uw kosten. Stel u bijvoorbeeld een HVAC-systeem voor met een MTBF van ongeveer 181 dagen (ongeveer 4362 uur). Door minstens twee keer per jaar preventief onderhoud in te plannen, worden kleine problemen vroegtijdig opgemerkt, waardoor dure noodreparaties kunnen worden voorkomen. [7].
MTBF biedt ook inzicht in hoe effectief uw team problemen aanpakt. Pakken zij de onderliggende oorzaken van storingen aan of verhelpen zij alleen de symptomen? Deze gegevens kunnen helpen bij het nemen van slimmere beslissingen over het repareren of vervangen van apparatuur. Voor activa die het einde van hun levenscyclus naderen, kunnen MTBF-trends aangeven dat het tijd is om een vervanging te overwegen in plaats van door te gaan met kostbare reparaties. [10].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Platforms zoals Oxand Simeo™ tillen MTBF naar een hoger niveau. Simeo™ combineert MTBF-gegevens met een uitgebreide database van meer dan 30.000 onderhoudsregels om te voorspellen hoe componenten in de loop van de tijd zullen presteren. In plaats van alleen naar prestaties uit het verleden te kijken, gebruikt het MTBF als een toekomstgericht instrument om investerings- en onderhoudsbeslissingen te sturen.
Door middel van probabilistische modellering verwerkt Simeo™ bestaande activagegevens om de meest geschikte momenten voor onderhoud en budgettoewijzing te bepalen. Zelfs met onvolledige gegevens kan het platform nauwkeurig voorspellen hoe activa zullen verouderen en verslechteren. Deze aanpak maakt van MTBF een proactief instrument, waardoor slimmere, op risico's gebaseerde planning voor de toekomst mogelijk wordt.
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
MTBF vormt een solide basis voor het nemen van ISO 55001-conforme, risicogebaseerde planningsbeslissingen. Door MTBF-trends te monitoren, kunt u prestatieverlies signaleren en onderzoeken of de oorzaak ligt in gebrekkig onderhoud, zware bedrijfsomstandigheden of tekortkomingen in het ontwerp zelf. [10].
"Hoewel intuïtie een voorgevoel of een vonk kan geven die u op een bepaald pad zet, is het door middel van gegevens dat u dit kunt verifiëren, begrijpen en kwantificeren. – Harvard Business School [8]
Bovendien helpt MTBF om middelen effectiever toe te wijzen. Apparatuur met lagere MTBF-waarden vereist vaak vaker onderhoud en brengt hogere kosten met zich mee, terwijl apparatuur met hogere MTBF-waarden betrouwbaarder is, waardoor langere onderhoudsintervallen en een betere kostenefficiëntie mogelijk zijn. Deze datagestuurde strategie zorgt ervoor dat elke onderhoudskost goed wordt besteed, waardoor de totale eigendomskosten worden verlaagd en de prestatieniveaus hoog blijven.
2. Gemiddelde reparatietijd (MTTR)
Waarom deze KPI van belang is voor voorspellend onderhoud
De gemiddelde reparatietijd (Mean Time to Repair, MTTR) meet hoe lang het gemiddeld duurt om een defect apparaat te repareren. [8][10]. Eenvoudiger gezegd geeft het weer hoe snel uw team kan herstellen van storingen aan apparatuur. Een lagere MTTR betekent snellere reparaties, waardoor de uitvaltijd wordt verkort en productieverliezen tot een minimum worden beperkt. [8][14].
In de context van voorspellend onderhoud is MTTR meer dan alleen een historische maatstaf – het wordt een hulpmiddel voor planning. Door inzicht te hebben in de gebruikelijke reparatietijden kunnen onderhoudstaken beter worden gepland en afgestemd op de productiebehoeften. [7]. Hierdoor verandert MTTR van een reactieve maatstaf in een proactieve richtlijn voor het verbeteren van de onderhoudsefficiëntie. [3]. Volgens benchmarks in de sector ligt de MTTR doorgaans tussen 1 en 5 uur, hoewel dit afhankelijk is van de complexiteit van de apparatuur. [9]. In combinatie met MTBF (Mean Time Between Failures) biedt MTTR een volledig overzicht van zowel de frequentie waarmee storingen optreden als de efficiëntie waarmee deze worden opgelost.
Hoe dit de levenscycluskosten van activa beïnvloedt
Ongeplande downtime kan aanzienlijke kosten met zich meebrengen – ongeveer $25.000 per uur – dus het verminderen van MTTR heeft een directe positieve invloed op uw bedrijfsresultaten door verliezen te beperken en de operationele efficiëntie te verbeteren. [13]. Reactief onderhoud, dat vaak onvoldoende gepland wordt, leidt tot 3,3 keer meer uitval en 16 keer meer defecten in vergelijking met proactieve benaderingen. [9].
Het monitoren van MTTR kan ook inefficiënties aan het licht brengen. Langdurige reparatietijden kunnen bijvoorbeeld wijzen op problemen zoals vertragingen bij het verkrijgen van reserveonderdelen, onvoldoende opleiding van technici of te ingewikkelde reparatieprocessen. [9][14]. Een uitstekend voorbeeld hiervan is afkomstig van Ahlstrom, Een bedrijf dat de maandelijkse reparatie-uren met 90% heeft verminderd na de implementatie van een mobiel CMMS-platform. [9].
"Sinds de implementatie is onze gemiddelde reparatietijd gedaald van 580 naar 60 uur per maand. – Engineering Manager, Ahlstrom [9]
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Moderne voorspellende platforms vereenvoudigen het bijhouden van MTTR door het proces te automatiseren. Ze kunnen bijvoorbeeld de reparatietimer starten zodra het probleem wordt geregistreerd, waardoor nauwkeurige gegevens worden gegarandeerd. [16][8].
Oxand Simeo™ gaat nog een stap verder. Het combineert MTTR-gegevens met een uitgebreide database van meer dan 30.000 onderhoudsregels om patronen in uw bedrijfsmiddelen te identificeren. Dit platform helpt vaststellen of een hoge MTTR wordt veroorzaakt door de complexiteit van bedrijfsmiddelen, vaardigheidstekorten bij technici of vertragingen in de beschikbaarheid van onderdelen. [11]. Door de onderliggende oorzaken te diagnosticeren, kunt u de kernproblemen aanpakken in plaats van alleen de symptomen te behandelen. Indien de MTTR ondanks preventieve maatregelen blijft stijgen, kan Simeo™ zelfs helpen berekenen of het vervangen van het bedrijfsmiddel kosteneffectiever zou zijn dan voortdurende reparaties. [16][11].
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
MTTR-gegevens spelen een belangrijke rol in ISO 55001-conforme risicogebaseerde planning door activa met langere reparatietijden te benadrukken. [15][13]. In combinatie met andere statistieken biedt MTTR bruikbare inzichten die u helpen om middelen strategisch toe te wijzen. Dit kan betekenen dat u moet investeren in training voor technici, het verfijnen van reparatiedocumentatie of het prioriteren van de vervanging van bepaalde activa.
"MTTR is een krachtige maatstaf bij het plannen en inplannen van preventief onderhoud, omdat het een schatting geeft van de benodigde stilstandtijd voor reparaties." – Sarah Laubach, Content Specialist, FMX [16]
Door MTTR te combineren met statistieken zoals MTBF en OEE (Overall Equipment Effectiveness) krijgt u een completer beeld van uw onderhoudsprestaties. Samen geven deze KPI's aan hoe snel reparaties terugkerende problemen voorkomen, waardoor u slimmere beslissingen kunt nemen over de toewijzing van uw onderhoudsbudget. [3][17].
3. Totale apparatuurefficiëntie (OEE)
Waarom deze KPI van belang is voor voorspellend onderhoud
OEE combineert drie essentiële factoren: Beschikbaarheid, Prestatiesen Kwaliteit – om te meten hoe efficiënt apparatuur functioneert [6][15]. Beschikbaarheid geeft aan hoeveel uptime uw apparatuur heeft in vergelijking met de geplande productietijd. Prestaties meten of machines op hun optimale snelheid draaien en kwaliteit houdt bij hoeveel defectvrije eenheden worden geproduceerd. Samen bieden deze statistieken een realtime momentopname van de operationele prestaties.
Met betrekking tot voorspellend onderhoud is OEE een krachtig instrument. vroegtijdig waarschuwingssysteem. Een daling van de OEE kan erop wijzen dat er iets mis begint te gaan – of het nu gaat om een afname van de uptime, tragere bedrijfsvoering of een toename van defecten – lang voordat er een ernstige storing optreedt. Hoewel het behalen van een OEE-score van wereldklasse van 85% of hoger ideaal is, schommelen veel fabrikanten tussen 55% en 60%. [13][15]. Deze kloof benadrukt waar onderhoudsinspanningen zich op moeten richten om de prestatiekloof te dichten. Net als MTBF en MTTR biedt OEE bruikbare inzichten die helpen om kostbare stilstand te voorkomen.
Hoe dit de levenscycluskosten van activa beïnvloedt
Een lage OEE kan uw bedrijfsresultaten aanzienlijk beïnvloeden. Onvoorziene storingen aan apparatuur kosten gemiddeld $25.000 per uur. [13]. Noodreparaties zijn ook kostbaar, namelijk 3 tot 10 keer duurder dan gepland onderhoud, terwijl reactieve verliezen 5 tot 20 keer hoger kunnen zijn. [20].
"OEE is de gouden standaard die onderhoudsmanagers gebruiken om te beoordelen hoe goed apparatuur presteert op basis van drie factoren: beschikbaarheid, prestaties en kwaliteit. – Vector Solutions [20]
Het bijhouden van de OEE helpt bij het nemen van slimmere beslissingen over het al dan niet repareren of vervangen van apparatuur. Als de jaarlijkse onderhoudskosten bijvoorbeeld hoger zijn dan 10% van de vervangingswaarde van een bedrijfsmiddel, kan het voordeliger zijn om het te vervangen. [13]. Een uitstekend voorbeeld hiervan is Rimex, een fabrikant van banden en velgen, die ongeplande stilstand met 30% heeft verminderd door de prestaties van bedrijfsmiddelen te monitoren via hun CMMS-platform. [10]. Bedrijven die preventief onderhoud afstemmen op OEE-gegevens hebben zelfs een rendement op investering gemeld van maar liefst 545%. [20].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Modern platforms voor voorspellend onderhoud Breng OEE naar een hoger niveau door het te integreren met realtime sensorgegevens, zoals temperatuur, trillingen en druk. Deze combinatie kan de stilstandtijd van apparatuur met maximaal 30% verminderen, de efficiëntie met 20% verbeteren en het aantal defecten met 15% verminderen. [19].
Oxand Simeo™ is een opvallend hulpmiddel op dit gebied. Het maakt gebruik van OEE-trends in combinatie met een omvangrijke database van meer dan 30.000 onderhoudswetten en meer dan 10.000 eigen verouderingsmodellen. In plaats van sterk te leunen op sensoren, maakt Simeo™ gebruik van probabilistische modellering om te voorspellen hoe activa zullen verouderen. [11]. Wanneer de OEE-scores onder een bepaalde drempel komen, activeert het platform een oorzaakanalyse om vast te stellen of het probleem voortkomt uit onderhoudspraktijken, de staat van de apparatuur of operationele factoren. [10]. Deze realtime feedback draagt bij aan het verfijnen van risicogebaseerde beleggingsstrategieën.
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
OEE speelt een belangrijke rol in ISO 55001-conforme, risicogebaseerde planning door precies aan te geven waar productieverliezen optreden. [15]. De drie componenten – beschikbaarheid, prestaties en kwaliteit – helpen vaststellen of het probleem ligt bij downtime, verminderde snelheid of kwaliteitsproblemen. Een lage beschikbaarheid duidt bijvoorbeeld op de noodzaak om downtime te verminderen door middel van beter preventief onderhoud, terwijl slechte prestaties kunnen wijzen op snelheidsverlies of frequente kleine onderbrekingen. [15]. Deze inzichten maken een slimmere toewijzing van onderhoudsbudgetten en een betere algemene planning mogelijk om risico's te minimaliseren en efficiëntie te maximaliseren.
4. Percentage gepland onderhoud (PMP)
Waarom deze KPI van belang is voor voorspellend onderhoud
Het percentage gepland onderhoud (PMP) meet hoeveel onderhoudstijd wordt besteed aan geplande taken ten opzichte van noodreparaties. Het wordt berekend door het aantal geplande onderhoudsuren te delen door het totale aantal onderhoudsuren en vervolgens te vermenigvuldigen met 100. Idealiter weerspiegelt een PMP van 85% of hoger een proactieve aanpak die problemen voorkomt voordat ze escaleren. Aan de andere kant duidt een PMP van minder dan 50% op een reactieve cyclus waarin noodsituaties de overhand hebben. [17][21].
"Toonaangevende KPI's leiden tot resultaten; achterblijvende KPI's zijn de resultaten. Als u onderhoud beheert zonder nauwkeurige toonaangevende en achterblijvende KPI's, dan bent u niet goed bezig." – Ricky Smith, Expert in Residence, UpKeep [21]
Hoe dit de levenscycluskosten van activa beïnvloedt
Noodreparaties zijn kostbaar – denk aan overuren, spoedverzendkosten en tijdelijke oplossingen die de onderliggende oorzaken niet aanpakken. [17]. Door over te stappen op preventief onderhoud kunnen de kosten worden verlaagd met 12% tot 18%. [21]. Voorbeelden uit de praktijk zijn onder meer: Azteekse bouw het terugdringen van ongepland onderhoud met 40%, MidWest Materialen het verminderen van overuren met 80%, en het Sanctuary at False Cape bespaart meer dan $100.000 [11].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Voorspellende platforms zoals Oxand Simeo™ kunnen PMP aanzienlijk verbeteren door potentiële storingen om te zetten in geplande taken. Wat Simeo™ onderscheidt, is het gebruik van een enorme database – meer dan 30.000 onderhoudswetten en 10.000 eigen verouderingsmodellen. In plaats van uitsluitend te vertrouwen op sensormeldingen, maakt het gebruik van probabilistische modellering om te voorspellen wanneer activa aandacht nodig hebben. [11]. Door het gebruik en de prestaties van apparatuur te analyseren, identificeert Simeo™ optimale onderhoudsmomenten, waardoor organisaties kunnen overstappen van reactieve naar proactieve strategieën. [22].
In combinatie met geautomatiseerde planning en realtime dashboards elimineren deze tools handmatige invoerfouten en zorgen ze voor consistente PMP-tracking voor alle activa. Dit gestroomlijnde proces ondersteunt slimmere, op risico's gebaseerde besluitvorming. [22].
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
Net als MTBF (Mean Time Between Failures) en OEE (Overall Equipment Effectiveness) biedt PMP vroegtijdige waarschuwingen die onderhoudsstrategieën kunnen verfijnen. Het kwantificeert de balans tussen proactieve en reactieve inspanningen en biedt inzichten om de gezondheid van activa op lange termijn te verbeteren. Een PMP in het bereik van 80-90% gepland onderhoud versus 10-20% ongepland onderhoud weerspiegelt een goed geoptimaliseerd systeem. [16].
Voor organisaties die willen voldoen aan de ISO 55001-normen, is PMP van cruciaal belang om te beoordelen of middelen verstandig worden gebruikt of verspild aan noodsituaties. Door PMP samen met andere KPI's zoals MTBF en OEE bij te houden, kunnen kapitaalinvesteringen en beslissingen over vervanging van activa worden onderbouwd met gegevens in plaats van aannames. [22]. Dit is met name waardevol bij het afwegen van onderhoudskosten tegen de vervangingswaarde van activa (RAV) om te bepalen of het verstandiger is om een activum te repareren of te vervangen.
5. Naleving van preventief onderhoud
Waarom deze KPI van belang is voor voorspellend onderhoud
Preventief onderhoudscontrole meet hoe vaak geplande preventieve onderhoudstaken (PM) op tijd worden voltooid. Eenvoudiger gezegd: het houdt bij of onderhoud plaatsvindt wanneer dat zou moeten gebeuren. De gouden standaard voor deze maatstaf is 90% of hoger. [21]. Wanneer de waarde onder dit niveau daalt, duidt dit op een probleem: noodzakelijk onderhoud wordt overgeslagen, waardoor activa in gevaar komen. [17].
Wanneer de naleving hoog is, fungeert dit als een waarschuwingssysteem voor mogelijke problemen. Het helpt ongeplande storingen te voorkomen door ervoor te zorgen dat taken worden uitgevoerd voordat er problemen ontstaan. Aan de andere kant leidt het missen van gepland onderhoud vaak tot kostbare noodsituaties en onverwachte storingen. [21]. Deze proactieve aanpak is essentieel om de kosten te beheersen en een soepele bedrijfsvoering te waarborgen.
Hoe dit de levenscycluskosten van activa beïnvloedt
Ongeplande storingen aan apparatuur kunnen aanzienlijke kosten met zich meebrengen, met een geschatte waarde van ongeveer $25.000 per uur. [13]. Preventief onderhoud daarentegen kan 12–18% aan kosten besparen door problemen vroegtijdig aan te pakken – voordat kleine problemen uitgroeien tot grote reparaties. [21][22].
"Het uitstellen van onderhoudstaken doet afbreuk aan het doel van preventief onderhoud, omdat de toestand van apparatuur hierdoor verslechtert en de optimale interventiemomenten worden gemist." – Cryotos [22]
De ideale balans voor onderhoudswerkzaamheden is 80-90% geplande taken tegenover slechts 10-20% ongepland werk. [7]. Door dit evenwicht te bereiken, blijven de totale onderhoudskosten beheersbaar en wordt de levensduur van activa verlengd, waardoor dure vervangingen langer kunnen worden uitgesteld.
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Het bijhouden van naleving vormt de basis voor voorspellende onderhoudstools. Wanneer routinetaken zoals smeren, reinigen en inspecties tijdig worden uitgevoerd, kunnen platforms zoals Oxand Simeo™ zich richten op het opsporen van echte afwijkingen in plaats van het signaleren van problemen die worden veroorzaakt door verwaarlozing. [8]. Deze betrouwbare gegevens verbeteren de nauwkeurigheid van voorspellende inzichten.
Oxand Simeo™ maakt gebruik van een uitgebreide database met meer dan 30.000 onderhoudsregels en 10.000 verouderingsmodellen om bruikbare aanbevelingen te genereren. [22]. Wanneer het wordt geïntegreerd met een CMMS, automatiseert het werkorders en biedt het realtime compliance-dashboards, waardoor voorspellende inzichten leiden tot tijdige onderhoudsacties.
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
Compliancegegevens spelen een belangrijke rol bij het nemen van slimmere, op risico's gebaseerde beslissingen. Ze helpen onderscheid te maken tussen activa die defect raken door slecht onderhoud en activa die gewoonweg het einde van hun levensduur naderen. [11][16]. Als een bedrijfsmiddel bijvoorbeeld consequent voldoet aan de 100%-normen, maar toch regelmatig defect raakt, is het wellicht tijd om te overwegen het te vervangen.
Organisaties die vertrouwen op datagestuurde KPI's, zoals het bijhouden van naleving, hebben drie keer meer kans om hun besluitvorming aanzienlijk te verbeteren. [8]. In combinatie met statistieken zoals MTBF en PMP ondersteunt een sterke naleving de ISO 55001-normen door aan te tonen dat middelen verstandig worden gebruikt en niet worden verspild aan noodreparaties. [22]. Deze aanpak zorgt voor een slimmere toewijzing van het budget en rechtvaardigt investeringen in voorspellend onderhoud, waardoor het belang van risicogebaseerde activaplanning wordt versterkt.
6. Naleving van het onderhoudsschema
Waarom deze KPI van belang is voor voorspellend onderhoud
Onderhoudsschema-naleving houdt het percentage geplande onderhoudstaken bij dat binnen de geplande tijdsbestekken is voltooid. [22][21]. De formule is eenvoudig: (Op tijd voltooide werkorders ÷ Totaal aantal geplande werkorders) × 100. Voor organisaties die streven naar topprestaties is de benchmark 90% of hoger [21].
Deze maatstaf dient als een leidende indicator, waarmee de kans op onverwachte storingen en uitval van apparatuur kan worden voorspeld. [21]. In tegenstelling tot statistieken die uitsluitend gericht zijn op de staat van machines, biedt naleving van de planning inzicht in de efficiëntie van onderhoudswerkzaamheden, waardoor knelpunten en inefficiënties kunnen worden opgespoord. [3]. Vertragingen in onderhoud kunnen de slijtage van activa versnellen, wat kan leiden tot hogere reparatiekosten. [22]. Net als het percentage gepland onderhoud (PMP) geeft deze KPI aan wanneer het tijd is om onderhoudsstrategieën aan te passen.
Hoe dit de levenscycluskosten van activa beïnvloedt
Achterstand bij gepland onderhoud kan de kosten verhogen. Neem Azteekse bouw, Bijvoorbeeld. In mei 2025 slaagden zij erin om ongeplande onderhoudstaken te verminderen met 40% na het verfijnen van hun plannings- en trackingprocessen [11]. Evenzo, Rite Aid bereikt 90% tijdige voltooiingsgraad door geavanceerde tools voor onderhoudsbeheer te implementeren [11].
Een ander succesverhaal is afkomstig van MidWest Materialen, een ISO 9001:2015-gecertificeerd staalservicecentrum. Door geautomatiseerde planning van preventief onderhoud te implementeren, hebben zij het aantal overuren met 80%, terwijl ook noodreparaties tot een minimum worden beperkt. [11]. Deze voorbeelden illustreren hoe het naleven van een onderhoudsschema kan leiden tot zowel kostenbesparingen als verbeterde prestaties van bedrijfsmiddelen.
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Deze KPI sluit naadloos aan bij voorspellende onderhoudstools en versterkt daarmee een proactieve aanpak. Voorspellende platforms helpen potentiële storingen te identificeren voordat ze zich voordoen, waardoor er minder reactief werk nodig is dat vaak tot verstoringen in de planning leidt. [17][12]. Tools zoals Oxand Simeo™ maken gebruik van historische en realtime gegevens om werkplannen te verfijnen, waardoor deze beter haalbaar en gemakkelijker te volgen zijn. [17].
Oxand Simeo™ onderscheidt zich door gebruik te maken van meer dan 30.000 onderhoudsregels en 10.000 verouderingsmodellen om taken te prioriteren op basis van de werkelijke staat en risico's van activa, in plaats van op basis van willekeurige kalenderdata. [18][3]. Dit zorgt ervoor dat bij nalevingsinspanningen eerst de meest kritieke taken worden aangepakt. Bovendien bieden digitale dashboards direct inzicht in de voltooiingspercentages van werkorders en hiaten in de planning, waardoor indien nodig snel aanpassingen kunnen worden doorgevoerd. [18][12].
"Een planning met 1000 werkuren zou 1000 uur in beslag moeten nemen. Een grote afwijking hiervan (in beide richtingen) kan erop wijzen dat u onnauwkeurige werkplannen hanteert. – Prometheus Group [17].
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
Gegevens over de naleving van planningen spelen een belangrijke rol bij een slimmere toewijzing van middelen, omdat ze helpen bepalen welke activa dringend aandacht vereisen en welke kunnen wachten. Als de nalevingspercentages bijvoorbeeld hoog zijn, maar de variatie in manuren aanzienlijk is, kan dit erop wijzen dat de werkplannen onnauwkeurig zijn of dat er productiviteitsproblemen worden verborgen. [17]. Een goed uitgebalanceerd onderhoudsprogramma handhaaft doorgaans een verhouding van 80-90% gepland onderhoud tot 10-20% ongepland onderhoud [16].
"Leading KPI's leiden tot resultaten; lagging KPI's zijn de resultaten. Indien u onderhoud beheert zonder nauwkeurige leading en lagging KPI's, dan bent u niet goed bezig." – Ricky Smith, UpKeep Expert in Residence [21].
In combinatie met andere statistieken, zoals MTBF (Mean Time Between Failures) en PMP, vormt naleving van de planning het gegevensraamwerk dat nodig is voor effectieve, op risico's gebaseerde assetplanning. Het ondersteunt ook de ISO 55001-normen door efficiënt gebruik van middelen aan te tonen. De echte sleutel ligt in het bevorderen van een cultuur waarin technici zich op hun gemak voelen om te melden waarom taken niet op tijd zijn voltooid – of dat nu komt door ontbrekende onderdelen, een gebrek aan training of andere uitdagingen – in plaats van alleen maar te streven naar ideale KPI-cijfers. [21][23].
7. Voorspelde tijd tot defect (PTTF)
Waarom deze KPI van belang is voor voorspellend onderhoud
PTTF voorspelt wanneer een asset waarschijnlijk defect zal raken door de huidige staat, het gebruik en historische gegevens te analyseren. In tegenstelling tot MTBF, dat zich richt op prestaties in het verleden, kijkt PTTF vooruit om potentiële risico's te identificeren. [3]. Dit toekomstgerichte inzicht maakt tijdige interventies mogelijk, waardoor de levensduur van apparatuur wordt verlengd en dure noodreparaties worden beperkt. [3].
Door gebruik te maken van PTTF kunnen organisaties onderhoud op het juiste moment inplannen. Dit maximaliseert niet alleen de levensduur van apparatuur, maar voorkomt ook verstoringen van de bedrijfsvoering. [12]. Bedrijven die voorspellende onderhoudsstrategieën toepassen die zijn gebaseerd op PTTF, behalen vaak indrukwekkende resultaten, met een gemiddeld rendement op investering van 8x. [3].
Hoe dit de levenscycluskosten van activa beïnvloedt
PTTF heeft een directe invloed op de levenscycluskosten door slimmere beslissingen mogelijk te maken over het al dan niet repareren of vervangen van een bedrijfsmiddel. Door te weten hoeveel gebruiksduur er nog resteert, kunnen organisaties de kosten van toekomstige reparaties afwegen tegen de prijs van een vervanging. [16]. Deze datagestuurde aanpak waarborgt een evenwichtige strategie tussen reparatiekosten en vervangingsinvesteringen.
Neem bijvoorbeeld Rimex, een fabrikant van banden en velgen. Door gebruik te maken van voorspellende tools om storingsmomenten te anticiperen, hebben zij de stilstandtijd van hun apparatuur met 30% verminderd. [11]. Op dezelfde manier heeft de condominiumvereniging van Sanctuary at False Cape meer dan 100.000 dollar aan onderhoudskosten bespaard door voorspellende onderhoudstools te implementeren. [11].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Platforms zoals Oxand Simeo™ verbeteren de nauwkeurigheid van PTTF door gebruik te maken van een uitgebreide database met meer dan 10.000 verouderingsmodellen en 30.000 onderhoudswetten, ontwikkeld op basis van twintig jaar projectervaring. In plaats van volledig te vertrouwen op gegevens van IoT-sensoren, maakt Oxand Simeo™ gebruik van probabilistische modellering om te simuleren hoe componenten tijdens hun levenscyclus verouderen en defect raken. [3]. Hierdoor is het mogelijk om storingsvensters te voorspellen, zelfs in scenario's waarin de sensorgegevens beperkt zijn.
De geautomatiseerde dashboards van het platform bieden een duidelijk overzicht van cruciale PTTF-statistieken naast andere KPI's, waardoor teams proactieve beslissingen kunnen nemen in plaats van te reageren op noodsituaties. [22][8]. Wanneer PTTF een dreigende storing signaleert, kan het systeem automatisch werkorders genereren en onderhoudsschema's prioriteren om zich te concentreren op de meest urgente activa. [22]. Deze integratie versterkt de algehele vermogensbeheer Organisaties die dergelijke datagestuurde tools gebruiken, hebben drie keer meer kans om hun besluitvormingsprocessen aanzienlijk te verbeteren. [8].
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
PTTF speelt ook een belangrijke rol bij strategische planning, met name bij risicogebaseerde kapitaalbeslissingen. Door PTTF-inzichten te combineren met financiële maatstaven zoals Replacement Asset Value (RAV), kunnen vermogensbeheerders hun verzoeken om kapitaaluitgaven onderbouwen met solide gegevens in plaats van te vertrouwen op intuïtie. [22][8]. Dit is met name van cruciaal belang voor verouderde infrastructuur, waar krappe budgetten een zorgvuldige prioritering vereisen.
Om optimaal gebruik te maken van PTTF, is het van belang om dit te combineren met processtatistieken zoals Mean Time to Resolution. Als een asset bijvoorbeeld consequent een lage voorspelde tijd tussen storingen laat zien, kan een analyse van de onderliggende oorzaak helpen bepalen of het team de onderliggende problemen aanpakt of alleen de symptomen behandelt. [12][11]. Door PTTF te integreren met andere KPI's kunnen organisaties een uitgebreid kader creëren voor risicogebaseerde activaplanning. Deze aanpak ondersteunt niet alleen de naleving van ISO 55001, maar helpt ook bij het handhaven van de 80–90%-ratio voor gepland onderhoud, die bepalend is voor activiteiten op het hoogste niveau. [16].
sbb-itb-5be7949
8. Achterstand in werkorders
Waarom deze KPI van belang is voor voorspellend onderhoud
De achterstand in werkorders houdt het totale aantal geplande onderhoudswerkzaamheden bij dat nog niet is voltooid, in vergelijking met de beschikbare arbeidsuren. [11]. Deze maatstaf is Essentieel voor voorspellend onderhoud Omdat als uw team overbelast is, voorspellende waarschuwingen hun effectiviteit verliezen. [16][3]. Een groeiende achterstand fungeert als een vroege waarschuwing voor mogelijke defecten aan activa, langdurige stilstand en productievertragingen. [11].
"Een groeiende of aanhoudend grote achterstand kan een indicatie zijn dat uw onderhoudswerkzaamheden niet voldoende voldoen aan de behoeften van uw organisatie. – Limble CMMS [11]
Een toenemende achterstand wijst op inefficiëntie en mogelijk personeelstekort. Het kan ook de naleving van de planning verstoren. [11]. Door de leeftijd en het belang van openstaande werkorders in de gaten te houden, kunt u echte noodsituaties onderscheiden van taken met een lagere prioriteit, waardoor u zich kunt concentreren op urgente voorspellende waarschuwingen. [17]. Deze proactieve aanpak draagt bij aan het beheersen van kosten en het effectief toewijzen van middelen.
Hoe dit de levenscycluskosten van activa beïnvloedt
Vanuit financieel oogpunt wijst een grote achterstand niet alleen op inefficiëntie, maar leidt deze ook tot hogere kosten. Het creëert een cyclus waarin noodreparaties zich opstapelen, waardoor geplande werkzaamheden verder worden vertraagd en de productie vertraging oploopt. [11][21]. Verwaarloosde taken leiden vaak tot "uitgesteld onderhoud", wat resulteert in frequentere storingen en hogere reparatiekosten gedurende de levenscyclus van het activum [11][21]. Aan de andere kant kan het ontbreken van een achterstand wijzen op overbezetting of een gebrekkige benutting van arbeidskrachten. [21]. Het ideale evenwicht is doorgaans ongeveer zes weken werk per technicus [21].
MidWest Materials, een ISO 9001:2015-gecertificeerd staalservicecentrum, heeft bijvoorbeeld zijn behoefte aan overuren met 50% verminderd door de implementatie van een geautomatiseerd systeem voor het beheer van de voorraad. 80% door geautomatiseerde planning van preventief onderhoud in te voeren, waardoor hun achterstand werd verminderd [11]. Op dezelfde manier slaagde Aztec Construction erin om de werkdruk van ongepland onderhoud te verminderen met 40% door het percentage gepland onderhoud te verbeteren en digitale tools te gebruiken om het beheer van werkorders te stroomlijnen. [11].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Platforms zoals Oxand Simeo™ gebruiken achterstandsgegevens om onderhoudstaken effectief te prioriteren en te organiseren. Deze tools helpen managers zich te concentreren op de meest kritieke achterstallige taken door gebruik te maken van statistieken zoals Scheduled Maintenance Critical Percent (SMCP). [18]. Geautomatiseerde dashboards benadrukken prestatieverschillen en onderscheiden noodmeldingen van routinematige achterstallige taken. [18][17]. Dit zorgt ervoor dat urgente, veiligheidsgerelateerde taken worden uitgevoerd, terwijl minder kritieke werkzaamheden op gepaste wijze worden uitgesteld.
Organisaties die vertrouwen op datagestuurde strategieën zijn drie keer meer kans op verbetering van de besluitvorming [8]. Door de gemiddelde leeftijd van openstaande kritieke werkorders te monitoren, kunnen managers toenemende vertragingen identificeren die wijzen op diepere operationele problemen. [17]. Aanhoudende groei van de achterstand leidt vaak tot een analyse van de onderliggende oorzaken om te achterhalen of het probleem voortkomt uit personeelstekorten, tekortkomingen in de opleiding of verouderde activa. [11].
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
Achterstandsgegevens zijn essentieel voor strategische planning, omdat ze aangeven of uw onderhoudswerkzaamheden een proactieve aanpak kunnen ondersteunen. Een goed functionerend onderhoudsprogramma streeft doorgaans naar een verhouding van 80-90% gepland onderhoud tot 10-20% ongepland onderhoud [16]. Indien de achterstand per technicus meer dan zes weken bedraagt, is dit een indicatie om de toewijzing van middelen en de prioriteringsmethoden opnieuw te evalueren. [21].
Een gatekeeping-systeem kan spoedeisende werkopdrachten valideren, waardoor wordt voorkomen dat niet-kritieke taken de achterstand onnodig vergroten. [17]. Deze gedisciplineerde aanpak zorgt ervoor dat waarschuwingen voor voorspellend onderhoud de aandacht krijgen die ze verdienen, in plaats van te worden overschaduwd door routinetaken. Door inzichten in achterstanden te combineren met voorspellende KPI's creëert u een evenwichtige, risicobewuste onderhoudsstrategie voor al uw activa.
9. Onderhoudskosten als percentage van de vervangingswaarde van activa (RAV)
Waarom deze KPI van belang is voor voorspellend onderhoud
Deze maatstaf vergelijkt de jaarlijkse onderhoudskosten met de vervangingskosten van een activum en biedt een duidelijke financiële benchmark. [22]. De formule is eenvoudig: (Jaarlijkse onderhoudskosten ÷ RAV) × 100 [22]. Idealiter zou dit percentage rond de 1% moeten liggen voor systemen met de beste prestaties. [21]. Indien deze aanzienlijk stijgt – met name boven 10% – duidt dit op verouderde activa of een inefficiënte onderhoudsaanpak. [22][24]. Deze KPI is bijzonder nuttig om beslissingen te nemen over het al dan niet repareren of vervangen van een bedrijfsmiddel.
Hoe dit de levenscycluskosten van activa beïnvloedt
Een hoog RAV-percentage duidt vaak op een overmatige afhankelijkheid van reactief onderhoud, wat gepaard gaat met 3,3 keer meer stilstand en 16 keer meer defecten in vergelijking met proactieve strategieën. [9]. Noodreparaties leggen een extra druk op de begroting, waardoor het onderhoud van de activa steeds duurder wordt.
"Wanneer u van plan bent om meer tijd en geld te investeren in een verslechterend activum, is het van belang om in plaats daarvan de kosten van vervanging te overwegen."
– Sarah Laubach, Content Specialist, FMX [16]
Voorbeelden uit de praktijk onderstrepen de waarde van deze KPI. Zo heeft het appartementencomplex Sanctuary at False Cape geavanceerde preventieve onderhoudstools geïmplementeerd, waardoor meer dan $100.000 aan onderhoudskosten is bespaard en het RAV-percentage is verbeterd. [11]. Op dezelfde manier realiseerde Ahlstrom een vermindering van 90% in de gemiddelde reparatietijd, die daalde van 580 uur per maand naar slechts 60 uur. Deze verandering zorgde voor een aanzienlijke verlaging van de arbeidsgerelateerde onderhoudskosten. [9].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Platforms zoals Oxand Simeo™ bieden een diepgaandere analyse van RAV-percentages door kosten en historische gegevens in verschillende portefeuilles bij te houden. Deze tools integreren gegevens uit meer dan 30.000 onderhoudswetten en 10.000 eigen verouderingsmodellen om toekomstige onderhoudsbehoeften te voorspellen op basis van factoren zoals de leeftijd van apparatuur, het gebruik en de storingsgeschiedenis. [22]. Deze vooruitziende blik helpt om kostentrends vroegtijdig te identificeren, waardoor last-minute noodvervangingen worden voorkomen.
Bovendien signaleert het systeem activa die de kritieke 10% RAV-drempel naderen. Deze gegevens zijn van onschatbare waarde bij het bepleiten van kapitaalvervangingsinvesteringen bij het management. [22][24]. Door over te stappen van reactieve naar strategische planning kunnen organisaties hun middelen beter toewijzen en dure verrassingen voorkomen.
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
Een stijgend RAV-percentage legt niet alleen druk op de begroting, maar verhoogt ook de kans op ernstige storingen aan bedrijfsmiddelen. [17][18]. Effectieve onderhoudsprogramma's streven naar 80-90% geplande werkzaamheden tegenover slechts 10-20% ongeplande reparaties. [16]. Indien uw RAV-percentage hoog is, duidt dit erop dat middelen worden verbruikt door ongepland, reactief onderhoud.
Om een weloverwogen beslissing te nemen tussen repareren of vervangen, kunt u de volgende berekening uitvoeren: deel de kosten van een nieuw bedrijfsmiddel door de verwachte levensduur en tel daar de verwachte jaarlijkse onderhoudskosten bij op. [16]. Als het onderhoud van een oud apparaat bijvoorbeeld $200 per jaar kost, maar vervanging ervan voor $1.000 zou resulteren in slechts $100 aan jaarlijks onderhoud gedurende 15 jaar (ongeveer $166,67 per jaar), dan is vervanging de voordeligere keuze. [16]. Dit soort analyse zorgt ervoor dat uw beleggingen een evenwicht bieden tussen kostenefficiëntie en risicobeperking, waardoor uw portefeuille gezond en duurzaam blijft.
10. Bezettingsgraad van activa
Waarom deze KPI van belang is voor voorspellend onderhoud
De bezettingsgraad geeft aan hoe effectief uw apparatuur functioneert in vergelijking met het maximale potentieel. De formule is eenvoudig: (Werkelijke output ÷ Potentiële output) × 100 [11]. Deze maatstaf laat snel zien of kritieke activa ondermaats presteren als gevolg van inefficiëntie of het einde van hun levensduur naderen. [11]. Een hoge bezettingsgraad geeft aan dat de apparatuur bijna op volle capaciteit presteert. [11]. Voorspellende onderhoudstools spelen hier een belangrijke rol. Ze helpen potentiële storingen te identificeren voordat ze zich voordoen, waardoor stilstand tot een minimum wordt beperkt en de operationele efficiëntie wordt verbeterd. [22]. Dit heeft op zijn beurt een directe invloed op het verlagen van de levenscycluskosten van activa.
Hoe dit de levenscycluskosten van activa beïnvloedt
Een lage bezettingsgraad kan uw rendement op investering (ROI) negatief beïnvloeden en een indicatie zijn dat activa niet presteren zoals verwacht. Onverwachte storingen aan apparatuur zijn bijzonder kostbaar, met een gemiddelde downtime van $25.000 per uur. [13]. Deze noodstoringen verstoren niet alleen de bedrijfsvoering, maar verlagen ook de bezettingsgraad, waardoor de kosten nog verder stijgen. Topprestaties leverende faciliteiten streven naar een totale apparatuurefficiëntie (OEE) van 85% of hoger, maar veel bedrijven bereiken slechts 60-65%. [22]. Bijvoorbeeld, in mei 2025 heeft MidWest Materials – een staalservicecentrum dat gecertificeerd is volgens ISO 9001:2015 – het aantal overuren met 80% verminderd door middel van geautomatiseerd preventief onderhoud. Deze verbetering heeft zowel de betrouwbaarheid als het gebruik van de bedrijfsmiddelen verhoogd. [11].
Hoe het werkt met voorspellende tools zoals Oxand Simeo™
Voorspellende platforms zoals Oxen en Simeo™ Breng het bijhouden van het gebruik naar een hoger niveau door realtime inzicht te bieden in knelpunten en ondermaatse prestaties. [22]. Deze systemen automatiseren de gegevensverzameling en waarborgen consistente berekeningen voor uw gehele portefeuille. [22]. Op basis van gegevens uit meer dan 30.000 onderhoudswetten en 10.000 eigen verouderingsmodellen voorspelt Oxand Simeo™ defecten aan apparatuur en plant het onderhoud op de meest strategische momenten, waardoor de uptime en het gebruik worden gemaximaliseerd. [22]. Wanneer de benuttingsgraad onder het streefniveau daalt, activeert het platform waarschuwingen voor een grondoorzaakanalyse om vast te stellen of het probleem voortkomt uit inefficiëntie, operationele fouten of slijtage van apparatuur. [10][13]. Het volgt ook trends in afnemend gebruik en stijgende onderhoudskosten, waarbij activa worden gemarkeerd die mogelijk het einde van hun levensduur naderen. [10].
Hoe het bijdraagt aan risicogebaseerde planningsbeslissingen
Het gebruik van activa is van onschatbare waarde bij het nemen van beslissingen over het repareren of vervangen van apparatuur. Een gestage daling van het gebruik in combinatie met stijgende onderhoudskosten duidt er vaak op dat voortdurende reparaties niet langer kosteneffectief zijn. [7][13]. Een algemene vuistregel: indien de jaarlijkse onderhoudskosten meer dan 10% van de vervangingswaarde van een activum bedragen, kan het financieel verstandiger zijn om de apparatuur te vervangen. [13]. Door het gebruik bij te houden naast statistieken zoals onderhoudskosten als percentage van de vervangingswaarde van activa (RAV), kunt u beter geïnformeerde investeringsbeslissingen nemen. Combineer deze KPI met andere KPI's zoals MTBF (Mean Time Between Failures) en OEE voor een volledig beeld van de betrouwbaarheid van apparatuur. [8]. Concentreer u op bedrijfskritische activa waarvan het uitvallen de grootste impact zou hebben. [21]. Door gebruiksgegevens te combineren met andere belangrijke prestatie-indicatoren kunnen vermogensbeheerders slimmere, op risico's gebaseerde beslissingen nemen die de prestaties van de portefeuille verbeteren.
"Als u het niet kunt meten, kunt u het niet beheren." [13].
Wat zijn de belangrijkste prestatie-indicatoren voor PdM-doelstellingen?
KPI's gezamenlijk gebruiken voor een betere planning
Wanneer u individuele KPI-inzichten combineert, krijgt u een completer beeld van de prestaties van uw bedrijfsmiddelen. Afzonderlijke KPI's geven een momentopname, maar door ze te integreren krijgt u inzicht in de algehele gezondheid van uw bedrijfsmiddelen. Door bijvoorbeeld historische statistieken zoals MTBF (Mean Time Between Failures) en MTTR (Mean Time to Repair) te combineren met processtatistieken zoals Mean Time to Resolution, krijgt u een evenwichtig beeld. Deze aanpak evalueert zowel de staat van uw activa als de efficiëntie van uw onderhoudsprocessen, waardoor u uw ROI kunt maximaliseren.
"Het combineren van onderhouds-KPI's die de conditie van machines weergeven met KPI's die de conditie van uw onderhoudsproces monitoren, is de sleutel tot een snelle en optimale ROI. – AssetWatch [3]
Dit uitgebreide perspectief wordt verder versterkt door het gebruik van digitale dashboards voor slimmere, op risico's gebaseerde besluitvorming. Tools zoals Oxen en Simeo™ Breng verspreide gegevens uit uw hele portfolio samen in één overzicht. Zo kunt u snel prestatieverschillen identificeren en duidelijker prioriteiten stellen voor uw investeringen. Het platform maakt gebruik van een uitgebreide onderhoudsdatabase om de achteruitgang van activa in verschillende scenario's te simuleren. Met deze simulaties kunt u de resultaten van het verlengen van de levensduur van een activum door onderhoud vergelijken met die van vervanging, waarbij ook rekening wordt gehouden met factoren als risico, energie-efficiëntie en CO2-reductiedoelstellingen. Door deze variabelen mee te nemen, kunt u zowel de prestaties van uw activa als de waarde van uw investering beschermen.
Geïntegreerde softwareoplossingen leiden vaak tot aanzienlijke kostenbesparingen, waardoor onderhoudsbudgetten met 10-20% worden verlaagd. Sommige klanten realiseren zelfs een vermindering van 30% in de totale eigendomskosten. [1][2][5]. Velen zien meetbare resultaten binnen slechts 6 tot 12 weken. [1][2]. Dashboards vereenvoudigen ook complexe gegevens, waardoor ze gemakkelijker te begrijpen en te gebruiken zijn voor niet-technische belanghebbenden. Deze duidelijkheid versterkt budgettaire rechtvaardigingen en ondersteunt strategische besluitvorming. [4]. Door deze inzichten effectief te communiceren, kunnen besluitvormers met vertrouwen de onderhoudsuitgaven afstemmen op bredere strategische doelstellingen. Het gebruik van geïntegreerde KPI-analyse is essentieel voor Risicogebaseerde planning van activabeleggingen, waardoor een proactieve, datagestuurde benadering van activabeheer wordt gewaarborgd.
Conclusie
Door KPI's voor voorspellend onderhoud in de gaten te houden, kan het beheer van bedrijfsmiddelen volledig worden veranderd. In plaats van te reageren op problemen wanneer deze zich voordoen, kunnen organisaties overschakelen op een meer strategische, datagestuurde aanpak. Dit leidt niet alleen tot kostenbesparingen, maar verlengt ook de levensduur van apparatuur en verbetert de algehele prestaties. Bedrijven die voorspellende tools voor activabeheer omarmen, kunnen een aanzienlijke daling van hun totale eigendomskosten waarnemen. [1][2].
De werkelijke waarde ligt in de manier waarop deze KPI's samenwerken. Door bijvoorbeeld statistieken zoals MTBF naast PTTF bij te houden, of OEE te combineren met onderhoudskosten als percentage van RAV, ontstaat een duidelijker beeld. Deze inzichten helpen bedrijven om slimmere investeringskeuzes te maken, prioriteiten te stellen voor kapitaal- en operationele uitgaven, en zelfs om aan te sluiten bij duurzaamheidsdoelstellingen zoals het verminderen van CO₂-uitstoot. [1].
Door gegevensanalyse, verouderingsmodellen en risicoprognoses te integreren, zorgt voorspellend activabeheer ervoor dat onderhoud op het juiste moment wordt gepland, waardoor onnodige ingrepen worden vermeden.
"Voorspellend activabeheer maakt gebruik van data-analyse, verouderingsmodellen en risicoprognoses om te bepalen wanneer er ingegrepen moet worden. Het maakt betere investeringsbeslissingen mogelijk, verlengt de levensduur van activa, verlaagt de levenscycluskosten en zorgt voor betrouwbaardere, ROI-gerichte investeringsplannen. – Oxand [1]
Tools zoals Oxand Simeo™ brengen al deze KPI's samen in intuïtieve dashboards. Deze dashboards zetten complexe datasets om in bruikbare investeringsstrategieën, waarbij historische gegevens worden gebruikt om te simuleren hoe activa onder verschillende omstandigheden kunnen degraderen. [5].
Zoals in dit artikel benadrukt, dient u te beginnen met het monitoren van deze 10 KPI's voor uw belangrijkste activa. De gegevens ondersteunen niet alleen investeringsbeslissingen, maar minimaliseren ook onverwachte downtime en bevorderen de gezondheid van activa op de lange termijn. Met de juiste tools en meetcriteria creëert u activa die niet alleen vandaag efficiënt zijn, maar ook duurzaam voor de komende generaties.
FAQs
Hoe dragen KPI's voor voorspellend onderhoud bij aan het verbeteren van de betrouwbaarheid van bedrijfsmiddelen?
KPI's voor voorspellend onderhoud zijn essentieel om activa soepel te laten functioneren door het bieden van vroegtijdige waarschuwingen over mogelijke problemen. Deze statistieken helpen u problemen aan te pakken voordat ze groter worden, waardoor u tijdig en gerichte acties die onverwachte uitval verminderen.
Door deze KPI's te monitoren, kunnen assetmanagers de prestaties verbeteren, een stabiele uptime handhaven en de levensduur van belangrijke apparatuur verlengen. Deze vooruitstrevende strategie vermindert niet alleen onderbrekingen, maar verbetert ook de planning en het beheer van middelen, waardoor de bedrijfsvoering betrouwbaarder en efficiënter verloopt.
Hoe ondersteunt Oxand Simeo™ voorspellend onderhoud?
Oxand Simeo™ is een geavanceerde oplossing die is ontworpen om vermogensbeheerders te helpen anticiperen op onderhoudsbehoeften door te voorspellen wanneer apparatuur of infrastructuur mogelijk defect raakt. Door gebruik te maken van tientallen jaren aan levenscyclusgegevens en geavanceerde simulaties uit te voeren, maakt Simeo™ het mogelijk om reparaties en vervangingen proactief in te plannen. Deze aanpak helpt niet alleen onverwachte storingen te voorkomen, maar verlengt ook de levensduur van activa.
Wat Simeo™ onderscheidt, is het vermogen om duizenden voorschriften en prestatiestatistieken te verwerken om onderhoudsplannen te genereren die aansluiten bij specifieke doelstellingen – of deze nu gericht zijn op kosten, risico's of duurzaamheid. De resultaten spreken voor zich: Besparing van 10–20% op onderhoudskosten, tot 70% minder storingenen 20–40% langere levensduur van activa. Bovendien draagt het bij aan energie-efficiëntie en ondersteunt het inspanningen op het gebied van duurzaamheid, waardoor het een veelomvattend hulpmiddel is voor modern activabeheer.
Waarom is het van belang om onderhoudskosten bij te houden als percentage van de vervangingswaarde van activa?
Tracking Onderhoudskosten als percentage van de vervangingswaarde van activa (RAV) is een verstandige manier om te beoordelen of u uw middelen op een verstandige manier besteedt. Wanneer de onderhoudskosten de vervangingswaarde van het middel benaderen of zelfs overschrijden, is dat een duidelijk teken dat u de langetermijnvoordelen van reparatie versus vervanging moet afwegen.
Deze maatstaf speelt een belangrijke rol bij slimmere budgettering en resourceplanning. Het helpt assetmanagers om te voorkomen dat er te veel wordt uitgegeven aan verouderde of ondermaats presterende apparatuur. Door deze KPI in de gaten te houden, waarborgt u uw rendement op investering (ROI) en houdt u vast aan een praktische, efficiënte onderhoudsstrategie.
Verwante Blog Berichten
- Voorspellend versus reactief onderhoud: gids voor kostenanalyse
- Voorspellend onderhoud voor activabeheer (infrastructuur en onroerend goed) is van cruciaal belang – raadpleeg de website: https://theiam.org
- Voorspellend onderhoud en ROI
- Hoe berekent u de werkelijke ROI van voorspellend onderhoud (en verwerkt u deze in uw investeringsplan)?