Case study: Productiebedrijf voorspelt onderhoud met AI

Case study: Productiebedrijf voorspelt onderhoud met AI

De uitdaging

Een metaalverwerkend bedrijf in Brabant met 60 medewerkers en een jaaromzet van 8 miljoen euro kampte met een terugkerend probleem: ongeplande machinestilstand. Gemiddeld twee keer per maand viel een kritieke machine uit, met grote gevolgen.

De impact van ongeplande stilstand:

• Gemiddeld 6 uur productieverles per incident
• Spoedonderdelen: 30-50% duurder dan reguliere bestelling
• Leveringsvertraging aan klanten
• Overwerk om productie in te halen
• Jaarlijkse kosten: geschat op 180.000 euro

De traditionele aanpak

Het bedrijf hanteerde een preventief onderhoudsschema: om de X weken werd een machine nagekeken, ongeacht de werkelijke staat. Dit leidde tot twee problemen:

1. <strong>Te vroeg onderhoud</strong> - Onderdelen vervangen die nog prima functioneerden (verspilling)
2. <strong>Te laat onderhoud</strong> - Onverwachte storingen tussen de onderhoudsschema's door

De AI-oplossing

In samenwerking met een sensorleverancier en CleverAI Solutions werd een predictief onderhoudssysteem geimplementeerd.

Fase 1: Sensoren plaatsen (3 weken)

Op de vijf kritieke machines werden sensoren geinstalleerd die meten:

• Trillingen (frequentie en amplitude)
• Temperatuur (oppervlakte en omgeving)
• Geluidsniveau (ultrasoon)
• Energieverbruik
• Oliepdruk en -kwaliteit

Fase 2: Baseline data verzamelen (6 weken)

De sensoren registreerden continu data bij normale bedrijfsvoering. Dit leverde een baseline op: zo ziet een gezonde machine eruit.

Fase 3: AI-model trainen (4 weken)

Machine learning modellen werden getraind om patronen te herkennen die voorafgaan aan storingen:

• Geleidelijke toename in trillingsniveaus
• Temperatuurpieken buiten normaal bereik
• Veranderingen in energieverbruik
• Combinaties van afwijkingen die storingen voorspellen

Fase 4: Alertsysteem implementeren (2 weken)

• Dashboard met real-time status van alle machines
• Automatische alerts bij afwijkende patronen
• Voorspelling van verwachte restlevensduur per component
• Suggesties voor optimaal onderhoudsmoment

Hoe het in de praktijk werkt

Scenario: Afwijking gedetecteerd

1. Sensor detecteert: trillingsniveau lager B stijgt 15% boven baseline
2. AI analyseert: patroon komt overeen met slijtage aan lager B
3. Systeem voorspelt: naar verwachting nog 3-4 weken functioneel
4. Alert naar onderhoudsteam: "Plan vervanging lager B binnen 2 weken"
5. Onderdeel besteld via regulier kanaal (geen spoed-toeslag)
6. Vervanging ingepland op een rustig moment
7. Nul productieverlies

De resultaten na 12 maanden

| KPI | Voor | Na | Verbetering |

|-----|------|-----|-------------|

| Ongeplande stilstand | 24 incidenten/jaar | 6 incidenten/jaar | -75% |

| Productieverlies (uren) | 144 uur/jaar | 18 uur/jaar | -87% |

| Onderhoudskosten | 95.000 euro/jaar | 72.000 euro/jaar | -24% |

| Spoedbestellingen | 40% van onderdelen | 8% van onderdelen | -80% |

| Overall Equipment Effectiveness | 72% | 89% | +24% |

Financieel overzicht

| Post | Bedrag |

|------|--------|

| Sensorinstallatie | 25.000 euro |

| AI-platform implementatie | 20.000 euro |

| Jaarlijkse licentie en monitoring | 8.000 euro |

| Jaarlijkse besparing | 131.000 euro |

| Terugverdientijd | 4,5 maanden |

De besparing komt voort uit: minder stilstand (95.000 euro), lagere onderhoudskosten (23.000 euro) en minder spoedtoeslagen (13.000 euro).

Belangrijke leerpunten

1. <strong>Begin met de kritieke machines</strong> - Niet alles tegelijk, focus op de machines met de meeste impact
2. <strong>Baseline data is essentieel</strong> - Neem de tijd om normale patronen vast te leggen
3. <strong>Combineer AI met ervaring</strong> - De onderhoudsmonteur blijft cruciaal voor interpretatie
4. <strong>Iteratief verbeteren</strong> - Het model wordt nauwkeuriger naarmate het meer data heeft

Quote van de productiemanager

"In het begin was er scepsis op de werkvloer. Maar toen het systeem voor de derde keer een storing voorspelde die we anders gemist hadden, was iedereen om. Nu kijken de operators zelf dagelijks op het dashboard."

Is predictief onderhoud iets voor uw bedrijf?

Elk productiebedrijf met kritieke machines kan profiteren van AI-gestuurd onderhoud. [Neem contact op](/contact) voor een vrijblijvende verkenning van de mogelijkheden.