Stap voor stap: welke delen van de onderhoudsplanning regelwerk zijn, waar AI helpt met sensordata en storingsmeldingen en wat mensen moeten houden.
7 stappenTypische mix: Eerst automatiserenIllustratieve analyseBijgewerkt
Gedeeltelijk, en vooral met gewone regels in plaats van AI. Onderhoudssoftware maakt terugkerende werkbonnen aan volgens een planning, AI kan sensorgegevens en notities van monteurs lezen om problemen vroeg te melden, en een mens bepaalt nog steeds de intervallen en tekent alles af wat veiligheidskritisch is. Wie zoekt naar preventief onderhoud met software, kan zich beter afvragen welke stappen hij overdraagt en welke hij houdt. Hieronder krijgt elke stap, van het installatieregister tot de laatste afmelding, een eerlijk label, de voorwaarden die eerst moeten kloppen en een kleine pilot voor één machinetype. Het doel is minder onverwachte stilstand en minder administratie voor de technische dienst, geen fabriek waar niemand meer naar kijkt.
Wat elke stap nodig heeft
01● Standaardautomatisering
Een installatieregister met onderhoudshistorie bijhouden
Alles begint met een schone lijst van wat je bezit: installatie, locatie, type, serienummer, installatiedatum en elke eerdere klus. Dat is een databasetaak en geen AI-taak. Een regel maakt het record aan zodra iets wordt aangeschaft, koppelt elke werkbon eraan en weigert een klus zonder installatie. AI kan eenmalig helpen door oude facturen, handleidingen en spreadsheets te lezen en een eerste concept van het register voor te stellen, maar een mens controleert dat. Zonder dit register gokt elke volgende stap, en een model dat onderhoud moet plannen voor machines die het niet kan identificeren, verzint er gewoon een paar.
⛨Werkt als elke installatie een uniek nummer, een eigenaar en een locatie heeft en elke klus op dat nummer wordt geboekt.
02● Menselijke controle
Taken en intervallen per machinetype vaststellen
Iemand die de machines kent, bepaalt wat er wordt gecontroleerd en hoe vaak. Handleidingen van de fabrikant, eerdere storingen, de werkomgeving en wettelijke keuringsplichten bepalen het antwoord, en een verkeerde keuze kost echt geld: te weinig leidt tot stilstand, te veel verspilt monteursuren. AI kan een handleiding samenvatten tot een concept-takenlijst en laten zien waar twee bronnen elkaar tegenspreken, wat leestijd scheelt. Het interval zelf hoort AI niet te bepalen. Een onderhoudsverantwoordelijke beoordeelt het concept, tekent het per machinetype af en kijkt er opnieuw naar na elke onverwachte storing.
⛨Werkt als de beoordelaar de handleidingen en de storingshistorie kan inzien en één benoemd persoon het plan per machinetype beheert.
03● Standaardautomatisering
Terugkerende werkbonnen aanmaken en inplannen
Zodra het plan er is, is het aanmaken van de klussen gewoon plannen. Een regel zet elke taak en elk interval op de vervaldatum om in een werkbon, of na een vast aantal draaiuren of cycli, wijst hem toe aan een team en herinnert de eigenaar als hij te laat is. De meeste onderhoudssoftware doet dit al en het is voorspelbaar, precies wat je wilt. Geef dit niet aan een taalmodel: een gemiste keuring doordat een model een datum verkeerd las, is een nalevingsprobleem. Houd de regel eenvoudig, log elke aangemaakte bon en bekijk wekelijks de lijst met achterstallige klussen.
⛨Werkt als intervallen als gegevens zijn opgeslagen en niet als losse tekst, en het systeem kan starten op datums en op tellerstanden.
04● Geschikt voor AI
Vroege waarschuwingen in sensor- en gebruiksgegevens opsporen
Waar machines gegevens leveren, zoals trillingen, temperatuur, stroomverbruik of draaiuren, kan AI de metingen van vandaag vergelijken met de eigen historie van de machine en afwijkingen melden vóór een storing. Dit is het conditiegebaseerde deel van onderhoud en het terrein waar machine learning een echt trackrecord heeft. Het vraagt ook de meeste zorg. Een model met te weinig historie geeft valse alarmen tot niemand ze meer leest, en een model dat stil blijft geeft schijnveiligheid. Behandel elke melding als een suggestie met de onderliggende meting erbij, en laat een monteur beslissen of er gekeken wordt.
⛨Werkt als een machine maanden aan betrouwbare metingen heeft, een duidelijke storingshistorie om van te leren en een monteur die elke melding beoordeelt.
05● Geschikt voor AI
Storingsmeldingen sorteren en werkbonnen opstellen uit notities van monteurs
Operators melden storingen in rommelige woorden: een foto, een spraakbericht, 'machine 4 maakt weer lawaai'. Een taalmodel kan de melding aan de juiste installatie koppelen, een categorie en urgentie voorstellen, eerdere klussen erbij zoeken en een heldere werkbon opstellen. Na de klus kan het de ruwe notities van de monteur omzetten in een nette afsluiting met gebruikte onderdelen en bestede tijd. Het resultaat is een concept dat een mens bevestigt. Modellen schatten urgentie soms verkeerd in, dus alles met rook, lekkage, beveiligingen of letsel gaat niet in de wachtrij maar direct naar een persoon.
⛨Werkt als installaties uit de melding te herkennen zijn, urgentiecategorieën zijn opgeschreven en veiligheidswoorden direct naar een mens escaleren.
06● Standaardautomatisering
Onderdelen bijbestellen en monteurstijd inplannen
Onderdelen en mensen zijn beperkingen, en beperkingen zijn regels. Heeft een geplande klus een onderdeel nodig, dan controleert het systeem de voorraad, reserveert het of dient een inkoopverzoek in als de voorraad onder het minimum zakt. De planning koppelt daarna de klus aan een monteur met de juiste vaardigheden en certificaten en een vrij moment. AI kan een betere volgorde voorstellen als er veel tegelijk moet, maar de harde grenzen, zoals alleen gecertificeerde mensen, komen uit regels. Een planner keurt het weekplan goed en past het aan als de productie een machine op een slecht moment nodig heeft.
⛨Werkt als voorraadstanden, minimumhoeveelheden en vaardigheden van monteurs in één systeem actueel worden gehouden.
07● Bij mensen houden
Veiligheidskritisch werk uitvoeren en het resultaat afmelden
Energie afsluiten, werken aan drukvaten, hijsmiddelen, elektrisch werk en wettelijke keuringen blijven bij gekwalificeerde mensen. Zij dragen de wettelijke verantwoordelijkheid en hebben oordeelsvermogen ter plekke nodig, geen gegenereerde checklist. AI mag helpen met het voorbereiden van papierwerk, maar de bevoegde persoon controleert of de machine veilig is, tekent de registratie en bepaalt wanneer hij weer in bedrijf gaat. Maak deze stap expliciet in het plan, zodat niemand denkt dat de software een machine heeft vrijgegeven. Het afmelden is ook het moment om iets opvallends vast te leggen, wat de volgende herziening van de intervallen voedt.
⛨Geldt voor elke klus onder arbeidsomstandighedenregels of keuringseisen van de verzekeraar en voor elke klus waarbij een fout iemand kan verwonden.
Een verstandige eerste proef
Kies één machinetype, bijvoorbeeld heftrucks of compressoren, en draai zes weken mee. Laad het register, laat regels de terugkerende werkbonnen aanmaken en laat een model werkbonnen opstellen uit storingsmeldingen van operators, die een planner bevestigt. Meet drie dingen: het aandeel geplande klussen dat op tijd klaar is, het aantal ongeplande stilstanden voor dat type en hoeveel AI-concepten de planner moest corrigeren. Ga alleen door als de tijdige afhandeling stijgt en correcties vooral over formulering gaan en niet over de verkeerde installatie of urgentie. Voeg daarna sensormeldingen toe voor de machine met de meeste historie.
De valkuil die je wilt vermijden
De meest gemaakte fout is een voorspellend onderhoudsmodel kopen voordat de basis werkt. Is het register onvolledig en wordt de helft van de klussen nooit geboekt, dan leert het model van gaten en zeggen de meldingen weinig. De tweede fout is de software veiligheidscontroles laten afvinken. Breng eerst het register en de terugkerende planning op orde en voeg dan AI toe aan één stap.
Vragen die teams stellen
Kan AI onderhoud van installaties zelfstandig plannen?
Niet veilig zonder toezicht. Regels maken de terugkerende klussen aan, AI kan sensorgegevens en notities van monteurs lezen, en een mens beheert het plan en tekent veiligheidskritisch werk af. Een volledig autonoom plan betekent dat niemand de intervallen of de uitzonderingen controleert, en juist daar ontstaan storingen en nalevingsgaten.
Heb ik AI nodig voor preventief onderhoud?
Vaak niet. Het meeste preventieve onderhoud is plannen op kalender of tellerstand, en dat doet onderhoudssoftware met gewone regels. AI voegt waarde toe waar je sensorgegevens hebt om te lezen of veel vrije storingsmeldingen om te sorteren. Met een klein machinepark kunnen een goed register en terugkerende werkbonnen al genoeg zijn.
Welke gegevens heeft voorspellend onderhoud nodig?
Betrouwbare metingen over een voldoende lange periode, plus een registratie van wanneer de machine echt uitviel of werd gerepareerd. Zonder storingshistorie heeft het model niets om van te leren. Begin met één kritiek machinetype, controleer of sensoren gekalibreerd zijn en leg elke melding met de uitkomst vast, zodat je ziet of de waarschuwingen klopten.
Waarin verschilt onderhoudssoftware van AI?
Onderhoudssoftware slaat installaties op, plant werkbonnen en houdt onderdelen en historie bij, en doet elke keer hetzelfde. AI is een optionele laag voor het lezen van rommelige tekst en ruisende data. Richt eerst de software in en voeg AI toe aan één stap waar de invoer ongestructureerd is en een mens de uitvoer controleert.
Workflowadvies van Arcgent ter illustratie. Elk bedrijf heeft een eigen beoordeling nodig. Claims over integraties of besparingen zijn niet voor jouw systemen geverifieerd.