Predictive maintenance is een van de meest gehypete AI-use-cases. De realiteit: het werkt voor specifieke machines met genoeg sensoren en faalhistorie. Voor anderen blijft het preventief onderhoud op basis van uren.
Wanneer predictive en wanneer niet
Wel: machines met PLC-data, vibratie-sensoren of temperatuur-monitoring, en minimaal twee jaar uitval-historie om een model te trainen. Niet: oude machines zonder sensoren, machines met te lage uitval-frequentie (geen trainingsdata).
Anomaly detection als startpunt
Voordat je voorspelt wanneer een machine faalt, detecteer je dat hij afwijkt van normaal gedrag. Isolation Forest of autoencoder op sensor-data. Anomaly-signaal triggert inspectie voordat falen impact heeft.
Time-to-failure modeling
Survival analysis op faal-historie geeft "kans op uitval binnen N uur" per machine-toestand. Onderhoudsteam plant op basis van risico in plaats van vaste interval. ROI: minder ongeplande stilstand, minder onnodig onderhoud.
Integratie met EAM-systeem
Maximo, Ultimo, Planon: per platform een integratie. AI-signaal wordt werkorder, niet een dashboard. Onderhoudsmonteur ziet zijn taak in zijn vertrouwde systeem, niet een nieuwe AI-app.
Verwant: Freelance AI consultant inhuren, AI quality control.