MeshOS module
Voorspellend onderhoud begint met de data die je machines al maken
Onderhoud gebeurt meestal op twee momenten: nadat een machine is uitgevallen, of omdat de kalender zegt dat het weer tijd is. Het ene moment is te laat, het andere vaak te vroeg. Voorspellend onderhoud draait dat om: je gebruikt actuele en historische machinedata om afwijkingen eerder te zien, en grijpt in voordat een storing de productie raakt. MeshOS legt daarvoor de databasis, en dat begint bij één machine.
Onderhoud is vaak te laat of juist te vroeg
De meeste onderhoudsteams werken met een mix van storingen oplossen, vaste intervallen en het gevoel van ervaren monteurs. Dat werkt, maar er zit een beperking in: niet de werkelijke conditie van de machine bepaalt het moment van onderhoud, de kalender doet dat. En dan gebeurt dit:
Onderzoek uit de luchtvaart, de basis van het moderne onderhoudsdenken (Nowlan & Heap), laat zien dat maar zo'n 11% van de storingspatronen samenhangt met leeftijd of draaiuren. De rest komt willekeurig. Precies daarom schiet een vaste onderhoudskalender tekort: die vangt alleen de slijtage die zich aan het schema houdt.
Van reactief naar voorspellend
Wat is voorspellend onderhoud?
Voorspellend onderhoud is een onderhoudsstrategie waarbij machinedata bepaalt wanneer een machine of onderdeel aandacht nodig heeft. Je kijkt niet alleen naar storingen of de kalender, maar naar de werkelijke ontwikkeling van de machine: cyclustijden, alarmgedrag, microstops, procesparameters. In de praktijk groeit onderhoud in stappen, en elke stap levert op zichzelf al minder verrassingen op.
Je hoeft die trap niet in één keer te beklimmen. De databasis is voor elke stap dezelfde, en die bouw je op terwijl de productie gewoon doordraait.
De signalen zitten al in je machines
Welke data bruikbaar is, verschilt per machine en proces. Maar in vrijwel elke fabriek zit al meer in de PLC's en besturingen dan er wordt gebruikt. MeshOS begint daarom met wat er is; pas als een belangrijk signaal ontbreekt, kijken we of een extra sensor waarde toevoegt.
Signalen die een storing kunnen aankondigen:
Eén losse afwijking hoeft niets te betekenen. De waarde ontstaat wanneer je dezelfde signalen over weken en maanden kunt vergelijken, gekoppeld aan machine, order en shift.
- Cyclustijden die oplopen of steeds meer spreiding vertonen.
- Alarmen en foutcodes die op dezelfde machine blijven terugkeren.
- Microstops die week na week vaker voorkomen.
- Procesparameters die langzaam wegdrijven van hun normaalwaarde.
- Veranderingen in snelheid, belasting of energieverbruik.
- Kwaliteitsafwijkingen die samenvallen met veranderend machinegedrag.
Waarom veel predictive maintenance projecten stranden
Een voorspellend model is zo goed als de data waarop het draait. En daar gaat het meestal mis: de data is er wel, maar zit verspreid over PLC's, losse sensoren, alarmlijsten, spreadsheets en het onderhoudssysteem. Zonder context weet een analyse wel dát een temperatuur steeg, maar niet bij welke machine, order of storing dat hoorde.
Wat je dan ziet:
Daarom begint voorspellend onderhoud niet met een AI-model. Eerst de data op orde, dan pas voorspellen.
- Elke bron houdt zijn eigen lijstje bij, niemand heeft het complete beeld.
- Alarmhistorie en onderhoudsmeldingen zijn niet gekoppeld aan machinedata.
- Wat er vóór een storing gebeurde, is achteraf niet meer terug te halen.
- Patronen over shifts, batches en weken blijven onzichtbaar.
- Een model op ongestructureerde data geeft vooral valse meldingen, en dan stopt het team met kijken.
- Het project wordt een IT-traject in plaats van een onderhoudsverbetering.
Zo legt MeshOS de databasis onder je onderhoud
MeshOS is de live datalaag tussen je machines en de mensen die de fabriek runnen. Meshnex plaatst een voorgeconfigureerd edge device en koppelt de beschikbare PLC's en databronnen, read-only als je dat wilt: MeshOS leest mee, maar stuurt niets aan.
Vanaf dat moment gebeurt dit:
Voorspellend onderhoud wordt zo geen los AI-project, maar een volgende stap op dezelfde data die je dagelijks al gebruikt voor productie-inzicht.
- Elke meting krijgt context: machine, lijn, order, gebeurtenis en tijd.
- Live dashboards tonen machinestatus, proceswaarden en alarmen in één omgeving.
- Je ziet wat normaal is voor een machine, en wanneer het gedrag daarvan afwijkt.
- Bij een storing kijk je terug naar wat er vóór, tijdens en na gebeurde.
- Elke shift groeit de historie van normaal gedrag, afwijkingen en storingen.
- Op die historie bouwt predictive analytics voort: anomalieën, assetconditie en onderhoudsrisico's worden steeds beter te beoordelen.
Waar het echt om gaat: afwijkingen zien voordat ze stilstand worden
De winst van voorspellend onderhoud is niet de voorspelling zelf. Het is de tijd die ontstaat tussen het eerste afwijkende signaal en het moment waarop de productie geraakt wordt: bij slijtage vaak weken, soms dagen. In dat venster verandert een storing van een verrassing in een planbare klus.
Zo verschuift maintenance van brandjes blussen naar plannen. En elk uur dat je een storing eerder ziet, is een uur meer om er iets aan te doen.
Voor iedere rol
Hetzelfde machinebeeld, voor iedere rol
Iedereen kijkt anders naar onderhoud. MeshOS gebruikt dezelfde databasis, maar maakt die bruikbaar voor iedereen die met de machines werkt.
Werkt met de machines die je al hebt
Voorspellend onderhoud vraagt geen fabriek vol nieuwe sensoren. MeshOS sluit aan op bestaande PLC's, machines en databronnen; alleen waar een belangrijk signaal ontbreekt, bepalen we samen of een extra sensor die meting waard is. Waar de data landt, bepaal jij:
Dezelfde databasis en structuur blijven beschikbaar, welke vorm je ook kiest.
Eerlijk over voorspellend onderhoud: dit moet je weten
Voorspellend onderhoud is geen glazen bol. Drie grenzen horen bij een eerlijk verhaal, en ze bepalen hoe we een project inrichten.
Daarom beloven we geen exacte uitvalvoorspellingen op dag één. We maken eerst zichtbaar wat je machines doen; alles daarna bouwt daarop voort.
Begin met één machine waarvan je meer wilt weten
Je hoeft voorspellend onderhoud niet fabrieksbreed in te voeren. Kies één machine met terugkerende storingen of onderhoudsvragen en gebruik die om de data op orde te brengen. De eerste machine sluiten we gratis en vrijblijvend aan.
Stap 1: we koppelen de machine
Meshnex plaatst het edge device en verbindt MeshOS met de beschikbare PLC's, sensoren en databronnen. Read-only: de productie draait gewoon door.
Stap 2: de eerste live data wordt zichtbaar
Machinestatus, proceswaarden en alarmen staan in één omgeving. In de meeste situaties binnen 48 uur na installatie.
Stap 3: de historie bouwt zich op
Elke shift voegt data toe. Trends, terugkerende afwijkingen en veranderend machinegedrag worden week na week beter zichtbaar.
Stap 4: jij bepaalt welke analyses waarde toevoegen
Op basis van de opgebouwde data bepaal je welke conditiegestuurde of voorspellende analyses zinvol zijn, en waar uitbreiden naar meer machines loont.
Bewijs uit de praktijk
Voorspellend onderhoud in het veld
Echte machines, echte storingen, eerder gezien.
Predictive maintenance Storingen weken vóór de breakdown gesignaleerd
Trillings-, temperatuur- en stroomdata van drie kritieke machines voeden een anomaliemodel dat afwijkingen weken vóór uitval signaleert. Onderhoud gepland rond de productie in plaats van rond storingen beginnend bij de assets die de meeste pijn doen, geen fabrieksbrede uitrol.
Drukmonitoring en besturing Druk gemeten en gelogd
Een op maat gebouwd meetdevice dat druk continu meet en registreert. Afwijkingen geven direct een melding voordat ze een probleem worden met een volledige meethistorie voor analyse en rapportage.
Stilstandregistratie Elke stilstand op de lijn, geteld en geclassificeerd
Elke stop wordt automatisch uit de PLC gehaald en geclassificeerd: omstelling, storing, aanvoertekort, microstop. Een live Pareto laat zien waar de ploeg werkelijk bleef, zodat verbeteren begint bij de grootste capaciteitsvreter in plaats van bij onderbuikgevoel.
Veelgestelde vragen over voorspellend onderhoud
Wat is voorspellend onderhoud?
Voorspellend onderhoud is een onderhoudsstrategie die actuele en historische machinedata gebruikt om veranderingen en patronen te herkennen die wijzen op een toenemend storingsrisico. Het doel: onderhoud plannen voordat een probleem tot ongeplande stilstand leidt, in plaats van reageren nadat de machine is uitgevallen.
Wat is het verschil tussen preventief en voorspellend onderhoud?
Preventief onderhoud volgt een vast schema: elke maand, elk kwartaal of na een aantal draaiuren, ongeacht de conditie van de machine. Voorspellend onderhoud kijkt naar de werkelijke ontwikkeling van de machine in de data. Daardoor vervang je minder onderdelen die nog goed zijn, en mis je minder storingen die zich niet aan het schema houden.
Wat is conditiegestuurd onderhoud?
Bij conditiegestuurd onderhoud bepaalt de actuele toestand van de machine wanneer onderhoud nodig is, op basis van beschikbare signalen, alarmen en trends. Voorspellend onderhoud gaat een stap verder: het gebruikt ook de historie om patronen te herkennen en risico's eerder te zien aankomen.
Voorspelt MeshOS nu al precies wanneer een machine uitvalt?
Nee. MeshOS richt zich eerst op het verzamelen, structureren en zichtbaar maken van betrouwbare machinedata: dat levert vaak al binnen weken bruikbaar inzicht in afwijkingen en terugkerende storingen. Naarmate er voldoende historie staat, kunnen modellen anomalieën, assetconditie en onderhoudsrisico's steeds beter beoordelen.
Welke data is nodig voor voorspellend onderhoud?
Dat verschilt per machine en proces. Denk aan alarmhistorie, cyclustijden, microstops, snelheid, temperatuur en andere proceswaarden, plus de momenten waarop storingen optraden. Tijdens de aansluiting kijken we welke signalen je PLC's al geven en welke daarvan iets zeggen over de conditie van de machine.
Hebben we nieuwe sensoren nodig?
Niet altijd. Veel machines en PLC's bevatten al bruikbare signalen; MeshOS begint met die bestaande bronnen. Pas wanneer een belangrijk signaal ontbreekt, bijvoorbeeld trilling op een kritisch lager, kijken we of een extra sensor die meting waard is.
Werkt voorspellend onderhoud op bestaande machines?
Ja. MeshOS is juist gebouwd om bestaande machines, PLC's en databronnen te koppelen, ook oudere. Er is geen machinevervanging nodig om te beginnen met het opbouwen van de data.
Kunnen we met één machine beginnen?
Ja, dat raden we zelfs aan. Kies een machine met terugkerende storingen of onderhoudsvragen: daar bewijst de data zich het snelst. De eerste machine sluiten we gratis en vrijblijvend aan, daarna bepaal jij of uitbreiden zinvol is.
Hoe snel zien we de eerste live machinedata?
In de meeste situaties binnen 48 uur na installatie op locatie. De precieze doorlooptijd hangt af van de machine, de beschikbare databronnen en het netwerk. Betrouwbaar voorspellen vraagt daarna vooral historie: elke shift maakt de dataset waardevoller.
Stuurt MeshOS onze machines aan?
Niet standaard. MeshOS wordt read-only aangesloten en leest dan alleen gegevens uit machines en PLC's; de besturing van je productieproces blijft waar die is. Voor je IT betekent dat: meekijken, niet ingrijpen.
Wat kost voorspellend onderhoud?
De eerste machine verbinden we gratis en vrijblijvend, zodat je met je eigen data ziet wat het oplevert. Daarna hangt de investering af van het aantal machines, de gewenste analyses en de deploymentvorm. Uitbreiden gebeurt stap voor stap, dus de kosten volgen het bewezen resultaat.
Bouw vandaag de data op die onderhoud morgen slimmer maakt
Voorspellend onderhoud begint niet met een algoritme. Het begint met weten wat je machines doen, hoe normaal gedrag eruitziet en welke afwijkingen aan storingen voorafgaan. Verbind één machine en ontdek welke onderhoudssignalen er nu al in je data zitten.