Betrouwbaarheidsindicatoren zoals MTTF zijn ontworpen voor een eenvoudiger industrieel tijdperk, toen toeleveringsketens stabiel waren, de bedrijfsmiddelen gestandaardiseerd waren en de gevolgen van storingen grotendeels beperkt bleven tot onderhoudskosten. De bedrijfsvoering van vandaag de dag heeft te maken met een fundamenteel ander risicolandschap.
Wat op papier een klein betrouwbaarheidsprobleem lijkt, kan in de praktijk leiden tot productiestilstand, risico’s op het gebied van regelgeving, of verstoring van de bevoorrading. Beslissingen van het management vereisen daarom inzicht in de operationele context, en niet alleen in statistische gemiddelden.
Een korte geschiedenis en de noodzaak van MTTF
Al sinds het ontstaan van industriële apparatuur worden operators geconfronteerd met dezelfde fundamentele vraag: wanneer gaat dit defect raken, en heb ik dan het benodigde onderdeel bij de hand?
Gedurende het grootste deel van de industriële geschiedenis bestond het antwoord uit ervaring, intuïtie en ‘stamkennis’ die van de ene onderhoudsmonteur op de andere werd doorgegeven.
Naarmate industriële systemen halverwege de 20e eeuw steeds complexer werden, voldeed die aanpak niet langer. Ingenieurs hadden een manier nodig om de betrouwbaarheid te kwantificeren, om de vraag „wanneer zal dit defect raken?“ om te zetten in iets meetbaars en vergelijkbaars.
De Mean Time to Failure (MTTF) werd dat getal. Het bood een eenvoudige, gestandaardiseerde maatstaf: de gemiddelde tijd dat een onderdeel naar verwachting zal functioneren voordat het defect raakt.
Voor niet-repareerbare onderdelen is dit de MTTF; voor repareerbare systemen is het equivalent de Mean Time Between Failures (MTBF). Deze twee begrippen hangen nauw met elkaar samen en worden vaak door elkaar gebruikt, hoewel ze technisch gezien verschillend zijn.
De elegantie van deze maatstaf lag in de eenvoud ervan. Het zette een abstract begrip – de verwachte levensduur van een fysiek onderdeel – om in een bruikbaar getal waarop onderhoudsingenieurs, inkoopteams en operationele managers konden inspelen.
MTTF heeft niet alleen onderhoudsschema’s beïnvloed. Het heeft ook de manier bepaald waarop een hele generatie ingenieurs tegen bedrijfsmiddelen aankeek: als objecten met een voorspelbare levensduur die via statistische redeneringen konden worden beheerd.
De reden waarom de MTTF zo belangrijk is dat deze zorgvuldig moet worden onderzocht, is de omvang van wat er op het spel staat als de onderhoudsplanning niet klopt.
Storingen aan bedrijfsmiddelen zijn niet alleen een technisch ongemak, maar leiden ook direct tot productieverlies, kosten voor noodinkoop en, in sommige gevallen, veiligheids- en milieu-incidenten.
De onderstaande cijfers geven een beeld van de context waarin beslissingen op basis van MTTF worden genomen.
Die visie bestaat nog steeds. Als je de afdeling onderhoudsplanning van een willekeurige grote industriële onderneming, een olieraffinaderij, een mijnbouwbedrijf of een chemische fabriek binnenloopt, zul je merken dat MTTF en MTBF nog steeds centraal staan in de gesprekken.
Ze komen voor in onderzoeken naar betrouwbaarheidsgericht onderhoud, in analyses van storingsmodi en gevolgen, in de SAP PM-configuratie en in de preventieve onderhoudsschema’s van Maximo.
Hoe de MTTF wordt berekend, met uitgewerkte voorbeelden
In wezen is MTTF de verwachte waarde van de verdeling van de uitvaltijd van een onderdeel. De formele definitie luidt als volgt:
In de praktijk werken de meeste onderhoudsteams niet rechtstreeks met deze integraal. Ze maken gebruik van de vereenvoudigde versie die voortvloeit uit de aanname van een constante uitvalfrequentie, namelijk de exponentiële verdeling:
Juist dankzij deze aanname van een constante snelheid is de MTTF eenvoudig te berekenen en toe te passen.
Praktijkvoorbeeld: drie componenten in een centrifugaalpomp
Neem bijvoorbeeld een centrifugaalpomp in het koelwatercircuit van een raffinaderij. Een betrouwbaarheidsingenieur wil de MTTF voor drie belangrijke componenten berekenen en die cijfers gebruiken om preventieve onderhoudsintervallen en veiligheidsvoorraadniveaus vast te stellen. Zo verloopt de berekening in de praktijk:
| Component | Geconstateerde storingen | Totaal aantal bedrijfsuren | Foutfrequentie (λ) | MTTF | Aanbevolen interval tussen PM’s |
|---|---|---|---|---|---|
| Mechanische afdichting | 6 mislukkingen | 12.000 uur | 0,0005 /uur | 2.000 uur (~12 maanden) | Vervangen na 1.600 bedrijfsuren |
| Lager (radiaal) | 3 mislukkingen | 18.000 uur | 0,000167 /uur | 6.000 uur (~36 maanden) | Controleer na 4.500 bedrijfsuren |
| Waaier | 1 storing | 15.000 uur | 0,0000667 /uur | 15.000 uur (~7 jaar) | Controleer bij een grote revisie |
Gezien de MTTF van 2.000 uur voor de mechanische afdichting moet de magazijnmedewerker ervoor zorgen dat er te allen tijde ten minste één reserveafdichting op voorraad is. De MTTF van 6.000 uur voor het lager betekent dat er minder prioriteit aan de voorraad van dit onderdeel moet worden gegeven.
Met een MTTF van 15.000 uur is de waaier voor de meeste bedrijven een onderdeel dat pas op aanvraag wordt besteld. Dit is een voorbeeld van een MTTF die precies doet waarvoor hij is ontworpen, en dat ook nog eens uitstekend doet.
In de bovenstaande eenvoudige berekening wordt ervan uitgegaan dat storingen gedurende de gehele levensduur van het onderdeel met een constante frequentie optreden. In werkelijkheid vertonen de meeste onderdelen een patroon dat bekendstaat als de badkuipcurve: hogere storingsfrequenties wanneer het onderdeel nieuw is (kindersterfte als gevolg van installatiefouten), een stabiele tussenperiode en stijgende storingsfrequenties naarmate het onderdeel ouder wordt en slijt.
De Weibull-verdeling geeft deze realiteit weer. De vormparameter β geeft aan in welk deel van de curve een onderdeel zich bevindt:
De meeste EAM-platforms gaan uit van een constante uitvalfrequentie (β = 1, groene stippellijn). Echte industriële activa in de slijtagefase hebben een β > 1, wat betekent dat de MTTF het risico systematisch onderschat naarmate de apparatuur ouder wordt. (Bron: Reliability Magazine)
| β-waarde | Levenscyclusfase | Wat dit betekent voor de afdichting van de pomp – Voorbeeld |
|---|---|---|
| β < 1 | Kindersterfte | De afdichting gaat kort na de installatie defect. Waarschijnlijke oorzaak: onjuiste montage, verkeerde kwaliteit gespecificeerd. Een standaard MTTF-berekening op basis van deze gegevens zal de normale levensduur te laag inschatten. |
| β = 1 | Willekeurig / Levensduur | Storingen treden op met een constante, onvoorspelbare frequentie. MTTF is in dit geval een bruikbaar planningsinstrument. Dit is de enige fase waarin de standaard MTTF-aanname wiskundig verantwoord is. |
| β > 1 | Slijtage | De afdichting veroudert en het aantal defecten neemt toe. Een onderhoudsinterval dat op basis van gegevens uit de beginfase is vastgesteld op 80% van de MTTF, zal nu te lang zijn, waardoor er defecten zullen optreden vóór de geplande vervanging. |
De meeste EAM-platforms gaan standaard uit van exponentiële verdelingen (β = 1). Bij verouderende industriële activa komt β > 1 vaak voor, waardoor de statische MTTF onbetrouwbaar is.
A NASA-onderzoek naar 30 identieke lagers die onder gecontroleerde omstandigheden tot breuk zijn getest, zoals aangehaald in Reliability Magazine, bleek de variantie zo groot te zijn dat de standaard vervangingsschema’s op basis van MTTF statistisch gezien niet langer te rechtvaardigen waren.
Er bestaat een direct verband tussen MTTF en voorraadplanning. De meeste ERP-systemen berekenen de veiligheidsvoorraad aan de hand van een formule die is afgeleid van de uitvalfrequentie:
Voor de pompafdichting in ons voorbeeld: als de MTTF 2.000 uur bedraagt, het beoogde serviceniveau 95% (Z = 1,65) is en de doorlooptijd voor de afdichting bij de leverancier een standaardafwijking van 2 weken heeft, zal de berekening van de veiligheidsvoorraad een specifieke aanbeveling voor het aantal aan te houden eenheden opleveren.
Cruciaal is dat, als de MTTF-input onjuist is – bijvoorbeeld omdat deze is berekend op basis van een heterogene populatie of onder andere bedrijfsomstandigheden – elke daaropvolgende voorraadbeslissing met dezelfde marge onjuist is.
De rol van MTTF bij onderhoud en MRO-voorraadbeheer
Voordat we ingaan op de beperkingen, is het de moeite waard om duidelijk te maken wat er goed is aan MTTF, want in het technologiedebat bestaat de neiging om het oude terzijde te schuiven ten gunste van het nieuwe. Dat zou in dit geval een vergissing zijn.
Mensen kunnen de kans op storingen op de lange termijn slecht inschatten. We overschatten de betrouwbaarheid van apparatuur die onlangs is onderhouden en onderschatten de slijtage van apparatuur die al geruime tijd probleemloos heeft gewerkt.
MTTF dwingt organisaties om intuïtie te vervangen door berekeningen. Voor een pomp met een MTTF van 18 maanden maakt het niet uit of de onderhoudsmonteur vindt dat hij er nog goed uitziet. Het statistische cijfer is geen mening.
Onderhoudsingenieurs, inkoopteams, operationele managers en financieel directeuren moeten allemaal met elkaar praten over risico’s in verband met bedrijfsmiddelen. MTTF biedt hen een gemeenschappelijke terminologie.
De standaardisatie ervan in ISO 14224, MIL-HDBK-217, en dankzij IEC 60812 hoeft een betrouwbaarheidsingenieur die van de ene sector naar de andere overstapt, geen nieuw raamwerk te leren.
Zonder een schatting van de verwachte levensduur tot het moment van defect raken, wordt de planning van preventief onderhoud ofwel te conservatief opgesteld – waarbij onderdelen worden vervangen die nog een aanzienlijke resterende levensduur hebben – ofwel te weinig conservatief, waarbij wordt gewacht tot componenten defect raken.
De MTTF vormt het rationele uitgangspunt. Een radiaal lager met een MTTF van 6.000 uur moet na 4.500 uur worden geïnspecteerd, niet na 3.000 uur (verspilling) en ook niet na 8.000 uur (risicovol).
De pompafdichting die bij een park van tien pompen om de 2.000 uur defect raakt, zorgt voor een voorspelbare jaarlijkse vraag naar afdichtingen. Die schatting van de vraag, hoe onvolmaakt ook, vormt de basis voor het aanvulbeleid van het magazijn.
Elke beoordeling van de kriticiteit van reserveonderdelen berust uiteindelijk op een of andere versie van deze omrekening van het uitvalpercentage naar de vraag.
MTTF is niet verkeerd. Het is onvolledig. Dit onderscheid is van enorm belang bij het bepalen wat we vervolgens gaan bouwen.
Wie is eigenaar van MTTF in de industriële sector?
In tegenstelling tot FMEA, waarvoor een duidelijk omschreven, functieoverschrijdende verantwoordelijkheidsstructuur geldt, is de verantwoordelijkheid voor MTTF doorgaans versnipperd over de organisatie.
Als we begrijpen waar het wel en waar het niet voorkomt, wordt duidelijker waarom er vaak geen aandacht wordt besteed aan de beperkingen ervan.
Betrouwbaarheidstechniek
Berekent de MTTF op basis van storingsgeschiedenisgegevens in het CMMS, stelt preventieve onderhoudsintervallen vast, en is doorgaans de enige functie die inzicht heeft in de statistische aannames die ten grondslag liggen aan dit getal. Vaak is dit de enige die kan beoordelen of de Weibull β-aanname geldig is voor een bepaald bedrijfsmiddel.
Onderhoudsplanning en MRO-inkoop
Gebruikt op MTTF gebaseerde vraagramingen om herbestelpunten en veiligheidsvoorraadniveaus in het ERP-systeem vast te stellen. Stelt zelden de kwaliteit van de MTTF-gegevens ter discussie en heeft slechts beperkt inzicht in de vraag of het gebruikte uitvalpercentage nog steeds geldig is voor de huidige bedrijfsomstandigheden.
Bedrijfsvoering / Fabrieksbeheer
Draagt de gevolgen van een onjuiste MTTF-berekening, in de vorm van ofwel ongeplande stilstand ofwel buitensporige onderhoudskosten. Biedt de productiecontext (hoe cruciaal is dit bedrijfsmiddel vandaag, op welke capaciteit draait het momenteel) waarmee bij MTTF-berekeningen zelden rekening wordt gehouden.
In de meeste industriële organisaties werken de persoon die de MTTF berekent (betrouwbaarheidstechniek) en de persoon die deze waarde gebruikt om voorraadbeslissingen te nemen (MRO-inkoop) in afzonderlijke systemen, met afzonderlijke KPI’s, en met beperkte onderlinge interactie. De schatting van het uitvalpercentage wordt deze kloof één keer overbrugd, bij de implementatie van EAM of tijdens een jaarlijkse evaluatie, en wordt vervolgens gebruikt totdat er iets zo ernstig kapotgaat dat een herberekening noodzakelijk wordt. Die scheiding is de bron van een aanzienlijk deel van zowel de overtollige voorraad als het risico op voorraadtekorten.
Waar de MTTF structureel faalt
In gesprekken met klanten die MTTF op grote schaal gebruiken als belangrijkste basis voor hun planning, komen steeds weer dezelfde beperkingen naar voren. Dit zijn geen theoretische kritiekpunten, maar operationele tekortkomingen die terug te vinden zijn in rapporten over productieverlies.
De statistische geldigheid van de MTTF berust op een populatie van identieke componenten die onder identieke omstandigheden functioneren. Die aanname gaat op in een gecontroleerde laboratoriumomgeving. Op een industriële locatie is dat zelden het geval.
Als er in dezelfde installatie twee nominaal identieke centrifugaalpompen staan, draait pomp A op 80% van het nominale vermogen met schoon water bij 20 °C. Pomp B draait op 110% van het nominale vermogen met een licht corrosieve vloeistof bij 35 °C.
Hun mechanische afdichtingen hebben hetzelfde onderdeelnummer van de fabrikant. De daadwerkelijke storingsverdelingen ervan verschillen echter aanzienlijk.
Een enkele MTTF die is berekend op basis van de gezamenlijke populatie van beide pompen, geeft geen betrouwbare informatie over een van beide pompen afzonderlijk.
Onderzoek gepubliceerd in Reliability Magazine brengt dit punt precies onder woorden: naarmate organisaties hun betrouwbaarheidspraktijken verbeteren en defectgegevens gaan analyseren op het niveau van individuele activa in plaats van op het niveau van componentklassen, neemt de variantie rond de MTTF-waarden van de populatie doorgaans toe in plaats van af, omdat er diepere, activaspecifieke storingsmodi zichtbaar worden die voorheen in de gemiddelde waarden werden weggefilterd.
Dit is precies de reden waarom het opzetten van een kritikaliteitsprogramma op het niveau van individuele activa, in plaats van op het niveau van de componentklasse, levert wezenlijk andere resultaten op.
Casestudy van een klant
Een grote raffinaderij aan de Golfkust ontdekte dat haar op MTTF gebaseerde preventieve onderhoudsschema ertoe leidde dat 401 pompen van het type TP3T te vaak werden onderhouden (waarbij onderdelen werden vervangen die nog een aanzienlijke resterende levensduur hadden), terwijl 231 pompen van hetzelfde type te weinig werden onderhouden (waarbij onderdelen werden over het hoofd gezien die sneller versleten dan het gemiddelde van de populatie). De kosten van het te veel onderhoud waren verborgen in onnodige arbeidskosten en materiaalkosten. De kosten van het te weinig onderhoud kwamen naar voren in het rapport over productieverlies. Geen van beide kwam naar voren in de MTTF-berekening.
De MTTF wordt berekend op basis van historische gegevens onder een specifieke reeks bedrijfsomstandigheden. Zodra die omstandigheden veranderen, begint de berekende waarde af te wijken van de werkelijkheid.
In de literatuur over betrouwbaarheidstechniek komen verschillende variabelen steeds weer naar voren als de meest bepalende:
| Variabele | Praktisch effect op het uitvalpercentage | Wat MTTF hiermee doet |
|---|---|---|
| Bedrijfsbelasting boven de nominale capaciteit | Onderdelen slijten sneller; afdichtingen en lagers zijn bijzonder gevoelig voor overdruk en hitte | Niet gemodelleerd. De bij nominale belasting berekende MTTF blijft ongewijzigd. |
| Omgevings- en procestemperatuur | Volgens het principe van Arrhenius halveert de levensduur van lagers en isolatie bij elke stijging van ongeveer 10 °C boven de nominale temperatuur | Niet gemodelleerd. Temperatuur is geen variabele in standaard MTTF-berekeningen. |
| Verandering in de samenstelling van de procesvloeistof | Een afdichting die is ontworpen voor vloeistoffen met een neutrale pH-waarde, slijt aanzienlijk sneller bij gebruik in zure of hoogviskeuze omgevingen | Niet gemodelleerd. De MTTF op basis van gegevens van de neutrale dienst wordt nog steeds gebruikt. |
| Kwaliteit van installatie en onderhoud | Na onderhoud komen storingen die tot kindersterfte leiden vaak voor wanneer afdichtingen of lagers niet correct worden gemonteerd | Deze vroege storingen zorgen ervoor dat de MTTF van de populatie naar beneden wordt vertekend, zonder dat daar een verklaring voor wordt gegeven. |
| Vochtigheid en een corrosieve omgeving | Versnelde oppervlakte-aantasting van mechanische afdichtingen en elektrische contacten in kustgebieden of vochtige fabrieksomgevingen | Wordt niet gemodelleerd, tenzij de locatiespecifieke storingsgegevens worden gescheiden van de algemene populatie. |
De MTTF wordt berekend op basis van historische storingsgegevens. Deze waarde geeft weer wat er in het verleden met een groep componenten is gebeurd. Een onderhoudsplanner neemt echter beslissingen over de toekomst: wat zal er defect raken, wanneer, en wat moet er op voorraad zijn als dat gebeurt.
Een lager dat momenteel trilt met een frequentie die het dubbele is van de basisfrequentie, geeft die informatie niet door aan een MTTF-berekening.
Een transformator die vijf graden warmer draait dan normaal vanwege een installatiefout van zes maanden geleden, komt niet tot uiting in de statistieken op populatieniveau. Tegen de tijd dat het nieuwe storingsgeval in de dataset wordt opgenomen en de MTTF wordt bijgewerkt, is de schade al aangericht.
MTTF geeft aan wanneer een onderdeel waarschijnlijk defect zal raken. Het zegt echter niets over de vraag of het vervangende onderdeel op dat moment beschikbaar zal zijn.
Dit is de meest ingrijpende lacune, en tevens degene die in de klassieke literatuur over betrouwbaarheidstechniek vrijwel geen aandacht krijgt.
Een pompafdichting in een raffinaderij heeft een MTTF van 2.000 uur. De betrouwbaarheidsingenieur stelt een preventief onderhoudsinterval vast van 1.600 uur. Het inkoopteam stelt een herbestelpunt vast op basis van dat uitvalpercentage. Wat het model niet weet: de enige gekwalificeerde leverancier van de afdichting heeft een doorlooptijd van 14 weken vanwege productiebeperkingen. De voorraad raakt op. De afdichting begeeft het na 1.700 uur. Door de levertijd draait de pomp zes weken op een defecte afdichting voordat er een vervangend exemplaar arriveert. De MTTF klopte. Toch faalde het systeem.
Wanneer op basis van MTTF afgeleide vraagramingen aan inkoopteams worden doorgegeven, worden zij geconfronteerd met een statistisch probleem waarvoor MTTF nooit is ontworpen.
Een cruciale pompafdichting die eens in de 14 maanden wordt verbruikt, levert geen vloeiend vraagsignaal op. Het levert een reeks nullen op, afgewisseld met af en toe een één.
Een waaier die drie jaar lang ongebruikt blijft en vervolgens twee keer in zes weken nodig is, is geen uitzondering in de planning. Dit is een normaal patroon voor reserveonderdelen die in kleine hoeveelheden worden gebruikt en van cruciaal belang zijn.
Standaardprognosemethoden, zoals voortschrijdende gemiddelden en exponentiële afvlakking, leveren bij toepassing op deze intermitterende patronen systematisch een verkeerd resultaat op.
Ze schatten de vraag naar artikelen met af en toe een piek te hoog in, en onderschatten de vraag naar artikelen die weliswaar zelden, maar wel in clusters worden geconsumeerd.
De wetenschappelijke literatuur hierover is uitgebreid: De methode van Croston (1972), dat speciaal is ontwikkeld voor intermitterende vraag, heeft aangetoond dat standaard exponentiële afvlakking statistisch gezien niet geschikt is voor deze patronen, en de varianten ervan zijn gevalideerd aan de hand van RAF-voorraadgegevens die meer dan 11.000 reserveonderdeelseries omvatten.
Een bedrijfsmiddel dat op 20 jaar oude apparatuur draait, loopt niet alleen het risico op storingen dat door de MTTF wordt weergegeven. Het loopt ook een toenemend risico dat de MTTF niet kan weergeven: de onderdelen die nodig zijn om het te repareren, worden mogelijk niet meer geproduceerd.
MTTF berekent correct dat een kritieke klepaandrijving een gemiddelde levensduur van 36 maanden heeft, tot op de dag dat de OEM het onderdeel uit het assortiment haalt.
Op dat moment zou het magazijn nog voor drie maanden aan voorraad kunnen hebben, zou er geen geschikt alternatief zijn gevonden en zou de doorlooptijd voor het aanschaffen van een vervangend product 12 maanden bedragen. Het faalrisico was niet veranderd. Het bevoorradingsrisico maakte het activum onbeheersbaar.
In kapitaalintensieve sectoren waar de levensduur van apparatuur vaak meer dan 30 tot 40 jaar bedraagt, is veroudering geen uitzonderlijk geval. Het is een systematisch en toenemend risico dat statische betrouwbaarheidsmaatstaven structureel niet kunnen weergeven.
Bij een standaard MTTF-analyse wordt geen onderscheid gemaakt tussen het defect raken van een $12-pakking, wat een vertraging van 30 minuten veroorzaakt, en het defect raken van een $4.000-regelklep, waardoor een productie-eenheid zes dagen buiten bedrijf raakt. Beide zijn defecten. Beide dragen bij aan de MTTF-statistiek.
Maar de gevolgen zijn bij lange na niet vergelijkbaar, en een onderhoudsstrategie die ze als gelijkwaardig behandelt, leidt tot een systematische verkeerde toewijzing van middelen: er wordt te veel geïnvesteerd in het voorkomen van storingen met geringe gevolgen en te weinig in het voorkomen van storingen met ernstige gevolgen.
De kosten van het uitgaan van een statisch uitvalpercentage
Bij het voorraadbeheer in de MRO-sector leidt een onnauwkeurige MTTF tot hetzelfde tweeledige probleem als onjuiste FMEA-kriticiteitsscores: tegelijkertijd te veel en te weinig voorraad, wat elk op verschillende manieren kosten met zich meebrengt.
Een installatie waarvan het werkelijke uitvalpercentage hoger ligt dan de MTTF doet vermoeden – omdat de bedrijfsomstandigheden zijn veranderd, omdat het onderdeel zich in de slijtagefase bevindt of omdat het populatiegemiddelde de locatiespecifieke belasting verhult – zal vóór de geplande vervanging uitvallen.
Als het onderdeel niet op voorraad is en de levertijd van de leverancier weken in plaats van dagen bedraagt, leidt dit tot onvoorziene stilstand.
Bij olie- en gasactiviteiten, ABB’s enquête ‘De waarde van betrouwbaarheid 2025’ Uit een enquête onder 3.600 besluitvormers wereldwijd bleek dat 83% het erover eens waren dat ongeplande stilstand minstens $10.000 per uur kost, waarbij de kosten voor grote procesinstallaties oplopen tot $500.000 per uur.
Een bedrijfsmiddel dat minder vaak defect raakt dan het gemiddelde in de populatie doet vermoeden – omdat het onder lichte belasting draait, in een gunstige omgeving wordt gebruikt of uitstekend wordt onderhouden – zal onderdelen in de opslagruimte hebben liggen die kapitaal opslokken.
Elk reserveonderdeel in voorraad brengt jaarlijkse opslagkosten met zich mee die worden geschat op 20 tot 30% van de waarde ervan, waarbij de kapitaalkosten van de voorraad, de overheadkosten voor magazijnbeheer en de logistieke kosten zijn inbegrepen.
Het praktische gevolg is dat een onderhoudsorganisatie voortdurend op twee fronten moet strijden: enerzijds moet ze zich haasten om cruciale onderdelen tegen noodprijzen te bemachtigen, terwijl ze tegelijkertijd een overvolle onderdelenvoorraad moet beheren waarvan de onderdelen nooit zullen worden gebruikt. Beide problemen zijn terug te voeren op dezelfde oorzaak: een uitvalpercentage dat is berekend op basis van historische gegevens, onder historische omstandigheden, en dat niet wordt bijgewerkt naarmate de realiteit verandert.
Uit eigen onderzoek van Verdantis onder bijna 1.900 topmanagers in de sectoren mijnbouw, olie en energie, nutsbedrijven en de verwerkende industrie is gebleken dat 51% noemde problemen met de gegevenskwaliteit bij MRO-activiteiten als een van de belangrijkste uitdagingen, en 49% meldde inconsistenties in de leveranciersstamgegevens.
Dit zijn geen technologische tekortkomingen. Het zijn tekortkomingen op het gebied van gegevensbeheer die ervoor zorgen dat elk model – of het nu op MTTF is gebaseerd of niet – op het moment van de besluitvorming onbetrouwbaar is.
Verder kijken dan MTTF: hoe modern activabeheer de aanpak verder ontwikkelt
MTTF hoeft niet te worden vervangen. Men moet het zien voor wat het is: een uitgangspunt, geen eindpunt.
De vraag is welke aanvullende context, gegevens en analytische mogelijkheden hieraan kunnen worden toegevoegd om tot beslissingen te komen die nauwkeuriger, actueler en vollediger zijn.
De trend in modern bedrijfsmiddelenbeheer is om de kans op storingen te beschouwen als één van de vele variabelen, in plaats van als de belangrijkste variabele die bepalend is voor alle daaropvolgende beslissingen.
Een zinvol kriticiteitsmodel voor een reserveonderdeel stelt niet alleen de vraag „wanneer gaat dit onderdeel gemiddeld defect?”, maar ook: wat zijn de gevolgen voor de productie als het vandaag defect raakt? Wat is de huidige levertijd van de leverancier? Is er een goedgekeurd vervangend onderdeel beschikbaar? Heeft de fabrikant aangegeven dat dit onderdeel het einde van zijn levensduur nadert? Is er een zusterfabriek die voorraad heeft?
Vragen over planning waarbij uitsluitend MTTF wordt gebruikt
Vragen over kriticiteit met meerdere variabelen
Dit is de praktische ontwikkeling die tools zoals de MRO 360-kritikaliteitsmodule waarop zijn gebaseerd.
In plaats van de op MTTF gebaseerde uitvalkans te vervangen, nemen ze deze op als één van de inputfactoren in een breder model dat ook rekening houdt met de historische levertijden van leveranciers, het overzicht van de voorraad in alle fabrieken, de context van de productieplanning, de vervangbaarheid van onderdelen en de verouderingsstatus.
De MTTF-basis blijft bestaan. Wat verandert, is waar deze gegevens in worden ingevoerd en hoe vaak alle invoergegevens worden vernieuwd.
| Afmeting | Planning op basis van MTTF | Kriticiteit met meerdere variabelen |
|---|---|---|
| Updatefrequentie | Vastgelegd bij de implementatie van EAM; wordt niet vaak bijgewerkt | Doorlopend, waarbij de beoordeling wordt herzien naarmate de bedrijfsomstandigheden veranderen |
| Toepassingsgebied | Populatiegemiddelde voor een componentklasse | Specifiek voor de betreffende activa, rekening houdend met de individuele operationele context |
| Variabelen | Alleen de tijd tot het optreden van een storing | Foutkans, levertijd van de leverancier, kriticiteit, vervangbaarheid, verouderingsstatus |
| Vraagprognose | Standaard exponentiële afvlakking; statistisch gezien niet geschikt voor een intermitterende MRO-vraag | Speciaal ontwikkelde methoden voor intermitterende vraag (Croston en varianten), gevalideerd aan de hand van gegevens over reserveonderdelen |
| Leveranciersrisico | Niet in het model | Geïntegreerd: overzicht van doorlooptijden en leverbetrouwbaarheid per combinatie van onderdeel en leverancier |
| Veroudering | Er is geen mechanisme; EOL-gebeurtenissen zijn onzichtbaar totdat ze een voorraadtekort veroorzaken | Gecontroleerd: status van de levenscyclus van de fabrikant wordt bijgehouden; vervangende producten worden proactief geïdentificeerd |
| Uitvoer | PM-interval in uren of maanden | Op risico gerangschikte werkwachtrij met financiële gevolgen en status van de toeleveringsketen |
Gerelateerde methodologieën
MTTF wordt door organisaties met goed ontwikkelde betrouwbaarheidsprogramma’s zelden op zichzelf gebruikt. Het maakt deel uit van een breder ecosysteem van analytische kaders, die het probleem van defecten aan bedrijfsmiddelen elk vanuit een andere invalshoek benaderen.
| Kader | Aanpak | Verband met MTTF |
|---|---|---|
| FMEA / FMECA | Systematische inventarisatie van storingsmodi, de gevolgen daarvan en risicoprioriteitsscores voor alle componenten | De MTTF draagt bij aan de Occurrence (O)-score in de FMEA. De FMEA biedt de context van de faalwijzen, waardoor de MTTF beter te interpreteren is. |
| Betrouwbaarheidsgericht onderhoud (RCM) | Een holistische benadering om te bepalen welke onderhoudstaken nodig zijn, op basis van een analyse van functionele storingen | RCM gebruikt MTTF als een van de uitgangspunten voor het vaststellen van taakintervallen. Daarnaast wordt nagegaan of op tijd gebaseerd onderhoud (op basis van MTTF) wel de juiste strategie is voor een bepaalde storingswijze. |
| Foutboomanalyse (FTA) | Een top-down, deductieve methode die uitgaat van een bekend storingsgeval en de onderliggende oorzaken daarvan opspoort | Waar MTTF vraagt: „Hoe vaak gaat dit kapot?”, vraagt FTA: „Waarom is deze specifieke storing opgetreden?” Ze vullen elkaar aan: MTTF kwantificeert de frequentie, FTA verklaart de oorzaak. |
| Risicogebaseerde inspectie (RBI) | Stelt prioriteiten voor inspectiewerkzaamheden op basis van de gevolgen en de waarschijnlijkheid van een defect aan de apparatuur | RBI houdt rekening met zowel de uitvalkans (gerelateerd aan MTTF) als de gevolgen van een uitval. Deze methode wordt voornamelijk toegepast op statische apparatuur: drukvaten, leidingen en tanks. |
| Betrouwbaarheid, beschikbaarheid en onderhoudbaarheid (RAM) | Kwantitatieve analyse waarin wordt gemodelleerd hoe vaak apparatuur defect raakt, hoe snel deze weer operationeel is en in hoeverre deze beschikbaar is voor de productie | MTTF vormt een directe input voor de RAM-analyse. RAM vertaalt uitvalpercentages op componentniveau naar voorspellingen van de beschikbaarheid op systeemniveau. |
