Overzicht
Organisaties in sectoren als de productiesector, de olie- en gasindustrie, de energiesector, de nutsbedrijven, de mijnbouw en de chemische industrie staan onder toenemende druk om de beschikbaarheid van hun bedrijfsmiddelen te verhogen en tegelijkertijd de kosten te beperken. Ongeplande stilstand staat centraal in die druk en is uitgegroeid tot de grootste verborgen kostenpost binnen industriële activiteiten.
Siemens heeft in zijn rapport „True Cost of Downtime 2024“ de omvang van het probleem geschat op ongeveer $ 1,4 biljoen per jaar bij de 500 grootste bedrijven ter wereld. Opvallend is de trend: de kosten zijn sinds 2019 met 62 procent gestegen, terwijl het aantal incidenten juist is gedaald. Stilstanden komen minder vaak voor, maar elke stilstand is duurder, omdat fabrieken efficiënter draaien en de verborgen kosten rond elk incident zijn toegenomen.
Dit rapport gaat verder waar de macro-cijfers ophouden. Het brengt in kaart waar het verlies zich daadwerkelijk opstapelt en, wat nog nuttiger is, hoeveel daarvan terug te winnen is. Het korte antwoord op basis van de analyse van Verdantis: het grootste deel van het verlies is niet het gevolg van de mechanische storing zelf, maar van de reactie daarop, het zoeken naar het juiste onderdeel en de gegevens om het te gebruiken, en een groot deel daarvan is terug te winnen zonder extra personeel in te zetten.
De belangrijkste bevindingen in één oogopslag
Doel van het rapport
MRO- en bedrijfsmiddelengegevens zijn vaak verspreid over ERP-systemen, CMMS-systemen en spreadsheets, waardoor stilstand een bron van terugkerende verliezen is in plaats van een beheersbaar risico. Dit rapport kwantificeert de impact van gekoppelde onderdelen- en bedrijfsmiddelengegevens op de kosten van stilstand, het herstelproces en het werkkapitaal, en biedt operationele leidinggevenden op feiten gebaseerde benchmarks waarop zij kunnen handelen.
De belangrijkste doelstellingen van het rapport zijn het vaststellen van onderbouwde benchmarks voor de kosten van ongeplande stilstand, gebaseerd op gepubliceerd onderzoek; het aantonen waar binnen het totaalcijfer het terug te verdienen geld zich bevindt; het rangschikken van de maatregelen die per eenheid inspanning de meeste stilstand opleveren; en het ondersteunen van beslissingen over EAM, voorspellend onderhoud en de MRO-voorraadstrategie met op gegevens gebaseerde schattingen.
Methodologie en reikwijdte
De cijfers in dit rapport zijn niet afkomstig uit een enquête onder respondenten. Het betreft gemodelleerde schattingen, die zijn opgesteld door gepubliceerd onderzoek te combineren met scenariomodellen van Verdantis, en ze worden overal aangeduid als „Verdantis-analyse” of „Verdantis-schatting”, zodat er nooit twijfel bestaat over de grondslag ervan. De aanpak combineert vier methoden.
Benchmarkverankering. De macro-kosten zijn rechtstreeks ontleend aan het rapport „True Cost of Downtime 2024” van Siemens. Onafhankelijke benchmarks voor de kosten per uur stilstand zijn afkomstig van Aberdeen. De cijfers over reparatietijd, MRO-voorraad en preventief onderhoud zijn ontleend aan gepubliceerde sectorstudies (waaronder Deloitte en McKinsey), en de verhoudingen van storingspatronen aan literatuur over betrouwbaarheid (Nowlan en Heap).
Scenario-gebaseerde modellering. De sectorgebonden tarieven voor stilstandkosten worden toegepast op een representatieve, kapitaalintensieve faciliteit om het jaarlijkse verlies en het aandeel dat via elke maatregel kan worden teruggewonnen te schatten, waarbij gebruik wordt gemaakt van intervalbereiken in plaats van afzonderlijke waarden.
Gegevenstriangulatie. De door het model gegenereerde resultaten worden getoetst aan de hierboven gepubliceerde benchmarks om ervoor te zorgen dat ze binnen aanvaardbare grenzen blijven.
Validatie achteraf. Er is een gestructureerd enquête-instrument ontworpen om deze schattingen te toetsen aan de door exploitanten gerapporteerde gegevens; zodra de resultaten beschikbaar zijn, zal dit rapport worden bijgewerkt.
Toepassingsgebied: gemodelleerde sectoren en tarieven voor stilstandkosten
Het model maakt gebruik van representatieve tarieven voor stilstandkosten per uur voor zes kapitaalintensieve sectoren. Dit zijn invoergegevens, geen enquêteresultaten, en ze kunnen worden aangepast aan een specifieke bedrijfsvoering.
| Industrie | Berekende kosten van stilstand per uur |
|---|---|
| Discrete productie | $260,000 |
| Olie en gas | $250,000 |
| Chemische stoffen | $190,000 |
| Mijnbouw en metalen | $187,500 |
| Energie en nutsvoorzieningen | $160,000 |
| Eten en drinken | $120,000 |
De samenstelling van de $1,4 biljoen
Storingen worden doorgaans per oorzaak aangepakt. Verdantis brengt deze in kaart aan de hand van vijf onderling verbonden domeinen, en omdat deze domeinen met elkaar in verband staan, kan een tekort aan onderdelen ervoor zorgen dat een beperkte storing uitgroeit tot een langdurige, kostbare storing. Geen enkele afzonderlijke functie is hiervoor hoofdzakelijk verantwoordelijk.
De sector reserveonderdelen is slechts verantwoordelijk voor een achtste van alle storingen, maar is wel de belangrijkste factor die bepaalt hoe lang een installatie buiten bedrijf blijft zodra zich een storing voordoet. Dat is de rode draad van dit rapport, en de reden waarom kritisch reserveonderdelenbeheer krijgt meer aandacht dan je op basis van het aantal incidenten alleen zou verwachten.
Belangrijkste onderzoeksresultaten
1. De kosten van onvoorziene stilstand
2. De meeste storingen zijn willekeurig
Daarom is op de toestand gebaseerd werk belangrijker dan de kalender. Het volledige beeld vind je in onze bijbehorende dataset op statistieken over preventief onderhoud.
3. Onderdelen en gegevens bepalen de reparatietijd
4. Wat komt voor vergoeding in aanmerking?
5. De vertraging bij inventarisatie en inkoop
Geconsolideerde financiële gevolgen
In de onderstaande tabel wordt het verwachte jaarlijkse rendement voor één representatieve, kapitaalintensieve faciliteit per hefboom weergegeven. De cijfers zijn schattingen uit het Verdantis-scenario, uitgedrukt als marges, en afgestemd op de benchmarks in de methodologie. Ze zijn indicatief en niet strikt cumulatief.
| Hefboom | Wat het terugwint | Laag | Hoog |
|---|---|---|---|
| Preventief onderhoud | Willekeurige storingen worden eerder opgespoord | $14M | $20M |
| Beschikbaarheid van onderdelen en gegevens | Kortere reparatietijd, minder voorraadtekorten | $4M | $7M |
| Productiviteit van het personeel | Meer tijd om de sleutel te gebruiken, minder zoeken | $2M | $3M |
| Voorraadbeheer en inkoop | Lagere opslagkosten, minder spoedinkopen | $2M | $4M |
| Totale verwachte opbrengst per vestiging | $22M | $34M |
Verdantis-analyse, per vestiging, verwachte bandbreedtes. De resultaten van de implementatie variëren naargelang de operationele volwassenheid en moeten worden gevalideerd aan de hand van gegevens van de exploitant.
De AI-transitie in het onderhoud
Het herstel waarover in dit rapport wordt gesproken, komt niet tot uiting in een toename van het personeelsbestand. Het komt tot uiting doordat AI de proefprojecten in de backoffice verlaat en zijn intrede doet op de werkvloer, in het magazijn en in de wachtrij voor werkorders. De markt voor AI op het gebied van voorspellend onderhoud is momenteel een van de snelst groeiende categorieën binnen industriële software, met prognoses van analisten die variëren van een jaarlijkse samengestelde groei van rond de 15 procent tot bijna 40 procent – een teken dat exploitanten met een groot aantal activa op grote schaal overschakelen van reactief naar proactief onderhoud.
Bij MRO ligt de waarde bij de agent, niet bij een chatbot. AI-agenten beoordelen voortdurend de kriticiteit van onderdelen en bedrijfsmiddelen, voorspellen de vraag naar reserveonderdelen, stellen dynamische herbestelpunten vast en markeren werkorders waarbij het risico bestaat dat er een onderdeel ontbreekt, nog voordat deze worden vrijgegeven. Elke agent geeft de volgende een duidelijker signaal door, zodat een planner zich kan richten op de paar items die een reëel risico vormen, in plaats van duizenden te moeten beoordelen, waarbij elke wijziging door een mens moet worden goedgekeurd.
Voorspellend, op de toestand gebaseerd onderhoud is de toekomst, omdat dit de enige aanpak is die een oplossing biedt voor de ongeveer 83 procent van de storingen die willekeurig zijn en niet aan veroudering te wijten zijn. De voordelen zijn al aangetoond: tot 70 procent minder storingen en ongeveer 25 procent lagere onderhoudskosten (Deloitte, McKinsey). Dat is de logica achter een Een op AI gebaseerde aanpak van bedrijfsmiddelenbeheer: sluit eerst de signalen van de onderdelen, de bedrijfsmiddelen en de werkorders aan, en laat de agenten vervolgens de routinematige beslissingen naar voren halen met een aanbevolen actie, zodat vakmensen tijd overhouden voor de beslissingen die een eigen oordeel vereisen.
Uitdagingen en kansen
Versnipperde onderdelen- en activagegevens. Hetzelfde fysieke onderdeel komt voor onder verschillende omschrijvingen en onderdeelnummers, de opslaglocaties kloppen niet en de handleidingen voor de bedrijfsmiddelen zijn verouderd. Dit is de oorzaak van de ‘speurtocht’ en van dubbele aankopen.
Handmatige, reactieve werkprocessen. Wanneer werkorders nog steeds via spreadsheets en op papier worden afgehandeld, worden opdrachten vrijgegeven zonder dat het onderdeel en het plan zijn gecontroleerd, waardoor een korte storing uitloopt op een langdurige uitval.
Beleid inzake statische voorraadbeheer en nabestellingen. Herbestelpunten en veiligheidsvoorraad worden vaak eenmalig vastgelegd bij de systeemconfiguratie en daarna nooit meer herzien, wat leidt tot zowel voorraadtekorten bij cruciale onderdelen als overschotten bij de overige onderdelen. Het beleid sluit niet langer aan bij het werkelijke verbruik, de doorlooptijden of de urgentie.
Belemmering door het personeelsbestand. Ervaren technici besteden het grootste deel van hun dienst niet aan het draaien aan moeren. Het terugwinnen van die tijd is een van de grootste bronnen van capaciteit die voor het grijpen liggen.
Strategische voordelen van een geïntegreerd EAM-systeem
| Gebied | Belangrijkste gevolgen | Basis |
|---|---|---|
| Preventief onderhoud | Detecteert willekeurige storingen voordat deze de productielijn tot stilstand brengen | Tot 70% minder storingen (Deloitte) |
| Onderdelen- en activagegevens | Kortere reparatietijd en minder voorraadtekorten | Onderdelen zijn de #1-driver voor reparatietijd (Verdantis) |
| Voorraadoptimalisatie | Minder kapitaal vast in overschotten en onbruikbare voorraden | 15-25% uit de MRO-voorraad is overtollig (industrie) |
| Strategische inkoop | Minder spoed aankopen tegen een hogere prijs | 30-60%: vermeden noodpremie (sector) |
| Productiviteit van het personeel | Meer tijd om zelf aan de slag te gaan, minder zoeken | +20-30 punten sleuteltijd wanneer werkzaamheden zijn gepland (industrie) |
Specifieke bandbreedtes voor de resultaten van de implementatie van MRO360, met betrekking tot vrijgemaakt werkkapitaal, lagere nooduitgaven en minder stilstand, zijn op verzoek beschikbaar als verwachte bandbreedtes, in afwachting van goedkeuring door de productafdeling en juridische goedkeuring.
Een haalbare aanpak
Om deze kloof te dichten is een stapsgewijze aanpak nodig waarin kritische analyse, inventarisdiscipline en voorspellende technologie worden gecombineerd. Verdantis beveelt de volgende volgorde aan.
Controleer de gegevens over onderdelen, bedrijfsmiddelen en werkorders, en breng in kaart hoeveel stilstandtijd en werkkapitaal er gemoeid is met voorraadtekorten, dode voorraad en het zoeken naar onderdelen.
Set onderdelen en de kriticiteit van bedrijfsmiddelen Zodat voorraden, veiligheidsbuffers en de aandacht van de planner worden ingezet daar waar een storing daadwerkelijk schade veroorzaakt.
Koppel reserveonderdelen aan de apparatuur en werkorders waarvoor ze bestemd zijn, zodat het juiste onderdeel en de locatie ervan al zichtbaar zijn voordat de technicus ze nodig heeft.
De voorraad op het juiste niveau brengen met MRO-voorraadbeheer en vraagprognoses om zowel voorraadtekorten als overschotten te verminderen, en de herbestelpunten dynamisch te maken.
Implementeren AI-geïntegreerd EAM om willekeurige storingen eerder op te sporen, wanneer er nog tijd is om het onderdeel en het plan voor te bereiden.
Houd hier de uitvaltijd, de voorraaddekkingsgraad en het herstel ten opzichte van de ramingen bij, en werk van de activa met de grootste impact naar buiten toe.
Veelgestelde vragen
Veelgestelde vragen over de kosten van onvoorziene stilstand, de oorzaken daarvan en hoeveel bedrijven met een groot machinepark realistisch gezien kunnen terugverdienen.
Wat kost ongeplande stilstand eigenlijk?
Siemens schat dit cijfer op ongeveer **$1,4 biljoen per jaar** voor de 500 grootste bedrijven ter wereld, wat neerkomt op ongeveer 11 procent van de omzet. Een onafhankelijke benchmark van Aberdeen komt uit op bijna $260.000 per uur in de productiesector, en modellen van Verdantis schatten het jaarlijkse verlies bij één enkele kapitaalintensieve vestiging op ongeveer $56 miljoen.
Waarom worden uitvalperiodes duurder terwijl het aantal incidenten afneemt?
Fabrieken draaien op een slankere manier dan in 2019, waardoor elke stilstand meer productie kost en de daarmee gepaard gaande verborgen kosten zijn gestegen. Siemens noteert een stijging van 62 procent in de kosten van stilstand sinds 2019, terwijl het aantal incidenten juist is gedaald. De kosten zijn verschoven naar de afhandeling: het zoeken naar het juiste onderdeel, de gegevens om het te kunnen gebruiken en de tijd dat de productielijn stilstaat.
Wat is de belangrijkste factor die bepaalt hoe lang een activum buiten gebruik blijft?
Gebrek aan beschikbare onderdelen. Zodra er een storing optreedt, ligt het apparaat stil totdat alle onderdelen zijn gevonden, niet alleen totdat de reparatie is voltooid. Versnipperde en dubbele onderdelen- en apparaatgegevens sturen technici op een ware speurtocht; daarom zorgt het koppelen van gegevens op een betrouwbaardere manier voor kortere uitvalperiodes dan het inzetten van extra personeel.
Hoeveel uitvaltijd kan er realistisch gezien worden ingehaald?
Volgens de modellen van Verdantis bedraagt de totale verwachte besparing **$22 miljoen tot $34 miljoen per vestiging per jaar** over alle maatregelen heen, waarbij ongeveer $17 miljoen alleen al aan preventief onderhoud kan worden toegeschreven. De besparingen beginnen met het koppelen van de gegevens over onderdelen, bedrijfsmiddelen en werkorders waarover het bedrijf al beschikt, en niet door eerst nieuwe sensoren aan te schaffen.
Waar helpt AI eigenlijk bij MRO?
Het gaat hier om een actieve AI-agent in plaats van een chatbot. AI-agenten beoordelen de kriticiteit van onderdelen en middelen, voorspellen de vraag naar reserveonderdelen, stellen dynamische herbestelpunten vast en markeren werkorders waarbij het risico bestaat dat er een onderdeel ontbreekt, nog voordat deze worden vrijgegeven, waarbij elke wijziging door een mens wordt goedgekeurd. Hierdoor kan een planner zich richten op de weinige items die een reëel risico vormen, in plaats van duizenden te moeten doorlichten.
Is preventief onderhoud op zichzelf voldoende?
Dit is de belangrijkste maatregel, die ongeveer 30 procent van de vermijdbare stilstandtijd aanpakt, omdat zo’n 83 procent van de storingen willekeurig is en niet leeftijdsgebonden. Maar voorspellende modellen zijn slechts zo goed als de gegevens waarop ze zijn gebaseerd; daarom moet het koppelen en opschonen van de gegevens over onderdelen en bedrijfsmiddelen voorop staan.
