{"id":624,"date":"2026-02-03T08:54:34","date_gmt":"2026-02-03T08:54:34","guid":{"rendered":"https:\/\/blenditdev.nl\/blendit2026\/kennisbank\/slim-onderhoud-met-cbm-en-pdm-van-meten-tot-automatische-actie\/"},"modified":"2026-02-16T15:10:14","modified_gmt":"2026-02-16T15:10:14","slug":"slim-onderhoud-met-cbm-en-pdm-van-meten-tot-automatische-actie","status":"publish","type":"kennisbank","link":"https:\/\/blenditdev.nl\/blendit2026\/kennisbank\/slim-onderhoud-met-cbm-en-pdm-van-meten-tot-automatische-actie\/","title":{"rendered":"Slim onderhoud met CBM en PdM"},"content":{"rendered":"\n

Bij Sensor Partners geloven we dat slim onderhoud begint met inzicht. Moderne machines vragen om meer dan reactief handelen \u2014 ze vragen om data, analyse en automatisering. In dit artikel laten we zien hoe u met Condition-Based Maintenance (CBM), Predictive Maintenance (PdM) en onze NeuronSensors-oplossingen onderhoud slimmer kunt organiseren. Van meten tot voorspellen, en van inzicht tot automatische actie: wij helpen u om stilstand te voorkomen en processen te verbeteren. <\/em><\/p>\n\n\n\n

Waarom onderhoud vandaag de dag een uitdaging is<\/strong> <\/h2>\n\n\n\n

Het tijdig en doelgericht onderhouden van machines, installaties en andere assets is complexer dan ooit. Machines worden geavanceerder en gevoeliger, terwijl de kosten voor onderdelen, mankracht en stilstand blijven stijgen. Tegelijkertijd zorgen strengere veiligheidsvoorschriften, duurzaamheidseisen en de druk om productieprocessen continu draaiende te houden voor extra uitdagingen. Onderhoud moet daarom niet alleen goed gepland worden, maar ook slim en datagedreven uitgevoerd worden. <\/p>\n\n\n\n

\n
\n
\"\"<\/figure>\n<\/div>\n\n\n\n
\n
\"\"<\/figure>\n<\/div>\n\n\n\n
<\/div>\n<\/div>\n\n\n\n

Van traditioneel naar slim onderhoud<\/strong> <\/h2>\n\n\n\n

Traditioneel onderhoud is vaak reactief, preventief of periodiek. Dat betekent dat onderhoud plaatsvindt na een storing, op vaste tijdsintervallen, of op basis van algemene richtlijnen \u2014 zonder dat er gekeken wordt naar de werkelijke conditie van de machine. <\/p>\n\n\n\n

Moderne strategie\u00ebn zoals Condition-Based Maintenance (CBM)<\/strong> en Predictive Maintenance (PdM)<\/strong> bieden hier een beter alternatief. Ze helpen om ongeplande stilstand en onnodige onderhoudskosten te verminderen door beter inzicht in de werkelijke staat van installaties. <\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Slimme sensoren als fundament<\/strong> <\/h2>\n\n\n\n

Zowel CBM als PdM maken gebruik van wireless IoT-sensoren<\/strong> die parameters meten zoals: <\/p>\n\n\n\n

    \n
  • Vibraties <\/li>\n<\/ul>\n\n\n\n
      \n
    • Stroomverbruik <\/li>\n<\/ul>\n\n\n\n
        \n
      • Druk\/vacu\u00fcm <\/li>\n<\/ul>\n\n\n\n
          \n
        • Temperatuur <\/li>\n<\/ul>\n\n\n\n
            \n
          • Luchtvochtigheid <\/li>\n<\/ul>\n\n\n\n

            Deze sensoren verzamelen near real-time data<\/strong> over de werking en conditie van machines. Bijvoorbeeld: vibratiesensoren kunnen onbalans of slijtage van roterende onderdelen detecteren. <\/p>\n\n\n\n\n\n\n\n\n\n

            Het verschil? CBM reageert op afwijkingen<\/strong>, terwijl PdM voorspelt wanneer ze zullen optreden<\/strong>. <\/p>\n\n\n\n

            \n
            \n
            \"\"<\/figure>\n<\/div>\n\n\n\n
            \n
            \"\"<\/figure>\n<\/div>\n\n\n\n
            <\/div>\n<\/div>\n\n\n\n

            Van data naar inzicht: NeuronSensors-app <\/strong><\/h2>\n\n\n\n

            Het verzamelen van data is slechts het begin. De NeuronSensors-app<\/strong> van El-Watch biedt tools om deze data om te zetten in bruikbare inzichten: <\/p>\n\n\n\n

            Voorbeeld: drempelwaarden instellen<\/strong> <\/p>\n\n\n\n

            Een motor genereert normaal trillingen tussen 2,8g en 4,5g<\/strong> en temperaturen tussen 60\u00b0C en 80\u00b0C<\/strong>. Drempelwaarden kunnen als volgt worden ingesteld: <\/p>\n\n\n\n

            Parameter<\/strong> <\/td>Normaal bereik<\/strong> <\/td>Alarmgrens laag<\/strong> <\/td>Alarmgrens hoog<\/strong> <\/td><\/tr>
            Trillingen (g) <\/td>2,8 \u2013 4,5 <\/td>< 2,4g <\/td>> 4,9g <\/td><\/tr>
            Temperatuur (\u00b0C) <\/td>60 \u2013 80 <\/td>< 55\u00b0C <\/td>> 85\u00b0C <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

            Bij overschrijding van deze grenzen genereert de app een alert en wordt een onderhoudsactie gestart. <\/p>\n\n\n\n

            \n
            \n
            \"\"<\/figure>\n<\/div>\n\n\n\n
            \n
            \"\"<\/figure>\n<\/div>\n\n\n\n
            <\/div>\n<\/div>\n\n\n\n

            Machine learning voor foutdetectie<\/strong> <\/p>\n\n\n\n

            In de praktijk is foutdetectie vaak complex. Gezonde en defecte toestanden kunnen qua data sterk op elkaar lijken. De NeuronSensors-app helpt gebruikers om: <\/p>\n\n\n\n