Ja, MTBF (Mean Time Between Failures) is een KPI, maar alleen wanneer deze in de juiste context wordt gebruikt. Het meet hoe betrouwbaar apparatuur functioneert tussen ongeplande storingen in, waardoor het een zinvolle maatstaf is voor onderhoudsteams die complexe, hoogwaardige bedrijfsmiddelen beheren. MTBF werkt echter het beste als één gegevenspunt binnen een breder betrouwbaarheidskader, en niet als een op zichzelf staande prestatie-indicator. In de onderstaande paragrafen wordt uitgelegd hoe MTBF werkt, waar het toegevoegde waarde biedt en waar het tekortschiet in industriële productieomgevingen.
Hoe wordt de betrouwbaarheid van apparatuur eigenlijk gemeten aan de hand van de MTBF?
De MTBF meet de betrouwbaarheid van apparatuur door de gemiddelde bedrijfstijd tussen twee opeenvolgende ongeplande storingen te berekenen. De formule is eenvoudig: de totale bedrijfstijd wordt gedeeld door het aantal storingen in een bepaalde periode. Een hogere MTBF duidt op een betrouwbaarder apparaat, dat langer meegaat voordat het onverwacht uitvalt.
In de praktijk biedt de MTBF onderhoudsteams een statistisch uitgangspunt. Als een compressor in een productielijn in het verleden een MTBF van 2.000 uur heeft laten zien, weet het onderhoudsteam dat het preventieve onderhoudsmaatregelen (PM) moet plannen voordat die drempel wordt bereikt. Door de MTBF van vergelijkbare bedrijfsmiddelen in de loop van de tijd bij te houden, komen patronen aan het licht: welke apparatuur verslijt sneller, in welke installatieomgevingen wordt de slijtage versneld en waar moeten de PM-schema’s worden aangescherpt.
Het is belangrijk om op te merken dat de MTBF specifiek van toepassing is op repareerbare systemen. Deze maatstaf geeft geen indicatie van de kans op uitval op een willekeurig moment; dat hangt af van de verdeling van de uitvalfrequentie, die varieert naargelang de levenscyclusfase van het systeem. De MTBF is het meest nauwkeurig wanneer deze wordt berekend op basis van grote datasets en onder consistente bedrijfsomstandigheden.
Wat is het verschil tussen MTBF en MTTR?
MTBF en MTTR meten tegenovergestelde aspecten van dezelfde betrouwbaarheidsvergelijking. MTBF (Mean Time Between Failures) geeft aan hoe lang apparatuur meegaat voordat deze defect raakt. MTTR (Mean Time To Repair) geeft aan hoe lang het duurt om apparatuur na een storing weer volledig operationeel te maken. Samen bepalen ze de algehele beschikbaarheid van een bedrijfsmiddel.
Dit praktische onderscheid is van enorm belang voor field service -teams:
- MTBF is een preventieve indicator; deze vormt de basis voor de planning van preventief onderhoud en helpt bij het voorspellen wanneer storingen zich waarschijnlijk zullen voordoen.
- MTTR is een responsindicator; deze geeft weer hoe efficiënt technici de oorzaak van een storing vaststellen, onderdelen verkrijgen en apparatuur weer operationeel maken na een storing.
- De beschikbaarheid van activa is een combinatie van beide: Beschikbaarheid = MTBF / (MTBF + MTTR). Een hoge MTBF zegt weinig als de MTTR ook hoog is.
Voor operationele directeuren en fabrieksmanagers betekent het verbeteren van de MTBF zonder aandacht te besteden aan de MTTR dat er aanzienlijke productietijd onbenut blijft. Een machine die zelden defect raakt, maar waarvan de reparatie telkens 12 uur in beslag neemt, kan qua productieverlies nog steeds meer kosten dan een machine die vaker defect raakt, maar binnen een uur weer operationeel is. Door beide indicatoren parallel bij te houden, ontstaat een volledig beeld van waar onderhoudsmiddelen moeten worden ingezet.
Moet MTBF als op zichzelf staande KPI worden gebruikt?
Nee, MTBF mag niet als op zichzelf staande KPI worden gebruikt. Op zichzelf ontbreekt de context die nodig is om zinvolle beslissingen te nemen. Een hoge MTBF kan duiden op een uitstekende betrouwbaarheid van de apparatuur, maar het kan ook simpelweg betekenen dat storingen niet volledig worden gerapporteerd. Zonder de MTBF te koppelen aan indicatoren zoals MTTR, het percentage succesvolle reparaties bij de eerste poging en de totale apparatuureffectiviteit (OEE), kan het cijfer eerder misleidend zijn dan informatief.
Er zijn verschillende redenen waarom het uitsluitend vertrouwen op de MTBF tot blinde vlekken leidt:
- Het houdt geen rekening met de ernst. MTBF behandelt alle storingen op dezelfde manier. Zowel een kleine sensorstoring als een catastrofale compressorstoring tellen beide als één storingsgebeurtenis, ook al is de impact op de bedrijfsvoering enorm verschillend.
- Het beloont het te laag rapporteren. Als technici werkorders afsluiten zonder de onderliggende oorzaken vast te leggen, of als bijna-ongelukken niet worden geregistreerd, lijkt de MTBF kunstmatig hoog.
- Het is een achterwaarts gerichte maatstaf. De MTBF wordt berekend op basis van historische gegevens. Het geeft geen voorspelling over wanneer de volgende storing zich zal voordoen, met name bij verouderde activa die de slijtagefase van hun levenscyclus ingaan.
- Het houdt geen rekening met geleidelijke verslechtering. Apparatuur kan wekenlang onder de optimale capaciteit presteren voordat er een registreerbare storing optreedt. De MTBF geeft deze prestatieachteruitgang helemaal niet weer.
In combinatie met MTTR, het percentage succesvolle reparaties bij de eerste poging en de nalevingsgraad van preventief onderhoud wordt MTBF pas echt nuttig. Als op zichzelf staande indicator op een KPI-dashboard wekt het een vals gevoel van inzicht in de betrouwbaarheid.
Hoe maken teams van de ‘ field service ’ gebruik van de MTBF bij het opstellen van onderhoudsplannen?
Field service Teams gebruiken de MTBF om preventieve onderhoudsintervallen vast te stellen, prioriteiten te stellen bij inspecties van bedrijfsmiddelen en de inzet van technici nauwkeuriger te plannen. Wanneer een team weet dat een bepaalde categorie bedrijfsmiddelen in het verleden om de 1.500 bedrijfsuren defect raakt, kan het preventief onderhoud inplannen bij 1.200 uur, waarbij een veiligheidsmarge wordt ingebouwd voordat de statistische defectperiode aanbreekt.
In productieomgevingen worden MTBF-gegevens rechtstreeks meegenomen bij het genereren van werkorders. In plaats van preventief onderhoud volgens een vaste kalenderfrequentie in te plannen (elke 90 dagen, ongeacht het gebruik), kunnen teams overschakelen op een op de toestand of het gebruik gebaseerde planning die het werkelijke gedrag van de bedrijfsmiddelen weerspiegelt. Dit vermindert zowel overmatig onderhoud (onnodige stilstand voor inspecties) als onvoldoende onderhoud (storingen die zich voordoen tussen geplande bezoeken).
MTBF helpt managers v field service en bovendien om slimmere beslissingen te nemen over de inzet van technici. Apparatuur met een dalende MTBF-trend duidt op een toenemend storingsrisico; voor die apparatuur zijn frequentere bezoeken of de inzet van een beter opgeleide technicus nodig. Het feit dat deze gegevens direct op de werkplek toegankelijk zijn, in plaats van opgesloten in een ERP-systeem op het hoofdkantoor, is wat reactieve teams onderscheidt van proactieve teams. Onze mogelijkheden op het gebied van productie field service zijn precies op dit soort inzicht op apparatuurniveau gebaseerd.
Wat zijn de grenzen van de MTBF voor complexe industriële apparatuur?
MTBF kent aanzienlijke beperkingen bij toepassing op complexe industriële apparatuur. Deze maatstaf gaat uit van een constant storingspercentage, wat betekent dat deze het best werkt voor activa die zich in de stabiele, middelste fase van hun levenscyclus bevinden. Voor machines met veel onderling afhankelijke onderdelen, verouderde infrastructuur of variabele bedrijfsomstandigheden wordt MTBF een onbetrouwbare voorspeller van het daadwerkelijke storingsgedrag.
Er zijn verschillende factoren die de nauwkeurigheid van de MTBF in complexe industriële omgevingen verminderen:
- Systemen met meerdere componenten: Een koelmachine of industriële koelinstallatie bestaat uit tientallen subsystemen. De MTBF die op het niveau van de installatie wordt berekend, verhult welke component daadwerkelijk de oorzaak is van storingen.
- Variabele belastingsomstandigheden: Proceskoelapparatuur die in de zomer op piekbelasting draait en in de winter op deelbelasting, ondergaat zeer uiteenlopende belastingspatronen. Eén enkel MTBF-cijfer, berekend als gemiddelde over beide omstandigheden, is statistisch gezien misleidend.
- Kindersterfte en slijtagefasen: Bij de MTBF wordt uitgegaan van een constant uitvalpercentage, maar de meeste apparatuur valt vaker uit in het begin van de levensduur (als gevolg van installatieproblemen) en opnieuw aan het einde van de levensduur (als gevolg van slijtage). Door deze fasen tot één getal te middelen, wordt de werkelijke risicocurve verdoezeld.
- Afhankelijkheid van de gegevenskwaliteit: de MTBF is slechts zo betrouwbaar als de storingsgegevens waarop deze is gebaseerd. Onvolledige werkordergegevens, inconsistente storingscodes en ontbrekende offline gegevens tasten allemaal de betrouwbaarheid van deze maatstaf aan.
Voor industriële activiteiten met veel activa is de MTBF een nuttig uitgangspunt, maar geen einddoel. Teams die dit aanvullen met het bijhouden van storingen op componentniveau, realtime toegang tot de geschiedenis van activa en gestructureerde checklists voor preventief onderhoud, krijgen veel meer bruikbare informatie dan de MTBF op zichzelf kan bieden.
Hoe Gomocha je helpt om meer waarde uit de MTBF te halen
De MTBF is slechts zo bruikbaar als de gegevens waarop hij is gebaseerd, en die gegevens bevinden zich op locatie. Onvolledige werkorders, gemiste foutcodes en niet-gekoppelde systemen ondermijnen allemaal de nauwkeurigheid van deze maatstaf nog voordat deze het KPI-dashboard bereikt. Dat is de kloof die wij dichten.
Ons ‘field service ’-platform biedt onderhoudsteams in de productiesector de tools om op het juiste moment de juiste gegevens vast te leggen, zodat de MTBF en aanverwante betrouwbaarheidscijfers daadwerkelijk een weerspiegeling vormen van wat er op de werkvloer gebeurt:
- Mobiele app die offline kan werken: Technici kunnen op de werkvloer gegevens over werkorders, foutcodes en de geschiedenis van bedrijfsmiddelen vastleggen, zelfs zonder internetverbinding. Er zijn geen hiaten meer vanuit machinekamers of afgelegen productieruimtes.
- No-code workflowontwerper: Ops-teams kunnen per type apparaat PM-checklists en workflows voor storingsmeldingen configureren zonder op IT te hoeven wachten. De juiste gegevensvelden worden telkens weer voor de juiste apparatuur weergegeven.
- Gegarandeerde ERP-integratie: Dankzij native integraties met AFAS en Microsoft Dynamics (SAP en JDE via connectoren) worden activagegevens rechtstreeks uitgewisseld tussen de veldsystemen en uw backoffice-systemen, zonder handmatige herinvoer en zonder gegevensverlies.
- Werkordergeschiedenis per bedrijfsmiddel: elk bezoek van een technicus, elke foutcode en elke reparatiehandeling wordt bij het betreffende bedrijfsmiddel geregistreerd, waardoor u beschikt over de volledige storingsgeschiedenis waarop MTBF-berekeningen zijn gebaseerd.
Onderhoudsteams in de productiesector die ons platform gebruiken, hebben ongeplande stilstand met wel 41% teruggedrongen en het percentage problemen dat in één keer wordt opgelost met wel 19% verbeterd. Deze resultaten worden nog versterkt wanneer de MTBF-gegevens nauwkeurig en toegankelijk zijn. Wilt u weten op welke punten uw huidige onderhoudswerkzaamheden aan efficiëntie inboeten? Vraag uw efficiëntiebeoordeling aan en wij brengen de specifieke hiaten in kaart tussen de zichtbaarheid van uw huidige KPI’s en wat er daadwerkelijk mogelijk is.
Veelgestelde vragen
Hoe kan ik beginnen met het berekenen van de MTBF als mijn team de storingsgegevens niet consequent heeft bijgehouden?
Begin met het doorlichten van uw bestaande werkordergeschiedenis; zelfs onvolledige gegevens kunnen een bruikbare uitgangsbasis vormen. Richt u eerst op uw meest waardevolle of meest storingsgevoelige bedrijfsmiddelen en stel voor de toekomst een gestandaardiseerd storingscodesysteem op, zodat elke storing consistent wordt geregistreerd. Bij de meeste CMMS- of ‘ field service ’-platforms kunt u eerdere werkorders achteraf labelen en categoriseren, wat het opbouwen van uw gegevensbasis kan versnellen. Het belangrijkste is om nu te beginnen in plaats van te wachten op een perfecte dataset — de nauwkeurigheid van de MTBF neemt in de loop van de tijd toe naarmate er meer storingen worden geregistreerd.
Wat is een ‘goede’ MTBF-waarde, en hoe weet ik of die van ons te laag is?
Er bestaat geen universele maatstaf voor een ‘goede’ MTBF, omdat aanvaardbare waarden sterk variëren naargelang het type bedrijfsmiddel, de sector en de bedrijfsomgeving. De meest zinvolle vergelijking is een interne: volg de MTBF-trends voor hetzelfde bedrijfsmiddel in de loop van de tijd en vergelijk vergelijkbare bedrijfsmiddelen binnen uw eigen machinepark met elkaar. Een dalende MTBF-trend bij een specifieke machine is een sterker signaal dan welk absoluut getal dan ook, aangezien dit wijst op versnelde slijtage die nader onderzoek rechtvaardigt. Als u toegang hebt tot specificaties van de OEM of betrouwbaarheidsdatabases uit de sector, kunnen deze een extern referentiepunt bieden om te valideren of de door u waargenomen MTBF binnen het verwachte bereik ligt.
Kan MTBF effectief worden toegepast op activa die niet continu, maar met tussenpozen in bedrijf zijn?
Ja, maar bij de berekeningsmethode moet rekening worden gehouden met de daadwerkelijke bedrijfsuren in plaats van met kalendertijd. Voor apparatuur die met tussenpozen wordt gebruikt, moet de MTBF worden gebaseerd op de geregistreerde bedrijfsuren tussen storingen in, en niet op het aantal verstreken dagen of weken sinds de laatste storing. Dit vereist een nauwkeurige registratie van de bedrijfstijd, hetzij via geautomatiseerde sensoren, IoT-integraties, hetzij door een strikte registratie door technici bij elk bezoek. Het gebruik van een op de kalender gebaseerde MTBF voor apparatuur die met tussenpozen wordt gebruikt, levert bijna altijd een te hoog en misleidend cijfer op, waardoor de werkelijke storingsfrequentie wordt onderschat.
Wat is het verschil tussen MTBF en de levensduur van apparatuur, en waarom is dit van belang bij beslissingen over vervanging?
MTBF meet de gemiddelde tijd tussen ongeplande storingen tijdens de bedrijfsduur van een bedrijfsmiddel, terwijl de levensduur verwijst naar de totale verwachte gebruiksduur van de apparatuur voordat deze buiten gebruik moet worden gesteld of vervangen. Een hoge MTBF betekent niet dat een bedrijfsmiddel nog ver van het einde van zijn levensduur verwijderd is — een verouderde machine kan nog steeds een behoorlijke MTBF vertonen totdat deze de slijtagefase bereikt, waarna de storingsfrequentie snel toeneemt. Bij de planning van kapitaalvervanging moeten MTBF-trends worden geëvalueerd in combinatie met de totale leeftijd van de apparatuur, de cumulatieve reparatiekosten en de tijdschema’s voor het einde van de ondersteuning door de OEM, om een weloverwogen beslissing te kunnen nemen over vervanging versus reparatie.
Hoe leidt een slechte kwaliteit van werkordergegevens er eigenlijk toe dat de MTBF wordt vertekend, en wat zijn de waarschuwingssignalen?
Een slechte gegevenskwaliteit leidt tot een te hoge MTBF doordat storingen niet volledig worden geregistreerd — dit gebeurt wanneer technici werkorders afsluiten zonder foutcodes vast te leggen, wanneer bijna-ongelukken niet worden geregistreerd, of wanneer meerdere soorten storingen onder één algemene categorie worden geschaard. Waarschuwingssignalen zijn onder meer een ongewoon hoge MTBF voor bedrijfsmiddelen waarvan u weet dat ze problematisch zijn, een plotselinge stijging van de MTBF na een team- of systeemwijziging, of een groot aantal werkorders met ontbrekende of standaardfoutcodes. Het controleren van een steekproef van afgesloten werkorders op volledigheid is een snelle manier om de gegevensintegriteit te beoordelen voordat u uw MTBF-cijfers als basis gebruikt voor planningsbeslissingen.
Welke andere KPI’s moeten er naast de MTBF altijd worden bijgehouden om een volledig beeld van de betrouwbaarheid te krijgen?
De MTBF moet op zijn minst worden gecombineerd met de MTTR (Mean Time To Repair), het percentage succesvolle reparaties bij de eerste poging en het nalevingspercentage van preventief onderhoud (PM), om een evenwichtig beeld te krijgen van zowel de betrouwbaarheid van de bedrijfsmiddelen als de prestaties van het onderhoudsteam. De Overall Equipment Effectiveness (OEE) voegt een perspectief op productieniveau toe en brengt prestatieverlies en kwaliteitsverlies in kaart die met MTBF alleen nooit aan het licht zouden komen. Voor teams die grote, complexe machineparken beheren, helpt het toevoegen van een 'kosten per reparatie'-maatstaf om betrouwbaarheidsgegevens te vertalen naar financiële gevolgen, waardoor het veel eenvoudiger wordt om onderhoudsinvesteringen te rechtvaardigen bij het operationele management.
Is MTBF nog steeds relevant nu voorspellend onderhoud en IoT-sensorgegevens op grotere schaal beschikbaar zijn?
MTBF blijft relevant, maar de rol ervan verschuift van een primair voorspellingsinstrument naar een maatstaf voor validatie en benchmarking binnen een bredere strategie voor voorspellend onderhoud. Real-time sensorgegevens en conditiebewaking kunnen slijtage in een vroeg stadium detecteren die door de historische gemiddelden van MTBF altijd over het hoofd wordt gezien, waardoor ze krachtiger zijn voor het voorspellen van storingen bij kritieke bedrijfsmiddelen. MTBF biedt echter nog steeds de statistische basis die nodig is om te beoordelen of voorspellende ingrepen de levensduur van activa daadwerkelijk verlengen, en het blijft de meest praktische betrouwbaarheidsmaatstaf voor teams die nog geen volledige IoT-dekking hebben voor hun gehele machinepark. Beschouw MTBF als het fundament en voorspellende gegevens als de laag die het geheel nauwkeuriger maakt.