Total Productive Maintenance (TPM): Wat het is en hoe AI-monitoring de benodigde data levert

Total Productive Maintenance streeft naar nul storingen en 85% OEE. De acht pijlers, de Six Big Losses en hoe AI de data levert die TPM nodig heeft.

Industriële fabrikanten verliezen jaarlijks tot wel 50 miljard dollar door ongeplande stilstand (infosysbpm.com). De gemiddelde fabriek draait op 60% Overall Equipment Effectiveness, vergeleken met een wereldwijde benchmark van 85% (leanproduction.com). Bij een productiefaciliteit van 10 miljoen dollar betekent dat OEE-gat van 25 punten 2,5 miljoen dollar aan onbenutte capaciteit die al op de werkvloer aanwezig is. 

Total Productive Maintenance is ontwikkeld om dit gat te dichten door elke medewerker te betrekken bij het onderhoud van apparatuur en de Six Big Losses te elimineren. Maar TPM werd ontworpen in een tijd waarin OEE maandelijks handmatig werd berekend op basis van gegevens van klemborden. 

Deze gids legt de acht TPM-pijlers uit die productieteams volgen, het Six Big Losses TPM-raamwerk en hoe AI-procesmonitoring de real-time datalaag levert die Total Productive Maintenance altijd al nodig had.

Kort samengevat:  Total Productive Maintenance vormt het kader voor nul storingen, nul defecten en nul ongevallen. Maar TPM heeft altijd een dataprobleem gehad: OEE is ontworpen om continu te worden bijgehouden, terwijl de meeste fabrieken het berekenen op basis van handmatige logboeken en rapporten aan het einde van de dienst. Industriële fabrikanten verliezen jaarlijks tot 50 miljard dollar door ongeplande stilstand die met betere real-time data voorkomen had kunnen worden.

Wat is Total Productive Maintenance en hoe verschilt het van standaard preventief onderhoud?

Total Productive Maintenance is een bedrijfsbrede methodiek voor apparatuurbeheer waarbij het routinematige onderhoud wordt overgedragen van onderhoudsspecialisten naar de operators die de machines bedienen. Het doel is nul storingen, nul defecten en nul ongevallen voor alle productieactiva.

De oorsprong en kernfilosofie van TPM

Total Productive Maintenance werd in de jaren 60 in Japan ontwikkeld door Seiichi Nakajima en voor het eerst toegepast in het productienetwerk van Toyota. TPM kwam voort uit het inzicht dat reactief onderhoud – machines repareren nadat ze kapot zijn gegaan – te traag en te duur was voor continue productiesystemen.

De kernverschuiving was van "ik bedien, jij onderhoudt" naar "iedereen is verantwoordelijk voor de conditie van de apparatuur". De gemiddelde fabrikant verliest jaarlijks 800 uur aan productietijd, ongeveer 15 uur per week, door stilstand van apparatuur (infosysbpm.com). Total Productive Maintenance is gebouwd op een 5S-fundament en gestructureerd rond acht pijlers die samen elke categorie productieverlies aanpakken.

Hoe TPM verschilt van preventief onderhoud

Het onderscheid zit in drie aspecten: reactief onderhoud (repareren na uitval), preventief onderhoud (gepland op basis van kalender of gebruik) en Total Productive Maintenance (conditiegebaseerd, met betrokkenheid van de operator, gericht op nul verliezen). Het belangrijkste verschil is de betrokkenheid van de operator: bij de implementatie van TPM in de productie zijn operators verantwoordelijk voor het dagelijkse onderhoud, waardoor onderhoudstechnici kunnen verschuiven van reactieve reparaties naar gepland en voorspellend werk. 

70% van de ongeplande stilstand is te wijten aan gebrekkige uitvoering van onderhoud, niet aan de leeftijd van de apparatuur (f7i.ai, februari 2026). De betrouwbaarheid van productieapparatuur verbetert wanneer operators afwijkingen tijdens de dagelijkse inspectie opmerken in plaats van pas na een defect.

Wat OEE meet en waarom het de belangrijkste KPI van TPM is

OEE is het product van drie componenten: Beschikbaarheid (geplande productietijd minus stilstand, gedeeld door de geplande tijd), Prestatie (werkelijke output gedeeld door de ideale snelheid) en Kwaliteit (goede eenheden gedeeld door het totaal aantal eenheden). Een OEE van 85% of hoger wordt wereldwijd als uitmuntend beschouwd. 

Het wereldwijde gemiddelde in de productie ligt op ongeveer 60%, en een OEE van 40% is niet ongebruikelijk voor fabrieken zonder lean-programma's (leanproduction.com). Het kerninzicht voor OEE-verbetering in de productie: een OEE-kloof van 25 punten in een faciliteit van $10 miljoen vertegenwoordigt $2,5 miljoen aan niet-gerealiseerde output in de reeds geïnstalleerde capaciteit. Er is geen nieuwe apparatuur nodig om dit terug te winnen.

OEE is een product, geen gemiddelde. Een faciliteit met 90% beschikbaarheid, 90% prestatie en 98% kwaliteit behaalt een OEE van 79,4%, niet 90%. Daarom telt elk van de 'Big Losses' onafhankelijk mee. Overall Equipment Effectiveness (OEE) wordt berekend als:

OEE = Beschikbaarheid × Prestatie × Kwaliteit

The Six Big Losses and Their OEE Impact
OEE Component Target Loss Description
Availability 85–90% Equipment Breakdowns Unplanned stops resulting from machine failure.
Availability 85–90% Setup and Adjustment Planned downtime for changeovers and tooling.
Performance 95–98% Idling and Minor Stops Short stops of less than 2 minutes that operators often never log.
Performance 95–98% Reduced Speed Machine runs below its designed rate.
Quality 98–99.9% Defects and Rework Process variation that causes scrap and rework.
Quality 98–99.9% Startup and Yield Loss Scrap generated at run start or during changeover.

Wat zijn de acht pijlers van Total Productive Maintenance en wat vereist elke pijler?

De acht pijlers van Total Productive Maintenance zijn: Autonoom onderhoud, Gepland onderhoud, Kwaliteitsonderhoud, Gerichte verbetering, Beheer van nieuwe apparatuur, Training en educatie, Veiligheid en milieu, en Administratief TPM. Elke pijler richt zich op een specifieke verliescategorie en vereist specifieke data om te functioneren en gemeten te kunnen worden.

Pijler 1: Autonoom onderhoud en apparatuurverzorging door operators

Bij autonoom onderhoud nemen operators de verantwoordelijkheid voor de dagelijkse verzorging van hun eigen apparatuur: dagelijkse reiniging, smering, inspectie en kleine afstellingen. Het doel is om afwijkingen vroegtijdig op te sporen, voordat ze leiden tot defecten. Dit vereist operators die getraind zijn in de basisprincipes van de apparatuur, gestandaardiseerde dagelijkse inspectieroutines met checklists, en een mechanisme om te verifiëren dat inspecties in elke ploeg zijn uitgevoerd. NAGARE ondersteunt autonoom onderhoud direct via digitale werkinstructies en Poka-Yoke: SOP's worden stap voor stap gedigitaliseerd, waarbij elke stap wordt bevestigd voordat men verdergaat. Hierdoor worden overgeslagen inspectiestappen in realtime gemarkeerd, zodat supervisors de nalevingsstatus per ploeg kennen in plaats van pas na een kwartaalaudit.

Pijlers 2 en 3: Gepland onderhoud en kwaliteitsonderhoud

Gepland onderhoud verschuift van kalendergebaseerde planning naar conditiegebaseerde interventie. Onderhoudstechnici zijn verantwoordelijk voor geplande preventieve taken en conditiebewaking, waarbij ze reageren op signalen over de gezondheid van de apparatuur in plaats van op de datum in de onderhoudskalender. Kwaliteitsonderhoud elimineert de procescondities die defecten veroorzaken, wat nauwkeurige gegevens over het defectpercentage op het punt van productie vereist. KOMPASS zorgt tegelijkertijd voor een hogere machinebeschikbaarheid en kwaliteitsonderhoud: 100% inline defectdetectie levert continue gegevens over defecttrends aan onderhoudstechnici die moeten weten welke apparatuuromstandigheden kwaliteitsverlies veroorzaken. 

Pijlers 4 en 6: Gerichte Verbetering en Training en Educatie

Gerichte Verbetering (Kobetsu Kaizen) zet cross-functionele teams in die zich richten op specifieke verliezen bij specifieke apparatuur via gestructureerde probleemoplossende sessies, aangestuurd door OEE-data op machineniveau. Pijler 4 vereist gedetailleerde OEE-data per machine, geen gemiddelden op fabrieks- of locatieniveau; daarom is real-time monitoring per asset essentieel. Training en Educatie zorgt voor breed inzetbare operators en onderhoudsmedewerkers. De training en vaardigheidsbeoordeling van NAGARE pakt dit direct aan: AI-gestuurde werkstations geven onmiddellijke feedback, houden de voortgang van de vaardigheden van operators bij en benchmarken prestaties aan de hand van standaardwerkmethoden.

Pijler 5: Vroegtijdig Apparatuurbeheer

Vroegtijdig Apparatuurbeheer (EEM) past de lessen van Total Productive Maintenance toe op de inkoop en het ontwerp van nieuwe apparatuur, waardoor onderhoudbaarheid, betrouwbaarheid en bedienbaarheid al in assets worden ingebouwd voordat ze worden geïnstalleerd. Dit vereist betrouwbaarheidsdata van bestaande apparatuur (MTBF, MTTR, faalpatronen) en input van operators over waar huidige machines problemen veroorzaken. De meeste fabrieken bereiken Pijler 5 nooit omdat ze nog steeds bezig zijn met het reactief oplossen van defecten aan bestaande assets. Het dichten van de kloof in reactief onderhoud via Pijlers 1 tot 3 is de voorwaarde voor predictive maintenance ai op het niveau van apparatuurontwerp.

Hoe worden de Six Big Losses geclassificeerd en wat kosten ze in OEE-termen?

De Six Big Losses zijn de zes categorieën die de OEE onderdrukken: machinestoringen, instellen en afstellen, stationair draaien en kleine stops, verminderde snelheid, defecten en nabewerking, en opstartverliezen. Elke categorie is gekoppeld aan een OEE-component en vertegenwoordigt een specifiek, meetbaar verlies aan productieoutput.

1. Beschikbaarheidsverliezen: Storingen en Insteltijd

Verlies 1 (Machinestoringen) is elke ongeplande stop door machinefalen; dit is het meest zichtbare en verstorende verlies. Verlies 2 (Instellen en afstellen) is geplande downtime voor ombouwen, gereedschapswissels en grote aanpassingen. Hoewel dit gepland is, streeft TPM ernaar dit te verminderen via Single-Minute Exchange of Die (SMED) en door operators geleide quick-changeover-programma's. 

Beide verliezen verlagen de OEE-beschikbaarheid. Fabrieken die tpm implementation manufacturing correct toepassen, rapporteren 20 tot 40% winst in machinebeschikbaarheid en 71% minder ongeplande downtime (oxmaint.com, april 2026).

2. Prestatieverliezen: Micro-stops en Snelheidsverlies

Verlies 3 (Stationair draaien en kleine stops) omvat onderbrekingen van minder dan twee minuten die operators nooit registreren, maar die gedurende een dienst flink oplopen. Verlies 4 (Verminderde snelheid): de machine draait, maar langzamer dan het ontwerp toelaat, vaak omdat operators de snelheid verlagen om defecten te voorkomen of omdat apparatuur slijt zonder dat dit wordt opgemerkt. Beide verliezen verlagen de OEE-prestaties. 

Micro-stops van minder dan twee minuten vertegenwoordigen 15 tot 25% van het onopgemerkte productiviteitsverlies in de discrete productie en zijn volledig onzichtbaar bij handmatige registratie. NAGARE detecteert beide verliestypen via bestaande camera's met een latentie van minder dan 10ms en genereert een heatmap van micro-stops per station en per dienst, zonder dat er extra hardware nodig is. 

3. Kwaliteitsverliezen: Defecten en Opstartafval

Verlies 5 (Defecten en herbewerking) bestaat uit uitval en herbewerking door procesvariatie; dit verlaagt de OEE-kwaliteit. Verlies 6 (Opstart- en opbrengstverlies) is uitval die aan het begin van productieruns ontstaat tijdens het opwarmen of omstellen. Een faciliteit met 90% beschikbaarheid, 90% prestatie en 98% kwaliteit behaalt een OEE van 79,4% en niet 90%, omdat OEE-factoren worden vermenigvuldigd in plaats van gemiddeld. 

KOMPASS voedt de kwaliteitscomponent van OEE in real-time door elke eenheid inline te inspecteren. Dit levert een continu signaal over het defectpercentage op, waardoor de kwaliteits-OEE tijdens de dienst wordt bijgewerkt in plaats van pas aan het einde, wanneer de batch al is verwerkt.

Hoe ziet een succesvolle TPM-implementatie in de productie er in de praktijk uit?

Een succesvolle TPM-implementatie in de productie volgt een gefaseerde aanpak: leg 5S als fundament, bepaal de OEE-nulmetingen per asset, test de acht pijlers op één lijn, meet de verbetering en schaal op. De meeste succesvolle implementaties rapporteren een stijging van de OEE van 62% naar 86% binnen 14 maanden op de testlijnen.

1. De nulmeting vaststellen vóór elke pilot

Meet de OEE voor alle kritieke assets, documenteer de huidige frequentie van storingen en breng de bestaande onderhoudsactiviteiten in kaart aan de hand van de acht pijlers voordat u met een pilot begint. Uit een onderzoek van Science Direct naar een chemische fabriek bleek de OEE 37% te zijn, ruim onder de wereldwijde benchmark van 85%, met 67,6% reactief onderhoud, slechts 24,3% preventief onderhoud en 14% betrokkenheid van operators (innovapptive.com). 

Die nulmeting bracht aan het licht welke pijlers dringend aandacht nodig hadden en leverde de gegevens over de beginsituatie die nodig zijn om de impact van onderhoudsproductiviteit op de productie in de loop van de tijd aan te tonen.

2. De structuur van de pilot van 90 dagen

Selecteer één lijn of één kritiek apparaat. Implementeer eerst autonoom onderhoud, waarbij operators verantwoordelijk zijn voor het dagelijks onderhoud. Zet de OEE-gegevensverzameling op met real-time inzicht. Voer 'Focused Improvement'-sessies uit op de verliezen met de grootste impact. Meet de OEE na 30, 60 en 90 dagen. Kritieke afhankelijkheid: als OEE-gegevens tijdens de pilot nog handmatig aan het einde van de dienst worden verzameld, worden de resultaten na 90 dagen vertroebeld door vertraging in de gegevensverwerking. 

Real-time inzicht is geen optie, maar een vereiste voor een valide OEE-verbeteringspilot in de productie. Fabrieken die 'Total Productive Maintenance' correct implementeren, rapporteren een verlaging van de onderhoudskosten met 15 tot 30% en een stijging van de beschikbaarheid met 20 tot 40% (oxmaint.com, april 2026).

3. Hoe een volwassen TPM-programma er na 12 maanden uitziet

Een volwassen 'Total Productive Maintenance'-programma laat het volgende zien: de OEE verbetert consistent over alle lijnen, niet alleen bij de pilot; onderhoud verschuift van reactief naar gepland (meer dan 50% gepland versus reactief); operators signaleren routinematig afwijkingen aan apparatuur vóórdat er storingen optreden; en de frequentie van Kaizen-events neemt toe omdat teams over betere gegevens beschikken over waar verliezen ontstaan. 

De gemiddelde fabrikant verliest jaarlijks 800 uur door stilstand van apparatuur (infosysbpm.com). Een volwassen TPM-programma dat zich op dit gat richt, verandert de economie van de faciliteit volledig.

Hoe levert AI-procesmonitoring de real-time gegevens die TPM nodig heeft voor OEE-verbetering?

AI-procesmonitoring levert de real-time OEE-data die TPM vereist door beschikbaarheidssignalen uit bestaande PLC-outputs te halen, prestatiegegevens uit cameragebaseerde cyclustijdanalyses en kwaliteitsdata uit inline-inspecties, zonder dat er nieuwe sensoren nodig zijn. Hierdoor verandert OEE van een maandelijkse handmatige berekening in een continu, per dienst beschikbaar operationeel signaal.

NAGARE als datalaag voor prestaties en autonoom onderhoud

NAGARE dicht tegelijkertijd twee datagaten in totaal productief onderhoud. Voor OEE-prestaties: NAGARE detecteert machinestatus en afwijkingen in cyclustijden via bestaande camera's met een latentie van minder dan 10 ms. Hierdoor worden micro-stops van minder dan twee minuten vastgelegd die bij handmatige registratie volledig worden gemist en die 15 tot 25% van het niet-herkende prestatieverlies vertegenwoordigen. 

Voor autonoom onderhoud: NAGARE verifieert of operators de dagelijkse onderhoudstaken uitvoeren volgens digitale SOP's, waarbij overgeslagen stappen in real-time worden gemarkeerd. Zo weten supervisors per dienst wat de AM-nalevingsstatus is, in plaats van pas bij een kwartaalaudit. Een NAGARE-implementatie op één lijn via bestaande CCTV kan binnen 1 tot 2 weken live zijn, in plaats van de 3 tot 6 maanden die sensor-gebaseerde bedrijfsplatformen doorgaans vereisen.

KOMPASS als datalaag voor kwaliteitsonderhoud

KOMPASS pakt tegelijkertijd de OEE-component voor kwaliteit en de pijler voor kwaliteitsonderhoud aan. KOMPASS inspecteert elke eenheid inline met een snelheid tot 12.000 PPM met een nauwkeurigheid van 99,9% bij het detecteren van defecten [VERIFY: jidoka-tech.ai/products/kompass], waardoor een continu signaal van het defectpercentage wordt gegenereerd dat de OEE-kwaliteitscomponent in real-time bijwerkt in plaats van aan het einde van de dienst. 

Voor Kaizen-teams gericht op verbetering: de data over defecttrends van KOMPASS identificeert welke machinecondities, diensttijden en productvarianten kwaliteitsverlies veroorzaken. Dit is precies de informatie die teams nodig hebben om hun Kaizen-sessies te richten op de verliezen met de grootste impact. Resultaten van procesnaleving door NAGARE ter ondersteuning van totaal productief onderhoud: 30% toename in procesnaleving, 35% reductie in herbewerking.

Conclusie

Totaal productief onderhoud definieert hoe een productieomgeving zonder verliezen eruitziet. Overall Equipment Effectiveness (OEE) definieert hoe ver een fabriek verwijderd is van dat doel. Het gat tussen de gemiddelde OEE van 60% en de wereldklasse van 85% wordt niet gedicht door meer onderhoud in te plannen. Het wordt gedicht door elk verlies in real-time zichtbaar te maken en er binnen de dienst op te handelen, in plaats van pas bij de volgende auditcyclus. 

Ontdek hoe KOMPASS en NAGARE de OEE-datalaag leveren die totaal productief onderhoud vereist op jidoka-tech.ai.

Veelgestelde vragen

1. Wat is totaal productief onderhoud en wat is het verschil met preventief onderhoud?

Totaal productief onderhoud is een bedrijfsbrede methodiek waarbij operators eigenaarschap nemen over het dagelijks onderhoud van apparatuur, waardoor onderhoudsspecialisten zich kunnen concentreren op gepland en voorspellend werk. In tegenstelling tot standaard preventief onderhoud, dat kalendergebaseerd is en alleen door het onderhoudsteam wordt uitgevoerd, betrekt totaal productief onderhoud elke medewerker en wordt OEE gebruikt als de primaire maatstaf om de gezondheid van apparatuur continu te meten.

2. Wat zijn de acht pijlers van totaal productief onderhoud?

De acht pijlers zijn: Autonoom onderhoud, Gepland onderhoud, Kwaliteitsonderhoud, Gerichte verbetering, Vroegtijdig apparatuurbeheer, Training en educatie, Veiligheid en milieu, en Administratief TPM. Elke pijler richt zich op een specifieke verliescategorie en vereist nauwkeurige, tijdige data om gemeten en verbeterd te kunnen worden. Bij autonoom onderhoud voeren operators dagelijkse onderhoudstaken uit, waardoor onderhoudstechnici kunnen verschuiven van reactieve reparaties naar continue verbetering.

3. Wat is OEE en hoe bereken je dit bij Total Productive Maintenance?

OEE is het product van Beschikbaarheid, Prestatie en Kwaliteit. Een OEE-score van 85% of hoger wordt beschouwd als wereldklasse. Het wereldwijde gemiddelde in de productie ligt op ongeveer 60%. (leanproduction.com). Een faciliteit met 90% Beschikbaarheid, 90% Prestatie en 98% Kwaliteit behaalt een OEE van 79,4%, niet 90%, omdat OEE vermenigvuldigt in plaats van middelt. Total Productive Maintenance gebruikt OEE om het gat tussen de huidige en de potentiële output te kwantificeren.

4. Wat zijn de zes grote verliezen in TPM en hoe verhouden deze zich tot OEE?

De zes grote verliezen zijn gekoppeld aan de drie componenten van OEE: Beschikbaarheidsverliezen omvatten defecten en buitensporige instel- en afsteltijden. Prestatieverliezen omvatten kleine stops van minder dan twee minuten en machines die onder de ontwerpsnelheid draaien. Kwaliteitsverliezen omvatten defecten en herstelwerkzaamheden, plus opstartafval. Micro-stops van minder dan twee minuten vormen de meest onderbelichte verliescategorie; ze vertegenwoordigen 15 tot 25% van het niet-herkende productiviteitsverlies in de discrete productie en blijven onzichtbaar bij handmatige registratie.

5. Hoe ondersteunt AI-procesmonitoring Total Productive Maintenance en OEE-verbetering?

AI-procesmonitoring ondersteunt Total Productive Maintenance door de real-time data te leveren die elke pijler vereist, zonder dat er nieuwe sensoren nodig zijn. NAGARE legt OEE-data over Beschikbaarheid en Prestatie vast via bestaande camera's en PLC's, inclusief de frequentie van micro-stops die handmatige logboeken missen, en verifieert de voltooiing van stappen voor Autonoom Onderhoud per ploeg. KOMPASS levert OEE-data over Kwaliteit door middel van 100% inline inspectie. Samen transformeren ze OEE van een maandelijkse berekening naar een live signaal.

June 13, 2026
Door
Sekar Udayamurthy, CEO van Jidoka Tech

NEEM CONTACT OP MET ONZE EXPERTS

Maximaliseer kwaliteit en productiviteit met ons visuele inspectiesysteem voor productie en logistiek.

Neem contact op