Studenten leren trillingsspectra interpreteren

Laurens Joosten, student Professionele Bachelor Elektromechanica – Onderhoudstechnologie aan de Thomas More campus Geel, heeft de Prijs Wout Theuws 2025-2026 van BEMAS gewonnen. Met die prijs bekroont de vereniging voor onderhoud en asset management de bachelorproef van Laurens – een testopstelling die studenten helpt begrijpen hoe trillingsmetingen kunnen worden ingezet voor conditiebewaking, predictief onderhoud en foutdiagnose.

De jury van de Prijs Wout Theuws van BEMAS zag in het werk van Laurens Joosten een bijzonder relevante bijdrage aan onderhoudstechnologie omdat het aansluit bij de evolutie naar datagedreven en predictief onderhoud.

“Elke machine vertelt iets over haar toestand. Een motor, pomp, ventilator, tandwielkast of compressor die correct functioneert, heeft een bepaald trillingspatroon. Wanneer slijtage, onbalans, uitlijnfouten of andere mechanische problemen ontstaan, verandert dat patroon. Door trillingen te meten en te analyseren, kunnen onderhoudstechnici afwijkingen vroegtijdig herkennen, vaak lang vóór een machine effectief uitvalt”, zegt BEMAS in de aankondiging van de prijs.

In het bekroonde eindwerk werd een didactische motor-tandwielopstelling gerealiseerd waarop gecontroleerde mechanische fouten kunnen worden geïntroduceerd. Sensoren meten de trillingen op verschillende plaatsen in de opstelling. De meetgegevens worden vervolgens online beschikbaar gemaakt, zodat studenten kunnen leren hoe ze trillingsspectra moeten interpreteren en hoe ze een verband kunnen leggen tussen een fout in de machine en het meetbeeld dat daaruit voortkomt.

Dankzij deze opstelling kunnen toekomstige studenten letterlijk zien hoe een machine reageert wanneer er een fout optreedt. Ze leren het verschil herkennen tussen een normale toestand en een afwijking, en begrijpen beter hoe moderne conditiebewaking in industriële omgevingen wordt toegepast.

In een Industrie 4.0-omgeving worden machines verbonden met sensoren, cloudplatformen en intelligente analysesoftware. Data uit machines worden continu of periodiek verzameld en gebruikt om trends, afwijkingen en risico’s te herkennen. Trillingsmetingen spelen daarin een belangrijke rol, zeker bij roterende machines zoals motoren, pompen, ventilatoren, compressoren en tandwielkasten.

Ook de link met artificiële intelligentie wordt steeds belangrijker. AI-systemen kunnen grote hoeveelheden meetdata analyseren, patronen herkennen en afwijkingen sneller detecteren dan met klassieke manuele controles mogelijk is. Toch blijft technische kennis onmisbaar. Onderhoudsprofessionals moeten begrijpen wat de data betekenen, welke foutmechanismen erachter kunnen zitten en welke acties nodig zijn. De didactische opstelling van Laurens helpt studenten precies die brug te maken tussen technologie, data en praktisch onderhoudsinzicht.

© Productivity.be, 01/07/2026

Feel free to share