Risicogestuurd onderhoud (RGO) in de praktijk

Wat is risicogestuurd onderhoud?

Risicogestuurd onderhoud (RGO, ook wel risk-based maintenance of RBM) is een onderhoudsstrategie waarbij de prioritering van werkzaamheden wordt bepaald door risico in plaats van leeftijd of conditie alleen. De achterliggende erkenning: niet elk object met dezelfde conditie heeft dezelfde urgentie. Een lantaarnpaal in een bos heeft andere consequenties bij uitval dan dezelfde paal langs een drukke ontsluitingsweg.

In de praktijk vertaalt RGO conditie + context naar één getal — een risicoscore — waarop je het onderhoudsbudget kunt verdelen. Hoge risicoscore = eerst aanpakken. Lage risicoscore = mag wachten of mag de cyclus volgen.

RGO versus MJOP en CGO

Drie onderhoudsstrategieën die je vaak naast elkaar ziet:

• MJOP (Meerjarenonderhoudsplan) — onderhoud op basis van geplande cyclussen en budget-reservering. Voorspelbaar, maar weinig differentiatie tussen objecten met hetzelfde type.
• CGO (Conditiegestuurd onderhoud) — onderhoud op basis van actuele conditie (NEN 2767-score). Reageert op werkelijke staat, maar negeert de impact van uitval.
• RGO (Risicogestuurd onderhoud) — combineert conditie en context (verkeersintensiteit, kwetsbare omgeving, juridische aansprakelijkheid). Geeft objectief de hoogste prioriteit aan situaties met maximale impact.

Voor opdrachtgevers met groot areaal (gemeenten, provincies, RWS) is RGO de moderne standaard. Het maakt budget-verdeling onderbouwd verdedigbaar — handig bij Rekenkamer-discussies of bij keuze tussen objecten waarvoor het budget krap is.

De RGO-formule: kans × effect

De fundamentele formule:

Risico = Faalkans × Faaleffect

Beide factoren krijgen typisch een score van 1-5 (laag tot hoog). Het product daarvan is de risicoscore (1-25 op een 5×5 matrix). Sommige organisaties werken met kans × effect × kwetsbaarheid voor een 3-factor model, of met een 100-puntenschaal voor fijnmaziger differentiatie.

FieldOps gebruikt een 0-100 risicoscore samengesteld uit vier factoren (leeftijd, conditie, ergste recente CROW-klasse, meldingstrend) plus een trendbonus en een geo-cluster signaal. Dat is bewust fijnmazig — een 3×3 matrix dwingt te ruwe categorieën af.

Faalkans bepalen: wat zijn de inputs?

Vier indicatoren die meestal de faalkans bepalen:

Leeftijd vs verwachte levensduur

Een asfaltdeklaag van 12 jaar op een verwachte levensduur van 15 jaar: 80% van levensduur consumed. Dat geeft een hoge basisfaalkans, ongeacht de huidige conditie. Combineer met de werkelijke gemeten conditie voor een gewogen score.

Conditiescore (NEN 2767-2)

Een score 4 of 5 wijst op acute faaldreiging. Een score 3 op middel-termijn-risico. Score 1-2 betekent nog ruim binnen specs. Zie ook ons artikel over NEN 2767-2 conditiescore.

Schade-classificatie (CROW 146)

De ernst-component van CROW geeft een directe kans-indicator: een E-klasse melding op een wegvak betekent dat verslechtering in versneld tempo plaatsvindt en faal binnen maanden waarschijnlijk is. Zie het artikel over CROW 146 voor de classificatie-mechaniek.

Meldingsfrequentie en trend

Een asset met 1 melding per jaar is iets anders dan dezelfde asset met 5 meldingen in de laatste 6 maanden. Een toenemende meldingstrend is vaak het eerste signaal van naderend einde levensduur — vóór de conditiescore officieel verspringt.

Faaleffect bepalen: kwantitatief of kwalitatief?

Faaleffect is conceptueel: "wat gebeurt er als dit object faalt?" Vier dimensies die je in de meeste RGO-modellen tegenkomt:

• Veiligheid — kans op letsel voor weggebruikers, omwonenden of werknemers. Zwaarstwegende factor; bij potentiële letselzaak gaat de score automatisch naar maximaal.
• Economisch effect — directe schadekosten, vervangingskosten, indirecte schade (omleidingen, vertraging in stadscentrum, bedrijfsverlies).
• Imago en juridisch — politieke consequenties (Rekenkamer), media-aandacht, aansprakelijkheidsclaims.
• Functionele beschikbaarheid — alternatieve route beschikbaar, of mono-functie? Een unieke brug heeft hogere uitval-impact dan een fietspad in een wijk met parallelle paden.

In de praktijk gebruiken organisaties vaak een vereenvoudigd model met 2-3 dimensies en een 1-5 scoring. Te veel dimensies maken het oncontroleerbaar; te weinig laat belangrijke factoren weg.

De risico-matrix: 3×3 of 5×5?

De keuze tussen een 3×3 en 5×5 matrix lijkt detail, maar heeft praktische impact:

• 3×3 matrix (9 cellen) — eenvoudig uit te leggen, makkelijk te scoren in het veld. Maar te grof voor groot areaal: 80% van objecten valt vaak in de middel-categorie en je kunt niet differentiëren tussen "midden-laag" en "midden-hoog".
• 5×5 matrix (25 cellen) — voldoende differentiatie voor managers, maar inspecteurs moeten vaker twijfelen tussen aangrenzende cellen. Vraagt om gestandaardiseerde criteria.
• Continue 0-100 score — moderne software-aanpak. Geen handmatige scoring; berekend uit onderliggende factoren. Gevoelig voor de inputs maar uitlegbaar.

Voor een gemeente met >5000 assets: ga voor 5×5 of continu. Voor een waterschap met 30 stuwen: 3×3 met handmatige scoring werkt prima en is sneller te implementeren.

Voorbeeld: lantaarnpaal-areaal scoren

Een gemeente met 8000 lantaarnpalen wil prioriteren. Inputs per paal:

• Faalkans: leeftijd (1-5 op basis van %-levensduur), corrosie-niveau (1-5 op basis van inspectie), recente meldingen (boost van +1 als >2 in 12 mnd).
• Faaleffect: verkeerstype (woonstraat=1, ontsluiting=3, hoofdweg=5), nabijheid kwetsbare functies (school/oversteekplaats=+1), unieke positie (zonder paal donker=+1).

Resultaat: een lantaarnpaal van 22 jaar (faalkans 4) met lichte voet-corrosie (+1 = 5) langs een ontsluitingsweg met oversteekplaats (faaleffect 3+1 = 4) heeft risicoscore 5×4 = 20 — top-prioriteit. Dezelfde paal in een woonstraat (faaleffect 1) heeft score 5×1 = 5 — kan in cyclus.

Met dit model krijgt het areaal een prioriteringslijst van 8000 palen waar het budget mechanisch over verdeeld wordt: top-200 dit jaar, top-201..500 volgend jaar, rest in cyclus.

Drie valkuilen bij implementatie

1. RGO als rapport, niet als operationeel proces

Veel organisaties besteden RGO uit aan een adviesbureau dat een PDF-rapport oplevert. Eén jaar later ligt het in een lade en is de data verouderd. RGO werkt alleen als operationeel proces: scoring update bij elke nieuwe inspectie of melding, automatisch.

2. Te veel dimensies, te weinig data

Een 4-factor faaleffect-model met 6 input-velden per asset klinkt grondig, maar als de inspecteur die velden niet betrouwbaar invult, krijg je gegarandeerd onbruikbare scores. Begin met 2-3 dimensies waarvoor je goede data hebt en breid uit als de discipline staat.

3. Risicoscore als blackbox

Een algoritme dat een getal uitspuugt zonder uitleg geeft beheerders geen vertrouwen — en is bij Rekenkamer-vragen niet verdedigbaar. RGO-scoring moet een rationale bevatten: "score 75 omdat leeftijd 90% van levensduur (+18), conditie 4 (+22), 3 meldingen laatste jaar (+15), trend stijgend (+8), gelegen langs hoofdroute (+12)."

Hoe software RGO operationeel maakt

Drie capaciteiten die het verschil maken:

1. Live scoring. Risicoscore wordt geüpdatet zodra er nieuwe input is — een melding, een inspectie, een statuswijziging. Niet één keer per jaar; continu.
2. Uitlegbare rationale. Per asset zichtbaar welke factoren bijdragen aan de score, met getallen. Als beheerder kun je ingrijpen op de input ("conditie was eigenlijk 3, niet 4") en zien hoe dat de score verandert.
3. Geo-cluster signalen. Naast individuele scoring: detectie van wijken of straten waar meerdere meldingen samenkomen — vaak het eerste signaal van een onderliggend infra-probleem dat individuele scoring mist.

FieldOps doet alledrie: continue 0-100 scoring met rationale per component, plus geographische clustering om wijk-brede problemen te zien die per-asset-scoring zou missen.

Verder lezen

Over de input-kant: CROW 146 schadeklassering en NEN 2767-2 conditiescore. Over de uitvoerings-kant: GWWkosten-RAW maatregelen. Externe bronnen: CROW.nl publiceert handleidingen voor risicogestuurd beheer in de openbare ruimte.