EV charging reliability: de statuslamp liegt

Bijna één op de vijf pogingen om een openbare laadpaal te gebruiken mislukt, terwijl netwerken tegelijkertijd uptimecijfers van 98,7% tot 99,9% rapporteren. Dat staat in de EV-beleidsroadmap van het World Economic Forum uit 2024, en het is het meest directe bewijs dat een groen statussymbool op een dashboard en een voltooide laadsessie twee verschillende dingen zijn.

De Britse overheid reageerde door een minimale betrouwbaarheidsstandaard van 99% verplicht te stellen voor openbare laadpalen. Die standaard is gedefinieerd als het percentage tijd dat een paal als beschikbaar wordt gerapporteerd. Minder dan 4% van de exploitanten haalt dat niveau momenteel. Het verschil tussen de gerapporteerde metric en de werkelijke uitkomst is geen afrondingsfout. Het is een structureel probleem in de manier waarop operaties worden gemeten, en het duikt op in elke omgeving met veel tickets waar activiteit wordt verward met oplossing.

EV charging reliability: wat de cijfers werkelijk meten

Wanneer een laadnetwerk 99% uptime rapporteert, meet het vrijwel altijd of de paal onder spanning staat en bereikbaar is via het netwerk. Het meet niet of een bestuurder een kabel heeft aangesloten en met een opgeladen auto is weggereden. De sessiedata uit 2026 die een succespercentage van 71% bij de eerste laadpoging laat zien, maakt dat onderscheid concreet. Ruwweg drie op de tien bestuurders die bij een beschikbare paal stopten, konden hun eerste poging niet voltooien.

De storingsoorzaken zijn als volgt verdeeld: connector- en kabelfouten zijn verantwoordelijk voor ongeveer 28% van de storingen, netwerk- en softwarefouten voor ongeveer 25%, en vermogenselektronica voor ongeveer 22%. Geen van deze storingscategorieën activeert noodzakelijkerwijs een statuswaarschuwing. Een laadpaal met een beschadigde kabel kan op een dashboard groen en beschikbaar staan totdat een bestuurder het probleem fysiek ontdekt. Op dat moment is de uptime-metric al geregistreerd. De storing komt pas in de data terecht als iemand een melding doet, en in veel netwerken wordt die melding nooit een gevolgd, opgepakt ticket.

Dit probleem is niet uniek voor EV-infrastructuur. Elke operatie die processtatus meet in plaats van uitkomsten heeft hetzelfde blinde vlak. Een onderhoudticket dat als opgelost is gemarkeerd zonder dat het onderliggende probleem is verholpen, een supportcase die is gesloten na een eerste reactie zonder bevestigde oplossing, een vastgoedinspectie die als voltooid is gelogd terwijl de unit nooit is betreden: dit zijn dezelfde storingen, uitgedrukt in andere sectoren.

Het onderhoudsgat achter de uptimeclaim

De exploitanten die de betrouwbaarheidskloof dichten, delen één operationele gewoonte: ze behandelen elke storing als een gevolgd, opgepakt event in plaats van een dashboardkleur die moet worden gewist. Meer dan 40% van de storingen bij toonaangevende netwerken wordt op afstand opgelost via tweedelijnsdiagnostiek, wat betekent dat een monteur nooit naar de locatie hoeft te rijden. Dat oplossingspercentage is alleen mogelijk als de storingsdata gedetailleerd genoeg is om een firmwareprobleem van een hardwarestoring te onderscheiden voordat iemand wordt uitgestuurd.

Voorspellend onderhoud gaat nog een stap verder. McKinsey's operationeel onderzoek naar productie-analyse laat zien dat voorspellend onderhoud de machinestilstand doorgaans met 30 tot 50% vermindert en de levensduur van machines met 20 tot 40% verlengt. Het mechanisme is hetzelfde, of het nu gaat om een CNC-machine of een DC-snellader: gestructureerde storingsregistratie maakt patronen zichtbaar voordat ze uitvallen worden, en proactieve interventie vervangt reactief uitrukken.

Een energiebedrijf dat geavanceerde onderhoudsanalyses en diagnose op afstand implementeerde over een hoogpresterend machinepark, realiseerde een gemiddelde verlaging van de stilstandtijd van 20%, aldus McKinsey's onderzoek naar het digitaliseren van onderhoud en betrouwbaarheid. De productiewinst in dat geval werd gemeten in honderdduizenden vaten olie per jaar. De meeteenheid verschilt per sector. De operationele logica niet.

Voor EV-netwerken specifiek ligt het gepubliceerde cijfer voor de reductie van apparatuurstoringen door voorspellend onderhoud op maar liefst 73%, aangehaald in veldimplementaties waarbij storingsdata direct wordt gevoed in interventieplanning in plaats van in een logboek te blijven staan. Het verschil tussen een netwerk dat 71% sessiesucces haalt en een netwerk dat 95% haalt, zit vrijwel volledig in de kwaliteit van de pijplijn van storing naar ticket naar oplossing, niet in de hardwarespecificatie van de laadpalen zelf.

Waarom de parallel met vastgoed en facilitair exact klopt

Operationeel leiders in vastgoed en facilitair lezen EV-laaddata vaak als een sectorspecifiek probleem. Dat is het niet. De structurele fout is identiek aan wat er gebeurt in elke omgeving met veel assets, waar de metric die aan het management wordt gerapporteerd een statusvlag is in plaats van een bevestigde uitkomst.

Neem een residentieel vastgoedportfolio met enkele honderden open onderhoudtickets op elk willekeurig moment. Het dashboard laat zien dat 92% van de tickets binnen de SLA-termijn is gesloten. Wat het niet laat zien: het percentage van die gesloten tickets waarbij de gemelde storing daadwerkelijk bij het eerste bezoek is verholpen, het percentage waarbij de bewoner de oplossing heeft bevestigd, of het percentage dat binnen 30 dagen werd heropend omdat de onderliggende oorzaak nooit is aangepakt. Dat zijn uitkomstmetrics. De SLA-sluitingsratio is een procesmetric. De twee door elkaar halen levert hetzelfde 71%-probleem op, uitgedrukt in bewonerstevredenheidsscores en herhaald belvolume in plaats van mislukte laadpogingen.

De operationele les uit EV charging reliability-data is dat de metric die je aan het management rapporteert het gedrag bepaalt van elk team daaronder. Als de metric uptime is, optimaliseren teams voor uptime. Als de metric voltooide sessies is, optimaliseren teams voor voltooide sessies. Die twee zijn niet hetzelfde, en het gat ertussen is waar operationele waarde weglekt.

Wat het dichten van de kloof in de praktijk vraagt

De exploitanten die de hoogste succespercentages bij de eerste laadsessie behalen, doen vier dingen die direct vertaalbaar zijn naar vastgoed- en facilitaire operaties.

Ten eerste meten ze uitkomsten, geen statussen. De gerapporteerde metric is voltooide sessies per laadpaal per dag, niet het percentage tijd dat de paal als beschikbaar is gemarkeerd. In vastgoedtermen is dat het percentage bij eerste bezoek opgeloste meldingen en bevestigde bewonersoplossing, niet de ticketsluitingsratio.

Ten tweede wordt elke storing een ticket met een storingscode, niet een aantekening in een logboek. De 28% van EV-storingen die toe te schrijven zijn aan connector- en kabelfouten was alleen als categorie identificeerbaar omdat iemand het storingstype bij de melding heeft geregistreerd. Zonder die structuur is de data ruis.

Ten derde is diagnose op afstand de eerste reactie, niet het laatste redmiddel. Een monteur naar de locatie sturen voordat een externe diagnose is uitgevoerd, is het equivalent van een onderhoudsmonteur inschakelen voordat is gecontroleerd of het probleem een gesprongen zekering is. McKinsey's onderzoek naar reparatieanalyses laat consistent zien dat gestructureerde triage op afstand onnodige locatiebezoeken vermindert en het percentage bij eerste bezoek opgeloste meldingen verbetert in fieldservice-operaties.

Ten vierde worden storingsdata doorgestuurd naar planningsprocessen. Voorspellend onderhoud werkt alleen als historische storingspatronen zichtbaar zijn en gekoppeld zijn aan interventieplanning. Een laadpaal die in zes maanden twee connectorstoringen heeft gehad, is een kandidaat voor proactieve vervanging vóór de derde storing. Een vastgoedunit die in twaalf maanden drie loodgieterstickets heeft gehad, is een kandidaat voor een volledige inspectie vóór het vierde telefoontje.

Niets hiervan vereist nieuwe hardware of nieuwe softwareplatforms. Het vereist een beslissing over wat te meten en een proces dat elke storing zichtbaar, gecategoriseerd en opgepakt maakt.

De EV-laadsector is een bruikbare casus omdat de storing in realtime zichtbaar is voor echte mensen die in de regen bij een laadpaal staan. De paal zegt beschikbaar. De sessie start niet. Het gat tussen de metric en de uitkomst is onmogelijk te negeren. In vastgoedoperaties is hetzelfde gat makkelijker te verbergen achter een gesloten ticket. De bewoner die het opgaf om te bellen, staat niet in de data. De storing die drie maanden later terugkwam, is gelogd als een nieuw ticket, niet als een herhaling. Het dashboard blijft groen.

Meet de sessie, niet de lamp

De Britse verplichting van 99% uptime voor EV-laadpalen is een nuttig beleidsinstrument, maar minder dan 4% van de exploitanten haalt het, precies omdat de verplichting gerapporteerde beschikbaarheid meet in plaats van geleverde sessies. Een laadpaal kan tegelijkertijd beschikbaar en defect zijn. Een ticket kan tegelijkertijd gesloten en onopgelost zijn.

De operationeel leiders die deze kloof dichten, doen niets bijzonders. Ze meten wat er werkelijk is gebeurd, registreren elke storing met voldoende structuur om erop te kunnen handelen, en gebruiken die data om te interveniëren vóór de volgende storing in plaats van erna. Dat is de operationele standaard waar de EV charging reliability-data op wijst, en die standaard geldt voor elke wachtrij, elk asset en elk team dat een status rapporteert in plaats van een uitkomst.