Hoe analyseer je de belangrijkste verliesoorzaken in je fabriek?

Je analyseert de belangrijkste verliesoorzaken in je fabriek door eerst betrouwbare data te verzamelen over stilstanden, kwaliteitsafwijkingen en snelheidsverliezen, en die vervolgens te structureren met een methode als de 5x Waarom- of Pareto-analyse. Het gaat niet om het verzamelen van zoveel mogelijk data, maar om het vinden van de patronen die steeds terugkomen. De vragen hieronder helpen je stap voor stap door dat proces.

Welke soorten verliezen komen het meest voor in productieomgevingen?

De meest voorkomende verliezen in productieomgevingen vallen in drie categorieën uiteen: beschikbaarheidsverliezen (stilstand van machines of lijnen), snelheidsverliezen (de lijn draait, maar niet op de gewenste snelheid) en kwaliteitsverliezen (producten die niet aan de norm voldoen). Samen vormen deze drie categorieën de basis van OEE-meting en geven ze een compleet beeld van waar capaciteit verloren gaat.

Binnen die categorieën zijn een paar verliestypen bijzonder hardnekkig. Ongeplande stilstanden door storingen zijn het meest zichtbaar, maar ook het makkelijkst aan te pakken zodra je de data hebt. Microstops, korte onderbrekingen van minder dan een minuut, zijn juist moeilijk te zien maar kunnen per dienst flink oplopen. Omsteltijden die langer duren dan nodig, wachten op materiaal of instructies, en afkeur aan het einde van een productierun zijn andere veelvoorkomende oorzaken.

Wat veel bedrijven verrast: de grootste verliezen zitten zelden bij de meest spectaculaire storingen. Een machine die een keer per maand een uur stilstaat trekt alle aandacht, maar tien microstops per uur die niemand registreert kosten uiteindelijk meer tijd. Goed categoriseren is daarom de eerste stap.

Hoe verzamel je betrouwbare data over verliesoorzaken op de werkvloer?

Betrouwbare data over verliesoorzaken verzamel je door registratie zo dicht mogelijk bij de bron te organiseren: de operator registreert de stopcode direct op het moment dat een stilstand optreedt, niet achteraf aan het einde van de dienst. Hoe meer tijd er zit tussen een gebeurtenis en de registratie, hoe minder nauwkeurig de data wordt.

Dat klinkt simpel, maar in de praktijk gaat het hier vaak mis. Papieren formulieren worden later ingevuld, stopcodes worden gekozen op goed geluk, en de categorie “overig” groeit uit tot de grootste categorie in het systeem. Dat maakt de data onbruikbaar voor analyse.

Een paar dingen die het verschil maken:

Beperk het aantal stopcodes. Een lijst van veertig categorieën nodigt uit tot willekeurige keuzes. Tien tot vijftien goed gedefinieerde codes werken beter.
Maak registreren makkelijker dan niet registreren. Een scherm naast de lijn dat automatisch detecteert wanneer een machine stilstaat en de operator vraagt om een reden, verlaagt de drempel enorm.
Koppel machinekoppelingen waar mogelijk. Automatische detectie van stilstanden voorkomt dat ze onopgemerkt blijven.
Bespreek de data dagelijks. Als operators merken dat hun registraties ergens toe leiden, gaan ze nauwkeuriger registreren.

De kwaliteit van je verliesanalyse is nooit beter dan de kwaliteit van de data waarop die analyse is gebaseerd. Investeer dus eerst in goede registratie, voordat je analyseert.

Wat is de beste methode om verliesoorzaken te analyseren?

De beste methode om verliesoorzaken te analyseren is een combinatie van Pareto-analyse en de 5x Waarom-techniek. Pareto helpt je bepalen welke verliesoorzaken de grootste impact hebben, zodat je je energie richt op de twintig procent oorzaken die tachtig procent van het verlies verklaren. De 5x Waarom helpt je vervolgens de werkelijke oorzaak te vinden achter die topverliezers.

Pareto-analyse: begin bij de grootste verliezen

Sorteer je verliesdata op frequentie of op totale duur per categorie. De categorie die bovenaan staat, verdient de meeste aandacht. Dat is niet altijd de storing die het meeste lawaai maakt op de werkvloer, maar wel de categorie die structureel de meeste productietijd kost. Visualiseer dit als een staafdiagram, gesorteerd van groot naar klein, zodat het voor iedereen direct duidelijk is waar de prioriteit ligt.

5x Waarom: graaf dieper dan het symptoom

Zodra je weet welke verliesoorzaak de meeste impact heeft, ga je op zoek naar de werkelijke oorzaak. Stel vijf keer de vraag “waarom” op het antwoord van de vorige vraag. Een voorbeeld: de lijn staat stil. Waarom? Omdat de machine oververhit is. Waarom? Omdat de koeling niet werkte. Waarom? Omdat het filter verstopt was. Waarom? Omdat er geen onderhoudsschema is voor dat filter. Waarom? Omdat niemand wist dat dat filter regelmatig gereinigd moest worden. De oplossing is nu een onderhoudstaak, niet een reparatie.

Gebruik beide methoden samen. Pareto zonder 5x Waarom leidt tot symptoombestrijding. 5x Waarom zonder Pareto leidt tot het oplossen van de verkeerde problemen.

Hoe maak je verliesdata begrijpelijk voor operators en shiftleiders?

Verliesdata wordt begrijpelijk voor operators en shiftleiders als je het vertaalt naar concrete, herkenbare situaties op hun eigen lijn, in hun eigen dienst. Abstracte percentages of wekelijkse rapportages landen niet. Een dashboard dat per uur laat zien of de lijn op schema ligt, wel.

Het gaat om twee dingen: de juiste informatie op het juiste moment, en data die iets zegt over het werk van vandaag, niet over vorige week. Als een shiftleider aan het begin van de dienst ziet dat de vorige ploeg de meeste tijd verloor aan een bepaalde omstelprocedure, kan hij daar rekening mee houden. Als hij dat pas vrijdag leest in een rapport, is de informatie waardeloos voor bijsturing.

Grote dashboards boven de productielijn, die live bijhouden hoeveel producten er zijn gemaakt ten opzichte van de doelstelling, maken prestaties direct zichtbaar. Niet als controle-instrument, maar als hulpmiddel: operators zien zelf of ze op koers liggen en kunnen zelf actie ondernemen als dat niet zo is. Dat geeft eigenaarschap, en eigenaarschap zorgt voor betere registratie en betere beslissingen.

Waarom keren dezelfde verliesoorzaken steeds terug?

Dezelfde verliesoorzaken keren terug omdat de oplossing niet is geborgd in de standaardmanier van werken. Een probleem wordt opgelost, maar de nieuwe aanpak wordt niet vastgelegd, niet gedeeld met andere ploegen en niet overgedragen aan nieuwe medewerkers. Na een paar weken werkt iedereen weer zoals ze het gewend waren.

Dit is een van de meest frustrerende patronen in productieomgevingen. De analyse klopt, de oplossing klopt, maar drie maanden later staat hetzelfde probleem weer bovenaan de Pareto. Dat heeft bijna altijd te maken met drie dingen:

Geen gedeeld eigenaarschap. Als de oplossing alleen bij de CI-manager of de technische dienst ligt, verdwijnt ze zodra die persoon er niet meer bij betrokken is.
Geen geborgde werkinstructie. De beste manier van werken bestaat in het hoofd van één ervaren operator, maar is nooit formeel vastgelegd. Nieuwe medewerkers of andere ploegen leren het nooit.
Geen opvolging van verbeteracties. Verbeterideeën worden opgepakt, maar taken blijven liggen. Er is niemand die bewaakt of de actie daadwerkelijk is uitgevoerd.

Structureel verbeteren vraagt dus meer dan een goede analyse. Het vraagt om een systeem dat verbeteringen opvolgt, borgt en overdraagbaar maakt.

Wanneer is een verliesanalyse grondig genoeg om op te sturen?

Een verliesanalyse is grondig genoeg om op te sturen als je de werkelijke oorzaak hebt gevonden, niet alleen het symptoom, én als je voldoende data hebt om te beoordelen of het om een structureel patroon gaat en niet om een incident. Eén stilstand bewijst niets. Dezelfde oorzaak die in drie weken tien keer terugkomt, wel.

Een praktische vuistregel: als de Pareto-analyse stabiel blijft over meerdere weken en dezelfde categorieën steeds bovenaan staan, is er genoeg basis om actie te ondernemen. Als de top drie elke week wisselt, is de data waarschijnlijk nog niet betrouwbaar genoeg of is er te weinig volume om patronen te zien.

Bijsturen hoeft niet te wachten op perfecte data. Een team dat dagelijks de verliesdata van de vorige dienst bespreekt en één concrete actie formuleert, leert sneller dan een team dat wacht op een maandelijks rapport. De combinatie van frequente, korte besprekingen op de werkvloer en periodieke diepere analyses geeft de beste resultaten.

Bij Motivate helpen we productiebedrijven om deze hele cyclus te sluiten: van stilstandregistratie en OEE-analyse tot het opvolgen van verbeteracties en het borgen van de beste manier van werken in digitale werkinstructies. Zo verdwijnen verliesanalyses niet in een rapport, maar leiden ze tot echte verandering op de werkvloer.

Veelgestelde vragen

Hoe lang duurt het voordat verliesdata betrouwbaar genoeg is om conclusies uit te trekken?

Als vuistregel geldt dat je minimaal twee tot vier weken consistente registratie nodig hebt voordat je patronen kunt onderscheiden van incidenten. Bij productielijnen met een hoog volume en veel stilstanden kun je soms al na één week bruikbare trends zien, maar bij lijnen met weinig events heb je een langere meetperiode nodig. Begin niet met analyseren voordat je Pareto stabiel blijft over meerdere opeenvolgende weken — wisselende top-3 oorzaken zijn een signaal dat de data nog niet rijp is.

Wat doe je als operators stopcodes structureel verkeerd of onvolledig invullen?

De eerste stap is begrijpen waaróm het misgaat: zijn de codes onduidelijk, zijn er te veel opties, of zien operators het nut van registreren niet in? Pas de stopcodes aan zodat ze aansluiten op de taal en herkenbare situaties van de werkvloer, en reduceer de lijst tot maximaal vijftien opties. Bespreek de registratiedata dagelijks in een kort werkoverleg — zodra operators merken dat hun input leidt tot concrete verbeteringen, neemt de nauwkeurigheid snel toe. Overweeg ook automatische stilstanddetectie via machinekoppelingen, zodat de operator alleen nog de reden hoeft te bevestigen in plaats van alles handmatig in te voeren.

Welke KPI's zijn het meest zinvol om naast OEE bij te houden voor verliesanalyse?

OEE geeft een goed totaalbeeld, maar is te geaggregeerd om direct op bij te sturen. Zinvolle aanvullingen zijn de gemiddelde hersteltijd per storingstype (MTTR), de gemiddelde tijd tussen storingen (MTBF), het percentage afkeur per productierun en de omsteltijd per productwisseling. Deze KPI's maken het mogelijk om gerichte verbeteracties te koppelen aan specifieke verliestypen, in plaats van te sturen op één getal dat alle verliezen samenvoegt.

Hoe betrek je de technische dienst en operators samen bij de verliesanalyse zonder dat het een schuldvraag wordt?

Richt de analyse in als een gezamenlijk leerproces, niet als een prestatiebeoordeling. Gebruik de 5x Waarom expliciet om oorzaken te zoeken in systemen, processen en instructies — niet in persoonlijk falen. Een dagelijkse of wekelijkse bespreking waarbij zowel operators als technici aanwezig zijn en de data samen interpreteren, creëert gedeeld eigenaarschap. Als verbeteracties worden toegewezen aan degene die er het meeste invloed op heeft, in plaats van aan de hiërarchisch verantwoordelijke, werkt dat ook sterk drempelverlagend.

Is het zinvol om verliesanalyse te doen op meerdere lijnen tegelijk, of kun je beter focussen op één lijn?

Begin altijd met één lijn — bij voorkeur de bottleneck of de lijn met de hoogste verliezen — en zorg dat de registratie en analysecyclus daar goed werkt voordat je uitbreidt. Meerdere lijnen tegelijk opstarten versnippert aandacht en maakt het moeilijk om snel resultaten te boeken. Zodra je op de eerste lijn een werkende aanpak hebt, inclusief goede stopcodes, dagelijkse besprekingen en een geborgd verbeterproces, kun je dat model uitrollen naar andere lijnen met aanzienlijk minder inspanning.

Hoe voorkom je dat verbeterprojecten stranden na de analysefase?

De meest effectieve maatregel is het koppelen van elke gevonden oorzaak aan een concrete actie met een eigenaar en een deadline, en die acties wekelijks te reviewen in een vast overleg. Gebruik een eenvoudig actielogboek — een gedeeld digitaal bord of zelfs een A3-formulier op de werkvloer werkt al — zodat openstaande acties zichtbaar blijven. Verbeter ook de borging structureel: leg de nieuwe werkwijze vast in een digitale werkinstructie en zorg dat die beschikbaar is op de plek waar het werk gebeurt, zodat de verbetering niet afhankelijk is van de kennis van één persoon.

Wanneer is het zinvol om externe ondersteuning in te schakelen voor verliesanalyse?

Externe ondersteuning voegt het meeste waarde toe in drie situaties: als interne analyses steeds dezelfde conclusies opleveren zonder dat er structureel iets verandert, als de data-infrastructuur ontbreekt om betrouwbare verliesregistratie op te zetten, of als er weerstand is op de werkvloer die een objectieve buitenstaander makkelijker kan doorbreken dan iemand van binnen de organisatie. Een externe partij kan ook helpen om de analysemethodiek te standaardiseren over meerdere lijnen of locaties, zodat resultaten vergelijkbaar worden en best practices gedeeld kunnen worden.