Waarom mislukt OEE-verbetering zo vaak?

OEE-trajecten mislukken zo vaak omdat de focus ligt op meten in plaats van op het veranderen van gedrag. Een dashboard dat niemand gebruikt, verbetert niets. De meest voorkomende oorzaken zijn een gebrek aan draagvlak op de werkvloer, data die te laat beschikbaar komt om bij te sturen, en verbeteracties die worden opgestart maar nooit worden opgevolgd. In dit artikel beantwoorden we de vragen die we het vaakst horen van plant managers en CI-specialisten die vastlopen in hun OEE-traject.

Wat zijn de meest voorkomende oorzaken van een mislukt OEE-traject?

OEE-trajecten mislukken vrijwel altijd om drie redenen: de data komt te laat, de acties worden niet opgevolgd, en de werkvloer voelt geen eigenaarschap over het proces. Het gaat zelden om een technisch probleem. Het gaat om een organisatorisch probleem dat zich verstopt achter een technische oplossing.

De meest herkenbare situatie: een bedrijf investeert in een systeem, de OEE wordt netjes bijgehouden, rapporten worden elke maandag doorgestuurd naar het management. En dan? Er worden gesprekken gevoerd, er worden actiepunten genoteerd, en twee weken later zijn dezelfde stilstanden er nog steeds. De meting zelf verandert niets aan het gedrag.

Andere veelvoorkomende oorzaken zijn:

Stopcodes die niet kloppen. Als operators zelf invullen wat de stopcode is, maar de categorieën niet aansluiten op de werkelijkheid, wordt de data onbetrouwbaar. Mensen kiezen dan de code die het minste gedoe geeft, niet de code die klopt.
Te veel KPI’s tegelijk. Als een team twintig indicatoren moet bijhouden, houdt niemand er nog grip op. OEE werkt het beste als het wordt vertaald naar één begrijpelijke vraag: halen we ons doel voor dit uur?
Geen opvolging van verbeterideeën. Operators die een probleem melden maar nooit horen wat ermee is gedaan, stoppen met melden. Dat is geen onwil, dat is een logische reactie op een systeem dat niets teruggeeft.

Waarom gebruiken operators OEE-dashboards vaak niet?

Operators gebruiken OEE-dashboards niet omdat die dashboards niet voor hen zijn gemaakt. Ze zijn gebouwd voor management, bevatten taal die op kantoor thuishoort, en vragen iets van de operator zonder daar iets voor terug te geven. Wie elke dag acht uur aan een lijn staat, heeft geen behoefte aan een grafiek over de afgelopen maand. Die heeft behoefte aan één vraag: sta ik er goed voor?

Een dashboard werkt op de werkvloer alleen als het in één oogopslag antwoord geeft op de vraag die de operator zelf heeft. Niet: “wat is onze OEE dit kwartaal?” maar: “halen we dit uur ons doel?” Dat is een fundamenteel ander uitgangspunt.

Wat ook meespeelt: als registreren alleen maar werk kost en nooit iets oplevert, verdwijnt de motivatie snel. Operators die zien dat hun invoer leidt tot een actie, een verbetering, of gewoon erkenning dat ze goed bezig zijn, blijven het wél doen. Het systeem moet iets teruggeven, niet alleen iets vragen.

Grote dashboards boven de productielijn, met duidelijke kleuren en eenvoudige getallen, werken beter dan schermen op een kantoor. Niet omdat operators minder slim zijn, maar omdat de context anders is. Staand, in beweging, met lawaai op de achtergrond. De informatie moet dan meteen duidelijk zijn.

Hoe verschilt OEE meten van OEE verbeteren?

OEE meten geeft je een getal. OEE verbeteren verandert het getal. Dat klinkt logisch, maar in de praktijk stoppen veel bedrijven bij stap één. Ze weten hun OEE, ze rapporteren erover, maar de stap naar structurele verbetering wordt nooit gezet.

Het verschil zit in wat er met de data gebeurt. Meten is terugkijken. Verbeteren is vooruitkijken en handelen. Dat vraagt om een andere werkwijze:

Meten: registreren wat er is gebeurd, stilstanden categoriseren, OEE berekenen over een periode.
Verbeteren: de grootste verliesposten identificeren, de oorzaak aanpakken, een standaard vastleggen, en controleren of de verbetering beklijft.

Het gat tussen meten en verbeteren wordt het vaakst gevuld door dagstarts en werkvloeroverleg. Als een team elke ochtend vijf minuten stilstaat bij wat er gisteren misging en wat ze vandaag anders gaan doen, is dat meer waard dan het mooiste rapport. Data is dan geen doel, maar een gespreksstarter.

OEE verhogen in de productie lukt alleen als de mensen op de werkvloer begrijpen wat de getallen betekenen en wat ze zelf kunnen doen om die te beïnvloeden. Dat vraagt om vertaling, niet om meer data.

Welke rol speelt kennisborging bij duurzame OEE-verbetering?

Kennisborging is een van de meest onderschatte factoren bij het verhogen van de OEE. Als de beste manier van werken alleen in het hoofd van een ervaren operator zit, verdwijnt die kennis zodra diegene ziek is, met pensioen gaat of naar een andere ploeg gaat. En dan begint een andere ploeg opnieuw het wiel uit te vinden.

Duurzame OEE-verbetering vraagt dat verbeteringen worden vastgelegd als nieuwe standaard. Niet in een Word-document dat niemand terugvindt, maar als een werkbare instructie op de plek waar het werk gebeurt. Dat kan een foto zijn, een korte video, een stappenplan op het scherm naast de machine.

In de maakindustrie is dit urgenter dan ooit. Een grote groep ervaren medewerkers gaat de komende jaren met pensioen. De kennis die zij hebben opgebouwd over hoe een machine het beste ingesteld wordt, welke grondstoffen lastig zijn, wat je doet als een lijn begint te trillen, dat is kennis die niet vanzelf wordt overgedragen. Als je die kennis niet borgt, verlies je bij elke wisseling een stukje van je productiviteit.

Kennisborging is daarmee geen HR-onderwerp. Het is een productiviteitsvraagstuk dat direct raakt aan de beschikbaarheid van machines en de kwaliteit van het eindproduct.

Wanneer is OEE-software wel en niet de oplossing?

OEE-software is de oplossing als je weet dat er verliezen zijn, maar niet precies waar. Het helpt je om stilstanden zichtbaar te maken, patronen te herkennen en gesprekken op de werkvloer te voeren op basis van feiten in plaats van gevoel. Als je nu werkt met losse Excel-bestanden, handmatige tellingen of rapporten die pas de volgende dag beschikbaar zijn, dan geeft software je direct meer grip.

Maar software is niet de oplossing als de organisatie er nog niet klaar voor is. Twee situaties waarin software weinig toevoegt:

Als er geen opvolging is. Software registreert problemen, maar lost ze niet op. Als er geen cultuur is van opvolgen en verbeteren, wordt het systeem een dure administratietool.
Als de werkvloer niet betrokken is. Een systeem dat door management wordt ingevoerd zonder draagvlak bij operators en shiftleiders, wordt niet gebruikt. Of erger: het wordt ingevuld op een manier die de data onbetrouwbaar maakt.

De beste OEE business case begint niet bij de software, maar bij de vraag: wat willen we anders doen als we dit weten? Als je daar een concreet antwoord op hebt, is software een sterke versneller. Als je dat antwoord nog niet hebt, begin dan eerst met het gesprek op de werkvloer.

Wil je weten hoe je OEE verbeteren aanpakt op een manier die ook op de werkvloer landt? Kijk dan eens naar hoe wij dat aanpakken bij OEE en productiviteit met Motivate. Geen grote beloftes, wel een praktische aanpak die begint bij de mensen in de fabriek.

Veelgestelde vragen

Hoe begin je met OEE verbeteren als je organisatie nog nooit eerder met OEE heeft gewerkt?

Begin klein en concreet: kies één lijn of één ploeg als pilotomgeving en focus op het inzichtelijk maken van de drie grootste verliesposten. Betrek de operators vanaf dag één bij het definiëren van stopcodes en het interpreteren van de data. Een succesvolle pilot met draagvlak op de werkvloer is meer waard dan een grootschalige uitrol die niemand begrijpt of gebruikt.

Hoe zorg je ervoor dat verbeteracties ook echt worden opgevolgd en niet verwaterd?

Koppel elke verbeteractie aan een eigenaar, een deadline en een vaste terugkoppelmoment — bijvoorbeeld tijdens de dagstart. Maak de status van openstaande acties zichtbaar op de werkvloer, zodat het niet alleen een punt op een vergaderlijst is maar een levend onderdeel van het dagelijks werk. Acties die niet worden opgevolgd, ondermijnen het vertrouwen van operators in het hele systeem.

Wat is een realistisch OEE-doel om naar te streven, en hoe snel kun je verbetering verwachten?

Een wereldklasse OEE van 85% wordt vaak als benchmark genoemd, maar is voor veel bedrijven geen zinvol startpunt. Realistischer is om je eigen baseline te meten en vervolgens te streven naar 5 tot 10 procentpunt verbetering binnen zes tot twaalf maanden door de grootste verliesposten structureel aan te pakken. Snelle winsten zijn vaak te behalen in de beschikbaarheid — denk aan het verkorten van omsteltijden of het verminderen van kleine storingen die zich dagelijks herhalen.

Hoe ga je om met operators die weerstand hebben tegen OEE-registratie of het gevoel hebben dat ze worden gecontroleerd?

Weerstand ontstaat bijna altijd omdat OEE wordt gepresenteerd als controlemiddel in plaats van als verbertool. Betrek operators actief bij het ontwerp van het systeem: laat hen meebeslissen over stopcodes, vraag wat zij zelf willen weten over hun lijn, en laat zien wat er met hun invoer wordt gedaan. Als operators merken dat hun data leidt tot oplossingen die hun werk makkelijker maken, verandert weerstand in betrokkenheid.

Wat is het verschil tussen OEE en TEEP, en wanneer is het zinvol om TEEP te meten?

OEE meet de prestatie van een machine tijdens de geplande productietijd, terwijl TEEP (Total Effective Equipment Performance) ook de niet-geplande uren meeneemt — denk aan weekenden, stilgelegde ploegen of seizoensgebonden stilstand. TEEP is zinvol als je wilt beoordelen hoeveel extra capaciteit er theoretisch beschikbaar is zonder te investeren in nieuwe machines. Voor dagelijkse sturing op de werkvloer blijft OEE de meest bruikbare maatstaf.

Hoe voorkom je dat OEE-data onbetrouwbaar wordt door verkeerde of inconsistente stopcoderegistratie?

Zorg dat stopcodes aansluiten op de werkelijkheid van de operator: niet te veel categorieën, duidelijke omschrijvingen en geen ruimte voor interpretatie. Valideer de stopcodes regelmatig samen met de werkvloer en pas ze aan als blijkt dat bepaalde codes structureel verkeerd worden ingevuld. Een betrouwbare dataset van twintig goed gedefinieerde stopcodes is altijd waardevoller dan een gedetailleerde lijst van honderd codes die niemand consequent gebruikt.

Hoe koppel je kennisborging praktisch aan je OEE-verbeterproces?

Maak kennisborging een vast onderdeel van elke verbeteractie: zodra een probleem structureel is opgelost, leg je de nieuwe werkwijze direct vast als standaard — bij voorkeur visueel en op de plek waar het werk gebeurt. Denk aan een foto, een korte instructievideo of een stappenplan naast de machine. Zo voorkom je dat een verbetering na een ploegwisseling of personeelsverloop weer teniet wordt gedaan en bouw je stap voor stap aan een kennisbasis die de hele organisatie sterker maakt.