Wat is het verschil tussen OEE meten en OEE gebruiken?

Het verschil tussen OEE meten en OEE gebruiken zit in wat je daarna doet. Meten levert een getal op. Gebruiken betekent dat dat getal gedrag verandert: een operator die bijstuurt, een teamleider die een patroon herkent, een probleem dat structureel wordt opgelost in plaats van opnieuw opgeschreven. OEE heeft pas waarde als het mensen helpt betere beslissingen te nemen, op het moment dat het er nog toe doet. In dit artikel beantwoorden we de meest gestelde vragen over OEE op de werkvloer.

Wat gebeurt er als OEE alleen wordt geregistreerd?

Als OEE alleen wordt geregistreerd zonder dat er iets mee wordt gedaan, stapelen cijfers zich op zonder dat de productie verbetert. Je weet aan het einde van de week dat de beschikbaarheid 74% was, maar je weet niet waarom, en niemand heeft er tijdens de dienst iets aan gedaan. Het getal bestaat, maar het heeft geen effect gehad.

Dit is het meest voorkomende patroon in productiebedrijven die net beginnen met OEE: de data wordt verzameld, een rapport wordt gemaakt, en dat rapport belandt bij de operations manager. Die ziet dat het niet goed gaat, maar de informatie is al oud. De dienst is voorbij. De machine draait alweer. De kans om bij te sturen is gemist.

Het gevaar van registreren zonder gebruiken is ook dat medewerkers het gaan zien als administratie. Ze vullen stopcodes in omdat het moet, niet omdat ze er zelf iets aan hebben. En als data als een verplichting voelt in plaats van als een hulpmiddel, wordt de kwaliteit ervan snel minder. Mensen kiezen de snelste code, niet de meest accurate.

Wat is het verschil tussen een OEE-score en OEE-inzicht?

Een OEE-score is een percentage. OEE-inzicht is het begrijpen van waarom dat percentage is wat het is, en wat je eraan kunt doen. Een score van 68% zegt weinig. Maar als je weet dat 18 procentpunt verlies zit in stilstanden van gemiddeld vier minuten bij elke productwissel, heb je iets om op te handelen.

Het verschil zit in de laag onder het getal. OEE bestaat uit drie factoren: beschikbaarheid, prestatie en kwaliteit. Elk van die factoren heeft oorzaken. En die oorzaken hebben patronen. Een machine die elke maandagochtend trager opstart, een ploeg die structureel minder scoort dan een andere, een product dat altijd meer afkeur geeft in de eerste twee uur van de productie. Dat zijn de dingen die je wilt zien.

OEE-inzicht ontstaat pas als je de data lang genoeg en gedetailleerd genoeg bijhoudt om die patronen te herkennen. Dat vraagt om consistente registratie, heldere stopcodes en een manier om de informatie terug te koppelen naar de mensen die er iets mee kunnen doen.

Hoe zet je OEE-data om in concrete acties op de werkvloer?

OEE-data wordt concreet als je het koppelt aan een moment van besluitvorming. De meest effectieve manier om dat te doen is de dagstart: een kort overleg aan het begin van de dienst waarin het team terugkijkt op gisteren en vooruitkijkt op vandaag. Wat ging er mis? Wat doen we anders? Wie pakt dat op?

Een dagstart werkt alleen als de data beschikbaar is op het moment dat het overleg plaatsvindt, in een vorm die iedereen begrijpt. Geen Excel-bestand dat iemand nog moet openen, geen rapport dat nog gemaakt moet worden. Een scherm waarop je ziet: gisteren 71%, de grootste verliespost was stilstand bij machine 3, gemiddeld 6 minuten per keer, acht keer voorgekomen.

Daarna is de vraag: wat doen we vandaag anders? Dat kan een kleine aanpassing zijn in de werkvolgorde, een check aan het begin van de dienst, of een taak die wordt toegewezen aan iemand die het probleem gaat onderzoeken. Het gaat er niet om dat je elk probleem meteen oplost. Het gaat erom dat de data leidt tot een gesprek, en dat gesprek leidt tot actie.

Waarom gebruiken operators OEE-dashboards vaak niet?

Operators gebruiken OEE-dashboards niet als de informatie niet voor hen gemaakt lijkt. Als een dashboard alleen percentages toont die managers interessant vinden, maar geen antwoord geeft op de vraag die een operator heeft, namelijk: “draait mijn lijn goed?”, dan is het dashboard voor hen nutteloos. En nutteloze systemen worden genegeerd.

Een tweede reden is dat veel dashboards te complex zijn. Te veel cijfers, te veel kleuren, te veel context die je nodig hebt om het te begrijpen. Een operator die midden in een dienst even kijkt, heeft geen tijd om een scherm te ontcijferen. Die wil in één oogopslag zien: groen is goed, rood is een probleem.

Het derde probleem is wederkerigheid. Operators registreren data, maar zien er zelf niets van terug. Ze weten niet of hun registraties kloppen, of ze goed bezig zijn, of hun input ergens toe leidt. Als een systeem alleen vraagt en nooit teruggeeft, haakt de werkvloer af. Een goed OEE-dashboard op de werkvloer laat per uur zien of het team op schema ligt, zodat operators zelf kunnen bijsturen zonder te wachten op iemand van kantoor.

Wat is een realistische OEE-score voor een productiebedrijf?

Een realistische OEE-score voor een gemiddeld productiebedrijf ligt tussen de 50% en 75%. Een score van 85% wordt in de industrie vaak als “world class” beschouwd, maar dat is een benchmark die in de meeste fabrieken niet de dagelijkse realiteit is. Wat realistisch is, hangt sterk af van het type productie, de complexiteit van het product en de leeftijd van de machines.

Belangrijker dan het absolute getal is de trend. Een bedrijf dat van 55% naar 65% gaat in zes maanden heeft meer bereikt dan een bedrijf dat al jaren op 72% staat zonder te begrijpen waarom. Verbetering is het doel, niet het halen van een externe norm.

Pas ook op voor te hoge OEE-scores die niet kloppen. Als een machine een OEE van 95% haalt terwijl niemand dat gelooft, is er waarschijnlijk iets mis met de registratie. Stopcodes worden niet ingevuld, de ideale cyclustijd klopt niet, of kwaliteitsafkeur wordt niet meegenomen. Een betrouwbare score is waardevoller dan een hoge score.

Wanneer levert OEE meten pas echt iets op?

OEE meten levert pas echt iets op als de data wordt gebruikt om gedrag te veranderen. Dat klinkt simpel, maar het vraagt om een paar dingen tegelijk: betrouwbare registratie, een moment om de data te bespreken, mensen die de ruimte krijgen om op basis van die data beslissingen te nemen, en een manier om verbeteringen bij te houden zodat ze niet verdwijnen na een paar weken.

In de praktijk begint het bij de werkvloer. Als operators begrijpen waarom ze registreren, als ze zelf zien wat de data oplevert, en als er iets mee wordt gedaan, dan groeit de kwaliteit van de data vanzelf. En betere data leidt tot betere inzichten, betere gesprekken en uiteindelijk betere beslissingen.

Het tweede moment waarop OEE echt iets oplevert, is als het onderdeel wordt van een verbeterproces. Niet als doel op zich, maar als vertrekpunt. Je ziet een verlies, je onderzoekt de oorzaak, je past iets aan, je meet of het helpt. Dat is de cyclus die werkt. OEE is daarin het kompas, niet de bestemming.

Bij Motivate zien we dagelijks hoe het verschil tussen meten en gebruiken zich vertaalt op de werkvloer. Onze software is gebouwd om data niet alleen te registreren, maar ook direct zichtbaar te maken voor de mensen die er iets mee kunnen doen: operators, shiftleaders en teamleiders. Via grote dashboards boven de lijn ziet iedereen per uur of ze op schema liggen. En via de dagstart wordt die data omgezet in gesprek en actie. Wil je zien hoe dat werkt? Lees meer over realtime OEE meten en wat het voor jouw productie kan betekenen.

Veelgestelde vragen

Hoe lang duurt het voordat OEE meten zichtbare resultaten oplevert?

De eerste inzichten zijn vaak al zichtbaar binnen enkele weken, maar structurele verbeteringen vragen doorgaans twee tot drie maanden. Dit komt omdat je eerst voldoende data nodig hebt om betrouwbare patronen te herkennen. Het tempo hangt sterk af van hoe consequent er geregistreerd wordt en of de data actief wordt besproken in bijvoorbeeld een dagstart.

Welke stopcodes moet ik minimaal gebruiken om zinvolle OEE-inzichten te krijgen?

Begin met een beperkte lijst van tien tot vijftien stopcodes die de meest voorkomende verliesoorzaken op jouw werkvloer dekken, zoals omstellen, wachten op materiaal, storing en kwaliteitsafkeur. Een te lange lijst leidt ertoe dat operators de snelste code kiezen in plaats van de meest accurate. Verfijn de lijst pas als de basisregistratie stabiel loopt en je ziet waar meer detail nodig is.

Wat is de grootste fout die bedrijven maken bij het invoeren van OEE?

De grootste fout is beginnen met het dashboard in plaats van met de werkvloer. Veel bedrijven investeren in software en schermen, maar vergeten operators mee te nemen in het waarom. Als de mensen die de data invoeren niet begrijpen wat er met hun registraties gebeurt, wordt de datakwaliteit al snel een probleem en verliest het hele systeem zijn waarde. Betrek operators vanaf dag één en laat ze zien wat hun input oplevert.

Hoe voorkom ik dat OEE-verbeteringen na een paar weken weer wegglijden?

Verbeteringen beklijven alleen als ze worden verankerd in een vaste routine, zoals de dagstart, en als de verantwoordelijkheid helder is belegd bij een teamleider of shiftleader. Schrijf verbeterde werkwijzen vast in een standaard en controleer periodiek of de OEE-score op het verbeterde niveau blijft. Zonder borging is een tijdelijke verbetering vaak slechts een toevallige piek in de grafiek.

Moet ik OEE meten op elke machine, of kan ik beter beginnen met één bottleneck?

Begin met de machine of lijn die de grootste impact heeft op de totale doorvoer, vaak de bottleneck in je proces. OEE meten op elke machine tegelijk vraagt veel van de organisatie en leidt makkelijk tot versnipperde aandacht. Als je één machine goed onder controle hebt en de verbetercyclus werkt, kun je het aanpak stap voor stap uitbreiden naar de rest van de productie.

Hoe betrek ik operators die sceptisch zijn over OEE-registratie?

Sceptische operators zijn vaak mensen die eerder hebben meegemaakt dat data werd gebruikt om te controleren in plaats van te verbeteren. Laat zien dat de informatie terugvloeit naar henzelf: toon per uur of de lijn op schema ligt en gebruik de dagstart om hun input te vertalen naar concrete acties. Als operators merken dat hun registraties leiden tot minder storingen of makkelijker werk, verdwijnt het scepticisme vanzelf.

Wat is het verschil tussen OEE en TEEP, en wanneer is TEEP relevant?

OEE meet de efficiëntie van een machine tijdens de geplande productietijd, terwijl TEEP (Total Effective Equipment Performance) ook de niet-geplande tijd meeneemt, zoals weekenden, ploegenwisselingen en geplande stilstand. TEEP is relevant als je wilt weten hoeveel capaciteit er theoretisch beschikbaar is en in hoeverre je die benut. Voor de meeste productiebedrijven is OEE het juiste startpunt; TEEP wordt interessant als capaciteitsuitbreiding of investeringsbeslissingen op tafel liggen.