OEE bij productie op bestelling versus voorraadproductie: gids voor optimalisatiestrategieën

De OEE voor productie op bestelling versus productie op voorraad is een onderwerp dat de meeste industriëlen negeren. Een fabriek die op voorraad produceert en een fabriek die op bestelling produceert, kunnen dezelfde machines en hetzelfde ERP-systeem gebruiken. Maar de manier waarop de OEE hun prestaties, productieplanning en winstgevendheid beïnvloedt, is fundamenteel verschillend.

Toch passen de meeste fabrikanten dezelfde productiedoelstellingen en verbeteringsmethoden toe, ongeacht hun model. Dat is een vergissing.

Een OEE van 75% op een productielijn met veel variatie en een laag volume betekent niet hetzelfde als een OEE van 75% op een speciale productielijn die 24 uur per dag hetzelfde artikel produceert.

Deze gids beschrijft wat OEE in elke context werkelijk meet, waar de verliezen zich voordoen en hoe u uw monitoringstrategie kunt aanpassen aan uw productierealiteit. Inzicht in dit onderscheid is essentieel voor elke geloofwaardige aanpak van continue verbetering.

Waarom het productiemodel de planning en productiecapaciteit verandert

Bij productie op voorraad (make to stock) wordt de productie aangestuurd door prognoses en de productieplanning. De series zijn lang, er zijn weinig veranderingen en het belangrijkste doel is het maximaliseren van de doorvoer. De OEE fungeert hier als een pure rendementsindicator: elk gewonnen punt vertaalt zich in extra volume om de magazijnen te bevoorraden en het voorraadbeheer te verzekeren.

Bij productie op bestelling wordt de productie aangestuurd door specifieke productieorders. De series zijn kort, er zijn veel wijzigingen en flexibiliteit primeert op het bruto volume.

De OEE is dan een indicator voor het vermogen van de productie om deadlines te halen, in plaats van een indicator voor het volume.

Het directe gevolg: de hefbomen voor verbetering van de OEE zijn niet dezelfde. Het optimaliseren van het tempo op een lijn op bestelling zonder de omsteltijden te verkorten, betekent een cijfer verbeteren zonder de werkelijke prestaties te verbeteren. De organisatie van de opvolging moet dit verschil weerspiegelen.

De operationele complexiteit van een omgeving op bestelling is structureel groter dan die van een omgeving op voorraad. Meer referenties, meer instellingen, meer kans op fouten. Als je deze realiteit negeert bij het instellen van de OEE, is dat hetzelfde als appels met peren vergelijken.

OEE en beschikbaarheid van middelen: optimalisatie van de productie op voorraad

Kritieke verliezen, rendement en kwaliteit in lange series

Bij productie op voorraad zijn beschikbaarheidsverliezen de grootste vijand. Elke minuut ongeplande stilstand vertegenwoordigt een aantal niet-geproduceerde onderdelen die de voorraad hadden moeten aanvullen. Machine storingen, wachttijden voor grondstoffen en gebreken in preventief onderhoud zijn de belangrijkste oorzaken.

De werkelijke bedrijfstijd is vaak korter dan wat in handmatige rapporten wordt aangegeven. Het verschil tussen de perceptie in de praktijk en de gemeten werkelijkheid kan oplopen tot 15 à 20 OEE-punten. Dit is een blinde vlek die de hele verdere planning verstoort.

Prestatieverlies komt op de tweede plaats. Bij lange series vallen micro-onderbrekingen van 3 tot 5 seconden die 80 keer per dienst voorkomen niet op, maar vertegenwoordigen ze meerdere verloren uren per week. De werkelijke cyclustijd wijkt af van de theoretische cyclustijd, en zonder geautomatiseerde metingen merkt niemand dat.

Kwaliteitsverlies heeft een multiplicatoreffect: een partij van 10.000 stuks met 3% afval betekent dat er 300 stuks opnieuw moeten worden geproduceerd en dat de planning wordt verschoven. Dit heeft een directe negatieve invloed op het totale rendement. De kosten van niet-kwaliteit beperken zich niet tot afval: ze omvatten ook de verbruikte machinetijd, het verspilde materiaal en de vertraging van de volgende productieorders.

OEE-strategie en voorraadbeheer: stabiliteit boven absolute prestaties

Het doel is om een stabiel hoog OEE-niveau te bereiken. Een gemiddeld OEE-niveau van 78% dat schommelt tussen 60% en 90% is problematischer dan een stabiel OEE-niveau van 72%. Waarom? Omdat planning gebaseerd is op voorspelbaarheid.

Als de logistieke afdeling de werkelijke productie niet op ± 5 % kan voorspellen, exploderen de veiligheidsvoorraden. De voorraadrotatie stort in en het vastzitten van geld in de vorm van voorraden wordt een financiële put.

Elk percentage variabiliteit in de OEE vertaalt zich in euro's aan extra voorraad.

De belangrijkste indicatoren om in de gaten te houden zijn de gemiddelde tijd tussen storingen, het verschil tussen de werkelijke en theoretische cyclustijd en het uitvalpercentage per batch. Real-time monitoring is van cruciaal belang om afwijkingen op te sporen voordat ze van invloed zijn op de voorraadniveaus.

Een stabiele OEE maakt het ook mogelijk om de bevoorrading stroomopwaarts betrouwbaarder te maken. Wanneer de werkelijke capaciteit bekend en voorspelbaar is, zijn de bestellingen bij leveranciers nauwkeuriger, zijn er minder spoedgevallen en verdwijnen de extra kosten voor expresvervoer.

OEE in productie op bestelling: controle over de efficiëntie en vertragingen op de productielijnen

Kritieke verliezen en knelpunten in korte series

Bij productie op bestelling is de belangrijkste factor die de OEE negatief beïnvloedt de tijd die nodig is om van serie te wisselen. Een lijn die 8 tot 12 keer per dienst van referentie verandert, kan 20 tot 35% van zijn beschikbare tijd verliezen aan instellingen. Dit is een structureel knelpunt op de productielijnen dat niet verdwijnt door een snellere machine aan te schaffen.

Startverliezen zijn de tweede kritieke bron. Na elke verandering zijn de eerste stukken vaak niet conform. Bij kleine series kunnen deze verliezen 10 tot 15 % van de totale productie vertegenwoordigen. De werkelijke productietijd wordt langer en de vertragingen stapelen zich op, order na order.

Er zijn ook klassieke prestatieverliezen, maar die zijn moeilijker te isoleren omdat de theoretische cyclustijd voor elke referentie anders is. Zonder geautomatiseerd systeem is de prestatiecomponent van de OEE vaak onjuist bij productie op bestelling.

Een bijkomende moeilijkheid bij productie op bestelling is de traceerbaarheid. Elke bestelling heeft zijn eigen specificaties, toleranties en eisen. De OEE-monitoring moet de prestatiegegevens aan elke productieorder kunnen koppelen om de referenties te identificeren die problemen opleveren.

Strategie voor OEE-verbetering en kostenreductie door SMED

Bij productie op bestelling is het doel niet om de bruto OEE te maximaliseren, maar om de beschikbare tijd om waarde te produceren te maximaliseren. Het verkorten van de omsteltijden door middel van de SMED-methode is de belangrijkste hefboom en een directe factor voor kostenreductie. Elke minuut die op een omstelling wordt gewonnen, is een extra minuut productie.

De belangrijkste indicatoren zijn de gemiddelde omsteltijd, het percentage eerste-keer-goed-producten om opstartverliezen te verminderen, en de verhouding tussen de productietijd met toegevoegde waarde en de totale tijd.

De totale OEE blijft relevant als trendindicator, maar het is de gedetailleerde analyse van de oorzaken van stilstand die winst oplevert.

Door de productieprocessen na elke omschakeling streng te controleren, kan het startverlies worden beperkt. De beste resultaten worden behaald wanneer de operators beschikken over een validatiechecklist die in het volgsysteem is geïntegreerd.

Een cruciaal punt: het meetsysteem moet referentiewijzigingen automatisch verwerken. Als elke wijziging een handmatige ingreep vereist, zullen de operators het systeem niet meer gebruiken. De technologie moet zich aanpassen aan de praktijk, niet andersom.

De klassieke fout: productiedoelstellingen toepassen die niet geschikt zijn voor het productieproces

Veel industriëlen stellen een universele OEE-doelstelling van 85 % vast, geïnspireerd door benchmarks voor uitmuntendheid. Dit cijfer is zinvol bij productie op voorraad. Het heeft geen enkele zin bij productie op bestelling, waar veranderingen structureel 20 tot 30 % van de beschikbare tijd in beslag nemen.

Een lucht- en ruimtevaartlijn met 10 wijzigingen per ploeg zal bijvoorbeeld nooit 85% kunnen halen, hoe efficiënt de operators ook zijn. Het vaststellen van deze doelstelling ontmoedigt de teams en brengt de indicator in diskrediet.

Het resultaat: teams die op bestelling werken, worden gezien als ondermaats presterend. De operators raken gedemotiveerd door een onhaalbare doelstelling.

De fabriek stopt met het bijhouden van de OEE juist daar waar dit het meest nuttig zou zijn.

De juiste aanpak: een productieplan met OEE-doelstellingen die zijn aangepast aan het model. In de productie op bestelling is een OEE van 60% met een verbetering van 2 punten per maand een uitstekend resultaat. Het belangrijkste is het traject, niet de absolute waarde.

Het management moet ook de manier waarop de OEE aan de teams wordt gecommuniceerd, herzien. Een haalbare en gecontextualiseerde doelstelling motiveert. Een doelstelling die geen verband houdt met de praktijk demotiveert. Inzicht in de context door alle belanghebbenden is een voorwaarde voor succes.

Impact van OEE op de productieplanning en de levertijden voor klanten

OEE en betrouwbaarheid van de productieplanning

De productieplanning is gebaseerd op een capaciteitshypothese. Als deze hypothese onjuist is, stort het hele productieplan in. Bij productie op voorraad leidt een overschatte OEE tot tekorten. Bij productie op bestelling leidt dit tot contractuele vertragingen.

De integratie van de werkelijke OEE in het planningsproces is een paradigmaverschuiving. In plaats van te plannen op basis van 85% theoretische capaciteit, wordt er gepland op basis van 65% gemeten capaciteit. Het resultaat: minder gebroken beloften, minder spoedtransporten, minder boetes.

Bedrijven die hun OEE-monitoring koppelen aan hun ERP of een manufacturing execution-systeem, zien binnen drie maanden een verbetering van 15 tot 25% in hun naleving van deadlines. Dat is een snel en meetbaar rendement op de investering.

OEE en klanttevredenheid

Klanttevredenheid in B2B-industrie wordt voornamelijk gemeten aan de hand van het percentage tijdige en volledige leveringen. Dit percentage wordt rechtstreeks beïnvloed door de werkelijke productiecapaciteit, dus door de OEE.

Een fabriek die plant op basis van een theoretische capaciteit van 85%, terwijl haar OEE schommelt tussen 55% en 65%, loopt automatisch vertragingen op. Niet-gemeten productieverliezen zijn de belangrijkste factor voor niet-nagekomen beloften.

Een klant laten zien dat u uw OEE hebt verbeterd, is krachtiger dan welke commerciële pitch dan ook. Het is een meetbaar concurrentievoordeel dat het vertrouwen versterkt en opdrachtgevers aan u bindt.

Gemengde omgevingen: wanneer productie op bestelling en op voorraad naast elkaar bestaan

Veel fabrieken werken in een gemengde modus. Sommige lijnen produceren in lange series voor de voorraad, andere reageren op specifieke bestellingen. Soms wisselt dezelfde lijn tussen beide modellen, afhankelijk van de periode en de lopende projecten.

Het vergelijken van de OEE van een lijn op voorraad en een lijn op bestelling op hetzelfde dashboard zonder context leidt tot absurde beslissingen.

De lijn op bestelling met 62% die 98% van zijn bestellingen op tijd levert, presteert beter dan de lijn op voorraad met 80% die overvoorraden genereert.

Klanttevredenheid is de uiteindelijke maatstaf, niet het bruto OEE-cijfer. OEE is een diagnostisch hulpmiddel, geen wedstrijd tussen productielijnen.

Groepen met meerdere vestigingen moeten het productiemodel integreren in hun OEE-referentiekader via een gemeenschappelijke database.

Interne vergelijkingen hebben alleen zin als vergelijkbare situaties worden vergeleken. Twee locaties die op bestelling produceren, kunnen met elkaar worden vergeleken. Het is misleidend om een locatie die op bestelling produceert te vergelijken met een locatie die op voorraad produceert.

Voor het opzetten van een gemeenschappelijk referentiekader moeten de definities worden gestandaardiseerd: wat is een geplande stilstand? Hoe moet een serieverandering worden geclassificeerd? Deze vragen lijken eenvoudig, maar de antwoorden variëren van locatie tot locatie en vertekenen elke vergelijking.

De rol van realtime monitoring: een prestatie-indicator voor elk model

Bij productie op voorraad maakt realtime monitoring het mogelijk om prestatieafwijkingen op te sporen voordat ze van invloed zijn op de voorraadniveaus. Een daling van 5% in de productiesnelheid die een week lang onopgemerkt blijft op een productielijn met een hoge snelheid, betekent duizenden ontbrekende onderdelen.

Met een Pareto-diagram van de oorzaken van stilstand kunnen corrigerende maatregelen worden geprioriteerd op basis van de duurste bedrijfsverliezen. Deze eenvoudige tool zet ruwe gegevens om in een concreet actieplan.

Bij productie op bestelling is monitoring nog belangrijker, omdat de deadlines contractueel vastgelegd zijn. Als een seriewissel 45 minuten in plaats van 20 minuten duurt, heeft dat onmiddellijk gevolgen. De operator die de vertraging in realtime ziet, kan de planning waarschuwen.

Door integratie met een manufacturing execution-systeem kan deze informatieautomatisering worden geautomatiseerd en kan de beschikbaarheid van middelen in realtime worden aangepast. De planning hoeft niet meer te wachten op het einde van de dienst om te weten dat er een probleem is.

In beide gevallen verbeteren de operators de prestaties wanneer ze de werkelijkheid in realtime zien. Het rendement op de investering van een dergelijk systeem wordt gemeten in weken, niet in maanden. Het verschil tussen een handmatige follow-up achteraf en een geautomatiseerde follow-up in realtime is het verschil tussen reageren en anticiperen.

Concrete voorbeelden: OEE aanpassen aan het productieproces in de praktijk

Productie op voorraad: het geval Hutchinson in de automobielsector

Hutchinson, een autoleverancier die op voorraad produceert, heeft de OEE van een locatie van 42% naar 75% gebracht door stilstanden te identificeren die niet door de handmatige monitoring werden gedetecteerd. De strategie was duidelijk gericht op lange series: stilstanden verminderen, het tempo stabiliseren, de levering aan fabrikanten betrouwbaarder maken.

De winst werd in enkele weken tijd behaald dankzij de invoering van geautomatiseerde monitoring. De teams ontdekten dat micro-stilstanden, die in handmatige rapporten niet zichtbaar waren, de belangrijkste bron van verlies vormden. Zonder geautomatiseerde metingen zouden deze verliezen verborgen zijn gebleven.

De impact op de logistieke keten was onmiddellijk merkbaar: minder vertragingen, minder expresvervoer en een groter vertrouwen bij de opdrachtgevende autofabrikanten.

Productie op bestelling: lucht- en ruimtevaart en kleine series

In de luchtvaart werken toeleveranciers op basis van productie op bestelling met onderdelen met een hoge toegevoegde waarde. Een bruto OEE van 45 tot 55% is normaal. Het gaat erom de omsteltijden en het startafval te verminderen, niet om een onrealistisch cijfer na te jagen.

De meest effectieve verbeteringsprojecten in deze sector zijn gericht op de standaardisatie van procedures voor serieveranderingen. Elke minuut die op een verandering wordt gewonnen, vertaalt zich direct in extra capaciteit om bestellingen uit te voeren.

Gemengde omgeving: Nutriset en de dubbele humanitaire uitdaging

Nutriset illustreert de dubbele uitdaging van gemengde omgevingen: betrouwbaarheid in de productie op voorraad voor humanitaire reserves, reactievermogen op bestellingen voor dringende behoeften in crisisgebieden. In de humanitaire context heeft elke dag vertraging directe gevolgen in het veld.

Deze voorbeelden tonen aan dat niet het OEE-cijfer zelf de sleutel is, maar het inzicht in de verliezen die het aan het licht brengt en het vermogen van de teams om op de juiste oorzaken in te spelen.

Hoe u de organisatie van uw OEE-monitoring kunt configureren volgens uw model

Stap 1: identificeer het productiemodel van elke lijn. Eenzelfde fabriek kan zowel lijnen op voorraad als lijnen op bestelling hebben. De instellingen voor de OEE-monitoring moeten deze realiteit weerspiegelen. Deze diagnosestap is van fundamenteel belang en mag niet overhaast worden uitgevoerd.

Stap 2: definieer de theoretische cyclustijden per referentie voor de lijnen op bestelling. Zonder deze basis heeft de prestatiecomponent van de OEE geen betekenis. Moderne IoT-oplossingen beheren automatisch referentiewijzigingen.

Stap 3: de tijd voor serieveranderingen scheiden van de oorzaken van stilstand. In productie op bestelling is een serieverandering geen afwijking, maar een operationele realiteit. Nauwkeurige meting ervan is een voorwaarde om deze te verbeteren met SMED.

Stap 4: pas de dashboards aan. De productielijnen op voorraad geven de totale OEE en de cadansontwikkeling weer. De productielijnen op bestelling geven de gemiddelde omsteltijd en de naleving van de deadlines weer. Elk model heeft zijn eigen prioritaire indicatoren.

Stap 5: implementeer een kant-en-klare geautomatiseerde monitoring die de gegevens rechtstreeks van de machines verzamelt, in 2 uur tijd, zonder aanpassingen aan de infrastructuur. De eenvoudige implementatie is een belangrijke factor voor de acceptatie door de teams in het veld.

Stap 6: train de teams in het lezen van OEE-dashboards. Een monitoringtool heeft alleen waarde als de operators en lijnverantwoordelijken de gegevens kunnen interpreteren en corrigerende maatregelen kunnen nemen. Training is een investering, geen kostenpost.

FAQ: OEE in productie op bestelling versus op voorraad

Conclusie: OEE is geen cijfer, het is een diagnose

OEE heeft alleen waarde in de juiste context. Bij productie op voorraad is het een indicator voor doorvoer en regelmaat. Bij productie op bestelling is het een indicator voor flexibiliteit en het halen van deadlines. Door één enkel raster op beide omgevingen toe te passen, mis je de echte hefbomen.

Wat telt, is begrijpen waar de verliezen zich voordoen, waarom ze bestaan en hoe ze kunnen worden verminderd. Realtime monitoring biedt deze zichtbaarheid.

De teams in het veld die de waarheid zien, nemen de juiste beslissingen, ongeacht het productiemodel.

Een goed geïnterpreteerde OEE verandert de relatie tussen productie, logistiek en management. Het vervangt intuïtie door feiten, beschuldigingen door diagnoses en beloften door nagekomen toezeggingen.

TEEPTRAK implementeert kant-en-klare IoT-oplossingen die OEE in realtime meten, aangepast aan productieomgevingen op bestelling, op voorraad en gemengd. Installatie in 2 uur, zonder aanpassingen aan de infrastructuur, met native beheer van referentiewijzigingen. Meer dan 400 fabrieken in 30 landen vertrouwen op onze oplossingen. Vraag een demonstratie aan.