De OEE berekenen: 7 fouten om te vermijden in 2025

Opérateurs en usine utilisant tablette pour calcul OEE automatisé sur ligne de production industrielle

Geschreven door Alyssa Fleurette

Geplaatst op 30.09.2025

Leestijd:

De realiteit is grimmig: de gemiddelde totale efficiëntie van apparatuur in de productie-industrie is 55-60% en slechts 6% van de fabrieken haalt de wereldklasse van 85%+. De schok is vaak hard voor productiemanagers die ontdekken dat hun handmatige OEE-berekening 10-30% van de verborgen productiecapaciteit maskeert.

In 2025, met een markt voor OEE-oplossingen die tegen 2033 USD 12 miljard zal bedragen, is de prioriteit niet langer “moeten we meten? maar “hoe kunnen we de betrouwbaarheid van onze gegevens garanderen? In dit artikel kijken we naar de 7 fatale fouten die uw meetgegevens verstoren, met voorbeelden van McKinsey, Evocon en Symestic.

Waarom OEE-berekeningen essentieel zijn

OEE (Overall Equipment Effectiveness) combineert drie kritieke dimensies van productietijd:

OEE = Beschikbaarheid × Prestatie × Kwaliteit

McKinsey heeft aanzienlijke winsten gedocumenteerd die gekoppeld zijn aan een nauwkeurige berekening:

  • 30-50% minder stilstand van machines
  • 10-30% toename in productiesnelheid
  • 15-30% productiviteitsverbetering

Praktijkvoorbeeld: Een farmaceutische fabriek die van 37% naar 60% OEE gaat, genereert een jaarlijks rendement van 14-16 miljoen USD (McKinsey, 250 dagen/jaar, 16 uur/dag, marge 40%).

Benchmarks per sector

  • Farmaceutica: 35-37% gemiddeld, 70% van wereldklasse
  • Agrovoeding: 70-80% gemiddeld, 80-85% leiders
  • Auto-industrie: 75% gemiddeld, 84-86% magere fabrieken
  • Elektronica: 80-83% gemiddeld, 85%+ leiders

De bevinding: de meeste fabrieken werken 20-30 punten onder World Class, vaak zonder het te beseffen.

De 7 fatale fouten bij handmatig rekenen

Fout #1 – Onzichtbare microstops: 15-20% verlies van beschikbaarheid

Het probleem: deze onderbrekingen van een paar seconden (vastlopen, sensoren, aanpassingen) ontsnappen aan handmatig verzamelen. 50 microstops van 3 minuten = 2u30 verloren.

Impact in cijfers: DBR77 Robotics schat dat microstops verantwoordelijk zijn voor 15-20% van de verloren tijd. Symestic documenten:

  • 50 stops × 3 min = 150 minuten
  • Meer dan 8 uur (480 min) = 31,25% verlies aan beschikbaarheid

Praktijkvoorbeeld Nutriset: De klant uit de voedingsmiddelenindustrie elimineerde deze 3-4 seconden “irritaties” die 50-100 keer per station voorkomen, wat resulteerde in een verbetering van 11% in OEE in 8 jaar.

Oplossing: IoT-sensoren die elke gebeurtenis vanaf de eerste seconde vastleggen, zonder menselijke tussenkomst.

Fout #2 – Gemiddelde snelheden: 5-25% verborgen potentieel in het bedrijf

Het probleem: door de historische gemiddelde snelheid te gebruiken in plaats van de nominale snelheid van de fabrikant worden de scores kunstmatig opgedreven.

Symestic voorbeeld: fabrikant specificeert 3 sec/onderdeel, werkelijke tijd waargenomen 4 sec. Productie van 1000 onderdelen in 3300 seconden:

Correcte berekening (snelheid fabrikant):

  • Theoretisch = 3.300 ÷ 3 = 1.100 stuks
  • Prestaties = 1.000 / 1.100 = 90,9% (zichtbaar verschil: 9,1%)

Onjuiste berekening (gemiddelde snelheid):

  • Theoretisch = 3.300 ÷ 4 = 825 stuks
  • Prestatie = 1.000 / 825 = 121,2% (onmogelijk!)

Impact: Worximity waarschuwt dat deze fout kansen op verbetering verhult. Een correctie brengt een verbeterpotentieel van 5-25% aan het licht.

Fout #3 – Geteld retoucheren: 8 punten voor kwaliteitsverschil

Het probleem: door herbewerkte onderdelen mee te tellen als “goed” in het kwaliteitspercentage wordt de index vertekend.

Symestic voorbeeld: Productie van 1.000 eenheden :

  • 900 onmiddellijk conform
  • 80 die geretoucheerd moeten worden
  • 20 restjes

Verkeerde berekening: (900 + 80) / 1 000 = 98% Juiste berekening (First Pass Yield): 900 / 1 000 = 90% Verschil: 8 punten

Principe: Worximity stelt: “Alleen onderdelen zonder defecten van de eerste doorgang tellen mee. Inclusief herwerk maskeert problemen in het productieproces”.

Fout #4 – Classificatie van stops: invloed op beschikbaarheid

Het probleem: Evocon identificeert de onjuiste indeling van stops als fout #1. Ongeplande stops worden “gepland” om de scores te verbeteren. Ongeplande stops worden “gepland” om de scores te verbeteren.

Stokjescultuur: TipTeh legt uit: “Wanneer gegevens als een disciplinaire stok worden gebruikt, classificeren teams stops verkeerd om problemen te maskeren.”

Klassieke verwarring:

  • Preventief onderhoud: geplande stilstand of verkorting van de beschikbare tijd?
  • Formaatwijzigingen: volledig uitgesloten, gedeeltelijk inbegrepen of volledig meegeteld?
  • Pauzes: inbegrepen of uitgesloten van de berekening?

Impact: Maskeert mogelijkheden voor verbetering en geeft een valse indruk van optimalisatie.

Fout #5 – Onnauwkeurige handmatige gegevens

Het probleem: Scytec waarschuwt: “Handmatige gegevensinvoer leidt tot menselijke fouten”. Het klassieke “Hebt u uw blad ingevuld?” levert benaderende gegevens op.

5 oorzaken van onnauwkeurigheid:

  1. Geheugengegevens (einde van shift)
  2. Fouten bij gegevensinvoer (450 vs 540 stuks)
  3. Inconsistente methoden tussen teams
  4. Onderbenutting van talent (papierwerk vs. productie)
  5. Verouderde gegevens (analyse vorige week)

PSA Stellantis case study: Christophe Pasquet bevestigt de aanzienlijke hoeveelheid tijd die vrijkomt voor operators, die zich kunnen concentreren op de productie.

Fout #6 – Verwarring van tijdseenheden

Het probleem: het mengen van minuten, seconden en uren levert absurde resultaten op.

Symestic voorbeeld: 390 min looptijd, 45 sec/stuk, 500 stuks

Onjuist (gemengde eenheden): (45 × 500) / 390 = 57,7 (absurd) Juist (seconden): (45 × 500) / (390 × 60) = 96,2%.

Aanbeveling: “Controleer ongebruikelijke resultaten op fouten in de eenheid” (Symestic).

Fout #7 – Gebrek aan standaardisatie op meerdere locaties

Het probleem: Evocon beschouwt het gebrek aan standaardisatie als een kritieke fout #7. Zonder uniforme methodologie is het onmogelijk om locaties met elkaar te vergelijken. Zonder een uniforme methodologie is het onmogelijk om sites met elkaar te vergelijken.

4 bronnen van inconsistentie:

  1. Variabele definities van beschikbare tijd
  2. Verschillende behandeling van wijzigingen
  3. Inconsistente referentiesnelheden
  4. Variabele kwaliteitscategorisatie

Valkuil: Worximity waarschuwt voor ongepaste vergelijkingen (1 verandering/dag vs. 4-5 veranderingen/dag).

Casestudie Eolane: Vincent Perrault gebruikt een standaard tool voor meerdere locaties voor uniforme bewaking, met aanzienlijke kostenbesparingen.

Oplossing: De 4 pijlers van automatisering

1. Automatisch inzamelen

IoT-sensoren leggen elke gebeurtenis in realtime vast. Elimineert fouten #1 (microstops) en #5 (onnauwkeurige gegevens).

2. Gestandaardiseerde berekening

Past automatisch de juiste formule, categorieën en eenheden toe. Elimineert fouten #2, #3, #6, #7.

3. Intelligente categorisatie

Stopt geclassificeerd volgens configureerbare regels, 24 uur per dag toegepast. Elimineert fout #4.

4. Analyse van oorzaken en waarschuwingen

Gegevens omgezet in Pareto, trends, correlaties. Automatische analyse van hoofdoorzaken. Proactieve detectie van drift.

Gedocumenteerde ROI

McKinsey inkomsten:

  • 30-50% minder stilstandtijd
  • 10-30% toename in doorvoer
  • 20-40% levensduur machine
  • 4-10% EBITDA-verbetering

Gedocumenteerde gevallen:

  • HKScan: +20% OEE in 6 maanden
  • Toftan: +35% OEE in 1 jaar (40%→75%)
  • Auto: -25% ongeplande stops (McKinsey)

Typische ROI: 6-18 maanden, afhankelijk van de grootte van de installatie.

FAQ – Veelgestelde vragen over OEE

Hoe bereken je OEE correct?

OEE = Beschikbaarheid × Prestatie × Kwaliteit

Beschikbaarheid = Werkelijke tijd / Geplande tijd Prestaties = Werkelijke hoeveelheid onderdelen / Theoretische (snelheid van de fabrikant) Kwaliteit = Goede onderdelen (Eerste doorgang) / Totaal geproduceerd

Voorbeeld: ploeg 8 uur (480 min), pauzes 30 min, stops 45 min

  • Beschikbaarheid = 405/450 = 90%.

  • Prestaties = 385/405 stuks = 95%.

  • Kwaliteit = 377/385 = 98

  • OEE = 83,8

Waarom is mijn handmatige OEE beter dan de geautomatiseerde?

Normaal! Geautomatiseerd is meestal 5-15 punten lager omdat het :

  • Microverliezen (15-20% verborgen verliezen)

  • Werkelijke snelheden vs. gemiddelde snelheden (5-25% potentieel)

  • Retoucheren uitgesloten (8 punten verschil)

  • Correcte classificatie van oordelen

  • Alle invoerfouten geëlimineerd

Wat maakt een goede EEO?

Algemene normen:

  • < 60%: Onvoldoende (wereldgemiddelde 55-60%)

  • 60-75%: Aanvaardbaar mkb

  • 75-85%: Goed niveau

  • > 85% : Wereldklasse

Per sector:

  • Farma: 35-37% gemiddeld, 70% van wereldklasse

  • Agrovoeding: 70-80% gemiddeld, 80-85% leiders

  • Auto-industrie: 75% gemiddeld, 84-86% mager

Belangrijke informatie: Slechts 6% haalt 85%+ (Evocon). Streven naar voortdurende verbetering: +5 punten/jaar.

Conclusie

Slechts 6% van de fabrikanten haalt World Class, waarbij de meerderheid in werkelijkheid op 55-60% zit en denkt dat ze op 70-75% zitten. Dit verschil vertegenwoordigt honderdduizenden euro’s aan verborgen capaciteit tijdens de productieperiode.

Belangrijkste punten

Automatisering kost minder dan handmatig werk:

  • Bespaarde administratieve tijd
  • 10-30% verborgen capaciteit gedetecteerd
  • Beslissingen gebaseerd op echte gegevens

Gedocumenteerde snelle ROI:

  • Terugverdientijd < 6-18 maanden
  • 10-30% hogere verwerkingscapaciteit, 30-50% minder uitvaltijd
  • Oplossingen beschikbaar vanaf €99/maand

Volgende stappen:

  1. Zelfdiagnose: hoeveel fouten herken jij?
  2. De OEE-kloof schatten (weergegeven vs. werkelijk)
  3. Piloot 1 maand op kritieke lijn

Gratis hulpmiddelen om actie te ondernemen

Bereken je ROI in 2 minuten Hoeveel kosten deze 7 fouten je echt? Onze calculator schat je potentiële winst en gepersonaliseerde return on investment.


Bekijk de oplossing in actie
Een demonstratie van 20 minuten op maat van uw sector: bekijk uw gegevens in realtime.

In 2025 begint operationele uitmuntendheid met betrouwbare gegevens. Uw tevredenheid hangt af van de kwaliteit van uw indicatoren.

Blijf op de hoogte

Mis geen updates van TEEPTRAK en de Industrie 4.0! Volg ons op LinkedIn en YouTube. Abonneer je ook op onze nieuwsbrief om de maandelijkse samenvatting te ontvangen!

OPTIMALISATIE EN CONCRETE RESULTATEN

Ontdek hoe toonaangevende bedrijven in de industrie hun OEE hebben geoptimaliseerd, stilstand hebben verminderd en hun prestaties hebben getransformeerd. Concreet resultaat en bewezen oplossingen.

Dit vind je misschien ook interessant…

0 reacties