OEE berekenen: stap voor stap, concreet voorbeeld en de overstap naar automatische meting

OEE berekenen lijkt eenvoudig — en de formule is dat ook. Maar de berekening is slechts zo goed als de gegevens die erin gaan. Dit artikel legt de OEE-formule stap voor stap uit, werkt een concreet rekenvoorbeeld door, toont wat elk percentage betekent voor uw daadwerkelijke productie en legt de drie meest voorkomende fouten in handmatige OEE-berekening bloot. Vervolgens presenteert het de overstap naar automatische real-time OEE-meting als de enige manier om het volledige OEE-beeld betrouwbaar te krijgen.

De OEE-formule: drie componenten, één getal

OEE = Beschikbaarheid × Prestaties × Kwaliteit

Elk component beantwoordt een specifieke vraag over de machineprestaties:

Beschikbaarheid: was de machine beschikbaar wanneer ze gepland was om te draaien?
Prestaties: draaide de machine op de juiste snelheid wanneer ze beschikbaar was?
Kwaliteit: produceerde de machine goede onderdelen wanneer ze draaide?

Beschikbaarheid berekenen

Beschikbaarheid = Looptijd ÷ Geplande Productietijd

Looptijd = Geplande Productietijd – Ongeplande Stoptijd

Geplande stops (omstellingen, gepland onderhoud) worden uitgeschakeld van de geplande productietijd of apart geclassificeerd, afhankelijk van de OEE-methodologie die uw bedrijf hanteert.

Prestaties berekenen

Prestaties = (Ideale Cyclustijd × Totaal Geproduceerde Onderdelen) ÷ Looptijd

De Ideale Cyclustijd is de theoretisch minimale tijd om één onderdeel te produceren. Als de werkelijke productie lager is dan de ideale, wordt elke afwijking vastgelegd als Prestatieverlies — ongeacht of er een stop plaatsvond.

Kwaliteit berekenen

Kwaliteit = Goede Onderdelen ÷ Totaal Onderdelen

Alleen onderdelen die de kwaliteitsinspectie passeren op de eerste poging tellen mee. Herstelwerk en uitval, ook al wordt het later gecorrigeerd, tellen niet mee in de Kwaliteitsberekening.

Concreet rekenvoorbeeld: OEE berekenen stap voor stap

Stel: een productiemachine is gepland voor 8 uur = 480 minuten per ploeg.

Stap 1 — Beschikbaarheid:
Ongeplande stops: 63 minuten
Looptijd: 480 – 63 = 417 minuten
Beschikbaarheid: 417 ÷ 480 = 86,9%

Stap 2 — Prestaties:
Ideale cyclustijd: 1 minuut per onderdeel (nominale snelheid)
Werkelijk geproduceerde onderdelen: 380
Ideale output: 417 onderdelen op nominale snelheid
Prestaties: (1 × 380) ÷ 417 = 91,1%

Stap 3 — Kwaliteit:
Goede onderdelen: 372
Kwaliteit: 372 ÷ 380 = 97,9%

OEE: 86,9% × 91,1% × 97,9% = 77,5%

Wat betekent dit OEE-getal voor uw productie?

Een OEE van 77,5 procent betekent dat de machine 22,5 procent van zijn maximale potentiële output verliest aan verliezen in de drie componenten. Op een 8-uur ploeg van 480 minuten is dat 108 minuten verloren productiecapaciteit — per ploeg, per machine, elke dag.

De decompositie in drie componenten toont waar de prioriteit ligt. In dit voorbeeld:

Beschikbaarheid van 86,9% — 63 minuten ongeplande stops vertegenwoordigen de grootste absolute verliescategorie. Als dit teruggebracht kan worden naar 20 minuten, stijgt de Beschikbaarheid naar 95,8%.

Prestaties van 91,1% — de machine produceert 37 onderdelen minder dan theoretisch mogelijk per ploeg. Dit Prestatieverlies heeft een oorzaak: een specifieke snelheidsbeperking, een materiaalkwaliteitsvariatie of een operatorpatroon dat nader onderzoek vereist.

Kwaliteit van 97,9% — 8 defecte onderdelen per ploeg. Relatief laag, maar bij hogere productievolumes loopt dit snel op.

Verbeterd naar wereldklasse OEE van 85 procent — een toename van 7,5 procentpunten — wordt 35,4 minuten extra productiecapaciteit per ploeg teruggewonnen zonder investeringen in nieuwe apparatuur.

De 3 meest voorkomende fouten bij handmatig OEE berekenen

Fout 1 — Subjectieve stopregistratie

Wanneer operators stoptijden en oorzaken registreren aan het einde van de ploeg, worden events gereconstrueerd vanuit het geheugen voor events die uren eerder plaatsvonden. Een 12-minuten storing om 10:15 uur wordt om 18:00 uur geregistreerd als 20 minuten omdat niemand de exacte begin- en eindtijden heeft genoteerd. De cumulatieve vervorming over tientallen stops per ploeg leidt tot OEE-berekeningen die de werkelijkheid aanzienlijk overschatten.

Fout 2 — Gemiste micropauzes

Onderbrekingen van minder dan vijf minuten worden bijna nooit handmatig geregistreerd. Ze zijn te kort om op het moment zelf te noteren en te talrijk om te herinneren. Op een lijn met 15 tot 20 micropauzes per ploeg, die elk gemiddeld 90 seconden duren, betekent dit 22 tot 30 minuten gecumuleerde Prestatieverlies die nooit in de OEE-berekening verschijnen.

Fout 3 — Onjuiste cyclustijden

Als de nominale cyclustijd die als basis voor de Prestatieberekening wordt gebruikt, niet de werkelijke maximale machinecapaciteit weerspiegelt, wordt Prestaties structureel overschat. Een machine die slechts 90 procent van haar theoretische snelheid als nominale snelheid heeft ingesteld, laat altijd een Prestatiescore van 100 procent zien — terwijl de werkelijke Prestaties mogelijk lager zijn.

Ontdek hoe TEEPTRAK OEE automatisch berekent

Van handmatig OEE berekenen naar automatische real-time meting

TEEPTRAK IoT-sensoren installeren op elke machine in 48 uur na installatie, zonder PLC-wijziging en zonder productiestop. Elke machinestatusverandering wordt automatisch vastgelegd — inclusief micropauzes van 60 seconden en snelheidsafwijkingen van de nominale cadans. OEE wordt continu berekend zonder handmatige invoer. De Prestaties-score is werkelijk representatief omdat het systeem de werkelijke cyclustijd vergelijkt met de geconfigureerde nominale snelheid.

TEEPTRAK-klanten behalen gemiddeld meer dan 29 OEE-procentpunten na implementatie. De verbetering wordt aangedreven door het zichtbaar maken van verliezen die handmatige berekening structureel miste. Hutchinson verhoogde OEE van 42 naar 75 procent op 40 productielijnen in 12 landen. Nutriset bereikte meer dan 14 productiviteitspunten met terugverdientijd onder een maand. Typische terugverdientijd: 8 tot 14 maanden.

Bekijk klantresultaten per sector

GMAO-integratie: van OEE-data naar onderhoudsactie

TEEPTRAK integreert met de belangrijkste GMAO-platforms via open REST API s. Ongeplande stops activeren automatisch GMAO-werkorders met oorzaakcontext. Historische stopgegevens voeden MTBF-berekeningen voor preventief onderhoudsplanning — waardoor de overgang wordt gemaakt van kalender-gebaseerd naar data-gedreven onderhoud.

Demo aanvragen