De mythe van de enige KPI die alles meet
In productieplants duikt steeds hetzelfde idee op: als je de juiste KPI kiest, vertelt dat ene getal je of de operatie goed loopt. In de praktijk is een geïsoleerde indicator altijd manipuleerbaar. Een typisch geval: alleen geproduceerde eenheden per ploeg meten, zet operators ertoe aan het tempo op te voeren en herwerk op te offeren. Het cijfer stijgt, de kwaliteit daalt, en de werkelijke kost duikt weken later op in de vorm van retourzendingen. Volgens documentatie van industriële normalisatieorganisaties mag geen enkele efficiëntie-indicator worden geïnterpreteerd zonder een kwaliteitspendant die hem in evenwicht houdt.
OEE: het stargetal dat velen verkeerd lezen
OEE (Overall Equipment Effectiveness) combineert beschikbaarheid, rendement en kwaliteit. Het klinkt volledig, maar verbergt een veelvoorkomende valkuil: wanneer de beschikbaarheid wordt berekend met geplande stilstanden uitgesloten, wordt de indicator kunstmatig opgeblazen. Ik heb dashboards gezien waar de OEE bijna 85% bedroeg terwijl de leveringen maand na maand vertraging opliepen. De oorzaak was simpel: de omsteltijd werd niet als stilstand geregistreerd. De les is dat OEE alleen nuttig is als het meetcriterium gedocumenteerd is en hetzelfde is tussen ploegen.
Mythe: meer inspectie betekent meer kwaliteit
Inspecteren aan het einde van de lijn detecteert defecten, het voorkomt ze niet. Lean productie heeft dat al aangetoond: statistische procesbeheersing (SPC) op kritieke variabelen voorziet afwijkingen voordat ze niet-conforme stukken opleveren. Een nuttige KPI hier is de ratio van stukken buiten tolerantie per miljoen, maar zelfs dat gegeven misleidt als de steekproefgrootte elke dag verandert. Transparantie vereist dat altijd de gemeten lotgrootte wordt vermeld.
Realiteit: kwaliteitsindicatoren komen vaak te laat
De kost van niet-kwaliteit (COPQ) wordt vaak berekend met boekhoudkundige gegevens van de vorige maand. Dat betekent dat de productieverantwoordelijke vandaag beslissingen neemt met informatie van vier weken geleden. Er is geen perfecte oplossing: financiële gegevens lopen per definitie achter. Het eerlijke is dat te erkennen en aan te vullen met procesindicatoren in bijna realtime, zoals de first pass yield.
Waar kwaliteits- en productie-KPI’s echt falen
- In omgevingen met hoge productvariabiliteit: een defectindicator per referentie verliest betekenis als de mix elke week verandert. Segmenteren per productfamilie is aan te raden.
- In kleine werkplaatsen: SPC invoeren met weinig gegevens per lot genereert valse alarmen. Bij steekproeven kleiner dan 30 eenheden zijn klassieke controlekaarten niet betrouwbaar.
- In productie per eenmalige order: er bestaat onvoldoende historische reeks voor trends. Daar primeren conformiteitsindicatoren bij levering, niet procesindicatoren.
Hoe signaal van ruis te scheiden
Een praktijk die werkt: elke productie-KPI koppelen aan een expliciete kwaliteitsgrens. Als de hoofdmetriek bijvoorbeeld eenheden per uur is, definieer dan een maximaal getolereerde herwerkdrempel. Als die wordt overschreden, telt de snelheidsindicator niet meer als prestatie. Deze aanpak vermijdt interne competitie tussen afdelingen en weerspiegelt wat het management echt wil: duurzame prestatie, geen eenmalige pieken.
Een ander nuance dat de ervaring leert: dashboards met te veel indicatoren worden uiteindelijk genegeerd. Drie of vier goed gedefinieerde KPI’s, met een opgeschreven meetcriterium en wekelijkse herziening, overtreffen een paneel van twintig grafieken die niemand interpreteert. En als je niet in één zin kunt uitleggen hoe een indicator wordt berekend, hoort hij waarschijnlijk niet op het dashboard.