De juiste KPI's kiezen:toonaangevende versus achterblijvende statistieken voor uitmuntende productie

Key Performance Indicators (KPI's) spelen een sleutelrol bij het succes van de productie. Het meten, verzamelen en gebruiken van KPI-gegevens kan de uptime verhogen, de betrouwbaarheid vergroten, de kostenbeheersing verbeteren, de omzetgroei stimuleren en de algehele apparatuureffectiviteit (OEE) vergroten. 

De uitdaging? De juiste KPI's voor de taak kiezen. 

Dit begint met een beslissing:toonaangevend of achterblijvend? Leidende KPI's maken gebruik van gegevens om toekomstige resultaten te voorspellen, terwijl achterblijvende KPI's de resultaten meten nadat gebeurtenissen hebben plaatsgevonden. Hoewel beide waarde hebben, kan een te grote afhankelijkheid van achterblijvende KPI's ervoor zorgen dat fabrikanten moeite hebben om gelijke tred te houden met de concurrentie. 

Kijk eens naar onderzoeksbureau Gartner, dat ontdekte dat 49% van de fabrikanten geen vertrouwen heeft in hun productiestrategie om de komende drie jaar bedrijfsresultaten te behalen. Hoewel KPI's alleen niet het succes van de strategie bepalen, spelen toekomstgerichte prestatie-indicatoren een belangrijke rol bij het verbeteren van de zichtbaarheid, afstemming en uitvoering. 

In dit stuk onderzoeken we de basisprincipes van KPI's, leggen we het verschil uit tussen leidende en achterblijvende indicatoren en bieden we advies om fabrikanten te helpen een evenwichtig KPI-framework op te bouwen.

Wat zijn KPI's op het gebied van onderhoud en productie?

KPI's zijn bruikbare statistieken.  Hoewel KPI's worden berekend op basis van gegevens uit bronnen zoals CMMS-platforms, sensoren en gebruikersrapporten, gaan ze verder dan observatie en suggereren ze actie.  

Dit komt omdat KPI's observaties koppelen aan bedrijfsresultaten en een traject voor verbetering bieden. Stel je een bedrijf voor dat de hoeveelheid afval wil verminderen die wordt gegenereerd tijdens de assemblageprocessen van componenten. De organisatie stelt een doeldoel, bijvoorbeeld 5%, en gebruikt vervolgens deze formule om de KPI voor het uitvalpercentage te berekenen: 

Schrootpercentage = (totaal gesloopte eenheden / totaal geproduceerde eenheden) x 100  

Als een productierun van 1000 resulteert in het schrappen van 70 artikelen, wordt de KPI als volgt berekend: 

Schrootpercentage =(70 / 1000) x 100 =7%  

Met deze gegevens kunnen teams actie ondernemen om de bron van schrootproblemen te identificeren en de KPI in overeenstemming te brengen met de verwachtingen. 

Andere veel voorkomende productie-KPI's zijn OEE, cyclustijden, gemiddelde tijd tussen storingen (MTBF) en tijdige levering (OTD). Bedrijven kunnen ook hun eigen KPI’s opstellen, afhankelijk van de bedrijfsdoelstellingen en zichtbaarheidsdoelstellingen. 

KPI's hebben vier kenmerken gemeen: 

• Relevant 

• Op tijd 

• Controleerbaar 

• Afgestemd op zakelijke doelstellingen 

KPI's helpen de besluitvorming op meerdere organisatieniveaus te stimuleren. Onderhoudstechnici kunnen bijvoorbeeld KPI's gebruiken om de hoofdoorzaken te identificeren, terwijl managers op de werkvloer KPI's kunnen gebruiken om de operationele prestaties te stroomlijnen. C-suite managers verbinden KPI’s vaak met zakelijke doelstellingen en strategieën voor de lange termijn. 

Wat zijn achterblijvende KPI's?

Achterblijvende KPI's zijn statistieken die resultaten meten nadat gebeurtenissen hebben plaatsgevonden. Historisch gezien hebben deze KPI's de productie gedomineerd omdat ze geen analyse vooraf vereisen. In plaats daarvan worden alle relevante gegevens achteraf verstrekt. 

Enkele voorbeelden van achterblijvende KPI's zijn: 

• Downtime 

• Gemiddelde reparatietijd (MTTR) 

• OEE 

• Faalpercentage 

• Onderhoudskosten per eenheid 

• Veiligheidsincidenten 

Achterblijvende prestatie-indicatoren hebben verschillende voordelen. Ze zijn objectief, gemakkelijk te meten en ondersteunen duidelijke rapportage en benchmarking.  

Deze indicatoren hebben ook nadelen. Omdat ze van nature reactief zijn, kunnen ze fouten niet voorkomen, maar er alleen over rapporteren. Als gevolg hiervan brengen achterblijvende KPI’s vaak problemen aan het licht nadat de schade is aangericht. 

Houd rekening met machine-uitval. Het meten van deze KPI begint wanneer een kritiek asset uitvalt en eindigt wanneer de systemen weer operationeel zijn. Het volgen van downtime-incidenten gedurende weken, maanden en jaren helpt bij het identificeren van storingspatronen en het ondersteunen van onderhoudsinspanningen, maar brengt risico's met zich mee:elke keer dat apparatuur of systemen falen, verliezen bedrijven tijd en geld. Als de hoofdoorzaken niet worden geïdentificeerd, zullen er fouten blijven optreden, vaak zonder waarschuwing. 

Wat zijn leidende KPI's?

Toonaangevende KPI's signaleren toekomstige resultaten voordat er fouten optreden. Ze doen dit door huidige en vroegere prestatiestatistieken te verzamelen en deze gegevens vervolgens te analyseren om zowel de waarschijnlijkheid van falen van activa als de waarschijnlijke oorzaak ervan te bepalen. 

Toonaangevende KPI's zijn onder meer: 

• PM-nalevingspercentage 

• Waarschuwingen voor conditiebewaking 

• Percentage items gemonitord door sensoren 

• Status van werkorderachterstand 

• Voltooiingspercentage van inspecties 

• Gemiddelde tijd tussen afwijkingen 

Het verzamelen en toepassen van deze KPI's vereist een combinatie van sensoren voor voorspellend onderhoud van apparatuur die altijd aan staan, verbonden IIoT-middelen en diepgaande analyses. Dit is de belangrijkste uitdaging met voorlopende indicatoren:ze zijn niet automatisch beschikbaar. In plaats daarvan moeten bedrijven transparante workflows bouwen die realtime gegevensbeheer mogelijk maken. 

Het grootste voordeel van toonaangevende KPI's is dat de verschuiving van reactief naar proactief onderhoud mogelijk wordt gemaakt. In plaats van te wachten tot machines kapot gaan voordat ze actie ondernemen, kunnen teams deze KPI's gebruiken om waarschijnlijke storingspunten te identificeren en actie te ondernemen om de risico's weg te nemen.

Leidende versus achterblijvende KPI's:belangrijkste verschillen

Achterblijvende KPI’s zijn historisch en reactief. Als gevolg hiervan worden ze vaak gebruikt voor driemaandelijkse of maandelijkse prestatiebeoordelingen om fabrikanten te helpen begrijpen wat er is gebeurd en waarom. 

Toonaangevende KPI’s zijn toekomstgericht en proactief. Ze kunnen worden gebruikt voor dagelijkse of wekelijkse operationele controle door inzicht te geven in wat er kan gebeuren, wat waarschijnlijk zal gebeuren en wanneer. 

Idealiter zouden fabrikanten een combinatie van zowel leidende als achterblijvende KPI's moeten gebruiken om een end-to-end beeld van de activiteiten te creëren.

Afmeting

Voorlopende indicatoren

Achterblijvende indicatoren

Hoofddoel

Voorspel en voorkom toekomstige prestatieproblemen 

Meet resultaten nadat er gebeurtenissen hebben plaatsgevonden 

Tijdstip

Toekomstgericht (vóór mislukkingen of verliezen) 

Achterwaarts kijken (nadat de resultaten zich hebben voorgedaan) 

Type inzicht

Proactief en voorspellend 

Reactief en historisch 

Controle

Hoog:teams kunnen de resultaten vooraf beïnvloeden 

Laag:weerspiegelt gebeurtenissen die al hebben plaatsgevonden 

Typisch gebruik

Dagelijkse en wekelijkse operationele controle 

Maandelijkse en driemaandelijkse prestatierapportage 

Onderhoudsvoorbeelden

PM-nalevingspercentage, waarschuwingen voor conditiemonitoring, inspectiebevindingen en het aanpakken van achterstallige onderhoudswerkzaamheden 

Downtime, MTTR, uitvalpercentage en berekenen onderhoudskosten 

Productievoorbeelden

Trends in procesafwijkingen, SPC-signalen en statusindicatoren voor apparatuur 

Schrootpercentage, opbrengstverlies, gemiste leveringen 

Betrouwbaarheidswaarde

Maakt storingspreventie en voorspellend onderhoud mogelijk

Bevestigt de betrouwbaarheidsprestaties achteraf 

Ideale gebruiksscenario's

Toekomstige prestaties verbeteren en verliezen voorkomen 

Rapportage, benchmarking en verantwoording 

KPI-volwassenheidsmodel:van reactief naar prescriptief onderhoud

Veel fabrikanten doorlopen een KPI-volwassenheidsmodel in vier fasen terwijl ze evolueren van reactieve naar prescriptieve onderhoudspraktijken. 

• Fase 1:Reactief:  Deze fase wordt gedefinieerd door achterblijvende KPI's. Bedrijven gebruiken achterblijvende statistieken om patronen te volgen en risico's te verminderen. 

• Fase 2:Preventief:  Fase 2 introduceert toonaangevende KPI's voor industrieel onderhoud, zoals toestandrapporten en veelvoorkomende oorzaken van storingen, om preventieve onderhoudsprogramma's te creëren. 

• Fase 3:Voorspellend:  In fase 3 maken fabrikanten gebruik van sensorgestuurde toonaangevende statistieken om diepgaande analyses uit te voeren die storingen anticiperen en het onderhoud dienovereenkomstig plannen.  

• Fase 4:Prescriptief:  Ten slotte implementeren bedrijven AI-gestuurde oplossingen om leidende en achterblijvende indicatoren te combineren en gerichte aanbevelingen voor onderhoud te geven. 

Waarom toonaangevende KPI's van cruciaal belang zijn voor voorspellend onderhoud

Leading Indicators maken voorspellend onderhoud mogelijk door conditiebewakingstechnieken en verbonden sensorgegevens te combineren om een compleet beeld van de staat van bedrijfsmiddelen te creëren. Voorspellende processen beginnen doorgaans met drempels:omstandigheden die onmiddellijk reactie vereisen om het risico op mislukking te beperken. Vervolgens volgen trends. Door KPI-gegevens te combineren met analyses kunnen fabrikanten patronen in het gedrag van activa ontdekken die tot ongeplande downtime kunnen leiden. 

Ten slotte bereiden toonaangevende KPI's de weg voor voorspellende inzichten die de punten tussen bedrijfsvoering, onderhoud en beheer met elkaar verbinden. 

Leidinggevende signalen kunnen helpen het volgende te verminderen: 

• Ongeplande downtime 

• Noodreparaties 

• Chaos met reserveonderdelen 

• Veiligheidsrisico's bij industrieel onderhoud 

Als uit de analyse van de belangrijkste KPI's bijvoorbeeld een verband blijkt tussen recent letsel van werknemers en een bepaald apparaat, kunnen teams een root cause Failure Analysis (RCFA) uitvoeren om de onderliggende oorzaak te identificeren.

Hoe u een gebalanceerd KPI-framework bouwt

Bedrijven zijn het meest gebaat bij een uitgebalanceerd KPI-framework. Alleen al de achterblijvende indicatoren laten fabrikanten in het ongewisse over wat er daarna komt, terwijl de leidende indicatoren op zichzelf ervoor kunnen zorgen dat teams cruciale trends missen. 

Stel drie vragen om uw best passende raamwerk te vinden: 

1. Hoeveel KPI’s hebben we nodig?  Zowel te weinig als te veel KPI's kunnen de onderhouds- en beheerinspanningen ondermijnen. Bepaal uw ideale aantal door KPI's te koppelen aan duidelijke bedrijfsresultaten. Eventuele achterblijvende of leidende indicatoren die geen actie aanzetten of geen inzicht bieden, zijn niet nodig.  

2. Hoe moeten leidende en achterblijvende KPI's met elkaar in evenwicht worden gebracht?  Saldo wordt vaak gedefinieerd door de kriticiteit van assets. Achterblijvende indicatoren kunnen bijvoorbeeld voldoende zijn voor minder kritieke assets in gevallen waarin herstel na een storing minimale gevolgen heeft. Voorlopende indicatoren zijn ondertussen een must-have voor assets die bij uitval grootschalige ongeplande downtime kunnen veroorzaken. 

3. Hoe verschillen KPI’s per rol?  Denk ten slotte na over de impact van KPI’s per rol. Technici hebben bijvoorbeeld asset-specifieke KPI's nodig die directe problemen volgen, terwijl leidinggevenden en managers kunnen profiteren van KPI's op een hoger niveau die gezamenlijk grotere patronen definiëren. 

KPI-meting mogelijk maken met technologie

Effectieve KPI-meting en -beheer zijn afhankelijk van technologie. Het volume en de complexiteit van productielijngegevens maken het voor organisaties onpraktisch om KPI's handmatig te verzamelen, analyseren en toepassen. Zonder technologie zijn toonaangevende KPI's bijzonder moeilijk te meten, omdat nauwkeurige gegevens afhankelijk zijn van een proactieve analyse van de reparatiegeschiedenis van bedrijfsmiddelen, het huidige gedrag en de kans op toekomstige mislukkingen. 

Technologieën die KPI-meting mogelijk maken, zijn onder meer: 

• Geautomatiseerde onderhoudsbeheersystemen (CMMS) 

• Sensoren voor conditiebewaking 

• Betrouwbaarheidsanalyses 

• Hulpmiddelen voor AI en machine learning 

In combinatie maken deze tools het automatisch genereren van KPI's mogelijk, waardoor handmatige gegevensinvoer en rapportage overbodig worden. In combinatie met toegankelijke dashboards bieden deze KPI's realtime inzicht in trends en patronen die van invloed kunnen zijn op de cyclustijden, uitvalpercentages, OTD en de algehele productkwaliteit. 

Van rapportage naar voorspellen

Achterblijvende KPI's houden bij wat er is gebeurd, terwijl leidende KPI's helpen voorspellen wat er daarna komt. 

Beide zijn van cruciaal belang voor bedrijven om door het veranderende landschap van Manufacturing 4.0 te navigeren, dat wordt aangedreven door altijd verbonden, altijd aanstaande en autonome systemen. Hoewel het meten van de impact na een gebeurtenis essentieel is voor voortdurende verbeteringen, biedt een datagestuurde voorspellende onderhoudscultuur het concurrentievoordeel dat fabrikanten nodig hebben.  

Hoewel het mogelijk is om de verschuiving van rapportage naar voorspellen volledig intern af te handelen, zijn bedrijven vaak beter bediend door samen te werken met ervaren service- en systeemaanbieders. Belangrijke indicatoren voor een potentiële partner zijn onder meer kennis van best practices op het gebied van voorspellend onderhoud, expertise op het gebied van sensorinstallatie en analytische rapportage, en diepgaande betrouwbaarheidsexpertise. 

Waar het op neerkomt? De toekomst van onderhoud is voorspellend en KPI-gedreven. Creëer een balans tussen achterblijvende en voorlopende indicatoren om het beste van beide werelden te benutten. 

Neem het voortouw op het gebied van onderhouds- en productie-KPI's met ATS. Laten we praten.  

Referenties

Gartner, Inc. (2025, 28 oktober). Uit onderzoek van Gartner blijkt dat 49% van de organisaties geen vertrouwen heeft in de toekomstige productiestrategie. https://www.gartner.com/en/newsroom/press-releases/2025-10-28-gartner-survey-shows-49-percent-of-organizations-lack-confidence-in-future-manufacturing-strategy