OEE (Overall Equipment Effectiveness) is beschikbaarheid × prestatie × kwaliteit, samengevoegd tot één percentage. De formule zelf is in twee minuten uit te leggen; de discussie ontstaat pas daarna, bij de vraag wat er precies onder elk van die drie onderdelen valt. Twee productiebedrijven die exact dezelfde formule toepassen, kunnen op basis van andere definitiekeuzes tot compleet verschillende percentages komen — zonder dat de machine zelf beter of slechter draait.
Waarom één OEE-percentage weinig zegt zonder de drie onderdelen
Een dashboard dat alleen “OEE: 68%” toont, verbergt welk van de drie onderdelen het probleem veroorzaakt. Een lage beschikbaarheid (veel stilstand) vraagt om een ander gesprek dan een lage prestatie (de lijn draait, maar te langzaam) of een lage kwaliteit (er wordt geproduceerd, maar te veel gaat af als uitval of herbewerking). Wie de drie samenvoegt tot één gemiddelde, stuurt op het verkeerde probleem — precies zoals bij OTIF in de logistiek, waar één leveringsbetrouwbaarheidscijfer ook twee verschillende faalmomenten kan verbergen.
De formule, en waar het in de praktijk misgaat
OEE = beschikbaarheid × prestatie × kwaliteit. Elk onderdeel klinkt op zichzelf simpel, maar leunt op een keuze die vooraf vastgelegd moet worden:
- Beschikbaarheid: geplande tijd ten opzichte van wat? Telt geplande onderhoudsstop, pauze of ploegwisseling mee als “geplande productietijd”, of alleen de tijd dat de machine daadwerkelijk zou moeten draaien? Deze keuze bepaalt of een machine die volgens planning stilstaat, de beschikbaarheid wel of niet raakt.
- Prestatie: welke cyclustijd is “ideaal”? De prestatiecomponent vergelijkt de werkelijke output met de theoretische output bij ideale snelheid. Een ideale cyclustijd die nooit is bijgewerkt sinds de installatie van de machine, geeft een vertekend beeld — te optimistisch ingeschat, en de prestatie lijkt structureel slechter dan hij is.
- Microstops: horen ze bij beschikbaarheid of prestatie? Korte, ongeregistreerde stops van een paar minuten worden vaak niet apart vastgelegd als stilstand, maar drukken wel de prestatie — de lijn haalt de theoretische output niet doordat hij voortdurend hapert. Een veelvoorkomende blinde vlek: het probleem wordt toegeschreven aan “prestatie” terwijl de onderliggende oorzaak stilstand is die nooit als zodanig is geregistreerd.
- Kwaliteit: op welk moment gemeten?Telt een product dat na herbewerking alsnog goedgekeurd wordt mee als “goed”, of alleen wat in één keer goed is (first-time-right)? Beide zijn verdedigbaar, maar geven een ander percentage.
- Meetniveau: machine, lijn of fabriek?OEE per machine wijst direct naar het knelpunt; OEE op fabrieksniveau middelt goed presterende en slecht presterende lijnen tot één vlak cijfer waarachter het echte probleem verdwijnt.
Zonder deze keuzes vooraf vast te leggen en consequent toe te passen, meet elke ploeg of lijn een andere versie van “OEE” — en wordt vergelijken tussen lijnen of maanden zinloos.
Hoe dit in Power BI wordt opgebouwd
Zodra de definities vaststaan, komen de drie onderdelen neer op drie DAX-maten die vermenigvuldigd worden tot het OEE-percentage. Daarvoor is per productierun minimaal nodig: start- en eindtijd, geplande versus ongeplande stilstand, de ideale cyclustijd, het aantal geproduceerde eenheden en het aantal daarvan dat in één keer goedgekeurd is. Die gegevens komen doorgaans uit een combinatie van bronnen — machine- of MES-data voor draaitijden en aantallen, het ERP-systeem voor planning, en het kwaliteitssysteem voor afkeur en herbewerking — die in Power BI aan elkaar gekoppeld worden tot één doorlopend cijfer per lijn, ploeg of dag.
Wat dit oplevert dat een handmatige eindeploegtelling niet doet
Het verschil zit in de drill-down en de snelheid. Een handmatige telling aan het einde van een ploeg toont één cijfer, vaak pas de volgende ochtend. Een Power BI dashboard laat per lijn en per onderdeel (beschikbaarheid, prestatie of kwaliteit) zien waar de OEE op dat moment door wordt gedrukt, zodat een ploegleider tijdens de ploeg zelf kan bijsturen — in plaats van pas de volgende dag te ontdekken dat een lijn structureel achterbleef. Zie ook de bredere 6 KPI’s voor productiebedrijven voor hoe OEE zich verhoudt tot doorlooptijd, leverbetrouwbaarheid en de andere metingen binnen hetzelfde dashboard.
Wat dit vraagt van uw organisatie
Deze opzet werkt zodra draaitijden, stilstand, aantallen en afkeur digitaal per productierun vastliggen — via machine-koppelingen, een MES-systeem, of desnoods een gestructureerde digitale invoer op de werkvloer. Staat dit nu nog op papier of in losse Excel-lijstjes, dan is dat meestal het eerste dat op orde moet komen, niet de Power BI-kant. Data Vista koppelt hiervoor met vrijwel elk ERP-, MES- of planningssysteem, waaronder AFAS, Exact, Navision, Odoo, SnelStart, Twinfield, HubSpot en Salesforce.
Wie dit bouwt
Data Vista is een eenmanszaak met een flexibele schil van zzp’ers: u werkt rechtstreeks met de specialist die het dashboard bouwt, niet met een accountmanager die het werk doorzet naar een junior. Vijftien jaar Power BI-ervaring en ruim honderd opgeleverde dashboards liggen aan de basis, actief voor MKB-productiebedrijven vanaf circa twintig medewerkers in Nederland en Vlaanderen.
Weet u niet zeker of uw beschikbaarheids-, prestatie- en kwaliteitsdefinities binnen uw team overeenkomen? Bekijk de Power BI dashboards pagina voor meer voorbeelden, lees de Dibalex- en MMI-case of plan direct een vrijblijvend kennismakingsgesprek.