Wat doe je als je weet dat er iets mis gaat, maar niet waar het probleem zit?

Als je weet dat er iets misgaat in je productieproces, maar je kunt niet precies aanwijzen waar het probleem zit, is de eerste stap: stop met zoeken naar de oorzaak en begin met het in kaart brengen van het patroon. Verborgen productieproblemen verraden zichzelf bijna altijd via terugkerende signalen, ook als de data onvolledig is. Dit artikel beantwoordt de meest gestelde vragen over het herkennen, analyseren en aanpakken van dit soort sluipende problemen.

Hoe herken je een verborgen productieprobleem voordat het escaleert?

Een verborgen productieprobleem herken je aan afwijkingen die zich herhalen zonder duidelijke aanleiding: een lijn die net iets langzamer draait dan verwacht, een uitvalpercentage dat licht stijgt, of operators die steeds vaker handmatig ingrijpen. Deze signalen zijn geen toeval. Ze zijn vroege indicatoren van een onderliggend probleem dat nog niet zichtbaar is als storing, maar dat wel al invloed heeft op je output en kwaliteit.

Het lastige aan verborgen problemen is dat ze zelden spectaculair zijn. Ze sluipen erin. Een machine die elke dag vijf minuten stilstaat, voelt minder urgent dan een complete lijnstop, maar over een maand gerekend is het verlies net zo groot. Productiemanagers die dit soort patronen serieus nemen, voorkomen dat een beheersbaar probleem uitgroeit tot een crisis.

Let specifiek op de volgende signalen:

Operators die routinematig kleine aanpassingen doen aan instellingen zonder dat dit wordt geregistreerd
Een licht dalende OEE (Overall Equipment Effectiveness) zonder duidelijke verklaring
Toenemende variatie in productkwaliteit bij gelijkblijvende instellingen
Hogere frequentie van kleine onderbrekingen in plaats van grote storingen
Klachten van operators over “gedrag” van een machine dat moeilijk te omschrijven is

Elk van deze signalen op zichzelf is misschien niet alarmerend. In combinatie vertellen ze een verhaal dat aandacht verdient.

Wat zijn de meest voorkomende oorzaken van onverklaarbare productieproblemen?

De meest voorkomende oorzaken van productieproblemen die moeilijk te duiden zijn, liggen op het snijvlak van mechanica, elektrotechniek en software. Een slijtende component die nog niet defect is, een sensor die net buiten kalibratie loopt, of een PLC-programma dat onder bepaalde omstandigheden onverwacht gedrag vertoont: elk van deze oorzaken is op zichzelf lastig te isoleren, zeker als er geen gestructureerde monitoring aanwezig is.

In de praktijk zien we bij Kruispunt Engineering dat productieproblemen zelden één enkele oorzaak hebben. Ze ontstaan door een combinatie van factoren die elkaar versterken. Een mechanisch onderdeel dat net iets meer speling heeft dan het hoort, kan in combinatie met een trillingspatroon van een nabijgelegen machine zorgen voor kwaliteitsproblemen die op het eerste gezicht niets met die machine te maken lijken te hebben.

Veelvoorkomende oorzaken zijn:

Mechanische slijtage die nog niet zichtbaar is als storing, maar wel de nauwkeurigheid beïnvloedt
Sensorafwijkingen die zorgen voor incorrecte feedback aan de besturing
Softwarelogica die onder specifieke, zelden voorkomende omstandigheden verkeerd reageert
Thermische effecten waarbij machines anders presteren bij opwarmtemperatuur dan bij bedrijfstemperatuur
Interactie tussen systemen die afzonderlijk goed functioneren, maar samen onverwacht gedrag vertonen

Dit is precies waarom een brede aanpak nodig is: iemand die alleen naar de software kijkt, mist de mechanische kant. En iemand die alleen de machine inspecteert, mist wat er in de besturing gebeurt.

Hoe analyseer je een productieprobleem als de data ontbreekt?

Als er weinig of geen data beschikbaar is, begin je de analyse met gestructureerde observatie en gespreksvoering. Praat met de operators die dagelijks met de machines werken. Zij hebben vaak een scherp gevoel voor wat er anders is, ook als ze het niet in technische termen kunnen beschrijven. Combineer hun inzichten met een tijdlijn van wanneer het probleem zich voordoet en onder welke omstandigheden.

Zonder data ben je niet stuurloos. Je bent afhankelijk van een andere methode: systematisch elimineren. Door te werken vanuit een hypothese en die vervolgens te toetsen via gerichte observaties, kun je het probleemgebied steeds verder inperken. Dit vraagt om een gestructureerde aanpak, maar het is uitvoerbaar.

Een praktische aanpak in stappen:

Stel een tijdlijn op van wanneer het probleem voor het eerst werd opgemerkt en of er veranderingen zijn doorgevoerd in die periode (onderhoud, aanpassingen, nieuwe productvarianten)
Beschrijf het probleem zo concreet mogelijk: wat gaat er mis, wanneer precies, hoe vaak, en wat is het effect op het product of de lijn
Betrek operators actief: zij zien patronen die in geen enkel systeem worden vastgelegd
Voer gerichte metingen uit op de meest waarschijnlijke probleemgebieden, ook als er nog geen bewijs is
Documenteer alles, ook de hypothesen die niet kloppen, want dat verfijnt de zoekrichting

Zodra er een eerste patroon zichtbaar is, kun je gericht instrumentatie toevoegen om de analyse te onderbouwen met echte data.

Wanneer schakel je een extern ingenieursbureau in voor een productieprobleem?

Je schakelt een extern ingenieursbureau in op het moment dat interne expertise niet toereikend is om het probleem te isoleren of op te lossen, of wanneer de oplossing raakvlakken heeft met meerdere disciplines tegelijk. Dit is geen teken van zwakte, maar van pragmatisme. Een onafhankelijke blik, gecombineerd met brede technische kennis, versnelt het proces aanzienlijk en voorkomt dat je blijft ronddraaien in dezelfde denkpatronen.

In de praktijk zijn er vier situaties waarin externe ondersteuning duidelijk meerwaarde biedt:

Het probleem bestaat al langere tijd en interne pogingen hebben het niet opgelost
De oplossing raakt zowel mechanica, elektrotechniek als software tegelijk
Er is een investering in automatisering of re-design nodig, maar intern ontbreekt de kennis om die keuze goed te onderbouwen
Het probleem heeft directe impact op kwaliteit of leverbetrouwbaarheid en er is tijdsdruk

Een extern ingenieursbureau brengt ook iets wat intern moeilijk te organiseren is: onafhankelijkheid. Geen belang bij een specifieke leverancier of oplossing, alleen focus op wat technisch het beste werkt voor jouw situatie.

Wat doet een ingenieursbureau anders dan een machineleverancier bij storingen?

Een ingenieursbureau kijkt naar het systeem als geheel, terwijl een machineleverancier primair kijkt naar zijn eigen product. Dat is een fundamenteel verschil. Een leverancier heeft belang bij de conclusie dat zijn machine correct functioneert. Een onafhankelijk ingenieursbureau heeft alleen belang bij de juiste diagnose, ongeacht waar het probleem ligt.

Dit verschil in perspectief is in de praktijk doorslaggevend. Veel productieproblemen ontstaan niet in één machine, maar in de wisselwerking tussen machines, in de aansluiting tussen besturingssystemen, of in een mismatch tussen wat een machine kan en wat het proces van hem vraagt. Een leverancier ziet zijn stuk van de puzzel. Een ingenieursbureau ziet de hele puzzel.

Concreet betekent dit dat wij bij Kruispunt Engineering bij een storingsanalyse niet starten vanuit een systeem of component, maar vanuit het productieprobleem zelf. Wat gaat er mis in het proces? Wat is het effect? En wat zijn alle mogelijke technische oorzaken, ongeacht welk systeem daarvoor verantwoordelijk is? Vanuit die brede analyse, waarbij mechanica, elektrotechniek en PLC-besturing en automatisering in samenhang worden bekeken, komen we tot een diagnose die standhoudt.

Dat is wat systems engineering in de kern betekent: niet één onderdeel optimaliseren, maar het gehele systeem begrijpen en verbeteren. En dat is precies de aanpak die werkt bij problemen die je wel voelt, maar nog niet kunt aanwijzen.

Veelgestelde vragen

Hoe lang duurt het gemiddeld voordat een verborgen productieprobleem wordt geïdentificeerd?

Dit verschilt sterk per situatie, maar in de praktijk zien we dat verborgen productieproblemen gemiddeld weken tot maanden onopgemerkt blijven voordat ze serieus worden onderzocht. Dat komt doordat de signalen in het begin subtiel zijn en vaak worden toegeschreven aan normale variatie. Hoe eerder je een gestructureerde analyse start — ook bij twijfel — hoe korter de doorlooptijd naar een oplossing.

Wat is de eerste concrete stap die ik morgen kan zetten als ik vermoed dat er een verborgen probleem speelt?

Begin met het voeren van een gestructureerd gesprek met de operators die dagelijks met de betreffende lijn of machine werken. Vraag ze specifiek: wat doen ze anders dan zes maanden geleden, welke kleine aanpassingen maken ze routinematig, en wanneer voelt de machine 'anders'? Leg die antwoorden schriftelijk vast en zoek naar terugkerende patronen. Dit kost je een uur en levert vaak meer inzicht op dan weken aan data-analyse.

Kan ik een verborgen productieprobleem aanpakken zonder grote investeringen in meetsystemen of software?

Ja, zeker in de beginfase. Gerichte observatie, operatorgesprekken en een goed bijgehouden tijdlijn van afwijkingen zijn al krachtige analysemiddelen die niets kosten. Pas als het probleemgebied is ingeperkt, is het zinvol om gerichte instrumentatie toe te voegen — en dan ook alleen op de plekken waar dat echt iets toevoegt. Onnodige investeringen in brede monitoringsystemen vóórdat de hypothese helder is, leiden vaak tot ruis in plaats van inzicht.

Hoe voorkom ik dat hetzelfde verborgen probleem na de oplossing opnieuw ontstaat?

De sleutel zit in het vastleggen van wat je hebt geleerd: niet alleen de oplossing zelf, maar ook de vroege signalen die voorafgingen aan het probleem. Maak van die signalen concrete checkpoints in je onderhoudsroutine of operatorinstructies. Zo bouw je institutionele kennis op die ervoor zorgt dat het patroon de volgende keer veel sneller wordt herkend — of bij goed preventief onderhoud helemaal wordt voorkomen.

Wat als verschillende technici of afdelingen het oneens zijn over de oorzaak van het probleem?

Meningsverschillen over de oorzaak zijn eigenlijk een waardevol signaal: ze wijzen erop dat het probleem waarschijnlijk op het raakvlak van meerdere disciplines ligt. In dat geval helpt het om alle hypothesen expliciet te maken en ze vervolgens systematisch te toetsen via gerichte metingen, in plaats van te blijven discussiëren op basis van aannames. Een onafhankelijke partij die geen belang heeft bij een specifieke conclusie kan in zo'n situatie het proces doorbreken en de analyse objectiveren.

Hoe weet ik of mijn OEE-daling het gevolg is van een verborgen probleem of gewoon normale variatie?

Normale variatie is willekeurig en keert terug naar het gemiddelde. Een verborgen probleem laat een richting zien: de OEE daalt licht maar consistent over meerdere weken, of de variatie neemt toe zonder dat er iets in het proces is veranderd. Zet je OEE-data op een tijdlijn en kijk niet naar dagelijkse uitschieters, maar naar de trendlijn over vier tot acht weken. Een dalende trend zonder aanwijsbare externe oorzaak is een sterke indicator dat er iets structureel aan de hand is.

Welke informatie moet ik aanleveren als ik een ingenieursbureau inschakel voor een storingsanalyse?

Hoe meer context, hoe sneller de analyse. Breng in ieder geval het volgende in kaart: een beschrijving van het probleem in concrete termen (wat gaat er mis, hoe vaak, met welk effect), een tijdlijn van wanneer het begon en welke wijzigingen er sindsdien zijn doorgevoerd, beschikbare data zoals OEE-rapportages of storingslogs, en de inzichten van operators. Je hoeft de oorzaak niet te kennen — dat is precies waarvoor je een ingenieursbureau inschakelt — maar een goede probleembeschrijving verkort de doorlooptijd aanzienlijk.