Dashboard voor productie-KPI's: wat je erop toont en hoe je het bouwt

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

By Mirko Peters · 2026-11-12

Een dashboard voor productie-KPI's werkt pas als elk getal een eigenaar en een actie heeft. Ontdek welke KPI's je kiest, hoe je ze definieert en hoe je het bouwt in Power BI.

Automatically translated with AI from the original post. Read the English original

Een dashboard voor productie-KPI's is één scherm dat de paar cijfers toont die een team nodig heeft om te beslissen wat het hierna doet: verzenden, oplossen, opnieuw plannen of ongemoeid laten. Het is geen archief van rapportages. Deze gids is bedoeld voor operationeel managers in de maakindustrie die moeten bepalen welke KPI's erop komen, hoe je ze definieert en hoe je het bouwt, met Power BI als voorbeeldtool.

Belangrijkste punten

• Een dashboard voor productie-KPI's moet de paar cijfers tonen die een team nodig heeft om te beslissen wat het hierna doet, elk met een eigenaar, een streefwaarde en een duidelijke actie wanneer het afwijkt.
• ISO 22400-1 biedt een branchevrij kader voor het definiëren en gebruiken van KPI's in het beheer van productieprocessen, wat helpt om één definitie te schrijven die elke fabriek gebruikt.
• Bouw per rol één weergave. Een ploegleider heeft de huidige shift nodig, een fabrieksmanager wekelijkse trends, en als je die twee mengt, gaat beide ten onder.
• Tel percentages op vanuit ruwe aantallen of tijd, nooit door dagpercentages te middelen, want anders telt een korte shift even zwaar als een lange.
• Gegevensmeldingen in Power BI werken alleen op vernieuwde gegevens en alleen op meters, KPI's en kaarten. Kies daarom de paar cijfers die een melding moeten activeren.

Wat hoort op een dashboard voor productie-KPI's?

Begin bij beslissingen, niet bij gegevens. Stel voor elk cijfer dat je overweegt de vraag: wie kijkt hiernaar, wat zou die doen als het rood wordt, en hoe snel? Kan niemand dat beantwoorden, laat het dan weg. De kernprestatie-indicator is alleen nuttig als er een eigenaar, een streefwaarde en een reactie bij hoort.

De meeste fabrieken komen uit op een kernset in vijf groepen:

• Levering. Levering op tijd bij de klant, en schema-realisatie binnen de fabriek (hoe nauw de werkelijke output het plan volgde).
• Doorstroming. Doorlooptijd, werk in proces, orderachterstand.
• Machines. OEE en de redenen van stilstand die eronder liggen.
• Kwaliteit. Uitvalpercentage, nabewerking, first-pass yield.
• Kosten en voorraad. Kosten per eenheid, voorraadniveaus, maar meestal alleen op de weergave van de fabrieksmanager.

OEE verdient een kanttekening. De OEE-FAQ op oee.com beschrijft het als beschikbaarheid maal prestatie maal kwaliteit, de verhouding tussen volledig productieve tijd en geplande productietijd. Dezelfde pagina noemt de vaak aangehaalde wereldklasse-norm van 85% “volledig kunstmatig” als universele maatstaf, en waarschuwt dat OEE vergelijken tussen machines of fabrieken alleen zinvol is als producten, machines en omstandigheden gelijk zijn. Gebruik OEE als trend voor dezelfde installatie en wees terughoudend met rangschikkingen tussen fabrieken.

Hoe definieer je elke KPI zodat iedereen hem op dezelfde manier leest?

Twee personen kunnen “levering op tijd” anders uitrekenen en krijgen twee verschillende getallen. De ene telt tegen de beloofde datum, de andere tegen de gevraagde datum. Het dashboard begint dan een discussie in plaats van een beslissing.

ISO 22400-1 helpt hierbij. ISO beschrijft het als een branche-neutraal kader voor het definiëren, samenstellen, uitwisselen en gebruiken van KPI's in het beheer van productieprocessen, en het dekt batch-, continue en discrete industrieën. De norm legt uit wat een KPI is, hoe je er een opbouwt en welke termen je moet gebruiken. Deel 2 van de reeks definieert een selectie KPI's, elk met een formule, de onderdelen ervan, het tijdsgedrag en de eenheid. Je hoeft je niet te laten certificeren op basis van de norm. Gebruik hem als sjabloon voor je eigen definities, dan bespaar je veel discussie.

Maak voor elke KPI een definitiekaart van één pagina:

1. Naam en een doel in één zin.
2. Formule, inclusief wat wel en niet meetelt (geplande stops, testruns, herwerk).
3. Gegevensbron en verversingsfrequentie.
4. Tijdsbasis: per uur, per shift, per week.
5. Eenheid en doel, en wie het doel heeft vastgesteld.
6. Eigenaar, en de actie die verwacht wordt wanneer de waarde van het doel afwijkt.

Waarom misleiden gemiddelden van percentages?

Omdat ze een korte run behandelen alsof het een lange run is. Hier is een verzonnen voorbeeld. Lijn 1 draait acht uur op 80% equipment effectiveness. Lijn 2 draait twee uur op 50%. Het eenvoudige gemiddelde is 65%. Gewogen naar geplande tijd is het (8 × 0,8 + 2 × 0,5) ÷ 10 = 74%. De pagina van oee.com raadt dit soort weging aan voor een cijfer op fabrieksniveau, op basis van geplande productietijd of toegevoegde waarde. De algemene regel werkt ook voor uitval, opbrengst en realisatie: tel eerst de aantallen of de tijd op en bereken het percentage daarna één keer.

Voor wie is het dashboard bedoeld?

Bouw per rol één weergave. Eén "fabriekdashboard" dat iedereen probeert te bedienen eindigt met 30 tegels, en niemand leest het.

• Ploegleider. De huidige shift: output versus plan per uur, huidige stops en hun redenen, uitval, de volgende order. Ververst binnen de shift.
• Fabrieksmanager. Wekelijkse en maandelijkse trends: levering, OEE, uitval, achterstand, kosten. Dagelijks verversen is meestal voldoende.
• Planner. Realisatie van de planning, te late orders, capaciteitsbelasting voor de komende dagen.
• Onderhoud. Stilstand per oorzaak en machine, openstaande werkorders, terugkerende storingen.

De ontwerptips voor dashboards van Microsoft passen bij deze aanpak. De pagina vraagt je na te denken over hoe het publiek het dashboard gebruikt en welke metrics hen helpen beslissen. Er wordt een strakke, overzichtelijke opmaak aanbevolen met alle tegels op één scherm, de data op het hoogste niveau linksboven, en grote kaartvisuals voor de cijfers die ertoe doen. Ook wordt afgeraden om moeilijk leesbare visuals te gebruiken, zoals 3D-grafieken, en wordt geadviseerd de schaal van assen en de kleuren consistent te houden. Een dashboard dat bedoeld is voor een tablet of telefoon heeft minder tegels nodig dan een dashboard op een groot scherm.

Als sommige mensen geen kosten- of personeelsgegevens mogen zien, regel dat dan in het datamodel. Power BI ondersteunt beveiliging op rijniveau, waarbij rollen bepalen welke rijen een gebruiker ziet. Let op: dit geldt voor kijkers van de werkruimte, niet voor mensen die het model kunnen bewerken, dus controleer wie welke rol in de werkruimte heeft.

Waar komen de gegevens vandaan, en hoe vaak moeten ze worden ververst?

Vier bronnen dekken het meeste:

• Het ERP-systeem voor orders, aantallen, leverdatums en kosten.
• Een manufacturing execution system of shopfloor-dataregistratie voor starts, stops, tellingen en uitval.
• Machinesignalen, waar die beschikbaar zijn, voor de draaitoestand en cycluspellingen.
• Een kwaliteitssysteem voor inspectieresultaten en blokkeringen.

Het lastige is dat deze bronnen dezelfde order verschillend beschrijven. Het ERP kent een order via nummer en leverdatum. De machine kent een aantal stuks en een status. Iemand moet tussen die twee vertalen, en die persoon moet met naam en toenaam op het projectplan staan.

Bepaal de verversing per beslissing. Een ploegleider die binnen een shift moet reageren, heeft gegevens nodig binnen enkele minuten. Een fabrieksmanager die de leverprestaties beoordeelt, kan prima met een dagelijkse verversing werken. Sneller kost meer om te bouwen en te onderhouden, en een snelle verversing van foutieve gegevens is gewoon een sneller fout antwoord.

Kan het dashboard je vertellen wanneer er iets misgaat?

Power BI-datawaarschuwingen kunnen. Volgens Microsoft Learn werken ze op meter-, KPI- en kaarttegels die je vastzet vanuit rapportvisuals, alleen met numerieke gegevens en alleen op gegevens die zijn ververst. Meldingen verschijnen in het meldingencentrum en kunnen ook per e-mail komen; waarschuwingen kun je automatiseren met Power Automate. Ze zijn persoonlijk: waarschuwingen ondersteunen geen gedeeld eigenaarschap, en alleen degene die een waarschuwing instelt, ziet die. Gebruik ze voor de twee of drie cijfers waarbij een late reactie geld kost, zoals een stilstand bij het knelpunt. Meer dan dat en mensen zetten ze op stil.

Hoe bouw je het dashboard stap voor stap?

1. Kies één lijn en één doelgroep. Een supervisorweergave voor één lijn is een goed eerste doel.
2. Schrijf de definitiekaarten. Maximaal zes tot acht KPI's, afgestemd met de mensen die ze beheren.
3. Zet de gegevens in één model. Orders, productiegebeurtenissen, stilstandgebeurtenissen en uitval als schone tabellen met gedeelde sleutels, zoals ordernummer, lijn en ploeg. Leg de sleutels vast voordat je iets ontwerpt.
4. Maak elke meting één keer aan. Zet de formules in het model, niet in afzonderlijke visuals, zodat elke pagina dezelfde definitie gebruikt.
5. Ontwerp de pagina. Het belangrijkste cijfer linksboven, daarna de details. Dezelfde schaal- en kleurregels overal.
6. Voeg waarschuwingen toe voor een paar cijfers. Test of ze afgaan op ververste gegevens.
7. Pilot twee tot vier weken op één ploeg. Vraag wat mensen bekeken, wat ze negeerden en wat ze nodig hadden maar niet konden vinden.
8. Evalueer elke week. Kijk welke beslissingen het dashboard daadwerkelijk heeft veranderd. Verwijder tegels die niemand gebruikt.

Pas daarna kopieer je het naar andere lijnen. Kopieer niet blind. Elke lijn heeft eigen stilstanden, eigen producten en eigen doelen.

Voorbeeld: één supervisorweergave (verzonnen cijfers)

Dit is een verzonnen illustratie van hoe een weergave ingedeeld kan zijn, geen gemeten resultaat.

Een supervisorweergave voor een verpakkingslijn heeft zes tegels. Linksboven staat de output ten opzichte van plan tot nu toe in de ploeg. Ernaast staat de huidige status van de lijn (draait, stil, omstelling) met de reden van stilstand. Daaronder staan uitval sinds het begin van de ploeg, OEE van de laatste volledige ploeg, de top drie stilstandredenen van deze week en de volgende drie orders.

Om 10:15 toont de outputtegel dat de lijn 40 eenheden achterloopt op plan, en de stilstandtegel toont een storing die deze week al drie keer is voorgekomen. De supervisor belt onderhoud en schuift een korte order naar voren. Het cijfer heeft niets opgelost. De tegel liet zien wat er moest gebeuren en wie je moest bellen.

Veelgemaakte fouten

• Te veel KPI's. Als een scherm een legenda nodig heeft, staat er te veel op.
• Geen eigenaar en geen actie. Een rode tegel waarvoor niemand verantwoordelijk is, wordt behang.
• Percentages gemiddeld. Tel eerst de aantallen op en bereken daarna het percentage.
• Definities stilletjes wijzigen. Als een formule verandert, kondig dat aan, dateer het en markeer de trendlijn.
• Doelen overnemen van een andere fabriek. Andere producten en machines vragen om andere doelen.
• Handmatige invoer als belangrijkste bron. Dat is traag en loopt na verloop van tijd af van de werkelijkheid.
• Één dashboard voor alle rollen. Bouw de weergave per doelgroep.
• Datakwaliteit negeren. Een mooi dashboard op foute stilstandcodes toont alleen het verkeerde, mooi opgemaakt.

Waar Polaris past

Als je KPI's plan en werkelijkheid met elkaar moeten vergelijken, is iFAKT Polaris een optie om te bekijken. iFAKT beschrijft Polaris als AI plus een digitale tweeling voor productie. De module Polaris Analyzer consolideert KPI's uit alle Polaris-modules in dashboards, waaronder doorlooptijden, bezetting, knelpunten en projectstatus, en vergelijkt scenario's, plannen en werkelijke prestaties. Hij gebruikt de gegevens van de andere modules, dus hij past het best waar je ook in Polaris plant of simuleert. Voor een gewoon Power BI-dashboard op je eigen gegevens gelden de bovenstaande stappen in ieder geval.

Gerelateerde onderwerpen om te verkennen

• Voorspellende KPI's. Voorspellen van stilstand of OEE vraagt eerst een lange, betrouwbare historie. Maak het basisdashboard eerst nauwkeurig voordat je voorspelling toevoegt.
• Anomaliewaarschuwingen. Bepaal welke sprongen in afkeur of cyclustijd een melding verdienen, en wie erop reageert.
• Doelen en benchmarks instellen. Gebruik je eigen trend en vergelijkbare fabrieken voordat je een “wereldklasse”-cijfer hanteert.
• Discrete versus procesfabrieken. Assemblagelijnen letten vooral op cyclustijd en omstellingen. Batch- en continuprocesfabrieken letten vooral op opbrengst en batchconsistentie.

Volgende stap

Een goed KPI-dashboard voor productie begint met een definitie, niet met een grafiek. Kies de regel die je het best kent, schrijf de definitiekaart voor de drie belangrijkste KPI’s ervan, en spreek voor elke KPI een eigenaar en een actie af voordat je Power BI opent.