Micro-stops in productie: hoe je ze vindt en vermindert

By Mirko Peters · 2026-11-11

Micro-stops in productie zijn korte onderbrekingen die niemand registreert, maar die toch uren aan output kosten. Leer hoe je ze telt, de oorzaken rangschikt en ze wegwerkt.

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

Micro-stops in productie zijn zeer korte onderbrekingen, meestal door de operator verholpen binnen een minuut of twee, die niemand noteert. Elk afzonderlijk lijkt onschuldig. Samen kunnen ze meer productiviteit kosten dan de grote storing waar iedereen over praat. Deze gids is bedoeld voor productiemanagers die verborgen verliezen op een lijn vermoeden. Je leert wat micro-stops zijn, hoe je ze zichtbaar maakt, hoe je de oorzaken rangschikt en hoe je de grootste aanpakt.

Belangrijkste punten

• Micro-stops zijn zeer korte onderbrekingen die de operator meteen verhelpt. Ze blijven daardoor meestal ongeregistreerd, terwijl ze samen grote verliezen opleveren.
• In OEE tellen micro-stops als prestatieverlies, niet als beschikbaarheidsverlies. Daarom kan een goed beschikbaarheidscijfer ze verbergen.
• Handmatig geregistreerde stilstand is vaak sterk onnauwkeurig. Automatisch tellen op basis van het machinesignaal is de betrouwbaarste manier om korte stops te zien.
• Tel stops per uur en per oorzaak, rangschik ze in een Pareto-diagram en pak de meest voorkomende oorzaak aan waarvoor je een concreet verbeteridee hebt.
• De meeste oplossingen voor micro-stops zijn klein en fysiek, zoals een geleider, een andere positie van een sensor, een schoon oppervlak of een aangepaste aanvoer. De operators kennen die oplossingen vaak al.

Wat zijn micro-stops en waarom blijven ze verborgen?

Micro-stops gaan onder verschillende namen: minor stoppages, small stops, brief stops, idling en minor stops. De beschrijving van de zes grote verliezen door OEE.com noemt "idling and minor stops" als een van de zes. Het typische geval omschrijft het als een minuut of twee, opgelost door de operator, en meestal ruim onder de vijf minuten. Ook stelt het dat de grens tussen een kleine stop en een storing flexibel is en moet aansluiten bij je beleid voor het registreren van redenen.

Typische voorbeelden zijn een onderdeel dat vastloopt in een goot, een verkeerd ingevoerd etiket, een folie die doorslipt, een vuile fotocel of een robot die wacht op een onderdeel dat niet is aangekomen. Op een transportlijn zie je hetzelfde effect als blokkering en uithongering. Een volle wachtrij stopt het station stroomopwaarts enkele seconden, en een lege wachtrij stopt het station stroomafwaarts. Een defecte sensor of een scheef onderdeel is een andere veelvoorkomende oorzaak.

De operator lost het op en de lijn start weer. Omdat de oplossing snel is, belt niemand onderhoud en komt er niets in het stilstandlogboek terecht. Drie redenen houden deze gebeurtenissen verborgen. Operators richten zich op het draaiende houden van de lijn, niet op het schrijven van notities. Papieren formulieren hebben geen veld voor een gebeurtenis van 20 seconden. En de meeste rapportages beginnen pas bij een drempel van enkele minuten, waardoor kortere gebeurtenissen buiten beeld vallen.

Een micro-stop wordt dus minder bepaald door de oorzaak dan door zijn omvang en zijn onzichtbaarheid. Als hij lang genoeg duurt dat een operator er een reden voor invoert, is het stilstand. Is hij korter, dan heb je een andere manier nodig om hem te zien. Sommige fabrieken behandelen een stilstand van 30 seconden als stoptijd en een vastloper van 2 minuten als stilstand. De grens belang je minder dan het gebruik van dezelfde grens in elke ploeg.

Micro-stops in productie en je OEE-cijfer

Bij OEE zijn korte onderbrekingen een prestatieverlies. De OEE.com-pagina over de OEE-factoren definieert prestatieverlies als alles wat ervoor zorgt dat het proces tijdens het draaien onder zijn maximale snelheid loopt, inclusief trage cycli en kleine stops. Beschikbaarheid daarentegen gaat over stilstanden die lang genoeg zijn voor een operator om een reden te registreren, meestal enkele minuten.

Dit is belangrijk voor hoe je je OEE-resultaat leest. Een lijn kan 90 procent beschikbaarheid rapporteren en toch veel output verliezen. Als de prestatiefactor laag is en niemand weet waarom, dan zijn micro-stops de eerste verdachten. Vorne, een leverancier van OEE-software, schrijft dat trage cycli en kleine stops vaak een grotere bron van verloren tijd zijn dan afzonderlijke stilstandredenen. Dat is een uitspraak van een leverancier, dus toets die aan je eigen data. De onderstaande methode doet precies dat.

Hoe je micro-stops vindt en rangschikt in een Pareto-diagram

Vorne zegt ook dat handmatig geregistreerde stilstand vaak zeer onnauwkeurig is en dat handmatige lijsten kortere gebeurtenissen over het hoofd zien. In de gids over stilstandregistratie wordt geadviseerd om geautomatiseerde dataverzameling te gebruiken, omdat automatisering kortere stops vastlegt die makkelijk gemist worden. Volg deze stappen.

1. Kies één lijn waarvan je vermoedt dat die het probleem heeft, meestal de bottleneck of een machine met een lage prestatiefactor.
2. Definieer de gebeurtenis. Schrijf op wat de kortste onderbreking is die je meetelt, bijvoorbeeld 10 seconden. Schrijf ook de grens op waarboven het als stilstand telt, bijvoorbeeld 5 minuten.
3. Leg het signaal vast. Gebruik het run-signaal, een stukteller of een eenvoudige sensor, bijvoorbeeld van de PLC (programmable logic controller) die de apparatuur aanstuurt. Een manufacturing execution system of een datalogger kan elke gebeurtenis met een tijdstempel opslaan. Zonder systeem kun je als eerste beeld twee weken lang tellijsten door operators laten bijhouden.
4. Voeg een reden toe. Laat operators na het herstarten een reden kiezen uit een korte lijst. Vorne adviseert maximaal 25 redenen, allemaal bruikbaar en gericht op symptomen in plaats van oorzaken.
5. Tel de frequentie, niet alleen de minuten. Noteer het aantal gebeurtenissen per uur en de totale tijd per oorzaak.
6. Rangschik de oorzaken in een Pareto-diagram: een staafdiagram gesorteerd van groot naar klein, met een cumulatieve lijn.

Kijk naar het tijdstip van de dag, de shift, het product, de materiaalpartij en de cyclustijd net vóór de gebeurtenis. Als de lijn elke keer vertraagt voordat er een stop komt, is een versleten onderdeel of een storing in een sensor waarschijnlijk. Patronen komen snel naar voren: clusters na een omstelling, bij één product of bij materiaal van één leverancier.

Hoe je kleine stops en het verlies dat ze veroorzaken beperkt

Neem de meest voorkomende of grootste oorzaak waarvoor een concreet verbeteridee bestaat. Vorne adviseert om eerst te focussen op het grootste verlies waarvoor het team concrete ideeën heeft, met een cyclus van meten, kiezen en oplossen. Daarna:

• Vraag het de operators. Zij verhelpen deze onderbrekingen elke dag en weten meestal wat de oorzaak is.
• Ga naar de productievloer en kijk mee. Film het met een telefoon als het te snel gaat om te zien. Vraag waarom het gebeurde, en vraag daarna nog eens waarom. Dit is root cause analysis in zijn eenvoudigste vorm.
• Los de oorzaak op, niet alleen het verhelpen. Een bredere geleider, een betere positie van de sensor, een schoon oppervlak, een aangepaste invoerhoek of een beter gereedschap zijn typische oplossingen. Elk ervan is klein.
• Ontwerp de fout eruit. Als een onderdeel vast kan lopen doordat het scheef binnenkomt, plaats dan een geleider die dat onmogelijk maakt. Dit is het idee achter poka-yoke, foutproofing.
• Voeg de routine toe aan de checklist. Bij total productive maintenance maken operators hun apparatuur schoon en controleren ze die. Zo wordt vaak de oorzaak van herhaalde kleine stops weggenomen.
• Controleer eerst de bottleneck. Een onderbreking bij de bottleneck kost doorvoer voor de hele lijn. Dezelfde gebeurtenis op een station met overcapaciteit kost misschien bijna niets.
• Meet opnieuw. Controleer of het aantal voor die oorzaak daalt, en kijk daarna naar de volgende.

Voorbeeld: wat 70 korte stops kosten in één shift

Dit is een illustratieve berekening, geen gemeten resultaat. Een verpakkingslijn draait 450 minuten per shift. De ideale cyclus is 20 seconden, dus de ideale output is 450 keer 60 gedeeld door 20, wat 1.350 eenheden is.

Een logger registreert 70 gebeurtenissen per dienst, elk gemiddeld 40 seconden. Dat is 70 keer 40, oftewel 2.800 seconden, ruim 47 minuten verloren tijd die geen enkel rapport laat zien, of 10 procent van de productietijd. Bij 20 seconden per eenheid zijn die 47 minuten gelijk aan ongeveer 140 eenheden die de lijn had kunnen maken.

Het team rangschikt de oorzaken:

• Folie schuift bij de wikkelaar: 28 gebeurtenissen
• Productblokkade bij de invoer: 21 gebeurtenissen
• Verkeerde etiketinvoer: 12 gebeurtenissen
• Vuile sensor: 6 gebeurtenissen
• Overig: 3 gebeurtenissen

Folieverschuivingen en blokkades bij de invoer samen zijn 49 van de 70 gebeurtenissen, dat is 70 procent. Het team begint met die twee. Als een geleider bij de invoer alle 21 blokkades zou wegnemen, won de lijn 21 keer 40 seconden, oftewel 14 minuten per dienst. De cijfers zijn verzonnen, maar de methode werkt met echte tellingen.

Veelgemaakte fouten

• Alleen de lange stilstanden tellen. Als het logboek pas bij vijf minuten begint, zie je microstops helemaal niet.
• Operators tijdens de gebeurtenis zelf de reden laten intypen. Het herstarten heeft prioriteit. Leg de gebeurtenis automatisch vast en voeg de reden achteraf toe.
• Een te lange redenlijst. Operators kiezen 'overig' wanneer de lijst een doolhof is.
• De operator de schuld geven. Een microstop is een signaal over de machine of het materiaal. Behandel het als data.
• Het symptoom bestrijden door sneller weg te werken. Sneller wegwerken maakt de onderbreking korter, maar ze blijft optreden.
• Achter de langste gebeurtenis aanjagen in plaats van de meest voorkomende. Kijk naar zowel het aantal als de minuten.

Hoe software kan helpen

Een manufacturing execution system of een datalogger kan elke onderbreking vastleggen op basis van het signaal van de machine, met een tijdstempel, zodat korte gebeurtenissen niet langer onzichtbaar blijven. Vervolgens kan het systeem de operator na het herstarten om een reden vragen, de oorzaken classificeren en frequentie en duur per dienst, product en uur op een dashboard tonen. Dit vervangt de tellijsten en geeft een realtime beeld van het aantal gebeurtenissen per uur. Dezelfde analyses kunnen later voeding geven aan predictive maintenance. Het vervangt geen rondgang langs de lijn, want de data vertelt je hoe vaak en wanneer, en alleen de lijn vertelt je waarom.

Volgende stap

Kies de lijn met de zwakste performancefactor en registreer twee weken lang elke onderbreking die langer duurt dan enkele seconden. Rangschik daarna de oorzaken en begin met de belangrijkste. Dat is de snelste manier om microstops in de productie aan te pakken.