Elke bedrijfsvoering met veel activa hanteert dezelfde reeks onderhoudsstrategieën. Werkorders worden gesorteerd. De voorraad wordt op peil gehouden. Reserveonderdelen worden in sets samengesteld. Overtollige voorraad wordt afgestemd. Leveranciers worden beoordeeld.
Wat van de ene operatie naar de andere verschilt, is niet welke strategieën er worden uitgevoerd, maar het ontwikkelingsniveau waarop elke strategie wordt uitgevoerd.
Sommige fabrieken rangschikken werkorders op basis van intuïtie en het FIFO-principe. Andere hebben prioriteitscodes die in het CMMS zijn vastgelegd. Een kleiner aantal maakt gebruik van een door AI berekende, op kriticiteit gewogen rangschikking die voortdurend wordt bijgesteld op basis van actuele productiegegevens. Technisch gezien hanteren alle drie dezelfde strategie. In de praktijk zijn het echter heel verschillende werkwijzen.
In dit artikel worden elf van die strategieën behandeld, gerangschikt volgens de operationele keten (bepalen wat belangrijk is, daarop inspelen, uitvoeren, de feedbackloop aanscherpen), en wordt voor elke strategie aangegeven op welk van de drie operationele volwassenheidsniveaus deze zich bevindt.
Spreadsheets, ‘stamkennis’, beslissingen op basis van persoonlijkheid en escalatie. Herbestelpunten die tijdens een workshop zijn vastgesteld en vervolgens in Excel zijn vastgelegd. Kriticiteit wordt behandeld als een eenmalige afstemmingsoefening. Werkt op kleine schaal, maar stort in op de schaal van het fabrieksnetwerk.
CMMS-, ERP- en EAM-modules brengen de workflow in kaart. Er zijn prioriteitscodes, minimum- en maximumniveaus en activaregisters. Maar de onderliggende logica is statisch: deze wordt eenmalig ingesteld en vervolgens zelden herzien. Het systeem dient als archief, niet als beslissingsondersteunende laag.
Live gegevensstromen uit ERP-, EAM- en IIoT-sensoren. AI-agenten nemen het zware werk voor hun rekening (scoren, ontleden, classificeren, matchen), en menselijke experts kunnen dit op basis van hun inzicht overschrijven. Deze overschrijving vormt de basis voor de volgende beslissing. De kriticiteit wordt continu beoordeeld, het samenstellen van kits gebeurt op basis van werkorders en de berekeningen voor het bijbestellen zijn dynamisch.
Kriticiteit is de rode draad die door alle elf loopt. De overgang van ‘gesystematiseerd’ naar ‘intelligent’ is vrijwel altijd de overgang van statische criticiteit naar levende criticiteit.
Hieronder volgt een overzicht van elke strategie, de ontwikkelingsfase waarin deze zich bevindt, het overkoepelende probleem dat ermee wordt opgelost, en hoe de juiste software (in combinatie met de onderliggende functionele discipline) ervoor zorgt dat de strategie een stap hoger op de ladder komt.
Laag 1: De beslissingslaag
De eerste twee strategieën bepalen wat belangrijk is. Alles wat daarop volgt, is gebaseerd op deze beslissingen, dus als die verkeerd zijn, verspreidt de ellende zich.
1. Prioritering van werkorders op basis van kriticiteit
De werkstroom. Openstaande werkorders worden in een wachtrij geplaatst, waarna de wachtrij wordt gesorteerd. Opdrachten met de grootste gevolgen voor de veiligheid, de productie of de naleving krijgen voorrang bij de toewijzing van personeel en onderdelen ten opzichte van routinewerkzaamheden.
Waar het breekt. Bij de triage gaat het op basis van intuïtie, volgens het ‘wie het eerst komt, het eerst maalt’-principe, of op basis van wie die ochtend het hardst van zich laat horen. Een lekkende pakking van een cruciale compressor komt achter een reparatie aan de verlichting in de kantine te staan, omdat beide klussen tegelijk binnenkwamen.
Het overkoepelende probleem is verspilde capaciteit aan de verkeerde werkzaamheden. Onderhoudsteams zitten zelden stil. Meestal zijn ze bezig met de verkeerde dingen. Elk uur dat wordt besteed aan werkzaamheden met geringe gevolgen, is een uur dat niet kan worden besteed aan een klus die de productie daadwerkelijk in gevaar brengt.
De softwaregestuurde oplossing. Een kriticiteitsscore, berekend op basis van veiligheid, gevolgen voor de productie, doorlooptijd en vervangbaarheid, vormt de basis voor een objectieve prioriteitenranglijst. De AI-agent onderbouwt de keuze voor elke rangorde. De planner keurt deze goed of wijzigt deze met opgave van redenen, en uit deze wijziging leert het model. Dit is waar beoordeling van de kriticiteit van bedrijfsmiddelen is niet langer een workshop die één keer per jaar plaatsvindt, maar wordt een hulpmiddel bij de dagelijkse besluitvorming.
2. Kriticiteitsanalyse op activum- en onderdeelniveau
De werkstroom. Activa, en de onderdelen waaruit ze bestaan, worden beoordeeld op basis van de ernst van de gevolgen die een storing ervan zou hebben voor de bedrijfsvoering.
Waar het breekt. De meeste fabrieken voeren een kritikaliteitsanalyse uit als een eenmalige afstemmingsactiviteit, onder leiding van een betrouwbaarheidsverantwoordelijke en met inbreng van verschillende teams. Het resultaat is een statisch overzicht dat binnen enkele maanden alweer achterhaald is. Erger nog: bij bijna elke uitvoering wordt stilletjes uitgegaan van een aanname die de toets der werkelijkheid niet doorstaat.
De fatale fout
Bij de conventionele opvatting over kriticiteit wordt ervan uitgegaan dat elk onderdeel van een kritieke installatie op zichzelf ook kritiek is, en dat onderdelen van niet-kritieke installaties dat niet zijn. In de praktijk kloppen beide delen van die stelling niet. Eén enkele goedkope pakking kan een compressor van het hoogste niveau buiten werking stellen. Een hoogwaardig lager kan zich bevinden op een installatie waarvan het uitvallen geen enkele invloed heeft op de productie, omdat er direct ernaast een reserve-eenheid staat.
De softwaregestuurde oplossing. Door meerdere modellen (FMECA, VED, ABC) te combineren met eigen ERP- en EAM-gegevens, aangevuld met training op basis van branchespecifieke storingspatronen, wordt de werkelijke kriticiteit op onderdeelniveau bepaald. Dit is het soort berekening dat geen mens op grote schaal kan uitvoeren.
Het functionele vakgebied is net zo belangrijk als het model. Een vakdeskundige beoordeelt de score, kan deze met een motivering terzijde schuiven, en die kennis wordt vervolgens door het hele fabrieksnetwerk verspreid. Juist de laag op onderdeelniveau zorgt ervoor dat de daaropvolgende strategieën (kitting, herbestelpunten, voorspellende triggers) betrouwbaar zijn.
Je kunt meer lezen over de onderliggende mechanismen in beoordeling van de kriticiteit op onderdeelniveau en hoe dit aansluit bij Best practices voor FMEA en FMECA.
Laag 2: De planningslaag
Nu de kriticiteit is beoordeeld, heeft de planning een betrouwbare basis om mee te werken. De volgende drie strategieën zetten dat signaal om in geprepareerde onderdelen, dynamische voorraadniveaus en schone onderliggende gegevens. Dit is waar het grootste deel van de operationele verspilling ontstaat of wordt voorkomen.
3. Samenstellen van voorraadpakketten
De werkstroom. Alle onderdelen die voor een opdracht nodig zijn, worden geselecteerd en als set klaargelegd voordat de monteur de werkopdracht in ontvangst neemt.
Waar het breekt. De technicus komt ter plaatse en blijkt dat er een onderdeel ontbreekt, de verkeerde maat heeft of al is toegewezen aan een andere werkopdracht. Er gaat kostbare tijd verloren aan heen-en-weerlopen naar het magazijn. In fabrieken met een hoge bezettingsgraad kan het verschil tussen de geplande starttijd en de daadwerkelijke starttijd per opdracht oplopen tot uren.
Het grootste probleem is stilstand waar niemand rekening mee had gehouden. Technisch gezien zijn de middelen voor de klus beschikbaar. Technisch gezien liggen de onderdelen in het magazijn. Technisch gezien is de werkopdracht geopend. En toch ligt de productie stil omdat drie van die technische aspecten bij de werkbank niet op elkaar aansluiten.
Waarom het samenstellen van kits mislukt
Picklijsten worden te laat gegenereerd, onderdelen worden verkeerd geïdentificeerd vanwege dubbele SKU’s, sets worden samengesteld zonder de actuele voorraad te controleren en vervangende onderdelen worden niet voorgesteld wanneer het primaire onderdeel niet op voorraad is. De technicus komt hier pas achter bij het apparaat zelf, en niet in het magazijn.
Hoe de kitting in elkaar zit
Het systeem leest de werkopdracht in, selecteert de benodigde onderdelen via een nauwkeurige koppeling met de stuklijst, controleert de beschikbaarheid aan de hand van de actuele voorraad, geeft goedgekeurde vervangende onderdelen weer en controleert de fysieke locatie voordat de klus wordt ingepland. De set wordt alvast samengesteld voordat de monteur aan de slag gaat.
De softwaregestuurde oplossing. Het samenstellen van sets werkt alleen als de voorraadgegevens correct zijn, de koppeling met de stuklijst daadwerkelijk bestaat en het systeem weet waar elk onderdeel zich fysiek in de verschillende fabrieken bevindt. Dit is waar optimalisatie van de voorraad reserveonderdelen doet zijn werk. Het onderdeel moet vindbaar zijn, de stuklijst moet worden geanalyseerd en de actuele voorraad moet kloppen.
MRO360 vergelijkt de werkopdracht met de stuklijst van het bedrijfsmiddel, controleert de beschikbaarheid van onderdelen aan de hand van de voorraadmodule en stelt de set vooraf samen. De discipline van MRO-voorraadbeheersoftware Het gaat hier niet zozeer om geavanceerde AI, maar meer om het beschouwen van de opslagruimte als onderdeel van de werkopdracht, en niet als een apart probleem.
4. Instellen van het herbestelpunt en de veiligheidsvoorraad
De werkstroom. Elk onderdeel krijgt een herbesteltrigger en een buffer die bedoeld is om schommelingen in de vraag tijdens het aanvulvenster op te vangen.
Waar het breekt. De minimum- en maximumniveaus zijn jaren geleden tijdens een workshop vastgesteld en sindsdien heeft niemand ze nog eens onder de loep genomen. Voor cruciale reserveonderdelen geldt dezelfde voorraadlogica als voor alledaagse verbruiksartikelen. Het resultaat is het slechtste van twee werelden: voorraadtekorten bij onderdelen die ertoe doen en overvoorraad bij onderdelen die er niet toe doen.
Het grootste probleem is dat de berekening van statische nabestellingen je dubbel straft. Het legt werkkapitaal vast voor onderdelen die je nooit nodig zult hebben en stelt je bloot aan risico’s bij onderdelen die je je niet kunt veroorloven te missen. Beide zijn verborgen kosten, totdat een cruciaal onderdeel uitvalt vanwege een onderdeel dat technisch gezien „binnen de polis“ viel.
De berekening voor het opnieuw bestellen
Herbestelpunt = (gemiddeld dagelijks verbruik × doorlooptijd) + veiligheidsvoorraad. De formule klopt. Het probleem zit hem in de invoergegevens. Het verbruik varieert naargelang het productievolume. De doorlooptijd varieert naargelang de prestaties van de leverancier. De veiligheidsvoorraad varieert naargelang de risicobereidheid. Als de invoergegevens verouderd zijn, is de uitkomst in beide richtingen onjuist.
De softwaregestuurde oplossing. Dynamische berekening van het nabestelpunt Dit betekent dat de invoergegevens in realtime worden opgehaald. Het werkelijke verbruik uit de voorraadmodule, de werkelijke levertijden uit de leveranciersgeschiedenis en een op kriticiteit gewogen veiligheidsvoorraad die reserveonderdelen van het eerste niveau ruimschoots en standaardreserveonderdelen conservatief in voorraad houdt.
MRO360 zorgt er ook voor dat de kringloop wordt gesloten wanneer een onderdeel onder de drempelwaarde komt. Het systeem brengt het tekort aan het licht, adviseert een inkoopaanvraag of stelt een voorraadoverdracht tussen vestigingen voor wanneer het onderdeel op een andere locatie ongebruikt ligt. De berekeningen zijn betrouwbaar omdat de gegevens die erin worden ingevoerd in realtime zijn, en de actie verloopt systematisch omdat het systeem niet wacht tot iemand het opmerkt.
5. Koppeling tussen stamgegevens van reserveonderdelen en stuklijsten
De werkstroom. Elk onderdelenrecord is schoon, ontdaan van dubbele vermeldingen, correct gecategoriseerd en nauwkeurig gekoppeld aan de activa waartoe het behoort.
Waar het breekt. Hetzelfde lager komt voor onder vier verschillende omschrijvingen, waarvan er twee verkeerd zijn gespeld. Bij drie van die records staat de voorraad op nul en bij één staat er een overschot, maar de planner kan niet achterhalen welke van de twee klopt. De stuklijst van het bedrijfsmiddel in het EAM-systeem is onvolledig, dus zelfs als het onderdeel wordt gevonden, kan de planner niet met zekerheid zeggen of het past.
Het overkoepelende probleem is dat elke strategie boven deze stilzwijgend uitgaat van schone gegevens. Voor het toekennen van kriticiteitsscores is een betrouwbare identificatie van onderdelen nodig. Voor het samenstellen van kits is een nauwkeurige koppeling met de stuklijst vereist. Voor het berekenen van nabestellingen is een ontdubbelde verbruiksgeschiedenis nodig. Als de basis vervuild is, neemt elke daaropvolgende strategie die vervuiling over, hoe geavanceerd de analyses daarboven ook zijn.
De softwaregestuurde oplossing. Hier is waar de stamgegevensbeheer voor onderhoud de laag verdient zijn plaats. Geautomatiseerde normalisatie verwijdert dubbele vermeldingen uit oude records. Agentic-verrijking vult ontbrekende kenmerken aan door OEM-catalogi en stuklijsten van bedrijfsmiddelen te analyseren. Semantische matching herkent dat „BRG 6205 ZZ” en „Lager 6205-2Z diepgroef” hetzelfde fysieke onderdeel zijn.
De MDM Suite’s Harmonize-module ruimt het verleden op en de Integriteitsmodule wordt toegepast op elk nieuw record op het moment van aanmaak, zodat de basis niet opnieuw verouderd raakt. MRO360 zorgt vervolgens voor de koppelingslaag van de stuklijsten en analyseert zelfstandig stuklijstdocumenten van bedrijfsmiddelen om nauwkeurige relaties tussen onderdelen en apparatuur op te bouwen.
Dit is de basis, geen losse toevoeging. Beschouw het als de laag die alle strategieën erboven en eronder geloofwaardig maakt. Meer informatie over de onderliggende aanpak vind je in onze artikelen over hoe je gegevens over reserveonderdelen opschoont en Taxonomie van MRO-gegevens.
Catalogi in spreadsheets, ‘stamkennis’, dubbele records waar niemand verantwoordelijk voor is. Stuklijsten staan in PDF-bestanden op gedeelde schijven.
ERP-materiaalstam met op regels gebaseerde ontdubbeling. Periodieke opschoningsprojecten. Stuklijsten worden geüpload, maar worden zelden gekoppeld aan de actuele voorraad.
Agentgebaseerde verrijking, semantische afstemming, autonome analyse van stuklijsten, continu beheer via Integrity-workflows.
Neem samen met ons team uw huidige onderhoudsgegevens, stuklijstkoppelingen en voorraadstatus door. We zullen uw elf strategieën afzetten tegen het maturiteitsmodel en tegen uw eigen gegevens, en laten zien op welke punten MRO360 en de MDM Suite een verschil zouden kunnen maken.
Verdantis is er trots op de vertrouwde partner te zijn van toonaangevende organisaties over de hele wereld.
Van Fortune 500-bedrijven tot pioniers in hun sector: onze klanten vertrouwen op onze MDM-oplossingen
Laag 3: De uitvoeringslaag
Beslissing en planning maken plaats voor uitvoering. Dit is het moment waarop de schone gegevens, de kit, de kriticiteitsscore en het voorspellende signaal al dan niet samenkomen bij het object.
6. Planning van werkorders
De werkstroom. Opdrachten worden tegelijkertijd ingepland op basis van drie beperkende factoren: de beschikbaarheid van arbeidskrachten, de beschikbaarheid van onderdelen en de capaciteit of het productievenster.
Waar het breekt. Opdrachten worden ingepland zonder dat is gecontroleerd of onderdelen voorhanden zijn, of zonder dat er een beschikbaarheidsvenster voor de middelen is vastgesteld door de operationele afdeling. Werkploegen komen aan bij een draaiende productielijn die niet kan worden stilgelegd, of bij een onderdeel dat nog onderweg is. Geplande en ongeplande werkzaamheden lopen door elkaar heen en de planner moet in realtime de planning aanpassen.
Het overkoepelende probleem is dat de planning het meest zichtbare knelpunt is binnen het onderhoud. Als een ploeg niet verder kan, weten drie teams dat binnen een uur, en het vertrouwen in onderhoudsplanning slijt de plant af.
De softwaregestuurde oplossing. Een op beperkingen gebaseerde planning die de beschikbaarheid van onderdelen toetst aan de kitting-laag, een evenwicht zoekt tussen geplande en ongeplande vraag, en zich afstemt op de actuele status van de voorraad. De werkwijze hierachter is dezelfde als bij de luchtverkeersleiding: het systeem geeft een opdracht pas vrij als aan alle drie de beperkingen tegelijkertijd is voldaan.
7. Voorspellende activering van werkorders
De werkstroom. Een statussignaal van IIoT of SCADA zorgt ervoor dat er een werkopdracht wordt aangemaakt voordat het bedrijfsmiddel defect raakt, en niet pas daarna.
Waar het breekt. De sensorgegevens worden verzameld, soms tegen hoge kosten, maar ze staan los van de onderhouds- en voorraadworkflow. Een afwijking in de trillingswaarden leidt tot een waarschuwing in de toestandsbewaking dashboard, maar er wordt geen werkorder aangemaakt, er wordt geen voorpositionering van onderdelen geactiveerd en de berekening voor het opnieuw bestellen wordt niet bijgewerkt. De voorspelde storing treedt op, maar er wordt geen reserveonderdeel klaargelegd.
Het overkoepelende probleem is dat voorspellend onderhoud een maximumrendement kent, tenzij de informatie terugkoppelt naar de voorraadbeheer- en uitvoeringsprocessen. Een correct voorspelde storing waarbij het onderdeel niet op voorraad is, leidt nog steeds tot een voorraadtekort.
Het signaal stopt hier
De sensorgegevens wijzen op een afwijking. Een betrouwbaarheidsingenieur ziet dit op een dashboard. Het onderhoudssysteem, het voorraadsysteem en het leveranciersportaal zien dit echter niet.
Het signaal gaat door
De afwijking genereert een werkorder met een voorspelde storingsmodus, stelt vast welke onderdelen waarschijnlijk defect zullen raken en zorgt ervoor dat deze via de kitting- en nabestellingslagen alvast worden klaargelegd. De uitvoering is gereed nog voordat de storing zich voordoet.
De softwaregestuurde oplossing. De sensorgegevens worden ingevoerd in een storingsvoorspellingsmodel dat aangeeft welke onderdelen waarschijnlijk defect zullen raken. Die onderdelen worden via de kitting-workflow klaargelegd en meegenomen in de berekening voor het opnieuw bestellen. Er is meer informatie over wat de gegevenslaag voor preventief onderhoud er eigenlijk uit moet zien om dit praktisch te maken, en op de preventief versus voorspellend onderhoud een onderscheid dat in de praktijk vaak vervaagt.
Dit is een van de duidelijkste voorbeelden van hoe AI-agenten en functionele expertise samenwerken. Het model identificeert de onderdelen die waarschijnlijk defect zullen raken. De betrouwbaarheidsingenieur valideert de voorspelling. De onderhoudsplanner zorgt ervoor dat de reparatieset op voorhand klaarstaat. Niemand doet het werk van de anderen.
Laag 4: De optimalisatielaag
De eerste drie lagen zorgen voor de uitvoering. De vierde laag zorgt voor de afstemming. Dit zijn de strategieën waarmee je het werkkapitaal kunt opsporen dat in je magazijn vastzit, de vervangingsmogelijkheden die in je catalogus verborgen liggen, de leverancierspatronen die in je aankoopgeschiedenis schuilgaan, en het overschot dat vijftig mijl verwijderd is van een voorraadtekort.
8. Rationalisatie van dode voorraad en overschotten
De werkstroom. De voorraad wordt regelmatig gecontroleerd om onderdelen te identificeren die niet zijn verkocht en die waarschijnlijk niet in voorraad moeten worden gehouden.
Waar het breekt. De inventarisatie vindt af en toe plaats en wordt vaak eerder ingegeven door een vraag van de CFO dan door een vast proces. Onderdelen die al jaren niet meer zijn gebruikt, liggen nog steeds in de opslagruimte omdat niemand zeker weet of het om essentiële reserveonderdelen gaat, om verouderde modellen of dat ze gewoonweg zijn vergeten.
Het 25-procentprobleem
Uit sectoronderzoeken blijkt keer op keer dat de dode voorraad ongeveer een kwart van de totale MRO-voorraad uitmaakt. Dat betekent werkkapitaal, magazijnruimte, verzekeringskosten en auditrisico’s voor onderdelen die nooit zullen worden gebruikt. In een netwerk van fabrieken met een MRO-voorraad ter waarde van tientallen miljoenen dollars lopen de kosten hierdoor aanzienlijk op.
De softwaregestuurde oplossing. Door bewegingen continu te classificeren (snel, langzaam, inactief) worden overschotten gesignaleerd en verouderde reserveonderdelen naarmate ze in voorraad blijven staan, en niet pas aan het einde van het jaar. Het systeem adviseert de juiste maatregel: terugsturen naar de leverancier, liquideren voor restwaarde, of overbrengen naar een andere fabriek waar het onderdeel actief wordt gebruikt.
Het overkoepelende probleem dat hiermee wordt opgelost, is de ‘stille kapitaalrem’. Niemand merkt een onderdeel op dat niet heeft bewogen. Het systeem moet zelf de aandacht erop vestigen, met meldingen die worden getoond aan de mensen die actie kunnen ondernemen. De Analyse van MRO-uitgaven Op dit niveau wordt dit een discussie op bestuursniveau.
9. Standaardisatie en vervanging van reserveonderdelen
De werkstroom. Onderling uitwisselbare onderdelen worden samengevoegd tot één standaardrecord. Geschikte vervangingsonderdelen worden geïdentificeerd en samen opgeslagen, zodat een voorraadtekort van het ene onderdeel geen belemmering vormt voor een taak die met een ander onderdeel kan worden voltooid.
Waar het breekt. Hetzelfde fysieke onderdeel staat onder verschillende SKU’s geregistreerd, omdat drie verschillende OEM’s het onder drie verschillende codes leveren en een vierde code afkomstig is van een overname. Functioneel identieke alternatieven liggen op voorraad, maar de planner kan ze niet zien omdat ze niet aan elkaar zijn gekoppeld.
Het overkoepelende probleem is dat er te veel wordt besteld als gevolg van onzichtbare voorraad. Het vervangende onderdeel is wel op voorraad. Het systeem geeft echter aan dat dit niet zo is. De fabriek bestelt het oorspronkelijke onderdeel toch en betaalt uiteindelijk voor twee onderdelen die dezelfde functie vervullen.
De softwaregestuurde oplossing. Semantische matching en informatie over vervangbaarheid brengen functionele equivalenten in kaart tussen catalogi, OEM’s en aankoopgegevens. Het model maakt gebruik van hetzelfde soort classificatie van reserveonderdelen en taxonomiewerk dat ten grondslag ligt aan de MDM-laag, maar dan toegepast op interoperabiliteit in plaats van identiteit.
Dit is een van de strategieën waarbij de AI taken uitvoert die een mens praktisch gezien niet kan. Geen enkele planner kan dertigduizend onderdelenrecords en hun equivalenten bij andere OEM’s in zijn hoofd onthouden. De agent kan dat wel.
10. Betrouwbaarheid van leveranciers en beheer van doorlooptijden
De werkstroom. De prestaties van leveranciers en de werkelijke doorlooptijden worden bijgehouden, en die gegevens worden meegenomen in de berekeningen voor nabestellingen en veiligheidsvoorraden.
Waar het breekt. De formule voor het opnieuw bestellen is gebaseerd op de levertijd die in de leverancierscatalogus staat vermeld of op de oorspronkelijke inkooporder is aangegeven. De werkelijke levertijden wijken af, soms seizoensgebonden, soms structureel. De berekening is gebaseerd op een cijfer dat al twee jaar niet meer klopt.
Het overkoepelende probleem is dat de bufferlogica op papier klopt, maar in de praktijk niet werkt. Ofwel is de veiligheidsvoorraad te klein en raak je zonder voorraad, ofwel is deze te groot en houd je voorraad aan die je niet nodig hebt. Beide situaties worden veroorzaakt doordat men zich baseert op de levertijden uit de catalogus.
Veronderstelde doorlooptijd
Het nummer in de leverancierscatalogus. Wordt gebruikt in de herbestelformule. Wordt zelden bijgewerkt. Houdt geen rekening met seizoensgebonden schommelingen, regionale verstoringen of het feit dat één leverancier al zes maanden lang stilletjes tien dagen achterloopt.
Werkelijke doorlooptijd
Live berekend op basis van de bestelgeschiedenis. Uitgesplitst per leverancier, regio en onderdelencategorie. Wordt automatisch verwerkt in de herbestelberekening, zodat de veiligheidsvoorraad overeenkomt met de werkelijke situatie en niet met een theoretisch getal uit een brochure.
De softwaregestuurde oplossing. Realtime statistieken over doorlooptijd en betrouwbaarheid worden uit de transactiegeschiedenis van het ERP-systeem gehaald en in de herbestelmodule ingevoerd. De berekening van de voorraadbuffer wordt hierdoor betrouwbaar. Dezelfde gegevens komen ook naar voren in MRO-inkoopstrategieën en scorecards voor leveranciers, zodat inkoopbeslissingen niet langer worden bepaald door relaties, maar door prestaties.
Ook de functionele discipline verdient het om genoemd te worden. Leveranciersbeheer via de MDM-laag (zie beheer van leveranciersstamgegevens) zorgt ervoor dat het leveranciersdossier zelf volledig, ontdaan van dubbele vermeldingen en correct is voordat er prestatiegegevens aan worden gekoppeld.
11. Voorraadbundeling en voorraadoverdracht tussen meerdere vestigingen
De werkstroom. Het netwerk van fabrieken wordt als één magazijn beschouwd. Een onderdeel dat op de ene locatie niet in gebruik is, wordt ingezet om aan de behoefte op een andere locatie te voldoen, voordat er een nieuwe inkooporder wordt geplaatst.
Waar het breekt. Elke fabriek houdt haar eigen voorraad bij, zonder dat er zicht is op de voorraden van andere vestigingen. Eén fabriek dient een spoedaanvraag in voor een cruciaal onderdeel dat al negen maanden ongebruikt in een zusterfabriek op vijftig mijl afstand ligt. De bestelling wordt verwerkt, het onderdeel wordt nogmaals aangeschaft en het overschotprobleem bij de zusterfabriek wordt erger.
Het overkoepelende probleem is dat het netwerk zich gedraagt als een verzameling silo’s, terwijl het zich juist als een portfolio zou moeten gedragen. Elke fabriek optimaliseert lokaal. Het netwerk betaalt daar globaal de prijs voor.
De softwaregestuurde oplossing. Netwerkbreed inzicht in de voorraad, waarbij de onderdelenidentificatielaag zo duidelijk is (zie strategie 5) dat het systeem daadwerkelijk weet dat hetzelfde onderdeel op twee locaties onder verschillende SKU’s aanwezig is. Wanneer er behoefte ontstaat, signaleert het systeem de mogelijkheid tot overplaatsing nog voordat de inkoopaanvraag wordt ingediend. Dit is een van de maatregelen met de grootste impact die beschikbaar zijn in MRO-voorraadbeheer, en qua concept een van de eenvoudigste zodra de basis van de stamgegevens is gelegd.
De looptijdladder die door alle elf loopt
Als je de elf strategieën in hun geheel bekijkt, komt er één patroon naar voren. Ze mislukken niet omdat het de verkeerde strategieën zijn. Ze mislukken omdat ze worden uitgevoerd op een ontwikkelingsniveau dat de organisatie inmiddels is ontgroeid.
De overgang van handmatig naar gestandaardiseerd is de overgang van mensen naar systemen. Het werk dat voorheen in iemands hoofd zat, wordt ondergebracht in het CMMS, het ERP-systeem en het activaregister. Het is schaalbaar. Maar het denkt nog niet zelfstandig.
De overstap van ‘gesystematiseerd’ naar ‘intelligent’ is de interessantere, maar ook de moeilijkere. Het is de verschuiving van statische logica naar dynamische beslissingen. Van regels die twee jaar geleden klopten naar redeneringen die opnieuw worden berekend op basis van de gegevens van vandaag. Van jaarlijkse workshops naar voortdurende aanpassing. Van planners die het zware analytische werk doen naar planners die het beoordelingswerk doen waarvoor daadwerkelijk een mens nodig is.
Bij die tweede stap zijn AI-native software en functionele expertise niet langer twee afzonderlijke onderwerpen. De agents voeren het werk uit dat mensen niet op grote schaal kunnen doen (scoren, classificeren, ontleden, koppelen tussen miljoenen records).
De betrouwbaarheidsingenieurs, planners en inkoopmanagers voeren het werk uit dat de medewerkers niet kunnen doen (context, afwijkingen toestaan, afstemming op zakelijke prioriteiten). Wanneer dat evenwicht behouden blijft, zijn de elf strategieën niet langer elf afzonderlijke tekortkomingen in de ontwikkelingsfase, maar gaan ze functioneren als één samenhangend besturingssysteem.
Het eerlijke uitgangspunt
De meeste bedrijfsonderdelen hoeven niet alle elf strategieën tegelijk naar het niveau ‘Intelligent’ te tillen. Het juiste uitgangspunt is meestal om de twee of drie strategieën te identificeren die nog op het niveau ‘Manueel’ staan of vastzitten op het statische niveau ‘Gesystematiseerd’, de onderliggende stamgegevens daarvan te corrigeren en de rest vervolgens stap voor stap te laten volgen. De ontwikkeling in de rijpheidsgraad is belangrijker dan het eindcijfer van de rijpheidsgraad.
