Lean Six Sigma productie-optimalisatie werkt het beste als je eerst meet en daarna pas bouwt. In de meeste werkplaatsen zit de grootste verspilling niet in de machine-instelling, maar in de handelingen eromheen: wachten op een tekening, zoeken naar de juiste revisie, gegevens opnieuw intypen in een tweede systeem. Die tijd is per keer klein, maar komt elke dag terug. AI-automatisering is pas interessant als je weet waar dat precies gebeurt.
Lean Six Sigma productie-optimalisatie begint met data, niet met een tool
Wij zien regelmatig dat AI- en softwarebureaus meteen kijken wát ze kunnen automatiseren, in plaats van wat het bedrijf écht nodig heeft en wat de investering terugverdient. Dat is de omgekeerde volgorde. Wij starten met een gecertificeerde procesanalyse: processen, systemen en data gestructureerd in kaart. Daarna bouwen we samen een businesscase. Kunnen we die niet winstgevend maken, dan gaan we niet verder.
Dat is een harde regel bij ons: we implementeren AI niet voor de AI, maar voor de winst. In de praktijk betekent dat ook dat we zoeken naar de eenvoudigste tool die het meeste oplevert, niet naar het meest indrukwekkende systeem.
De vraag die wij altijd stellen: wat doet jouw team dat elke dag terugkomt, waarvan niemand eigenlijk vindt dat het zo moet gaan?
Bijna altijd volgt er een antwoord. En bijna altijd is dat antwoord herhaalbaar werk.
De acht verspillingen, vertaald naar de werkplaats
Lean onderscheidt acht soorten verspilling. Hieronder staan ze toegepast op een productie- of CNC-omgeving, met daarachter waar automatisering realistisch effect heeft.
| Verspilling | Hoe het er in de werkplaats uitziet | Waar AI of automatisering helpt |
|---|---|---|
| Wachten | Machine staat stil tot een tekening of goedkeuring binnen is | Automatische statusmeldingen en doorzetten van documenten |
| Transport | Papieren werkorders van kantoor naar werkvloer en terug | Digitale werkorder met live status |
| Voorraad | Te veel of te laat materiaal, onduidelijke actuele stand | Geautomatiseerd voorraadbeheer en signalering |
| Beweging | Zoeken naar de juiste revisie of certificaat | Centraal doorzoekbare kennisbank |
| Overproductie | Series groter dan de vraag, ingegeven door onzekere planning | Dashboards op actuele orderdata |
| Overprocessing | Dezelfde gegevens in twee of drie systemen invoeren | Koppelingen bovenop bestaande software |
| Defecten | Calculatie- of invoerfouten die pas laat opvallen | Gestandaardiseerde, geautomatiseerde calculatielogica |
| Onbenut talent | Vakmensen die administratie doen in plaats van productie | Automatiseren van repetitieve taken |
De laatste regel is de belangrijkste. Verspilling terugdringen is geen doel op zich; het doel is dat je vakmensen aan waardetoevoegend werk toekomen.
Wat we in de praktijk tegenkomen
Wij werken vooral met MKB in maritiem, bouw en logistiek, en de patronen in een werkplaats lijken daar sterk op. Bij bouwtoeleveranciers zien we medewerkers uren per week bezig met het doorzoeken van dikke technische documenten om te bepalen waar hun producten relevant zijn. Diezelfde handeling zie je bij toeleveranciers die bestekken, specificaties en tekeningen moeten beoordelen voordat er één spaan is afgenomen. Meer hierover in ons artikel over tijdverlies bij bouwtoeleveranciers.
Een tweede patroon: informatie die wél bestaat, maar niet vindbaar is. Technische specificaties, certificaten en productbladen staan verspreid over mappen, systemen en mailboxen. Een medewerker die een klant snel wil helpen, is soms twintig minuten kwijt aan het zoeken naar het juiste document.
En een derde, dat in productiebedrijven het meest kost op lange termijn: kennis die in hoofden zit. Projectdata in het ERP, servicehistorie ergens in een map, en wie wanneer wat heeft gedaan weet alleen de monteur die er al vijftien jaar werkt. Vertrekt die, dan verdwijnt de kennis mee.
Kennisdeling en data: de stille winst
Hier valt volgens ons de meeste winst te halen. AI kan pas iets betekenen als data goed wordt opgeslagen en verwerkbaar is. Machine-instellingen, revisies, storingsoorzaken, keuringsrapporten: zodra die informatie gestructureerd en doorzoekbaar is, kun je er een AI-agent op zetten die 24/7 antwoord geeft. Zonder die basis blijft AI een demo.
Dat betekent in de praktijk: eerst vastleggen hoe informatie ontstaat en waar die landt, daarna een kennisbank bouwen die centraal doorzoekbaar is, en pas dan automatiseren. Niemand hoeft daarvoor nieuwe software te leren; wij bouwen naast wat er al staat, met controle via een dashboard zodat het geen black box wordt.
Hoe een traject eruitziet
Onze werkwijze bestaat uit vier stappen en volgt de Lean Six Sigma-logica van meten, verbeteren en borgen:
- Procesanalyse — processen in kaart, meten waar tijd en geld verloren gaan, vertalen naar een bouwplan en een businesscase.
- Bouwen — oplevering binnen 2 tot 4 weken. Geen eindeloze trajecten, geen vage tijdlijnen.
- Testen en verfijnen — intern testen, resultaten meten en in gesprek met de medewerkers die het dagelijks gebruiken.
- Sparringpartner blijven — betrokken na de implementatie, met doorontwikkeling waar dat rendeert.
We werken met een projectprijs. Die bepalen we op basis van grootte, moeilijkheidsgraad en of we het eerder hebben gebouwd. Zo is de businesscase van tevoren te beoordelen. Wil je de methodiek eerst beter begrijpen, lees dan Lean Six Sigma procesoptimalisatie met praktijkvoorbeelden of het stappenplan voor procesoptimalisatie.
Beginnen bij de juiste vraag
De meeste productiebedrijven hebben geen AI-probleem, maar een informatieprobleem. Zolang gegevens versnipperd zijn, verplaats je met automatisering alleen de rommel. Begin daarom met meten: welke handeling komt elke dag terug, hoeveel tijd kost die, en wat gebeurt er als die handeling wegvalt? Is het herhaalbaar en rendeert het? Dan automatiseren we het.
Wil je weten waar in jouw werkplaats de winst zit? De processcan wijst dat aan. Of neem direct contact op via info@lyfta.nl of +31 6 400 315 04.
Veelgestelde vragen
Wat levert Lean Six Sigma op in een productiebedrijf?
Lean Six Sigma maakt zichtbaar waar tijd, materiaal en marge weglekken: wachten, dubbele invoer, zoeken en fouten die pas laat opvallen. Omdat je eerst meet en daarna verbetert, weet je vooraf welke ingreep effect heeft en welke niet.
Moet ik eerst Lean doen en daarna AI?
In die volgorde werkt het beter. AI-automatisering versterkt een proces, maar repareert het niet. Wij brengen daarom eerst het proces en de data in kaart en automatiseren daarna het deel dat herhaalbaar is en zich terugverdient.
Hoe lang duurt een implementatie?
Na de procesanalyse leveren wij de oplossing op binnen 2 tot 4 weken. Daarna volgt een fase van testen, meten en verfijnen samen met de medewerkers die ermee werken.
Wat kost zo'n traject?
Wij werken met een projectprijs, gebaseerd op grootte, moeilijkheidsgraad en of we een vergelijkbare oplossing eerder hebben gebouwd. We zoeken altijd naar de eenvoudigste tool met de hoogste opbrengst, zodat de businesscase klopt.
Moet mijn team nieuwe software leren?
Nee. Wij bouwen bovenop bestaande systemen, dus het team blijft in de vertrouwde omgeving werken. Het overzicht op wat de automatisering doet, loopt via een dashboard dat altijd aanpasbaar is.
