Naar hoofdinhoud
Bonsai Software
Alle veld notities
Sector inzichten3 augustus 20266 min leestijd

MES software industrie: waarom productiedata vastloopt

MES software in de industrie belooft één versie van de waarheid, maar op de werkvloer lopen ploegendiensten nog steeds met uitgeprinte werkorders en vullen ze Excel-bestanden bij. Het is geen technologieprobleem. Het is een architectuurprobleem, en het is herkenbaar in vrijwel elke maakfabriek. Begrijpen waarom het vastloopt is de eerste stap naar een oplossing die wél werkt.

Door Yeslin Beljaars

Waarom bestaat productiedata maar stroomt ze nergens heen?

Elke shift, elke batch, elke stilstand laat een spoor achter. Dat spoor loopt alleen dood in een PLC, een historian of een lokaal bestand op de laptop van de werkvoorbereider. Het ERP-systeem krijgt aan het einde van de dag een handmatige invoer. De planner werkt op aannames. De kwaliteitsmanager exporteert een rapport en plakt het in een presentatie. Ondertussen ligt de echte productiedata ergens anders. Volgens UWV-onderzoek (Industrie in beeld, februari 2026) ervaart ruim 80% van de industriële bedrijven meer economische onzekerheid, terwijl personeelstekort tegelijk een van de grootste knelpunten is. Dat maakt overtypen en handmatig synchroniseren extra kostbaar: de mensen die data overzetten zijn dezelfde mensen die je nodig hebt voor het echte werk.

Waarom lost standaard MES software de data-ontkoppeling niet op?

De meeste MES-pakketten zijn gebouwd voor een generieke fabriek, niet voor jouw combinatie van machines, grondstoffen, klantspecificaties en planningslogica. Implementaties duren lang, configuraties worden compromissen, en na twee jaar sluit het systeem al niet meer aan op de manier waarop de operatie is gegroeid. Het echte probleem: het MES praat dan alsnog niet goed met het ERP, de kwaliteitsregistratie of de inkoopafdeling. Dus worden er weer koppelingen gebouwd, scripts gedraaid en Excel-bestanden bijgehouden als vangnet. ABN AMRO verwacht dat de Nederlandse industrie in 2026 met circa 3% groeit, gedragen door hoogwaardige maaksectoren. Dat zijn precies de bedrijven waar productiedata het meest complex is. Juist daar betaalt een generiek pakket zich het minst terug.

Welke processen haken het vaakst?

In de praktijk zijn het steeds dezelfde plekken. Werkorderverwerking: de order komt uit het ERP, wordt uitgeprint, ingevuld op de werkvloer en daarna handmatig teruggetypt. Kwaliteitsregistratie: meetwaarden worden genoteerd op papier of in een spreadsheet, pas later ingevoerd in het kwaliteitssysteem. Productierapportage: ploegwisselverslagen worden mondeling overgedragen of via een app die niet is gekoppeld aan het planningssysteem. Stuk voor stuk zijn dit processen waarbij mensen als koppeling fungeren tussen systemen die dat zelf zouden moeten regelen. Een productieleider die pas de volgende ochtend ziet dat gisteravond een batch buiten de toleranties viel, heeft niets aan die informatie voor de beslissing die hij gisteren had moeten nemen.

Wanneer is een AI-laag de juiste keuze en wanneer niet?

Een AI-laag bovenop bestaande systemen helpt als de kernprocessen al digitaal zijn vastgelegd maar de informatie niet doorstroomt. AI Workers kunnen documenten uitlezen, werkorders doorzetten, afwijkingen signaleren en meldingen genereren zonder dat een mens elke stap aanraakt. Dat werkt goed voor bedrijven die hun ERP of MES niet willen vervangen maar wel het handmatige verbinden willen wegnemen. Het werkt niet als de basisdata structureel ontbreekt of als het kernsysteem zelf zo verouderd is dat er geen betrouwbare basis is om op te bouwen. In dat geval is herontwikkeling van het kernsysteem de eerlijkere keuze: een systeem dat AI-native is gebouwd met productielogica als kern, geeft de operatie een fundament dat meegroeit. De keuze tussen die twee routes hangt af van de staat van de huidige systemen, de complexiteit van de operatie en de vraag of de huidige architectuur überhaupt schaalbaar is.

Wat levert het op als productiedata wel doorstroomt?

Als werkorders automatisch worden doorgezet, kwaliteitsdata in realtime beschikbaar is en de planner op actuele bezettingsdata werkt, verandert de operatie merkbaar. Niet omdat er een wondermiddel is ingezet, maar omdat de informatie op het juiste moment op de juiste plek aankomt. Bijsturen kan al tijdens de shift. Afwijkingen worden opgepikt voordat ze een partij onbruikbaar maken. De werkvoorbereider besteedt zijn tijd aan werkvoorbereiding, niet aan het synchroniseren van systemen. In een sector waar personeelskrapte een structureel gegeven is, is dat geen luxe. Dat is de efficiëntste manier om de mensen die je hebt zo goed mogelijk te benutten.

Speelt dit in jouw operatie?

Plan een gesprek

Veelgestelde vragen

Wat is MES software en wat doet het in de industrie?

MES staat voor Manufacturing Execution System. Het is software die de productie op de werkvloer bestuurt en registreert: werkorders, kwaliteitscontrole, machinebezetting en voortgang. In theorie verbindt het de werkvloer met het ERP. In de praktijk lukt die verbinding vaak maar gedeeltelijk.

Waarom werkt MES software in de praktijk vaak niet goed?

Standaard MES-pakketten zijn gebouwd voor een generieke fabriek. Jouw combinatie van machines, klantspecificaties en planningslogica wijkt daar bijna altijd van af. Het gevolg: handmatige koppelingen, workarounds en Excel-bestanden als vangnet naast het systeem.

Wanneer heb je geen nieuw MES nodig maar een AI-laag?

Als je kernprocessen al digitaal zijn vastgelegd maar de informatie niet doorstroomt, kan een AI-laag op bestaande systemen het probleem oplossen. Dat is goedkoper en sneller dan een volledig nieuw MES implementeren, mits de basisdata betrouwbaar is.

Wanneer is herontwikkeling van het kernsysteem beter dan een AI-laag?

Als het huidige systeem zo verouderd is dat de basisdata niet klopt of de architectuur niet schaalbaar is, biedt een AI-laag eromheen geen structurele oplossing. Dan is het eerlijker om het kernsysteem opnieuw te bouwen, AI-native en afgestemd op jouw operatie.