Value Stream Mapping - Excel Voorbeeld Gratis

1. Open het tabblad VSM_Data en vul per processtap de kolommen Processtap, Afdeling, Locatie en Eigenaar in. Gebruik de bestaande regels als voorbeeld voor je eigen keten.
2. Vul de datums, bewerkingsduur, wachttijd, aantal onderdelen, voorraad en foutpercentage aan. Zo bouw je een compleet beeld van de stroom door je proces.
3. Controleer het veld Kwaliteitsstatus en voeg in Opmerking kort toe wat er gebeurt op de werkvloer. Dat maakt het bestand bruikbaar in overleggen met productie en planning.
4. Gebruik het dashboard op VSM_Dashboard om de belangrijkste KPI’s in één oogopslag te bekijken. Daar zie je sneller waar de grootste vertraging zit.
5. Pas de processtappen aan als jouw keten meer of minder schakels heeft. Houd de volgorde logisch, van inkoop of ontvangst tot eindcontrole.
6. Werk het bestand periodiek bij met actuele metingen, bijvoorbeeld per week of per maand. Zo zie je of wachttijd, voorraad en fouten echt dalen.

In de praktijk gebruik je value stream mapping vooral als je productie of logistiek wilt verbeteren zonder meteen een groot verbeterprogramma op te tuigen. Dit sjabloon past goed bij een planner, operationeel manager, procesbegeleider of lean-coördinator die de keten van inkoop tot eindcontrole in minuten wil zien.

De tabel op VSM_Data is daar precies op ingericht: per stap leg je procesnaam, afdeling, locatie, eigenaar, start- en einddatum vast. In de voorbeelddata zie je onder meer Inkoopcontrole, Materiaalbevoorrading, Snijproces en Eindinspectie, met wachttijden van 120, 240 en zelfs 360 minuten; dat maakt meteen duidelijk waar de flow stokt.

Figuur 1 laat de procesregistratie zien

Figuur 1 hoort bij het tabblad VSM_Data en laat een nette rij-voor-rij opzet zien met 14 kolommen. Dat is handig als je met 8 tot 15 processtappen werkt en elke stap door een andere afdeling wordt beheerd.

Van losse metingen naar een verbetergesprek

Met deze structuur kun je beter discussiëren over wachttijd dan over gevoel. Als een stap 40 minuten bewerking heeft en 240 minuten wachttijd, dan is de verbetering niet meer zoeken in de operator zelf maar in planning, aanlevering of vrijgave van materiaal.

Technisch gezien draait dit sjabloon om de verhouding tussen bewerkingsduur, wachttijd en totale doorlooptijd. In de praktijk is wachttijd meestal de grootste driver van verspilling: bij 6 stappen met elk gemiddeld 180 minuten wachten verlies je al 18 uur doorlooptijd, terwijl de bewerking zelf misschien maar 3 uur kost.

Het tabblad VSM_Dashboard bundelt die informatie in KPI-tegels en grafieken, zodat je geen losse berekeningen hoeft te maken. Voor een team met 12 processtappen is dat veel bruikbaarder dan een statische lijst, omdat je direct ziet welke afdeling structureel boven het gemiddelde zit.

Figuur 2 toont het dashboard

Figuur 2 laat het dashboard zien met samenvattende cijfers en visuele sturing. Denk aan totalen voor aantallen, foutpercentage en tijdsverdeling, bedoeld om management en werkvloer dezelfde taal te laten spreken.

Waarom een vaste tabelopzet beter werkt dan losse notities

Een vaste kolomstructuur voorkomt dat je later data mist, bijvoorbeeld bij eigenaar, locatie of kwaliteitsstatus. In een bestand met 50 procesregels is dat verschil groot: zonder vaste velden kun je geen betrouwbare vergelijking maken tussen afdelingen, maar met deze opzet wel.

De fout die je het vaakst ziet, is dat teams alleen bewerkingstijd noteren en de wachttijd vergeten. Dan lijkt een proces van 25 minuten ineens efficiënt, terwijl de stap in werkelijkheid 240 minuten stilstaat in de keten.

Een tweede misser is te weinig detail in de registraties. Als Processtap of Opmerking te algemeen blijft, kun je niet herleiden of het probleem in ontvangst, interne logistiek of kwaliteitscontrole zit.

Te weinig onderscheid tussen stappen

Bij een keten met bijvoorbeeld 10 stappen moet je elke stap apart registreren, anders verdwijnt de echte bottleneck. Als twee afdelingen samen in één regel staan, verlies je zicht op wie de vertraging veroorzaakt en wanneer die ontstaat.

Verkeerde interpretatie van foutpercentages

Een foutpercentage van 0,012 lijkt klein, maar op 1.000 onderdelen zijn dat al 12 afwijkingen. Als je dat niet per stap bekijkt, ga je het probleem zoeken in de eindcontrole terwijl het vaak al bij materiaalbevoorrading of snijden begint.

Je kunt dit bestand makkelijk verder uitbouwen als je de analyse vaker gebruikt. Voeg bijvoorbeeld een extra kolom toe voor oorzaak van vertraging of een veld voor verbeteractie, zodat je niet alleen meet maar ook opvolgt.

Voor teams die per week rapporteren, is het slim om de data aan een vaste maandstructuur te koppelen. Dan kun je met 4 meetmomenten per maand veel sneller zien of een maatregel echt effect heeft.

Praktische uitbreidingen

• Voeg een kolom toe voor waarde-toevoegende tijd versus niet-waarde-toevoegende tijd.
• Gebruik een extra veld voor verbeterverantwoordelijke als meerdere afdelingen betrokken zijn.
• Maak per kwartaal een kopie van de data om 12 weken trendontwikkeling te volgen.
• Koppel het dashboard aan een managementoverleg van 30 minuten, zodat cijfers meteen worden besproken.

Handig voor productie en logistiek

In productie werkt dit goed voor lijnen met 20 tot 100 orders per dag. In logistiek kun je er juist leverbetrouwbaarheid en interne verplaatsingen mee volgen, bijvoorbeeld bij 3 magazijnstappen tussen ontvangst en assemblage.

Na het volgen van leverbetrouwbaarheid en interne verplaatsingen ligt een SWOT-analyse voor logistiek voor de hand om de knelpunten en verbeterkansen naast elkaar te zetten.