Gaandeweg is de gereedschapskist van de kwaliteitsprofessional goed gevuld. De fase waarin we ons nu bevinden wordt gekenmerkt door een sterke digitalisering door de hele keten heen. Dit vraagt een kwaliteitskundige die zich heeft aangepast aan deze nieuwe werkelijkheid.
De elektrische auto is wellicht het meest aansprekende voorbeeld van een systeem waarin data een overheersende rol spelen. De auto (connected car) is een samenstel van computersystemen: batterijmanagement, motormanagement, rij-assistent, entertainment, navigatie, spraakherkenning, beeldherkenning, autonoom rijden, synchronisatie met smartphone, verbinding met internet, om er maar een paar te noemen. Die systemen genereren per uur zo’n 25 GB aan data.
In dit artikel wordt vanuit het perspectief van kwaliteitskundige uiteengezet hoe de kwaliteitskundige paradigma’s zich hebben ontwikkeld als reactie op de verschillende fases in de industriële revolutie. De fasen binnen de industriële revolutie en in de hierop aansluitende ontwikkelingen binnen de kwaliteitswereld worden ook wel aangeduid met Industrie 1.0 en Quality 1.0 en vervolgens doornummerend tot de huidige fase 4.0.
In de middeleeuwen sloten veel ambachtslieden zich aan bij een gilde. In een gilde, een vereniging van ambachtslieden met het zelfde ambacht, werd er binnen en beroepsgroep kennis en ervaring uitgewisseld.
Het oordeel van de geleverde kwaliteit lag bij degene die het product ook maakte. De basis van de beoordeling was daarbij het persoonlijk vakmanschap van de meester. Dat werd je door het met goed gevolg afleggen van de meesterproef, een eerste vorm van kwaliteitsborging.
Rond 1750 begon de eerste fase van de industriële revolutie in Engeland en verspreidde zich in het begin van de negentiende eeuw over de rest van Europa. De uitvinding van de stoommachine zorgde ervoor dat continu mechanische energie beschikbaar kwam, waardoor ambachtelijk werk door machines kon worden overgenomen en fabrieken ontstonden. De kwaliteit werd geborgd door inspecties en metingen aan het eindproduct.
Vanaf 1860 - 1870 komen we in de tweede fase van de industriële revolutie. Een belangrijke nieuwe technologie in deze fase is elektriciteit wat zorgt voor diverse ontwikkelingen. De fabrikanten ontwikkelen een systeem van massaproductie met de lopende band, het eerst in de auto-industrie. In deze fase zien we ook mechanisatie opkomen, het eerst in de landbouwsector waar eenvoudige machines het handwerk vervangen, later ook in de fabrieken.
In het startend tijdperk van massafabricage ligt de nadruk op productiviteit. Hierdoor ontstond er behoefte aan standaardisatie van onderdelen, het nauwkeurig vastleggen van de stappen in het productieproces en een hoge mate van arbeidsdeling (denk aan Adam Smith en Frederick Winslow Taylor). Dit verhoogde de productiviteit maar had ook effect op de (lagere) arbeidssatisfactie en de kans op (meer) fouten. Dit leidde tot de ontwikkeling van nieuwe kwaliteitstools zoals het nemen van steekproeven en de controle of voldaan wordt aan de Acceptable Quality Level (AQL).
Door de kwaliteitsbeoordeling te ontkoppelen van het vakmanschap en kwaliteitsafdelingen op te zetten werd de beoordeling van kwaliteit aan kwaliteitsmedewerkers over gelaten. De ervaring leert dat men daarin doorschoot en de verantwoordelijkheid voor kwaliteit bij de kwaliteitsmedewerkers en de kwaliteitsafdelingen legde.
De derde fase van de industriële revolutie omvat een groot deel van de 20ste eeuw. Deze fase start na de Eerste Wereldoorlog en loopt door tot circa 1995. We zien in deze periode vooral de opkomst van de industriële productie, waarbij tevens globalisering een belangrijke rol speelt. Het lopendebandwerk uit de tweede fase wordt aangevuld met automatisering. De mens is hier wel degene die de machines aanstuurt, bedient en ingrijpt waar nodig. De informatie- en communicatietechnologieën ontwikkelen zich snel en bieden veel mogelijkheden om de lokale industriële processen te beïnvloeden. Computers maken betere aansturing van deelprocessen mogelijk, geavanceerde automatiseringstoepassingen nemen veel handmatig werk over. Langzamerhand zien we in deze fase ook de dienstensector opkomen, zowel gericht op consumenten als op zakelijke partijen.
In deze periode kunnen we spreken van een explosie aan nieuwe technieken op het gebied van kwaliteitsmanagement, nu niet meer in isolatie door de kwaliteitsafdelingen maar in samenwerking met de werkvloer. Denk bijvoorbeeld aan Statistic Process Control (Walter Shewhart, W. Edwards Deming), de 7 Basic Tools (Kaoru Ishikawa), kwaliteitscirkels en Lean. Kwaliteit, het aansturen daarvan en de verantwoordelijkheid daarvoor wordt in deze fase ook steeds meer een zaak van het topmanagement. Dit naast de interactie met de werkvloer zoals in deze alinea al is vermeld.
Vanaf circa 1975 zien we nog een andere ontwikkeling opkomen: kwaliteitsborging. Processen worden nauwkeurig vastgelegd, beproevings- en keuringsprocedures zorgen voor de vereiste kwaliteit in elke fase van het productieproces. Eindcontroles worden zo steeds meer vervangen door controles tijdens het proces. Er ontstaan normen voor kwaliteitssystemen die vanaf 1990 integraal van opzet zijn. Denk bijvoorbeeld aan de ISO9000 serie, het EFQM-model en de Nederlandse variant, het INK-model.
In de jaren '80 wordt Six Sigma ontwikkeld binnen Motorola en in de jaren ‘90 heeft General Electric het wereldberoemd gemaakt. Six Sigma focust op het verminderen van de spreiding in productie- en bedrijfsprocessen.
Industrie 4.0 – ook wel Smart Industry genoemd – is de fase in de industriële revolutie die startte rond 1995. In fase 3.0 startte de digitalisering al, maar fase 4.0 kenmerkt zich door ketenintegratie en een allesomvattende digitale transformatie.
Productieprocessen worden steeds meer end-to-end digitaal aangestuurd en in toenemende autonoom. Pas bij afwijkingen, interferenties of tegenstrijdige doelen schakelt het besturingssysteem een hoger echelon in. De productieprocessen zijn zodanig ingericht dat grote series identieke producten mogelijk zijn, maar even gemakkelijk kunnen kleine series of zelfs enkelstuks (one-piece flow) producten gemaakt worden. De mens speelt in die processen vooral een rol daar waar zijn fysieke bijdrage niet geautomatiseerd kan worden en daar waar menselijk inzicht en oordeel noodzakelijk is. Industriële robots nemen herhalende activiteiten over die voor mensen saai zijn om uit te voeren, en/of die gevaarlijk kunnen zijn.
Alle order-, productie- en logistieke besturingssystemen zijn veelal aan elkaar gekoppeld. Rapportagesystemen maken gebruik van deze aan elkaar gekoppelde systemen om real-time rapportages te genereren. Die rapportages geven aan de operators en managers direct inzicht in het functioneren van de systemen en bieden een mogelijkheid tot bijsturen en verbeteren van productieprocessen. Informatiesystemen bieden medewerkers ondersteuning bij het vinden van oplossingen voor urgente problemen. Het vakmanschap van de medewerker komt hiermee op een hoger niveau te staan: niet alleen een schakel in het productieproces, maar ook een factor in de aansturing van en het analyseren van de prestaties van het hele proces.
Ook tussen bedrijven onderling verloopt de communicatie in de waardeketen steeds meer digitaal. Rond 2000 communiceren niet alleen personen via internet maar ontstaat het ‘internet der dingen’, Internet of Things (IoT). Langzamerhand krijgt elke sensor, elke actuator, elke robot en elk voertuig zijn eigen IP-adres en kan daarmee verbonden worden met het internet (interconnectiviteit). In 2020 zijn al ca. 25 miljard objecten via het internet met elkaar verbonden. Door alles met elkaar te verbinden, wordt cybersecurity, het beveiligen van systemen tegen ongewenste bezoekers, nóg belangrijker.
In de vierde fase komt Artificial Intelligence (AI) tot leven. Vanaf 2010 is een gestage opkomst te zien van systemen gebaseerd op machine learning. In tegenstelling tot de kennisgestuurde systemen ligt hier de nadruk op de beschikbare big data: vanuit die data zoekt een algoritme naar patronen of regels. De ervaringen met die machine learning systemen zijn deels positief – spraakherkenning, vertaaldiensten, objectherkenning, predictive maintenance, zelfsturende voertuigen - , maar ook deels negatief – denk aan algoritmes die leiden tot discriminerende uitspraken, etnisch profileren en schending van de mensenrechten. Het optreden van bias is mogelijk. Transparantie van het algoritme en uitlegbaarheid van het resultaat is gewenst en in bepaalde gevallen noodzakelijk.
Vanuit de kwaliteitskundig oogpunt zien we in deze fase een verdere verbreding van het werkterrein. Was er voorheen al aandacht voor milieu en Arbo, dit wordt verder uitgebreid met duurzaamheid en eisen om te voldoen aan klimaatdoelstellingen. Ook veiligheidsaspecten (safety & security) raken steeds meer verweven met kwaliteitsmanagement. Daarnaast hebben de eerder genoemde technische innovaties in toenemende mate ook juridische en ethische consequenties. Bij het verzamelen en gebruiken van persoonsgerelateerde data kan de wetgeving op het gebied van de privacy (AVG) worden overtreden. Bij het analyseren van data (denk aan artificial intelligence) kan – vaak onbewust – sprake zijn van de negatieve effecten zoals hiervoor aangegeven. Integriteitsvraagstukken komen steeds vaker voor.
Alles en iedereen genereert data en daaruit kan door een veelheid van methoden informatie gemaakt worden die relevant is als terugkoppeling naar het voortbrengend of ontwikkelend systeem. De informatieproductie geschiedt door de gehele keten heen, van leveranciers tot gebruikers. De sociale media gelden ook als een interessante bron voor ervaringen die afnemers met geleverde producten en diensten hebben.
De databronnen zijn overal met elkaar verbonden en daar kan met de huidige data science methodieken informatie uit worden onttrokken. Waar sommige organisaties nog werken met afzonderlijke spreadsheets zijn andere al bezig de gehele keten te integreren met onderling verbonden databases in combinatie met analyse- en presentatiesystemen. Als alle data uit de keten beschikbaar zijn, opent dat ook nieuwe mogelijkheden voor bijvoorbeeld leveranciersaudits.
De drempel om de data op een intelligente manier te verwerken ligt steeds lager. De stap naar data science is voor sommigen nog wel groot, maar de beschikbaarheid van software voor presentatie van resultaten van onderling verbonden databases is voorhanden. Ook analyseren van data wordt steeds geavanceerder. Trendanalyses van prestaties van productiesystemen bijvoorbeeld kunnen leiden tot tijdig preventief onderhoud waardoor de productie minder verstoord wordt door plotselinge uitval van systemen. Informatie uit allerlei met elkaar verbonden systemen kan ons ook helpen bij het nemen van de juiste bedrijfsbeslissingen (beslissingsondersteunende systemen).
Er ontstaan steeds meer middelen waardoor interactie tussen mensen onderling, mensen en processen en mensen en organisaties kan worden vormgegeven. Denk daarbij aan training via Virtual Reality (VR) en Augmented Reality (AR), met directe terugkoppeling van het leerproces van de deelnemer. Of bijvoorbeeld aan controles en service calls die worden uitgevoerd via VR en AR, waarbij de tekeningen in het beeldscherm staan, geprojecteerd op het werkstuk.
In deze periode is de kwaliteitskundige 4.0 bij uitstek degene die overzicht houdt over alle processen en systemen in een organisatie. Hij/zij is in staat om mensen met elkaar te verbinden en kan multidisciplinaire teams coachen. Hij heeft zicht op de gehele waardeketen: van de leverancier tot de eindgebruiker en weet hoe elke activiteit in die keten bijdraagt tot waarde voor de eindgebruiker. Via (digitale) audits heeft hij inzicht in de procesprestaties en weet waar verbeteringen mogelijk zijn. Klantdata en data van sales en service bieden mogelijkheden om via data analytics te analyseren en inzicht te krijgen in verwachtingen en ervaringen van klanten en eindgebruikers. Hij begrijpt ook dat de werkwijze van een organisatie ethisch verantwoord en uitlegbaar moet zijn en dat geldt natuurlijk ook voor de producten en diensten van een organisatie. Hij is niet de specialist op alle terreinen maar heeft begrip van andere disciplines zoals IT (data governance, data architecture), informatiebeveiliging (cybersecurity), bescherming van persoonlijke data (AVG) en data science (analyseren van data, artificial intelligence) en is daardoor een empathische gesprekspartner voor die andere disciplines (De Backker, 2020).
Hij is vertrouwd met het interpreteren en bewerken van data: inschatten wat de kwaliteit van data is, uitvoeren van (statistische) analyses op data, simuleren van processen, visualiseren van data ten behoeve van verschillende doelgroepen in een organisatie, vertellen van het verhaal uit de data, aanzetten tot actie. Kortom: hij is datageletterd (Oosterhoorn, 2020).
In onderstaande tabel vind je een overzicht van de verschillende fasen en de hiervoor beschreven kenmerken.
Dit artikel is gebaseerd op hoofdstuk 1 van het boek 'De Kwaliteit van Data' van de sectie Data & Kwaliteit van het NNK. De beschouwing van dit hoofdstuk is ook te beluisteren in een podcast.
Backker, B. de (2020). Het veranderende ecosysteem van de kwaliteitsmanager. (Kwaliteit in Bedrijf, nov-dec, p. 28-31).
Oosterhoorn, A. (2020). Data en de verzilvering van de positie van de kwaliteitsfunctionaris. (Kwaliteit in Bedrijf, Visie 2020, p. 10-11).
Vaal, K. de (2022). De Kwaliteit van Data. Soest: Boekscout.
Dit artikel is gebaseerd op hoofdstukken uit het boek 'De Kwaliteit van Data', van de sectie Data & Kwaliteit van het NNK.
In 2018 richtte Arend Oosterhoorn de sectie Data en Kwaliteit van het NNK (Nederlands Netwerk voor Kwaliteitsmanagement) op. Onze missie is het gebruik van data en de bijdrage daarvan aan het leveren van kwaliteit in een snel veranderende omgeving voortdurend aanjagen en verbeteren. Een van de doelen was het publiceren over onze bevindingen. In de loop van 2020 ontstond het idee het verzamelde materiaal in een boek te verwerken. Arend heeft hieraan een belangrijke bijdrage geleverd. Na zijn overlijden begin 2022 heeft Kees de Vaal samen met de andere leden van de sectie het boek voltooid.
Het boek De Kwaliteit van Data bevat vijf delen: Het veranderende ecosysteem, Data verzamelen en beheren, Data analyseren met statistische methoden, Data analyseren met kunstmatige intelligentie en Data presenteren en duiden.
Het boek is verkrijgbaar via de webwinkel van uitgeverij Boekscout, bol.com, managementboek.nl en de boekhandel (ISBN: 9789464683721).
In een reeks artikelen bespreken leden van de NNK-sectie Data en Kwaliteit onderwerpen uit het boek.
Lees ook: De datawereld stelt aanvullende eisen aan de bedrijfsvoering, De jager-dataverzamelaar, De data waardeketen en Is er sprake van digitale soevereiniteit?
Beluister ook de NNK-podcast waarin de hoofdstukken van het boek worden besproken.
Natascha Grundeken Wallaard is na haar studie Biologie aan de Universiteit Leiden sinds 2001 werkzaam op het gebied van Kwaliteits- management en Milieu. Zij heeft in 2019 haar Master Kwaliteitsmanagement behaald bij Schouten& Nelissen University of Applied Sciences. Zij is lid van het Nederlands Netwerk Kwaliteits- management (NNK.nl) en sinds de oprichting actief in de sectie Data en Kwaliteit. Haar huidige functie is Coördinator Integraal kwaliteitssysteem en veiligheid bij de Directie Materieel Organisatie van het ministerie van Defensie.
Dit artikel verscheen eerder in Kwaliteit in Bedrijf, maart-april 2023