Kitverificatie in de productie is het proces waarbij wordt bevestigd dat elk onderdeel in een kit correct is wat betreft identiteit, aantal, variant en assemblagevolgorde voordat het het kitstation verlaat. Standaard barcodescanning bevestigt de aanwezigheid, maar niet de correctheid. AI-vision-systemen zien het verschil in real-time.
De scanner gaf groen licht. Toch was de kit fout. Dat gat is waar de meeste kitfouten ontstaan, en het is het enige probleem waarvoor standaard verificatietools nooit zijn ontworpen.
Wat betekent kitverificatie eigenlijk op de werkvloer?
Een kit "geverifieerd" noemen betekent dat er op vier punten is gecontroleerd, niet op één. De Four-Attribute Kit Standard van Jidoka geeft operationele teams een duidelijke basislijn:
Kitsystemen van wereldklasse streven naar een nauwkeurigheid van 99,5% of hoger, gemeten over een voortschrijdende periode van 30 dagen. Onder de 98% worden kitfouten een meetbare belemmering voor de doorvoer. Operators verlaten hun werkplek om ontbrekende of verkeerde onderdelen op te halen, wat de productiestroom doorbreekt en de planning verstoort.
Er is ook een onderscheid dat we vroeg moeten maken: het tekortpercentage en het foutpercentage van kits zijn niet hetzelfde probleem. Een tekort is een falen in de toeleveringsketen. Een kitfout is een falen in het kitproces. Ze hebben verschillende bronoorzaken en verschillende corrigerende maatregelen. Ze op één hoop gooien vertraagt de echte oplossing.
Verificatie vindt doorgaans op twee punten plaats: tijdens het picken (pick-to-light of barcodescan per onderdeel) en aan het einde van de kit (telling of scan voordat de kit wordt gelabeld en naar de assemblage wordt gestuurd). Het probleem is wat beide controlepunten daadwerkelijk verifiëren, en dat is minder dan de meeste teams aannemen.
Waarom standaard verificatiemethoden kitfouten missen
Dit is het argument dat op geen enkele ranglijstpagina wordt genoemd, en het is het argument dat ertoe doet. Barcodescanning, pick-to-light en handmatige visuele controles zijn niet ontworpen om kitfouten op te sporen. Ze zijn ontworpen om te bevestigen dat een operator de juiste bak heeft aangeraakt of het juiste label heeft gescand. Dat zijn andere problemen.
Het Kit Error Classification Framework van Jidoka benoemt de vier faalwijzen die zich in dat gat bevinden. De onderstaande vergelijking van verificatiemethoden brengt elke standaardtool in kaart met wat deze daadwerkelijk controleert en waar deze tekortschiet:
Alleen systemen die zowel de identiteit van het onderdeel als de actie van de operator in real-time verifiëren, vangen alle vier de klassen van kitfouten op.
Assemblagefouten kosten Amerikaanse fabrikanten tussen de 5% en 30% van de totale productiekosten, volgens het National Institute of Standards and Technology. Fabrikanten die kitsystemen met de juiste verificatie gebruiken, zagen een daling van 20% in arbeidskosten en een afname van 15% in materiaalverspilling (McKinsey and Company, 2023). De kosten van het verificatiegat zijn niet theoretisch.
De werkelijke kosten van een kitfout
Een kitfout stopt niet bij het kitstation. Het reist door naar de assemblagecel, legt de productie stil en komt weer terug in de kitwachtrij. De werkelijke kosten zijn niet het ontbrekende onderdeel. Het is het domino-effect.
Eén gebeurtenis veroorzaakt deze keten:
- Stilstand van de assemblagecel, doorgaans 20 tot 40 minuten per gebeurtenis
- Operator verlaat de werkplek om ontbrekende of verkeerde onderdelen op te halen
- Herstelwerkzaamheden of demontage als de kitfout pas na een gedeeltelijke opbouw werd ontdekt
- Impact van de downstream planning op de werkorder
- Documentatie van de bronoorzaak die handmatig moet worden ingevuld
Op een productielijn met een hoge mix en een hoog volume en een kit-nauwkeurigheid van 99%, betekent een foutmarge van 0,5% nog steeds tientallen incidenten per dienst. De wereldwijde markt voor AI-gebaseerde visuele inspectie bereikte in 2024 een waarde van 4,13 miljard dollar en zal naar verwachting groeien naar 12 miljard dollar in 2033, mede gedreven door fabrikanten die defecten door handmatige inspectie niet langer kunnen opvangen (Oxmaint, februari 2026).
Voor gereguleerde sectoren staat er meer op het spel dan alleen herbewerking. In de farmaceutische industrie, bij medische hulpmiddelen en in de lucht- en ruimtevaart leidt een foutieve kit tot een compliance-incident. Correcties in een laat stadium verhogen in deze sectoren de totale ontwikkelingskosten met 15 tot 35%, aldus McKinsey. Een verkeerde kit is niet alleen een operationeel probleem, maar ook een regelgevingskwestie.
Hoe ziet een door AI geverifieerd kittingproces er in de praktijk uit?
De kernarchitectuur doorloopt vier fasen. Het belangrijkste verschil met barcodescanning: AI-vision bevestigt hoe het onderdeel eruitziet, in plaats van welk label er is gescand. Dat detecteert de categorieën 'verkeerde variant' en 'verkeerde volgorde' die met scannen niet op te sporen zijn.
Het belangrijkste verschil met een handmatige controle aan het einde van de lijn: verificatie vindt plaats op het moment van pakken, niet nadat de kit is samengesteld. Fouten worden binnen 50 milliseconden gedetecteerd, voordat de kit wordt verzegeld en downstream wordt verzonden. AI-gestuurde systemen voor foutpreventie vergelijken elk onderdeel met de digitale kittinglijsten en signaleren discrepanties direct, wat zorgt voor een nauwkeurige productverificatie en een soepele overdracht tussen teams (SkyVision, november 2025).
De ervaring van de operator is ook anders. Er hoeft geen supervisor te worden geroepen, er is geen retourgang naar het kittingstation en er hoeft geen ticket voor herbewerking te worden aangemaakt. De waarschuwing gaat af bij het station. De operator lost het op. De kit gaat door.
Hoe Nagare van Jidoka Technologies dit toepast in de productie
Nagare volgt zowel de onderdelen als de handelingen van de operator in real-time, zodat elke kit compleet, correct verpakt en klaar voor assemblage is (Jidoka Technologies). Het is het edge AI-platform van Jidoka voor het monitoren van procesnaleving, en specifiek voor kitting pakt het alle vier de foutcategorieën aan die het Kit Error Classification Framework identificeert: verkeerd onderdeel, verkeerde hoeveelheid, verkeerde variant en verkeerde volgorde.
Een paar specifieke kenmerken die het onderscheiden van algemene software voor assemblageverificatie:
- Werkt met bestaande CCTV-infrastructuur. Geen nieuwe camerahardware nodig. Nagare zet camera's die al op de werkvloer aanwezig zijn om in real-time procesverificateurs.
- Privacy-architectuur. Skeleton-tracking, geen gezichtsherkenning. Alle verwerking vindt on-premise plaats via edge AI. Er verlaat geen video de fabrieksvloer.
- Past zich automatisch aan bij SKU-wijzigingen. Procesomschakeling op basis van barcodes betekent dat de introductie van nieuwe producten geen handmatige herconfiguratie vereist.
Het systeem genereert ook kit-specifieke verpakkingsrapporten en volgt elk pakket met videobewijs, wat zorgt voor volledige traceerbaarheid van pakketten.
Zie hoe Nagare kitting in real-time verifieert
Hoe u beoordeelt of uw huidige kittingproces AI-verificatie nodig heeft
Loop de onderstaande checklist voor kitting-verificatie door. Als drie of meer punten op jouw lijn van toepassing zijn, is het de moeite waard om software voor assemblageverificatie te overwegen.
- De nauwkeurigheid van de kit is lager dan 99,5%, gemeten over een voortschrijdende periode van 30 dagen.
- Herstelwerkzaamheden als gevolg van kittingfouten komen meer dan twee keer per ploeg voor op een enkele lijn.
- Stilstand van de assemblagecel waarbij de bronoorzaak "ontbrekend onderdeel" of "verkeerd onderdeel in kit" was, zelfs als de kit de barcodescan heeft doorstaan.
- Wijzigingen in de stuklijst (BOM) of introducties van nieuwe SKU's in de afgelopen 90 dagen zonder bijbehorende update van het verificatieprotocol voor kitting.
- De primaire kwaliteitscontrole is een handmatige telling aan het einde van de kit op een lijn met een hoge mix of hoog volume.
- Geen traceerbaarheid op cyclusniveau voor kitting: als er stroomafwaarts een kwaliteitsprobleem optreedt, kan het team dit niet herleiden naar een specifieke kit, operator, ploeg of station zonder handmatig onderzoek.
De zesde trigger wordt het minst vaak herkend. De meeste operationele teams realiseren zich pas na een audit of een klacht van een klant dat er een gat in hun traceerbaarheid zit. Tegen die tijd is het onderzoek handmatig, traag en incompleet.
Conclusie: Verificatie is een procesbeslissing, geen technologiebeslissing
De groenlichtscan die 'ja' zei terwijl het antwoord 'nee' was, was geen probleem van de scanner. De scanner loste een ander probleem op. Kittingverificatie is een beslissing over wat je standaard moet zijn: onderdeelidentiteit, hoeveelheid, variant en volgorde, in realtime bevestigd voordat de kit het station verlaat. Zodra de standaard is gedefinieerd, volgt de technologiekeuze.
Bij een nauwkeurigheid onder de 99,5% produceert het kittingproces systematisch herstelwerk. Standaardcontroles vangen sommige van de vier foutklassen soms op. Realtime AI-verificatie vangt alle vier de klassen op, bij elke kit, in elke ploeg.
Als drie of meer triggers uit de checklist voor kitting-verificatie op jouw lijn van toepassing zijn, plan een kitting-auditgesprek van 30 minuten met Jidoka, of bekijk Nagare in een live kittingomgeving.
Veelgestelde vragen
1. Wat is kittingverificatie in de productie?
Kittingverificatie is het proces waarbij wordt bevestigd dat elk onderdeel in een vooraf samengestelde kit overeenkomt met de stuklijst wat betreft onderdeelidentiteit, hoeveelheid, variant en volgorde, voordat de kit de assemblagecel bereikt.
Standaardcontroles bevestigen dat de juiste bak is geopend; verificatie bevestigt dat het juiste onderdeel erin zit en correct is geplaatst. Dit onderscheid is cruciaal, omdat fouten met verkeerde kits, verkeerde varianten, verkeerde aantallen of een verkeerde volgorde barcodescans omzeilen en de productielijn bereiken.
2. Waarom worden fouten met verkeerde kits niet opgemerkt door barcodescanning?
Barcodescanning bevestigt de selectie van de bak, niet de identiteit van het onderdeel. De scanner leest het label op de bak, niet het onderdeel dat erin ligt.
Verkeerd gelabelde bakken, fouten bij het aanvullen en gemengde partijen leiden allemaal tot een geslaagde scan van een verkeerd onderdeel. Bovendien kan scannen niet de variant van het onderdeel (juiste familie, verkeerde revisie), het aantal op sub-eenheidsniveau of de volgorde waarin componenten voor assemblage worden klaargezet, verifiëren.
3. Welk nauwkeurigheidspercentage moet een kitting-operatie nastreven?
Kitting-operaties van wereldklasse streven naar een kit-nauwkeurigheid van 99,5% of hoger, gemeten per kit over een voortschrijdende periode van 30 dagen.
Onder de 98% worden kit-fouten een meetbare belemmering voor de doorvoer. Bij productielijnen met veel varianten en hoge volumes vertaalt een foutmarge van slechts 0,5% zich al in tientallen incidenten per dienst. Het verschil tussen 99,5% en 98% is het verschil tussen incidentele voorvallen en structurele verstoringen van de productielijn.
4. Wat is pick-and-pack-verificatie in de productie?
Pick-and-pack-verificatie bevestigt dat componenten zowel uit de juiste locatie worden gepickt als in de juiste kit-configuratie worden verpakt vóór verzending of klaarzetting.
In de discrete productie gaat dit verder dan logistiek: het omvat het verifiëren van de oriëntatie van onderdelen, de overeenstemming van de variant met de actuele stuklijst (BOM) en het juiste aantal per assemblagestap. AI-vision-systemen voegen real-time verificatie toe op het moment van picken, waardoor fouten worden opgemerkt voordat de kit wordt verzegeld.
5. Hoe verschilt AI-kitting-verificatie van regelgebaseerde machine vision?
AI-vision-systemen leren hoe componenten eruitzien aan de hand van voorbeelden en passen zich aan variaties aan; regelgebaseerde systemen hanteren vaste geometrische regels die falen wanneer de oriëntatie, belichting of geometrie van het onderdeel verandert.
Voor kitting verifiëren AI-systemen gelijktijdig de identiteit, het aantal, de variant en de handelingen van de operator voor meerdere SKU's, zonder dat herprogrammering nodig is bij de introductie van elk nieuw product.
6. Wat is validatie van onderdelen-kits?
Validatie van onderdelen-kits is de formele bevestiging dat een kit de juiste componenten, aantallen, varianten en verpakkingsvolgorde bevat, zoals gespecificeerd in de stuklijst voor een bepaalde werkorder.
In gereguleerde sectoren zoals de farmaceutische industrie en de lucht- en ruimtevaart is kit-validatie een gedocumenteerde kwaliteitsgebeurtenis die gekoppeld is aan de werkorder, het ID van de operator en een tijdstempel. AI-vision-systemen met traceerbaarheid op cyclusniveau genereren dit record automatisch, waardoor handmatige aftekening per kit overbodig wordt.
