Guestit
Dutch
ContactInloggenKennismaking

Operationeel

Deel

3

10

min leestijd

Een snellere keuken kan meer omzet betekenen

Hoe wachttijden in je keuken ontstaan, waarom stations elkaar blokkeren, wanneer sneller extra omzet kan opleveren en hoe je doorlooptijden zelf meet.

Illustratie: twee keukenmedewerkers bekijken bestellingen op een scherm in de keuken.

Doe dit vandaag

Meet vanavond twintig bonnen met papier en een klok.

Volgens het CBS lag de omzet van eet- en drinkgelegenheden in het tweede kwartaal van 2026 3,5% hoger dan een jaar eerder (restaurants: 3,2%). Volgens KHN Kompas, het eigen onderzoek van KHN (steekproef en vergelijkingsperiode niet vermeld), daalde in dat kwartaal de gemiddelde omzet per zaak met 1,3% en nam het aantal bonnen met 3% af. De twee bronnen meten niet hetzelfde en wijzen niet dezelfde kant op; beide gaan over een heel kwartaal en niet over één zaak. Ze zeggen niet hoe druk jouw vrijdagavond is, en daar gaat het hier om: wat betekent het als bonnen sneller de keuken uit gaan? Dit is deel 3 van de serie Waar verdwijnt de winst in jouw restaurant? Je leest hoe wachttijden in een keuken ontstaan, waarom stations elkaar kunnen blokkeren, wanneer een snellere keuken extra omzet kan betekenen en wanneer niet, en hoe je doorlooptijden zelf meet. Getallen in voorbeelden zijn bedacht, tenzij er een bron bij staat. Stand van de gegevens: 18 november 2026.

Hoe wachttijden ontstaan

Een wachttijd ontstaat meestal waar werk sneller binnenkomt dan een station het kan afwerken.

  • Pieken in bonnen. Bonnen kunnen in golven komen, bijvoorbeeld een gezelschap van twaalf. Het gemiddelde per uur verbergt de golf.

  • Een station dat de flessenhals is. Het station met het meeste werk ten opzichte van zijn capaciteit begrenst hoeveel gerechten per uur de keuken verlaten. Komt de aanvoer in de buurt van die grens, dan loopt de wachttijd volgens de wachtrijtheorie eerst langzaam en dan snel op (Little, 2011).

  • Werk dat zich opstapelt. Rekenvoorbeeld: een grill maakt 24 biefstukken per uur af (één per 2,5 minuut), in de piek komen er 30 binnen. De stapel groeit met 6 per uur: na een uur wacht de volgende biefstuk 6 × 2,5 = 15 minuten voordat een kok eraan begint.

De wet van Little. John Little toonde in 1961 aan dat in een wachtrijsysteem het gemiddelde aantal eenheden in het systeem gelijk is aan het gemiddelde aantal dat per tijdseenheid binnenkomt, vermenigvuldigd met de gemiddelde tijd die een eenheid in het systeem doorbrengt (onder voorwaarden, zoals eindige gemiddelden en stationaire processen). Voor jouw keuken: doorlooptijd = gemiddeld aantal open bonnen gedeeld door het aantal bonnen per minuut. Ken je twee van de drie getallen, dan reken je de derde uit. Over een avond waarop je keuken leeg begint en leeg eindigt, klopt dit exact voor de gemeten gemiddelden (Little, 2011). Het gaat over gemiddelden, niet over één bon.

  • Rekenvoorbeeld: komt er elke 3 minuten een bon binnen (20 per uur) en staan er gemiddeld 5 bonnen open, dan is de doorlooptijd 5 × 3 = 15 minuten; bij gemiddeld 10 open bonnen is het 30 minuten.

  • Omgekeerd: blijven er 5 bonnen open en daalt de doorlooptijd naar 12 minuten, dan passen er 5 ÷ 12 × 60 = 25 bonnen per uur doorheen.

Waarom stations elkaar blokkeren

Een tafel krijgt zijn gerechten meestal pas als het traagste gerecht klaar is: de pass (uitgifte) wacht op het laatste bord. Rekenvoorbeeld met bedachte getallen: tafel 12, vier gasten, vier hoofdgerechten. Per gerecht staat hoe lang het wachtte voordat een kok eraan begon en hoe lang de bereiding duurde.

  • Koude keuken, geitenkaassalade: 2 minuten wachten + 4 bereiden = klaar na 6 minuten

  • Friteuse, fish and chips: 3 + 8 = klaar na 11 minuten

  • Pan, pasta met garnalen: 3 + 10 = klaar na 13 minuten

  • Grill, biefstuk: 6 + 12 = klaar na 18 minuten

De tafel krijgt zijn eten na 18 minuten. Een gemiddeld gerecht is na 12 minuten klaar ((6 + 11 + 13 + 18) ÷ 4), maar de gast ervaart 18. De salade wacht 12 minuten op de pass, de fish and chips 7 en de pasta 5.

Wat levert versnellen op? Begint een kok na 1 minuut aan de biefstuk in plaats van na 6, dan is die klaar na 1 + 12 = 13 minuten en krijgt de tafel zijn eten na 13 minuten: 5 minuten sneller. Is de biefstuk nog eerder klaar, dan verandert er niets: de pasta (13 minuten) bepaalt dan de tafel, en alleen het traagste gerecht telt. Blokkades ontstaan ook zo:

  • Een gerecht met twee stations, zoals een biefstuk van de grill met een salade uit de koude keuken, is pas klaar als het traagste deel klaar is.

  • Batches: een station dat in porties werkt, kan de eerste bon laten wachten tot er genoeg bonnen zijn.

  • Net te vroeg of te laat starten: een gerecht dat te vroeg start, staat te wachten op de pass; een gerecht dat te laat start, houdt de hele tafel op.

Wanneer een snellere keuken meer omzet kan betekenen

Een snellere keuken kan capaciteit vrijmaken. Omzet ontstaat pas als iemand die vrije capaciteit gebruikt: een gast die anders was weggelopen of een wachtend gezelschap dat nu eerder een tafel krijgt. Kimes (2004) noemt de uren waarin gasten op een tafel wachten de drukke uren; in haar casus van één Amerikaans restaurant (Chevys Arrowhead, gegevens uit 2001) waren dat tien uren per week, goed voor ongeveer een derde van de jaaromzet. Alleen in zulke uren telt tijdwinst voor je omzet.

Zo reken je het door. Rekenvoorbeeld met bedachte getallen, bedragen exclusief btw:

  1. Stoelminuten: 38 zitplaatsen × 300 minuten (de zaal is van 17:00 tot 22:00 in gebruik) = 11.400

  2. Nu: verblijfsduur 100 minuten (van zitten tot de tafel weer klaarstaat): 11.400 ÷ 100 = 114 gasten, gemiddeld drie keer per stoel

  3. Vijf minuten korter: 11.400 ÷ 95 = 120 gasten, gemiddeld 3,2 keer per stoel. Dat kan alleen als tafels verspreid over de avond vrijkomen (zie Thompson, 2009). Bij vaste rondes passen er in 300 minuten ook bij 95 minuten maar drie: 114 gasten, extra omzet € 0.

  4. Extra capaciteit zonder vaste rondes: 120 − 114 = 6 gasten (5,3% meer)

  5. Extra omzet: het kleinste van de extra capaciteit en het aantal wachtende gasten, maal de omzet per gast. Bij € 45 per gast en minstens 6 wachtende gasten: 6 × € 45 = € 270 per vrijdagavond. Wachten er 2 gasten: 2 × € 45 = € 90. Wacht niemand: € 0.

Die vijf minuten haal je niet per se in de keuken. Bij Chevys duurde de tijd van bestelling tot hoofdgerecht gemiddeld 11 minuten en 31 seconden van een maaltijd van 53 minuten en 15 seconden, ruim een vijfde (tijdmeting bij honderd gezelschappen op drukke weekendavonden).

Zie de uitkomst bovendien als plafond. Thompson (2009) toetste deze rekensom in een simulatie van 1.296 scenario's met alleen gasten zonder reservering. Bij 5% kortere verblijfsduur voorspelt de som 5,3% meer omzet; in de simulatie was dat gemiddeld 1,1%, en in de twaalf gunstigste scenario's 2,1%. De omzetstijging was groter bij meer vraag en een langere piek. Een simulatie is geen meting in echte zaken.

Sneller is voor de gast ook niet altijd beter. In een Amerikaans onderzoek onder 151 gasten van restaurants met bediening aan tafel (gemaksteekproef, herinnerde ervaringen; Noone e.a., 2009) was de tevredenheid over de maaltijd het hoogst bij een ervaren tempo tussen te traag en te snel in; aan beide kanten daalde ze. Een snellere keuken kan de gastbeleving verbeteren, zolang gasten zich niet opgejaagd voelen.

Meer omzet is nog geen meer winst: extra gasten kosten ook inkoop en uren. Hoe je dat doorrekent, lees je in deel 2; de tafelomloop als vast cijfer komt aan bod in deel 4.

Zo meet je doorlooptijden

Hoe lang een bon in jouw keuken blijft, weet je pas als je het meet. Bij Chevys noteerde een student de tijden van honderd gezelschappen; jij begint met twintig bonnen.

  1. Kies je piek. Meet twintig bonnen achter elkaar in het piekuur van een drukke avond, en eventueel een rustig uur ter vergelijking.

  2. Noteer per bon de tijd van binnenkomst en van uitgifte (het laatste gerecht van de tafel verlaat de pass; bij gangen meet je per gang, vanaf het afroepen). Wil je weten waar de tijd zit, noteer dan per station ook wanneer het begon en wanneer het klaar was.

  3. Reken per bon: doorlooptijd = uitgifte min binnen. Per station: wachttijd = start min binnen; bereidingstijd = klaar min start.

  4. Gemiddelde: alle doorlooptijden bij elkaar, gedeeld door het aantal bonnen.

  5. 90e percentiel: sorteer de doorlooptijden van kort naar lang. Bij twintig bonnen is dat de 18e (0,9 × 20 = 18): de langste tijd die overblijft als je de twee langzaamste bonnen weglaat.

Rekenvoorbeeld met bedachte getallen. Twintig doorlooptijden in minuten, gesorteerd: 9, 10, 10, 11, 11, 12, 12, 12, 13, 13, 14, 14, 14, 15, 16, 16, 18, 25, 31, 38. Gemiddelde: 314 ÷ 20 = 15,7 minuten. 90e percentiel: de 18e waarde, 25 minuten (een spreadsheetfunctie die interpoleert, geeft 25,6). Het gemiddelde klinkt rustig, maar twee van de twintig tafels wachtten meer dan een half uur (31 en 38 minuten). Stel dat de grill bij vier van de vijf langste bonnen als laatste uitgaf: dan begin je daar.

Twintig bonnen geven een eerste beeld, geen zekerheid; herhaal de meting op een andere avond. Een vaste norm voor de tijd tussen bon en bord vonden we niet: die verschilt per concept. Kies dus je eigen doel, bijvoorbeeld een maximum voor het 90e percentiel, en meet of je het haalt.

Veelgemaakte fouten

  • Alleen het gemiddelde bekijken. Het verbergt de tafels die lang wachten.

  • Een rustig uur meten. Wachtrijen ontstaan vooral in de piek.

  • Bewust wachtende gerechten meetellen. Een hoofdgerecht dat nog niet is afgeroepen, is geen vertraging.

  • Aannemen dat sneller altijd meer omzet is. Zonder wachtende gasten levert het geen extra omzet op.

Doe dit vandaag

Meet vanavond twintig bonnen met papier en een klok. Noteer bij elke bon het nummer, de tijd waarop de bon binnenkwam en de tijd waarop het laatste gerecht van de tafel de pass verliet, te beginnen in het piekuur. Reken na de service het gemiddelde uit (alle doorlooptijden bij elkaar, gedeeld door twintig) en schrijf de langste vijf onder elkaar. Naar onze schatting kost dit tijdens de service een paar seconden per bon en daarna ongeveer tien minuten rekenwerk; je hebt geen aankoop en geen systeem nodig.

Waar techniek helpt

Een deel van wat je hierboven met papier en een klok doet, kan ook op een scherm. De keukenschermen van Guestit (Kitchen OS) zijn bedoeld om die tijden zichtbaar te maken. Elk gerecht gaat naar een station (grill, friteuse, koude keuken, bar of dessert); een gerecht voor twee stations toont beide taken. De uitgifte laat per gang zien wat klaar is, waar het nog op wacht en hoe lang het al wacht. Kies je voor twee stappen (eerst “Alles starten”, dan “Klaar”), dan wordt de bereidingstijd exact gemeten. Op het scherm staan onder meer de gemiddelde bontijd tegen je doel, de te late bestellingen en het traagste station, en je stelt per station drempels in voor Let op en Te laat. Kijk, net als hierboven, niet alleen naar het gemiddelde maar ook naar de te late bonnen. Het scherm toont de tijden; wat je ermee doet, bepaalt of er iets verandert.

Zo hebben we dit samengesteld

Gelezen: Little (2011) via een kopie van de University of Massachusetts; Kimes (2004), Thompson (2009) en het auteursmanuscript van Noone e.a. (2009; de tabellen en figuren konden we niet lezen) via de Cornell-repository eCommons; de berichten van het CBS en KHN (van KHN alleen de openbare samenvatting; de volledige analyse vraagt een KHN Kompas-account). Van Little (1961) lazen we alleen de samenvatting via Crossref. In Crossref, per DOI opgevraagd op 18 november 2026, staat bij geen van de tijdschriftartikelen een correctie of intrekking. De restaurantstudies zijn Amerikaans of gesimuleerd en hoeven niet voor Nederland te gelden. Niet te verifiëren en daarom weggelaten: onderzoek naar wachttijd en tevredenheid in Nederlandse restaurants, een norm voor de tijd tussen bon en bord, en Goldratts theory of constraints (we openden geen bron).

De afbeelding bij dit artikel is een illustratie (AI-gegenereerd), geen foto van een echte zaak en geen schermafbeelding van Guestit.

Bronnen

  1. CBS, Omzet horeca groeit in tweede kwartaal 2026 met ruim 2 procent (1 september 2026)

  2. KHN, Horeca blijft overeind, maar vraag en rendement staan onder druk (5 augustus 2026, bijgewerkt 27 augustus 2026; openbare samenvatting van het eigen onderzoek KHN Kompas, steekproef en vergelijkingsperiode niet vermeld)

  3. Little, A Proof for the Queuing Formula: L = λW, Operations Research, INFORMS (1961; alleen de samenvatting gelezen, via Crossref)

  4. Little, OR Forum: Little's Law as Viewed on Its 50th Anniversary, Operations Research, INFORMS (2011; tekst gelezen, via een kopie van de University of Massachusetts)

  5. Kimes, Restaurant Revenue Management: Implementation at Chevys Arrowhead, Cornell Hotel and Restaurant Administration Quarterly, SAGE (2004; één restaurant in de Verenigde Staten; tekst gelezen, via Cornell eCommons)

  6. Thompson, (Mythical) Revenue Benefits of Reducing Dining Duration in Restaurants, Cornell Hospitality Quarterly, SAGE (2009; simulatiestudie; tekst gelezen, via Cornell eCommons)

  7. Noone, Kimes, Mattila en Wirtz, Perceived service encounter pace and customer satisfaction: An empirical study of restaurant experiences, Journal of Service Management, Emerald (2009; gemaksteekproef in de Verenigde Staten; auteursmanuscript gelezen, zonder de tabellen en figuren, via Cornell eCommons)

Wil je dit in jouw zaak zien werken?

Plan een kennismaking en we kijken samen welke van deze ideeën bij jouw zaak passen. Past Guestit niet, dan zeggen we dat.

Plan een kennismaking
Bekijk de oplossingen
Guestit

Het besturingssysteem voor de horeca. Verbindt elke stap van de gastenreis met de processen erachter.

© 2026 Guestit

Privacy · Voorwaarden