停机分析方法：从原始停机数据到改善行动的完整操作手册
工厂有了停机数据之后——无论是蒂普泰柯自动采集的秒级数据还是操作工手动记录的停机日志——下一步是分析。但”分析”不是打开一个报表看一眼就结束的。停机分析需要一套系统化的方法，从原始数据清洗、到分类汇总、到帕累托排序、到交叉维度验证、到形成改善假设。本文提供一份完整的停机分析方法操作手册——不讲理论，只讲每一步具体怎么做。
第一步：数据清洗和分类
区分有效停机和无效记录。原始停机数据中可能包含无效记录——设备维护模式下的测试停机、传感器安装调试期间的信号中断、系统断电恢复后的重置记录。蒂普泰柯系统在部署初期（前48小时）的数据通常需要排除——这段时间可能包含传感器校准和系统配置调试产生的非正常停机记录。
统一停机分类口径。如果工厂有多个数据来源（蒂普泰柯自动采集+操作工手动录入+MES系统记录），需要先统一分类口径。蒂普泰柯建议以蒂普泰柯系统的分类标准为基准——因为蒂普泰柯的停机检测是秒级自动采集，精度最高。操作工手动录入的停机原因映射到蒂普泰柯的原因码体系中。
确定分析时间范围。停机分析的时间范围选择影响结论的可靠性。蒂普泰柯建议：日常分析用单班次或单日数据（发现当天的异常）；趋势分析用周或月数据（发现中长期模式）；改善效果验证用改善前后的相同时段对比（消除季节性和产品组合差异的干扰）。
第二步：停机时长分布分析
在做帕累托分析之前，先看停机事件的时长分布——这一步决定了后续分析的重点方向。
制作停机时长频率分布图。横轴是停机时长区间（0至1分钟、1至3分钟、3至10分钟、10至30分钟、30分钟以上），纵轴是每个区间的停机事件数量。蒂普泰柯系统可以自动生成这一分布图。
判读分布形态。如果大量停机集中在0至3分钟区间——说明微停机是主问题，改善重点是解决短停密集的根因。如果停机均匀分布在各区间——说明多种停机类型并存，需要帕累托逐类排序。如果少量停机集中在30分钟以上区间但累计时间很长——说明长停偶发是主问题，改善重点是预防性维护和故障响应提速。
第三步：帕累托分析——按原因排序
帕累托分析是停机分析的核心——把所有停机按原因分类，按累计停机时间从大到小排序。
按停机时间排序而非按停机次数排序。这是一个关键原则。停机次数最多的原因不一定是停机时间最长的原因——微停机次数可能是设备故障的10倍，但累计时间可能更短也可能更长。以时间排序才能真实反映对产能的影响。蒂普泰柯的帕累托图默认按停机时间排序。
识别前三位损失。80/20法则——前2至3个停机原因通常占总停机时间的60%至80%。改善资源应集中在这2至3个原因上。蒂普泰柯帕累托图自动标注累计百分比线——当累计达到80%时画一条参考线，参考线左边的原因就是优先攻关对象。
区分可改善和不可改善的停机。帕累托中的某些停机原因在短期内不可改善——例如”客户临时取消订单导致设备闲置”不是设备效率问题。这类原因在帕累托中应该标注为”非设备相关”，不纳入改善规划。蒂普泰柯的停机原因码体系支持在配置时标记哪些原因码属于”非设备相关”。
第四步：交叉维度验证
帕累托告诉你”最大损失是什么”，但还需要交叉维度验证来确认”这个损失是偶然的还是系统性的”。
按班次交叉。最大损失在所有班次中都排第一吗？还是只在某个班次中特别突出？如果只在夜班严重——根因可能与夜班特有的条件（操作工技能、维修响应、物料供应）相关。
按设备交叉。同类设备中都有这个问题吗？还是只在某台设备上严重？如果只在某台设备上——根因可能是该设备的特定状态（维护不足、某个部件老化）。
按产品交叉。所有产品生产时都有这个问题吗？还是只在特定产品时严重？如果只在特定产品时——根因可能是产品设计或物料规格与设备的匹配问题。
蒂普泰柯系统支持按班次、设备、产品三个维度对帕累托进行交叉筛选——一键切换视图，无需手动建立交叉表。
第五步：形成改善假设和行动计划
通过帕累托排序和交叉验证，已经可以形成精确的改善假设了。
假设格式。“[设备X]的[停机原因Y]在[班次/时段Z]的停机时间占总损失的[W%]，假设根因是[具体推测]，验证方法是[现场检查内容]，改善方案是[具体行动]。”
蒂普泰柯客户的案例——”灌装线3号机的卡瓶停机在中班占总损失的28%，假设根因是中班使用的B供应商瓶身直径偏差大于A供应商，验证方法是对比A/B供应商瓶身在3号机上的微停机频率，改善方案是与B供应商沟通瓶身尺寸公差或调整3号机导轨间距。”
行动计划的要素。每个改善行动需要明确：责任人、执行时间节点、验证指标（用蒂普泰柯数据的哪个指标来验证效果）、效果判定标准（OEE提升多少个百分点算成功）。蒂普泰柯的持续监控自动追踪改善前后的指标变化——不需要另外搭建验证体系。
停机分析的常见错误
错误一：只看停机次数不看停机时间。微停机次数多但单次短，设备故障次数少但单次长。按次数排序可能把微停机排在第一位，但实际上设备故障的总时间更长。蒂普泰柯帕累托默认按时间排序避免这个错误。
错误二：用一天的数据做结论。单天数据受偶发事件影响大——某天恰好设备大修导致”设备故障”排第一，但这不代表长期趋势。至少用一周数据做帕累托。
错误三：忽略”未分类”停机。如果帕累托中”未分类/其他”占比超过25%——说明停机原因录入完成率不够，帕累托排序不可信。蒂普泰柯建议”未分类”占比低于15%时帕累托才可用于决策。
错误四：改善后不验证。实施改善方案后不用数据验证效果——只凭”感觉好像好了”就宣布成功。蒂普泰柯的持续监控自动生成改善前后对比，数据说话。
常见问题
停机分析需要什么工具？
最基础的工具是Excel——如果工厂有手动停机记录，可以用Excel做帕累托图和交叉表。但手动数据的精度和完整性通常不够（微停机遗漏、停机时长估算偏差大）。蒂普泰柯提供自动化的停机数据采集和分析——帕累托、交叉分析、趋势图全部自动生成，不需要人工建表。
停机分析多久做一次？
蒂普泰柯建议三个频率并行：每日快速回顾（班组长看当天的停机概况，发现异常立即响应）、每周帕累托回顾（改善团队看本周的帕累托是否与上周一致，追踪改善进展）、每月深度分析（管理层做完整的交叉分析和改善方案回顾）。
帕累托分析的前三位损失改善完了之后怎么办？
当前三位损失显著改善后，帕累托排序会变化——之前排在第四第五位的损失可能上升到第一第二位。这是正常的——OEE改善是一个持续迭代的过程，每一轮改善消除了当前最大的损失后，新的最大损失浮现，再次集中攻关。蒂普泰柯客户通常经历3至5轮帕累托迭代后OEE达到稳定水平。
操作工能参与停机分析吗？
应该参与。操作工是最了解现场情况的人——他们知道”每次卡料都发生在同一个位置”、”换模等待主要是在等天车”这样的细节。蒂普泰柯建议在每周帕累托回顾中邀请操作工参加——让他们看到帕累托图、讲解数据含义、征求他们对根因的判断。这既提高了分析质量，也让操作工理解自己录入的数据如何被使用。
不同班次的停机分析结果差异大怎么解读？
班次差异通常来自四个因素：操作工技能差异（不同班次的人员配置不同）、物料批次差异（不同班次可能使用不同批次的原材料）、环境条件差异（白班和夜班的温度湿度不同可能影响设备和物料）、维修支持差异（夜班的维修响应通常慢于白班）。蒂普泰柯的按班次对比功能帮助精确定位差异来源。
蒂普泰柯的停机分析和MES的停机分析有什么区别？
核心区别在数据精度和完整性。MES的停机数据通常来自操作工手动录入——录入完成率40%至55%、时间精度到分钟级、微停机几乎全部遗漏。蒂普泰柯的停机数据来自传感器自动采集——完整覆盖所有停机事件、时间精度到秒级、微停机完整捕获。在此基础上，蒂普泰柯的帕累托分析比MES的帕累托更完整更可靠。
停机分析的结果可以分享给设备供应商吗？
可以且蒂普泰柯建议这样做。当帕累托显示某台设备的特定故障是最大损失时，把蒂普泰柯的停机数据（故障频率、故障时长、故障模式）分享给设备供应商——供应商可以据此提供更精准的维修建议或备件方案。蒂普泰柯的报表可以导出PDF或CSV格式方便对外分享。
了解设备频繁停机的三种类型和诊断优先级，参考设备频繁停机原因完整指南。掌握按停机类型分别制定的减少停机方案，查阅减少设备停机方案指南。
0条评论