由 Ravinder Singh | 8 月 25, 2026 | 工业绩效, 数字化与工业4.0, 数据与分析
做OEE数据采集，最难的从来不是套公式，而是如何把设备的运行数据可靠、自动地从车间采上来——尤其是新旧混杂的产线：有的设备联网、有的比操作工年纪还大。本文讲清楚工厂采集OEE数据的每一种可行方式、各自的真实精度、到底该采哪些数据，以及如何不做半年IT项目就把数据跑起来。 OEE数据采集到底要采哪些数据 OEE = 时间开动率 × 性能开动率 × 合格率，每个因子都需要设备给出特定信号：...
由 Agathe Lecomte | 4 月 21, 2026 | 数据与分析
预测性维护：AI如何在设备故障前发出预警 工厂维护模式的演进通常分为三代:第一代事后维护(设备坏了再修)、第二代预防性维护(按固定周期保养,不管实际状态)、第三代预测性维护(基于实际运行数据,在故障前预警并精准干预)。在中国,大部分工厂目前处于第二代，有标准的保养计划,但仍有大量计划外停机发生,因为保养计划基于经验,不是实际状态。 预测性维护(Predictive...
由 Agathe Lecomte | 4 月 21, 2026 | 数据与分析
实时OEE vs 月度报表：为什么时效性改变一切 大部分中国工厂的OEE管理节奏是:班次结束后,班长整理Excel,录入当天数据;每周一早会,生产部汇报上周OEE;每月5号,做上月OEE完整报告;每季度,高管review。这个节奏在过去20年是行业标准,所有人都这样做,所以没人质疑。...
由 Agathe Lecomte | 4 月 21, 2026 | 数据与分析
微停分析：工厂每天损失的30%产能来自这里 当你问一家工厂的生产总监”你的OEE是多少?”,他会给一个数字，比如72%。当你问”这个72%的损失主要来自哪里?”,他会告诉你”换型时间长”、”故障停机”、”质量不良”，这些是可见的、被记录在报表里的损失类型。当你问”你测量微停吗?”,你大概率会得到一个含糊的回答:”微停?我们有在记录,但可能不全。”...
由 Agathe Lecomte | 4 月 21, 2026 | 数据与分析
人、机、法，AI如何区分工厂停机的真实原因 在中国制造业的现场管理文化中,”人、机、料、法、环”(5M)或其简化版”人、机、法”(3M)是根因分析的标准框架。这个框架源自日本丰田生产方式,在中国的TPM实践中被广泛采用。每当一个停机、一个质量问题、一个效率损失出现,现场管理人员本能地开始问”是人的问题、还是机器的问题、还是方法的问题?”，这是一个强大的思维工具,因为它把复杂的现象归类到可执行的改善维度。...
由 Agathe Lecomte | 4 月 21, 2026 | 数据与分析
JEMBA AI如何在48小时内识别工厂的真实损失...
