由 Alyssa Fleurette | 10 月 28, 2026 | 数据与分析
本文面向工厂厂长、生产经理、设备维护经理以及持续改善或能源负责人：你们在为空压机的电费买单，却不清楚其中有多少压缩空气真正用在了生产上。您大概知道空压机每个月的耗电量。本文要回答的是一个更细的问题：产线在停机、微停和换型期间到底消耗了多少压缩空气，以及如何在不启动大型项目的情况下把它测出来。 要点停下来的产线往往仍在消耗压缩空气。总表能看到夜间和周末，却看不到白天的停机。把设备状态与流量对应，就能看到不生产时的用气。先处理代价最高的状态，再重新测量。 产线停了，压缩空气并没有停 法国 OXA Groupe...
由 Alyssa Fleurette | 10 月 28, 2026 | 数据与分析
本文写给工厂厂长、生产经理、持续改善负责人和设备维护负责人：你们用 OEE、停机帕累托图或 SQDC 看板来管理生产，并希望确认这些数字是否可靠到足以决定团队、预算和改善项目的投向。 要点失真的 OEE 会误导项目和投资的选择。陷阱很少出在公式上，几乎总是出在数据上。五个常见偏差：基准节拍、短暂停机、换型、返工、班末补录。先修正计算规则，再改进采集，最后分析趋势。...
由 Alyssa Fleurette | 10 月 27, 2026 | 工业绩效, 数据与分析
本文写给工厂厂长、能源负责人和生产负责人：你们手上有一张全厂能源账单，希望把它和产线的实际产出对应起来。 要点每件合格品的 kWh 把电费与产线产出联系起来。停机的设备仍在耗能：加热、液压、辅助系统。OEE 下降的产线，EnPI 也会变差。在法国，CEE 机制（IND-UT-134 条款）可在满足条件时资助测量。 账单告诉你工厂用了多少能源，却不告诉你一个零件的能耗成本，也不告诉你设备什么都不生产时流失了多少能源。这正是一个选对了的能源绩效指标要回答的问题。 能效从一个简单定义开始...
由 Alyssa Fleurette | 10 月 27, 2026 | 工业绩效, 数据与分析
本文写给主导问题解决项目的生产总监和持续改进负责人。他们常常看到同样的原因反复排进前三，同样的损失顶住了一轮又一轮的改善计划。 要点5个为什么、鱼骨图和帕累托图的价值，取决于输入的停机数据。短而频繁的停机几乎总会漏掉人工记录。设备检测，操作工定性：帕累托图要按时长和次数来看。四周时间足以对比填报的帕累托图与实测的帕累托图。 5个为什么、石川图（鱼骨图）和帕累托图早已被证明有效。当根本原因分析陷入原地打转，问题几乎从来不在方法本身，而在于交给它分析的数据。 问题不在方法 在《管控生产，找到损失的根本原因》（法语）一文中，Pilote...
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 Ravinder Singh | 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...
