什么是OEE？定义、计算公式、6大损失及如何提升OEE
什么是OEE？ OEE 代表“设备综合效率”（Overall Equipment Effectiveness），这是衡量制造业生产率的标准指标。该指标由中岛清一（Seiichi Nakajima）于 20 世纪 60 年代至 70 年代作为“全面生产维护”（TPM）的一部分提出，用于量化制造资产相对于其最大潜力的利用效率。 如今，它已成为全球离散制造和流程制造领域提升生产绩效的通用基准。本指南涵盖了 OEE 的定义、计算公式、行业基准、”六大损失”框架，以及实时 OEE 软件如何将该指标从单纯的计算工具转变为推动改进的引擎。
OEE的定义：它衡量什么以及为何重要
OEE 是一项综合指标，它将生产绩效的三个不同维度整合为一个数值：
可用性关注的是：设备按计划运行时，是否确实处于运行状态？每次计划外的故障、每次意外停机以及每次超出计划时间的换线操作，都会降低可用性。
“性能”所关注的是：机器在运行时，是否以正确的速度运行？一台以额定产能90%进行生产的机器，即使从未停机，其运行性能也仅为90%。 速度损失，包括循环时间缩短、五分钟以内的短暂停机、进料限制等，都会降低性能，却不会产生标准停机日志中记录的停机事件。
质量指标关注的是：在生产的零件中，合格品占多少比例？无论是生产爬坡阶段的启动缺陷，还是稳态生产期间的缺陷零件，都会降低质量。质量损失会直接影响OEE：缺陷零件占用了本可用于生产合格产出的设备运行时间。
OEE = 可用性 × 性能 × 质量
一台计划可用率达90%、以95%的额定速度运行且良品率达99%的设备，其OEE为84.6%。任何一个组成部分的提升，哪怕仅提高一个百分点，都会对整体OEE产生倍增效应。
OEE 计算公式：各组成部分的计算方法
可用性
可用率 = 运行时间 ÷ 计划生产时间
运行时间等于计划生产时间减去所有非计划停机时间。计划停机（如计划内维护、计划内换线）通常不计入分母，这些停机时间会缩短计划生产窗口，而非被视为可用性损失。 一台每班计划运行480分钟的设备，若发生45分钟的非计划停机，其可用率为435 ÷ 480 = 90.6%。
表现
性能 = (理想循环时间 × 总计数) ÷ 运行时间
理想节拍时间是指生产一个零件所需的理论最小时间。总产量是指实际生产的零件数量（包括次品）。 如果一台机器的理想节拍时间为1分钟，在435分钟的运行时间内生产了410个零件，而理想产量应为435个零件，则其性能为：(1 × 410) ÷ 435 = 94.3%。
质量
质量 = 合格数 ÷ 总数
合格率是指首次加工即符合质量规格的零件数量。如果示例中的机器总共生产了410个零件，其中404个合格，则合格率 = 404 ÷ 410 = 98.5%。
综合设备利用率（OEE）
OEE = 90.6% × 94.3% × 98.5% = 84.1%
对于一台管理得当但尚未达到世界级水平的设备而言，这是典型的结果。每个环节都留有提升空间，而乘法效应意味着改进效果会呈倍数累积：可用性提升5分且性能提升3分，两者综合可使OEE提升超过8分。
OEE 基准值：这些数字的含义
行业基准有助于制造商客观评估其OEE得分，并设定切合实际的改进目标：
世界一流的设备综合效率（OEE）：85%及以上。 要持续保持85%的设备综合效率（OEE），必须将预防性维护、快速换线和严格的质量控制有条不紊地结合起来。能持续保持运行效率高于这一阈值的制造工厂不足十分之一。
良好的OEE：65%–85%。 这是管理良好的制造企业通常所处的运行区间。在此区间内，OEE通常表明已识别并管控了主要损失类别，即使尚未完全消除这些损失。
典型的初始OEE：40–65%。 这在刚刚开始实施OEE或尚未建立系统化实时监测机制的制造商中较为常见。OEE从50%提升至85%所带来的差距，意味着有35个百分点的生产能力正在流失，而无需增加设备、人员或投资即可挽回这一损失。
对许多制造商而言，真正的起点在于：当首次部署实时OEE监测时，测得的OEE往往远低于此前手动计算出的OEE。 那些在手动记录中从未出现过的微停机和速度损失，突然变得清晰可见。感知OEE与实际OEE之间的差距通常在10到15个百分点之间，而一旦掌握了真实数据，这便代表着第一个、也是最快的改进机会。
6大损失：OEE的损失来源
源自中岛最初TPM工作的“6大损失”框架，将OEE损失的所有来源按OEE的三个组成部分划分为六大类别。了解某台设备上哪一类损失占比最大，是任何OEE改进计划的起点。
可用性损失 1，计划外停机：设备故障、意外故障、输送带卡住、物料短缺。这是最明显的停机类别，也是预测性维护和纠正性维护计划的重点对象。
可用性损失 2，计划停机：换线、计划内维护、操作员休息、清洁。已计划但尚有改进空间，SMED 方法旨在缩短换线时间；优化维护计划则旨在缩短计划停机时间。
性能损失 3，轻微停机和微停机：持续时间不足五分钟的短暂中断，物料卡住、传感器故障、短暂堵塞。单个来看微不足道，但累积起来影响显著。在手动跟踪系统中无法察觉，因此作为一种损失类别，其影响往往被系统性地低估。
性能损失 4，速度降低：机器运行速度低于额定值。不会触发停机事件。仅可通过将实际循环时间与配置的额定值进行比较来检测。在高速生产环境中，这通常是最大的单一性能损失类别。
质量损失 5，启动缺陷：在生产启动及后续换线过程中，在工艺稳定之前产生的废品和返工。通过换线优化和启动程序标准化加以解决。
质量损失 6，生产缺陷：稳态生产过程中的废品和返工。通过工艺能力改进和质量参数监测加以控制。
大多数制造工厂都存在一两个导致其OEE差距的主要损失类别。识别这些类别，特别是导致这些损失的具体设备和运行条件，是OEE优化软件的核心功能。
为何手动计算OEE会失败
手动计算OEE，即操作员在班次结束时在纸上记录停机时间，主管将这些数据录入Excel进行计算，存在结构性局限，导致其系统性地低估了实际损失：
微停机是看不见的：操作员清除并恢复的90秒卡机情况，在班次结束时不会被记录下来。在一条每班发生20次微停机的生产线上，手动记录可能只捕捉到其中4次。其余16次则会永久缺失在生产记录中。
速度损失从未显现：一台以额定转速87%运行的机器根本不会触发任何停机事件。如果没有一个能够实时将实际循环时间与额定值进行对比的系统，这种性能损失就根本无法被测得。
原因分类的准确性会下降：一名操作员在繁忙的班次结束时，仅凭记忆对六小时前发生的故障原因进行分类，其产生的原因数据可靠性，不如在故障发生后五分钟内对同一事件进行分类的操作员所提供的数据。
最终得出的OEE计算结果看似有所进步，毕竟该数据正在被追踪，但实际上低估了实际损失10至20个百分点，导致对运营改进潜力的系统性低估。
实时OEE软件如何改变该指标
基于物联网传感器实现的设备互联的实时OEE软件，解决了手动计算OEE所面临的各种结构性限制：
无论持续时间长短，每次微小停顿都会在发生瞬间被记录下来，因为传感器会自动检测状态变化，无需操作员干预。
通过实时将实际循环时间与配置的标称速率进行比较，可量化速度损失，从而得出一个“性能”指标，该指标反映的是实际吞吐量，而非基于内存的估计值。
原因分类是实时进行的，在事件发生时通过触摸屏进行30秒的操作，而不是在班次结束时凭记忆进行追溯。
TEEPTRAK 可在物联网传感器安装后的 48 小时内，为任何设备（无论其使用年限、品牌或控制系统如何）提供完整的实时 OEE 数据，无需修改 PLC，也无需停产。由此得出的 OEE 基准值能够真实反映实际的生产损失，而非手动系统所呈现的经过筛选的数据。
TEEPTRAK 已在30 多个国家的 450 多家工厂部署。客户在部署后，OEE平均提升了 29 个百分点。哈钦森（Hutchinson）在 12 个国家的 40 条生产线上，将 OEE 从42% 提升至 75%。 Nutriset的生产率提高了14 个百分点，投资回收期不到一个月。
0条评论