每次看到工厂里张贴的OEE报表，我都觉得像在看一张体检单——数字都正常，病人却快不行了。这话不中听，但干这行久了，你不得不承认，OEE分析最大的敌人不是设备故障，而是我们对它的盲目信任。
先别急着反驳。我知道你想说：OEE不是有标准公式吗？时间开动率×性能开动率×合格品率，多严谨的东西。可你想想，你测出来的那个90%，跟隔壁车间那个82.5%，真的能比吗？
时间开动率的坑：你以为的“计划”可能是个笑话
OEE的时间开动率，分母是计划运行时间。但很多工厂的“计划”是拍脑袋定的，或者干脆按24小时算——设备难道不需要吃饭休息吗？我见过一家压铸厂，把换模时间全算进非计划停机，然后OEE高达85%，实际产能却连设计产能的一半都不到。他们漏掉了什么？每次换模后的试模废品，以及等待模具升温的半小时。
学学TPM里的OEE定义吧。真正的计划停机应该包含所有你能提前预判的停机，比如定检、换班、甚至中间休息。但试模、调试这类的，严格说属于“非计划中的计划”，算进去吧，又给了你一个好看的假象，不算吧，又不符合实际。这里我给个建议：把调试时间单独列出来，而不是混进OEE任何一项。这么做，至少你能看出设备在“非战”状态下花了多少时间。
说到这，想起某次审计，我拿着秒表站在一台卧式加工中心旁，统计了一个班。结果发现——操作工去上厕所停机9分钟，但是因为等待吊具停机了22分钟，这22分钟被记录为“物料等待”，属于管理损失，对吧？可是你看OEE公式，它不在乎，只会默默拉低你的时间开动率。所以，别把OEE当成一个纯设备指标，它是人机料法环的综合体现。
性能开动率：那个“理论节拍”可能还停留在1980年
性能开动率是三类指标里最容易被“美化”的。分母是实际运行时间，分子是理论加工时间。这里的关键在于，你的理论节拍哪来的？
很多公司直接用设备铭牌上的额定节拍。兄弟，那是厂家在理想条件下用最佳刀具、最佳毛坯跑出来的，你车间里那个毛坯余量大了0.5mm，刀具磨损了，主轴转速不敢拉满，实际节拍怎么可能达到那个值？我曾经对比过一台国产加工中心和一台德产加工中心，理论节拍标称差10%，实际跑下来，国产件合格率低导致修磨时间反而更长——但OEE计算时，你用的“理论时间”究竟是谁的理论？
这里我强烈建议：以工艺部门核实的、在目前工况下能稳定达到的最优节拍作为基准，而不是沿用设备验收时的数据。这个最优节拍，可以每个季度实测一次，反馈到OEE系统里。否则，你的性能开动率会把所有老旧的工艺缺陷都归结为设备问题，然后设备维修那边白白背了锅。说实话，干设备的兄弟都懂这种憋屈。
而且，性能开动率低还有一个隐藏原因——小停机。那些一次只有一两分钟、连记录都懒得记的瞬间停机（比如传感器闪断、卡料、清理毛刺），累计下来可能吃掉你10%以上的性能。为什么？因为理论加工时间是按连续无中断来算的，可你的设备实际上一直在“走走停停”。解决小停机，比抓大故障更值钱。方法也土：班组长拿张纸，画“正”字，记录每次停机的具体原因，连续记录两周，你就知道妖怪在哪里了。别笑，这方法我用了二十年，比任何昂贵的软件都好使。
合格品率：报废率只算“最终废品”是不够的
合格品率的公式也简单，但你有没有想过，返修品怎么算？如果一件产品返修两次才合格，你的OEE算它合格了，可它占用的设备时间是两倍的。所以，严格的做法是：每个工序的合格品率，要基于“一次性通过率”来算，而不是最终检验的合格率。
某次我在一个轴承磨削车间，发现磨床的OEE看着还行，但后道装配总是缺件。一查，原来磨削工序的合格品率算的是包括返修在内的最终合格品率，返修件占了通过量的大半。磨床的OEE因此虚高，而真正的问题——砂轮修整频次——被掩盖了。改成一性次通过率后，OEE掉了12个百分点，但这才是真相。领导看着数字皱了眉头，我反而松了口气。OEE的可信度，取决于你的数据采集粒度有多细，粗得跟渔网似的数据，捞上来只有大鱼，可真正死掉的是小鱼苗。
还有一点，产品报废的惩罚在OEE里表现得非常沉重，但这个沉重是对的。因为设备一旦加工出废品，不仅是材料的浪费，还意味着之前所有的时间都白费了。所以，对传感器、刀具、夹具这类容易造成批量报废的部件，宁可多一点预防性维护，别赌它不会出事。赌输了，那台设备的OEE一周都缓不过来，你的月度报表也会跟着“意外”。
数据怎么“喂”才靠谱
上面说的都是算法和口径，但执行起来，最要命的是数据输入。现在不少工厂上了MES，自动采集设备信号，但自动化采集也有盲区——比如，你的设备是“自动”停了，但为什么停？这个原因必须人工选。很多操作工哪有功夫去选，随手点个“其他”。到了月底，你一看“其他”占比高达45%，那这OEE除了证明你有系统，还能证明什么？
我的建议是，把“其他”选项强制设为不可用，或者限制次数。比如，每个班最多允许选3次“其他”，超过就强制填写文字描述。刚开始操作工怨声载道，但两个月后，数据的可信度有明显的提升。还有，OEE分析不能只是统计分析部门的事，每周的OEE例会要让设备工程师、工艺工程师和班组长坐在同一张桌子前，对着数据曲线吵一架，吵完再分工解决。否则，数据永远是数据，设备该停还是停。
顺带提一个容易忽略的点：负载率不等于OEE。很多老板喜欢问“OEE那么高，怎么订单还做不出来？”多半是只排了85%的负载率，然后又被种种外部干扰拖到70%。OEE分析里，建议把“订单不足”这部分单独排除，但要在报告里注明。不然，你会因为一个低OEE去维修一台本来没毛病的设备，花钱花时间，最后发现是市场部没接到单。
结尾：让数字说人话
OEE说白了就是一个放大镜，它本身不解决任何问题，但能帮你看清灰尘和裂纹藏在哪个环节。别整天纠结于那个百分比是89.3还是92.7，不如去查一查停机记录里的“等待夹具”出现了几次。设备的脾气，就像人一样，表面的温度正常不代表内脏没毛病。把时间基准、性能基准、质量口径都理清了，再把数据采集的脏乱差治理掉，OEE才能真正成为你手里的一把手术刀——而不是一块遮羞布。
下次你再看到一份漂亮的OEE报表，记得问一句：这数据是怎么来的？换模时间算进去了吗？返修算合格了吗？理论节拍多久没更新了？问完这三个问题，你大概就能知道这份报表值几斤几两了。行了，就说到这，我要去车间看看那台老机床的传感器了，这周它已经莫名其妙停了十几次了……
