摘要：很多工厂投了新设备、上了MES，产线产能还是提不上来，核心问题出在效能分析一开始就错了——要么指标算得假，要么只盯设备不看系统，要么抓不住动态变化的瓶颈。本文结合实际离散制造产线改造案例，拆解产线效能分析的常见坑点，给出可落地的分析思路。
别盯着设备利用率算，你可能漏了90%的无效工时
去年在东莞跟进一家汽车冲压件工厂的产线优化项目。老板拍着新设备的机身说，花了八百万换的全自动冲压线，供应商说OEE能到85%，我们自己算出来也有70%，怎么产量就是比预期少了四分之一？愁得烟瘾都涨了一倍。
拿过他们的OEE计算表一看，问题一目了然。很多人算OEE，都掉进了同一个坑。大家都记得公式：OEE = 可用率 × 性能率 × 良品率，可很少有人抠可用率的计算基准。按照行业通用的GB/T 18724-2008《制造业 能力与绩效测量 指南》的要求，可用率的基准是计划运行时间，也就是日历时间减去所有计划内的停机时间，比如设备保养、排班休息。
但这家工厂呢？把早会15分钟、物料配送等待、换型前的工位清理这些明明是计划外可以优化的停顿，全算进了计划停机，从基数里扣掉了。算出来的OEE当然好看，可实际日历时间里，每天有接近两个小时的有效工时就这么凭空消失了。
说实话，这种自欺欺人的算法，在国内中小制造工厂里太常见了。指标好看，老板开心，可钱没赚到，亏的还是自己。
很多人做产线效能分析，眼里只有设备。设备转着就是有效，设备停着就是无效。可实际上，设备转着也可能出无效力——比如出了不良品返工，比如速度比额定转速低了20%，比如工人在后面堆料，设备只能空转等，这些损失全看不见。
数据错了，结论全错。
产线瓶颈的动态漂移，怎么抓才准
找到损失还不够，接下来要找瓶颈。很多人学过TOC约束理论，上来就算各工序的单位加工时间，最长的那个就是瓶颈，对着它优化就完了。
不过话说回来，那是理想状态下的静态产线，实际生产哪里有静态的？
还是说这家冲压厂，原来测算的瓶颈是三工位连续冲压，工序时间8秒每件，比其他工位都长。所以老板一开始想的是，再花两百万升级冲压机，把工序时间压到6秒。我们没让他急着投钱，先布了一周的点采集数据。
我们按1分钟粒度，记录每个工位的状态，哪怕工人离岗去喝水、换手套都记下来。一周数据出来，所有人都傻了。
整整一周，产线的累计瓶颈时间排名第一的不是冲压机，是上料工位。原来上料工位每次换料卷需要12分钟，一天换三次，累计下来瓶颈时间比冲压机多了14个小时。更有意思的是，工人换班吃饭的时候，包装工位变成瓶颈，因为只有一个包装工，换班的20分钟里，冲压好的工件堆了整整两工位。一周下来，瓶颈位置换了17次，平均不到4小时就换一次。
你盯着固定瓶颈优化，就算把冲压机速度提上去，产量还是上不去。钱花了，水花都没冒一个。
常见的坑就是，很多工厂装了MES，只采设备的启停信号，不采人员等待、物料延迟、质量检验这些软停顿，所以分析出来的瓶颈永远是错的。你连哪里堵了都不知道，还谈什么优化？
落地的产线效能分析，怎么搭框架不踩坑
说了这么多坑，那怎么搞才对？
实话实说，我见过太多上来就搞大数据、搞AI预测的项目，十个有九个烂尾。产线效能分析，先把基础的活儿做细，再谈智能化。
第一步，先把所有的效能损失按类型拆透，别笼统归为“设备故障”或者“人员迟到”。按IE的标准分，一共七类：设备故障停机、换型调整、小停顿、速度损失、不良返工、计划等待、物料延迟。每一次停顿都要对应到具体类别，对应到具体责任人。
别嫌麻烦。我们当时让每个工位的班长，每次停线就按一下PDA上对应原因的按钮，一天下来多花不了10分钟，一个月数据下来，哪类损失最多一目了然。
别追求极致的采集精度，要算投入产出账。很多工厂非要装传感器搞秒级采集，一个工位改造大几千，整条线下来几十万。其实对离散制造来说，15秒粒度的采集精度足够了，人工点单的准确率能到90%以上，成本不到传感器方案的五分之一，对吧？
之前见过一家五金厂，花了三百万上智能效能分析系统，最后连哪个工位每周停多久都算不对，系统天天报假警报，最后干脆没人用了。想想都心疼，那三百万拿来给工人发奖金不好吗？
记住你的目标是提产能，不是出一份漂亮的分析报告。我们给这家东莞冲压厂做完分析，只优化了换料流程、调整了工人排班，把原来分散的换料时间整合成集中停机，又在上料工位加了一个备料工，没花超过十万块，就挖出来18%的隐藏有效工时。每个月多产12000件成品，纯落几十万利润，这才是产线效能分析的意义。
很多工厂做产线效能，走着走着就把指标当成了目标。算出来漂亮的OEE，拿给客户看，拿给投资人看，可实际上，能多产合格产品、多赚真金白银，才是最实在的结果。
