摘要：很多制造企业花大价钱上线信息化系统做制造绩效监控，最终却只得到一堆好看却没用的纸面数据。本文结合一线制造车间的实际项目经验，拆解制造绩效监控的常见误区，给出落地的核心要点和避坑经验，适合负责车间效率提升的中级工程师参考。
三年前我在珠三角某汽配整线项目驻场，碰到过一件哭笑不得的事。厂长办公室的看板上，冲床车间OEE天天稳定在92%以上，远高于行业平均的85%，可每月的产出就是达不到设计产能，订单堆在仓库发不出去，老板天天拍桌子骂娘。
翻了三天他们的原始数据我才发现问题。所有换模等待、原材料缺料、前工序堵线导致的停机，全被归为“计划内停机”，直接从OEE计算的分母里扣掉了。剩下的纯开机时间里，设备的稼动率当然好看。说白了，这就是自欺欺人的制造绩效监控。
别拿OEE当制造绩效监控的唯一指标
现在只要一提制造绩效，开口就是OEE，好像算不出OEE就没做监控一样。但大部分工厂对OEE的理解从根上就错了。制造绩效监控的核心是找到全价值流的损失，不是美化单个设备的纸面数据。
GB/T 4911-2018《机械制造生产率测定通则》里面明确要求，所有非增值的停机时间，不管是不是计划内，只要占用了设备原定的可用生产窗口，都必须纳入生产率损失的计算范畴，不能随意从统计分母中剔除。很多工厂偏偏反着来，为了指标好看把所有能扣的时间全扣了，最后OEE90%+，实际产能比设计值低两成，这不就是骗自己吗？
说实话，OEE本来是用来找设备损失的工具，不是用来衡量整个工厂制造绩效的全部。你把供应链延迟、工艺排布不合理、订单排程混乱导致的损失全藏起来，就算OEE再高，赚不到钱有什么用？
制造绩效监控落地要抓对核心颗粒度
我见过不少工厂，上来就搞了三四十个绩效指标，从人均产出到单位能耗，从不良率到交付率，每天各个部门出三页报表，开会分析两个小时，最后啥问题都解决不了。指标堆得越多，越抓不住重点。
做制造绩效监控，核心就是三个层级的颗粒度，抓对了就成功了一半。
第一个是人员绩效的颗粒度，要把有效作业时间和等待时间分开。别光拿月度人均产出说事儿，同样是一天干八个小时，工人真正动手干活的时间可能只有四个小时，剩下四个小时在等工件、等工具、等检验，这个损失不能全算成工人效率低，要对应到具体的责任环节，是物流慢还是计划乱，一目了然。
第二个是设备绩效的颗粒度，要把故障损失和管理损失分开。设备出故障停机，是保养不到位还是生产部赶订单强行不让停机？前者算设备部的责任，后者是计划排程的问题，混在一起算设备绩效，永远改不了问题。
第三个是质量绩效的颗粒度，要把过程损失和最终检验损失分开。很多工厂只算最终成品的不良率，冲压出来的件到整形才发现尺寸错了，前面的材料、人工全浪费了，这个损失不算进绩效，谁会在意早期的过程检验？
不过话说回来，颗粒度不是越细越好。你搞到每一秒的监控，成本上去了，工人也反感，反而没用。我之前帮浙江一家五金厂改绩效监控体系，把原来27个指标砍到7个核心，每个指标对应明确的责任部门，不到三个月，单位产出能耗降了8%，成品交付率从82%升到94%。真的。不是什么黑科技。就是找对了颗粒度，把真实损失落到了具体的责任头上。
制造绩效监控最容易踩的三个坑
做了快十年车间效率提升，我见过踩过的坑能堆一仓库，挑三个最常见的给大家提个醒。
第一个坑，把绩效监控做成了考核工具，不是改进工具。很多工厂做监控就是为了扣工人工资，结果工人学会了藏产量，早上做完的活留到下午交，故意把产量拉平，报表上的波动全没了，真实的损失也全藏住了。到最后你根本不知道生产线到底哪里有瓶颈。太坑。
第二个坑，全工厂用统一的指标公式，不管工艺差异。你给装配车间和热处理车间用一样的OEE计算逻辑？装配换型最多十几分钟，热处理换型要升温降温，动不动四五个小时，换型损失的权重完全不一样，硬套同一个指标，出来的结果根本没有参考意义。对吧？
第三个坑，只监控结果，不监控过程。很多厂长就喜欢看月度报表，说省事儿，结果生产线连续三天工位等待时间超标，你月底才看到，那三天的产能早就没了，问题出在哪都找不到。我之前碰到过一个厂长，非要把所有绩效做成月报，结果一条线停了三天他都没发现，因为月度数据还没汇总出来…想想都离谱。
制造绩效监控，本质就是给工厂做日常体检。不是做给老板看的漂亮报告，是真的要查出哪里堵、哪里疼，哪里能省出产能，哪里能少花冤枉钱。不用一开始就追求完美，先把核心的真实损失找出来，改了，比堆出几十页完美报表有用得多。
