上周新来的工程师拿着车间日报找我，一脸兴奋：“咱们OEE挺不错啊，87%！”我瞟了一眼，懒得拆穿他。设备停机待料大半天，这数字哪来的？——算了，这大概是很多工厂的通病，指标看着亮眼，实际上没什么卵用。
今天想聊的就是制造指标监控。不是教你怎么填报表，而是说怎么让数据是真的，还能用得上。
先说说OEE这个老熟人
OEE说白了就是可用率×性能×质量。三个数乘起来，看着简单，但每个数都有无数个坑。比如可用率，很多公司只算设备故障停机，把换型、待料、小停顿都排除在外。行了，这数字就虚了。我跟你说，真正的OEE是要把所有非计划停机都算进去的，包括等行车、等图纸、甚至操作员上厕所。不信你试试，一算下来，能上70%的厂都不多。
性能这块也容易造假。设计节拍是60秒一件，实际上设备状态不好，干到75秒一件，但系统里还是按60秒算。结果性能率飙到125%，看着当然美。说到底，节拍时间的基准要定期校准，不能抱着出厂参数不放。我见过一个厂，三年没动过这参数，设备老得都不像样了，性能率还一直100%以上，这不是自欺欺人是什么？
再说质量率，这个相对靠谱，但也要注意，返工品怎么算？有些厂把返工算成合格，质量率虚高。所以啊，别被一个综合数字忽悠，要拆开看三个子项。ISO 22400里对OEE有专门的定义，标准上公式和边界讲得很清楚，但执行的时候，总是有人想“优化”一下，把分母搞小点，把分子搞大点。结果就是大家欢呼指标达成，客户那边却投诉不断。
SPC控制图不是画着玩的
做机加工的，对SPC都不陌生。但说实话，大部分工厂的SPC就是个形式主义。数据是填的，控制图是自动生成的，从没人看判异规则。我之前在一家汽车零部件厂，亲眼见过一个轴类零件，外径尺寸已经连续8个点都在中心线同侧，愣是没人发现。直到最后一道工序批量报废，才想到看控制图。晚了。
用SPC要有合理的抽样方案，比如每两小时抽5件，算Xbar-R图。计算控制限时，用历史数据先估算σ，但要注意过程要稳定。这里有个常见错误：直接用公差限来代替控制限。啊，那是完全两码事。控制限是过程本身的变差决定的，不是图纸公差。Cp和Cpk的区别更要分清楚，Cp只看离散程度，Cpk还要看均值偏移。很多新人搞混，其实很简单：Cpk=Cp×(1-K)，K是偏移系数。算的时候，样本标准差要用极差估计，别拿Excel里的STDEV.S乱算。
对了，别忘了个细节：控制图上的点不能全是“好点”。如果长期没有任何异常，只有两种可能：要么过程真的极好，要么数据是假的。我们以前有个车间，干了一个月，点全在中心线附近，一看就是编的。这种监控就是自欺欺人。还有，判异规则要提前培训，很多人只知道“超出控制限”，不知道“连续8点同一侧”也属于异常。这些细节，比画图本身重要得多。
实时性：别让数据过夜
现在很多厂上了MES，但数据采集粒度太粗。比如产量，傍晚6点的那批，第二天早上才汇总，那还监控个啥？要搞就要实时采集设备状态、生产数量、质量数据。通过PLC和传感器，每30秒甚至每秒采集一次，连主轴负载、振动都记下来。这样才算监控。
我有一个真实经历：某精密加工车间，刀具磨损导致表面粗糙度逐渐恶化。系统里主轴负载曲线悄悄上抬，但没人看。直到产品抽检不合格，再返查数据，才发现趋势早就出来了。如果能实时监控，并设置阈值报警，这批报废完全可以避免。说到底，监控的关键是响应速度，数据实时了，才能及时干预。这里有个选型问题：你要用边缘计算网关，还是云平台？我觉得关键数据一定要在本地先算，哪怕延迟个一两秒也行，总比传到云上卡半天强。
从指标到行动：闭环才能算数
你搞一堆指标，如果没人看，或者看了没动作，那就是浪费电。监控系统要能触发自动预警，比如OEE低于设定值，直接发邮件给车间主任；Cpk连续下降，提示调整刀具或工艺。甚至可以直接联动设备停机，防止批量不良。
但这里有个平衡，报警太灵敏也不行。我们之前设了个振动阈值，结果一天响几十次，最后大家麻木了，干脆把报警关了。所以阈值设定要有统计依据，比如用平均值加上3倍标准差，还要考虑误报率。别拍脑袋定。我曾经见过一个老师傅，他拍脑袋定的阈值，居然比标准公差还松，那报警当然永远不会发生。
再聊聊MES和Excel的区别。很多小厂用Excel手工录，那真不是监控，是写日记。除非你每天只用来看个趋势，否则必须上系统。但系统也不是万能的，数据录入的准确性才是根本。哪怕你上了最贵的MES，如果一线工人扫码都懒得扫，那数据还是垃圾。所以，有时候你得在工位上装个扫码枪，甚至用RFID，别指望人老老实实手工录入。
还有一个反直觉的点：有时候你该把指标隐藏起来。比如车间的绩效考核，一旦指标跟奖金挂钩，工人们就会“制造”漂亮数据。我见过一个车间，为了完成OEE指标，故意把计划停机时间延长，结果看着挺好，实际产出一点没多。所以，监控指标要分两层：一层用来对外的汇报，一层用来内部的改进。后者才是真正有价值的。
写到这，我倒是想起一句话：制造指标监控，不是为了把数字做漂亮，而是为了让问题能暴露出来。指标异常的时侯，恰恰是改进的切入点。怕就怕数据平滑得像条直线，那才是最大的异常。
