3. 多工厂数据采集与治理
多工厂设备效率对标能否成立，首先取决于各工厂上报的数据是否“同物同名、同义同值”。如果A厂把计划保养时间计入停机，B厂把它排除在运行时间之外，那么即使两边OEE公式完全一致，对标结果也会失真。因此，本节的核心任务不是“把数据收上来”，而是建立一套跨工厂可对齐的采集口径与治理规则：明确采什么、以什么频率采、粒度到哪一层，以及缺失、异常、重复数据如何清洗和校验。
一、采集对象与口径定义
设备效率对标通常围绕六类数据展开，每一类都必须先定义口径，再谈采集方式。
- 设备状态信号：运行、待机、故障、计划停机、换型调试等状态。关键是状态互斥且可穷举，任意时刻设备只能处于一个状态，所有状态时长之和应等于日历时间。
- 产量数据：合格品数、不良品数、理论节拍。产量必须绑定“统计时间窗”和“产品型号”，否则无法与速度、质量指标对齐。
- 停机数据：停机起止时间、停机原因码、责任归属。原因码需跨厂统一到同一棵编码树，避免各厂自建分类。
- 换型数据：换型开始、结束时间，前后产品型号。换型时长直接影响可用时间与速度损失的分摊。
- 速度数据：实际节拍与理论节拍。理论节拍应来自标准工艺参数，而非历史最优值。
- 质量数据：一次合格率、返工、报废数量及缺陷类型。
口径定义建议落到一份《指标口径卡》中，至少包含：指标名称、计算公式、时间基准、包含/排除项、数据来源系统、责任岗位。例如“计划停机”需明确是否包含交接班、点检、计划保养；“理论节拍”需明确按机型还是按产线加权。
二、采集方式、频率与粒度
采集方式决定数据可信度。常见有三类：
- 设备直采：通过PLC、SCADA、OPC UA或边缘网关读取状态位与计数脉冲，适合状态信号和产量，实时性高、人为干预少。
- 系统对接：从MES、QMS、EAM等系统按接口抽取工单、质量、维修记录，适合停机原因、质量数据。
- 人工录入：用于换型原因、异常备注等系统难以自动获取的信息，需设置必填校验与审核。
频率与粒度要匹配分析目的。状态信号建议秒级或分钟级采集，用于精确计算停机时长；产量与质量可按班次或小时汇总；换型与停机原因按事件记录，保留起止时间戳。粒度上，对标分析通常需要“设备—班次—产品型号”三元组，若只到“车间—日”，则无法定位损失来源。
三、数据清洗与校验规则
原始数据几乎不可能直接可用，必须经过清洗与校验。典型问题及处理规则如下：
| 问题类型 | 典型表现 | 处理规则 |
|---|---|---|
| 缺失 | 某班次无状态记录、产量为空 | 标记为“缺失”，不参与均值计算；若连续缺失超过阈值，触发补录或剔除该样本 |
| 异常 | 产量为负、状态时长超过日历时间、节拍为0 | 按物理边界校验，超界值置为无效并记录异常日志 |
| 重复 | 同一设备同一时间戳多条记录、工单重复上报 | 按“设备+时间戳+工单”去重，保留最新或最完整记录 |
| 逻辑冲突 | 停机时长大于运行时长、换型时间与停机时间重叠 | 按状态互斥规则校验，冲突记录进入人工复核队列 |
校验应分两层：单厂校验检查字段完整性、数值范围、时间连续性；跨厂校验检查口径一致性，例如同一原因码在不同厂是否含义相同、同一机型的理论节拍是否一致。跨厂校验往往比单厂校验更能暴露对标失真风险。
四、从采集到对标的处理链
下面这张图展示了一个工厂从设备信号到对标可用数据的完整处理链，重点标出各环节的输入、转换和校验点，便于理解数据在哪里被“加工”和“拦截”。
五、跨厂治理的组织保障
技术规则之外，还需要组织机制保障落地。建议每个工厂指定一名数据责任人，负责本厂口径执行与异常反馈；总部设立数据治理小组，负责维护统一编码树、口径卡和校验规则库。每月进行一次跨厂数据质量评审，重点检查缺失率、异常率、重复率和口径偏差，并将结果纳入对标报告的可信度说明。
综上，多工厂数据采集与治理的本质是“先统一语言，再统一数据”。采集方式决定数据来源，频率与粒度决定分析深度，清洗与校验决定数据可信度，三者缺一不可。只有把口径、采集、治理三个环节都做扎实，后续的OEE计算与跨厂对标才有意义。