2. OEE损失体系与数据采集
OEE不是一个孤立的百分比，而是一套把设备真实产出能力“拆开看”的损失体系。要改善OEE，第一步不是急着算总分，而是把损失按来源分类、按位置采集、按责任归属。只有损失被看见、被量化，改善才有靶心。
六大损失：从时间、速度到质量的三层剥离
业界通用的六大损失，按对OEE三率的影响可归为三组：
- 时间损失（影响时间开动率）：设备故障停机、换型与调整停机。前者是突发或渐进失效导致的非计划停机，后者是计划内但耗时过长的换模、换料、参数调整。
- 速度损失（影响性能开动率）：空转与短暂停顿（如卡料、传感器误触发、小停机）、速度降低（实际节拍慢于设计节拍）。
- 质量损失（影响合格品率）：过程不良与返工、开机废品与试产废品。前者是稳定生产中的不良，后者是启动、换型后到稳定前的报废。
这六类损失不是并列关系，而是层层扣减：计划时间先扣外部因素得到负荷时间，再扣停机得到运行时间，再扣速度损失得到净运行时间，最后扣质量损失得到合格品产出。理解这个扣减顺序，才能理解三率为什么必须分开算。
三率分解：公式背后的物理含义
OEE = 时间开动率 × 性能开动率 × 合格品率。三个因子分别回答三个问题：设备该转的时候转了吗？转的时候够快吗？快的时候做出来的是合格品吗？
- 时间开动率 = 运行时间 / 负荷时间。负荷时间 = 计划生产时间 − 计划停机（如休息、保养、无订单）。它衡量“可用性”。
- 性能开动率 = (理论节拍 × 加工数量) / 运行时间。它衡量“速度”，把空转、小停机、降速都折算成时间损失。
- 合格品率 = 合格品数 / 加工总数。它衡量“质量”，把返工和废品都算进去。
举例说明（示例参数，非实测）：某注塑机计划班次480分钟，计划停机60分钟，负荷时间420分钟；故障停机35分钟，换型25分钟，运行时间360分钟；理论节拍12秒/件，实际加工2000件；其中不良80件。则时间开动率=360/420≈85.7%；性能开动率=(12×2000)/360/60≈111.1%——超过100%说明理论节拍设定偏松或计数有误，需要先校准基础数据；合格品率=1920/2000=96%。若性能开动率修正为95%，则OEE≈85.7%×95%×96%≈78.2%。这个例子说明：三率必须同时可信，OEE才有意义。
数据采集点设计：让损失“可定位”
采集点设计的原则是：每一类损失都要有一个能区分“谁、何时、多久、多少”的信号源。常见采集点包括：
- 设备状态信号：运行/停止/故障/待机，来自PLC或设备主控，用于区分计划停机与非计划停机。
- 计数信号：每件或每模的脉冲，用于计算加工数量与节拍。
- 质量信号：在线检测、称重、视觉判定或人工抽检录入，用于区分合格与不良。
- 换型/调整信号：换模完成、参数确认、首件放行，用于界定换型时间边界。
- 速度基准：理论节拍或标准产能，必须与工艺文件一致，否则性能开动率失真。
采集点不是越多越好。一个注塑车间若只在设备总电源处取“开/停”，就无法区分故障停机和计划保养；若只在成品出口计数，就无法区分开机废品和过程不良。合理做法是按“损失类别—信号源—采集频率—责任岗位”四列做一张采集点清单，逐项确认信号是否可得、是否可区分、是否可追溯。
人工与自动采集的取舍
自动采集的优点是实时、连续、少人为干扰，适合高频计数、状态跳变、节拍计算；缺点是前期投入、接口改造、信号定义和异常处理成本高。人工采集的优点是灵活、可记录原因和上下文，适合换型原因、不良类型、小停机描述；缺点是滞后、易漏记、口径不一致。
实际项目中常见的取舍策略是“自动取数、人工补因”：数量、状态、节拍由PLC或传感器自动采集，停机原因、不良代码、换型类别由操作员在终端或纸质表单上选择。这样既保证了三率计算的客观性，又保留了损失归因的语义信息。若某类损失频率低但影响大（如模具故障），可先人工记录，待稳定后再评估是否加装传感器。
从数据到改善：先校准，再归因
拿到三率后，不要立刻下结论。先做两项校准：一是理论节拍是否与当前工艺、模具、材料匹配；二是计划停机边界是否被误算进负荷时间。校准后，把损失按“频次×单次时长”排序，优先处理高频短停或低频长停中影响最大的项。例如某线性能开动率仅82%，拆解后发现小停机每天约40次、每次平均45秒，合计30分钟，占运行时间约8%，这就是优先改善点。
OEE损失体系的价值，不在于算出一个漂亮数字，而在于让每一分钟、每一件不良都能找到对应的采集点和责任环节。数据采集点设计得越清晰，人工与自动的分工越合理，后续的改善项目就越容易验证收益。