1. 课程导入与问题界定
在制造现场，能耗与产量往往被分别管理：设备部门关注电表读数与峰谷电量，生产部门关注节拍、良率与交付。当企业提出“降本增效”时，一个高频问题随之出现——产量提高了，能耗是不是必然同比例上升？某台设备耗电高，是不是因为它产量大？这些问题看似简单，却直接决定了后续分析是否有价值。本课程要解决的，正是把“能耗”和“产量”从两张互不相干的报表，变成可以相互解释、可以支撑决策的关联证据。
一、分析目标：回答三类可落地的问题
产线设备能耗与产量关联分析，不是单纯做一张散点图，而是围绕三类问题给出可验证的答案。
第一类是解释性问题：某条产线或某台设备在特定班次、特定产品下的单位产品能耗是多少？它与历史水平、同类设备相比处于什么位置？例如一条注塑产线，A 机台生产某产品时单件电耗为 0.42 kWh/件，B 机台为 0.55 kWh/件，差异是来自设备效率、模具状态，还是产品切换后的工艺参数？
第二类是诊断性问题：当能耗异常升高时，能否定位到具体设备、具体时段、具体工况？比如空压机在夜班产量下降后能耗未同步下降，说明存在空载或泄漏；某台机台在换模后单位能耗上升 18%，可能对应加热圈老化或保温时间设置过长。
第三类是决策性问题：在排产、设备维护、峰谷用电、产品组合之间如何取舍？例如把高能耗产品安排在谷电时段，是否能在不增加总电量的前提下降低电费？某台老旧设备是否值得改造或替换？这些决策需要的是“能耗—产量—时间—工况”四者之间的量化关系，而不是单一电表读数。
二、分析边界：明确“算到哪、算哪些、按什么口径”
边界不清是关联分析失败的首要原因。建议从三个维度界定。
物理边界：分析对象是单台设备、一条产线，还是整个车间？以注塑车间为例，若只统计注塑机主机电量，会漏掉干燥料斗、模温机、机械手等辅助设备；若把车间照明、空调也纳入，又可能稀释设备之间的可比性。通常建议先建立“设备级—产线级—车间级”三层边界，每层单独核算，再逐层汇总。
时间边界：能耗数据常以 15 分钟或 1 小时为采集间隔，产量数据可能按班次或工单统计。两者时间粒度不一致时，必须先对齐。例如电表每 15 分钟记录一次有功电量，MES 每班次记录一次产量，就需要把班次产量按设备运行时长分摊到 15 分钟窗口，或把电量按班次汇总。对齐方式必须在报告中写明，否则后续所有结论都不可复现。
指标边界：核心指标是单位产品能耗（kWh/件、kWh/kg 或 kWh/标准工时），辅助指标包括待机功率、空载率、峰谷电量占比、设备综合效率 OEE 等。需要特别说明的是，产量应使用合格品产量而非投入量，否则废品带来的能耗会被错误地摊到合格品上，掩盖真实效率问题。
三、常见误区：三类最容易把分析带偏的做法
误区一：只看总电量，不看单位产品能耗。某车间月总电量从 12 万 kWh 升到 13.5 万 kWh，管理者第一反应是“能耗失控”。但若同期产量从 8 万件升到 10 万件，单位产品能耗反而从 1.50 kWh/件降到 1.35 kWh/件，说明效率在改善。总量指标必须与产量结合，否则会得出相反结论。
误区二：忽略待机、空载与辅助设备能耗。注塑机在待机状态下仍维持料筒温度，干燥料斗持续加热，模温机循环泵不停。若只统计“运行时段”电量，会低估真实单耗；若把待机能耗全部摊到合格品上，又会高估单耗。正确做法是单独计量待机功率，并在分析中区分“运行能耗”与“待机能耗”。
误区三：把相关当因果。数据显示“产量高的班次能耗也高”，这几乎是必然的，因为设备运行时间更长。真正有价值的问题是：在相同产量下，为什么 A 班比 B 班多耗 8%？这需要控制产品、模具、环境温度等变量后再比较。关联分析的第一步是分层——按产品、按设备、按班次分别看，而不是把所有数据混在一起做一条回归线。
口径警示：若电表计量的是车间总进线，而产量只统计某条产线，则两者不存在直接对应关系。任何关联分析开始前，必须确认“电量边界”与“产量边界”一致，否则后续所有计算都是无效的。
四、整体学习路径：从数据准备到决策闭环
本课程后续章节将按“数据—指标—分析—诊断—决策”的主线展开，但并非线性流程，而是逐步叠加分析维度。
第一步，数据准备与对齐。掌握电表、MES、PLC 三类数据源的采集频率、字段含义与常见缺失模式，学会把 15 分钟电量与班次产量对齐到同一时间轴。这是所有分析的地基。
第二步，指标构建。计算单位产品能耗、待机率、空载率、峰谷电量占比等核心指标，并理解每个指标的适用场景与局限。例如单位产品能耗适合同产品比较，跨产品比较则需要折算标准工时或标准能耗。
第三步，关联分析。使用散点图、分组对比、回归分析等方法，识别能耗与产量之间的真实关系形态——是线性、分段，还是存在明显的拐点。例如某设备在产量低于 60% 时单耗急剧上升，说明存在经济产量下限。
第四步，异常诊断。结合工况标签（换模、故障、待机、夜班）定位异常时段，区分“产量下降导致的单耗上升”与“设备劣化导致的单耗上升”，前者是排产问题，后者是维护问题。
第五步，决策与验证。把分析结论转化为排产建议、维护计划或峰谷用电策略，并在实施后重新采集数据验证效果。例如将高能耗产品移至谷电时段后，观察单位产品电费是否下降、总电量是否不变。
学习建议：每学完一个分析模块，回到自己产线找一组真实数据（哪怕只有一周）动手算一遍。关联分析的能力不来自记住公式，而来自对“数据口径是否一致、异常是否被解释、结论是否可复现”的反复检查。
最后需要强调，能耗与产量关联分析的终点不是一张漂亮的图表，而是一个可执行的判断：在什么条件下、对哪台设备、采取什么动作，能够在不影响产量的前提下降低能耗。本课程将围绕这个判断，逐步展开数据、方法、工具与案例。