设备OEE分析三步法：找损失、拆原因、定改善动作实战指南

1. 设备OEE分析三步法：找损失、拆原因、定改善动作

1.1 为什么大多数工厂的OEE数据都白算了

我在车间摸爬滚打这些年，见过太多工厂把OEE做成了"面子工程"。每个月设备科出一张报表，上面写着OEE 78%、82%、85%，数字挺好看，但车间主任看一眼就扔到一边，班组长压根不关心，操作工甚至不知道OEE是什么。问题出在哪？不是OEE这个指标本身有问题，而是大家把它当成了一个"结果指标"来考核，而不是当成一个"改善工具"来使用。

OEE的全称是Overall Equipment Effectiveness，中文叫设备综合效率。它的计算逻辑其实很简单：OEE = 时间稼动率 × 性能稼动率 × 良品率。这三个乘数分别对应三类损失——停机损失、速度损失、质量损失。但真正有价值的不是最后那个百分比数字，而是这个数字背后暴露出来的具体损失点，以及你针对这些损失点做了什么动作。

我见过一家做精密冲压的工厂，他们的OEE常年在65%左右徘徊，设备科长天天被老板骂。后来我帮他们做了一次完整的OEE分析，发现真正的大头损失不是他们以为的"设备故障停机"，而是换模调整时间——每次换模平均要花47分钟，一天换6次模，光换模就吃掉将近5个小时。这个损失占了总损失时间的52%，但之前从来没人关注过，因为大家默认"换模就是要这么久的"。

这就是我想说的核心观点：OEE分析的价值不在于算出那个百分比，而在于通过"找损失、拆原因、定改善动作"这三步，把隐藏的浪费一层层剥出来，变成可执行的改善清单。下面我就把这套方法完整拆解一遍，都是我在现场反复验证过的实操路径。

1.2 三步法的整体逻辑：从数据到动作的闭环

在展开细节之前，先把三步法的整体框架说清楚，这样后面看具体操作时不会迷路。

第一步：找损失。核心任务是把设备在计划生产时间内的所有时间去向搞清楚，把每一分钟的损失都归到六大损失类别里去。这一步的关键是"颗粒度要细"，不能笼统地说"今天停了2小时"，而要精确到"9:15-9:47因模具卡料停机32分钟"。

第二步：拆原因。找到损失之后，不能停在"停机32分钟"这个层面，要继续往下拆：为什么卡料？是来料尺寸波动？是模具间隙不对？是送料机构磨损？拆到可以直接采取行动的那个层级为止。这一步的关键是"追问到底"，通常要用到5Why或者鱼骨图。

第三步：定改善动作。原因拆清楚之后，针对每个根因制定具体的改善措施，明确责任人、完成时间、验证标准。这一步的关键是"可执行、可验证"，不能写"加强管理""提高意识"这种空话。

这三步是一个闭环：找损失提供数据基础，拆原因找到根因，定动作解决问题，然后通过新一轮的数据采集验证改善效果，进入下一个循环。整个逻辑不复杂，难的是在现场把它执行到位。

2. 第一步"找损失"：把设备的时间去向扒得清清楚楚

2.1 六大损失分类：先搞清楚你要找的是什么

很多人在"找损失"这一步就卡住了，原因是不知道要找什么。OEE体系里把设备损失分为六大类，你必须先把这六类刻在脑子里，现场记录的时候才能对号入座。

这六类损失里，故障和换型是"显性损失"，大家容易看到；空转小停和速度降低是"隐性损失"，最容易被忽略，但往往占比最大。我做过统计，在离散制造场景下，隐性速度损失通常占总损失的30%-45%，但很多工厂的记录里几乎是空白。

提示：计划内的停机（如计划保养、计划休息、无订单停产）不计入OEE损失，要从分母里剔除。这一点很多新手容易搞混，把计划保养时间也算成停机损失，导致OEE被低估。

2.2 数据采集的三种方式：根据现场条件选

搞清楚要找什么之后，接下来就是怎么采集数据。不同工厂的自动化程度差异很大，我按投入从低到高说三种方式，你可以根据自己车间的情况选。

第一种：人工记录法。这是最原始但也最通用的方式。在设备旁边挂一张记录表，操作工或班组长在发生停机时记录起止时间和原因。表格设计很关键，不要设计成开放式问答，要用勾选加简短填空的形式，降低记录门槛。

我建议的表格字段包括：日期、班次、设备编号、停机开始时间、停机结束时间、停机时长（自动计算）、损失类别（勾选六大类）、具体现象描述（限20字以内）。一张表管一个班次，下班时交上来。

这种方式的优点是零成本、上手快，缺点是数据准确性依赖操作工的认真程度，而且只能记录"显性损失"，隐性速度损失很难捕捉。

第二种：设备信号采集法。如果设备本身有PLC或者可以加装传感器，那就直接采集设备的运行信号。最基本的三个信号是：运行/停止信号、报警信号、计数信号（每生产一件产品给一个脉冲）。

有了这三个信号，你可以自动计算出：设备实际运行时间、停机次数和时长、实际产量。再结合设备的理论节拍，就能算出性能稼动率。这种方式的数据客观准确，但需要一定的电气改造投入，而且要做好信号防抖，否则误报会很多。

第三种：MES/SCADA系统集成法。如果工厂已经有MES或者SCADA系统，那就直接把设备数据接入系统，自动生成OEE报表。这种方式最省人力，但前提是系统本身的数据采集层要可靠，否则"垃圾进垃圾出"，报表再漂亮也没用。

我的建议是：先从人工记录法起步，跑通分析逻辑，等大家养成看数据、用数据的习惯之后，再逐步升级到自动采集。不要一上来就搞大系统，投入大、周期长，而且很容易做成"数据孤岛"。

2.3 时间颗粒度：记录到分钟还是记录到秒

这个问题经常被问到。我的答案是：看你的改善目标。

如果你主要想解决的是换模时间长、故障停机多这类"大块"损失，那记录到分钟就够了。但如果你想抓的是空转小停、速度波动这类"碎片化"损失，那就必须精确到秒，甚至要用自动采集。

我举个例子。有一家做连接器的工厂，他们用人工记录法，记录到分钟。报表显示每天停机时间大约45分钟，看起来还不错。后来我建议他们在关键设备上加装了信号采集，精确到秒。结果发现，每天实际停机时间加起来有2小时17分钟，其中大部分是3秒以内的微停——送料机构偶尔卡一下、传感器闪断一下，操作工根本来不及记录，甚至都没注意到。但这些微停累积起来，吃掉了将近20%的产能。

所以颗粒度的选择，取决于你想解决什么问题。粗颗粒度适合抓大放小，细颗粒度适合精细化改善。我的建议是：先用粗颗粒度跑一个月，找到主要矛盾，再针对主要矛盾涉及的设备或工序，升级到细颗粒度采集。

2.4 现场记录的实操心得：让操作工愿意填

人工记录法最大的挑战不是表格设计，而是让操作工愿意认真填。我见过太多工厂，表格发下去，前两天填得挺认真，一周之后就变成"下班前统一补填"，数据质量直线下降。

分享几个我验证过有效的做法：

第一，表格不要超过一页A4纸。操作工在设备旁边站着填，表格太大不方便。字段要精简，勾选项要直观。

第二，把记录动作嵌入到现有流程里。比如规定"每次停机处理完之后，先填表再开机"，而不是"下班前统一填"。前者是即时记录，后者是回忆录，数据质量天差地别。

第三，让班组长每天收表时做一次快速复核。发现明显不合理的数据（比如停机时长写错了、损失类别勾错了），当场和操作工确认修正。这个动作花不了几分钟，但能大幅提升数据可信度。

第四，定期把分析结果反馈给一线。这一点最重要。如果操作工填了一个月的表，什么反馈都没有，他一定会觉得"填这玩意儿没用"。但如果你告诉他"根据你记录的数据，我们发现了换模时间太长的问题，现在正在改进"，他的参与感就完全不一样了。

注意：不要用OEE数据去考核操作工。一旦OEE和绩效挂钩，数据造假就不可避免。OEE是改善工具，不是考核工具，这个定位一定要守住。

3. 第二步"拆原因"：从现象到根因的追问路径

3.1 拆原因的基本原则：用数据说话，不要拍脑袋

找到损失之后，下一步就是拆原因。这一步最常见的错误是"拍脑袋归因"——设备停了，大家围在一起讨论，张三说"肯定是来料有问题"，李四说"我觉得是设备老化"，王五说"操作工没按规程来"。讨论了半天，谁也没有证据，最后不了了之。

正确的做法是：先看数据，再看现场，最后才下结论。

举个例子。某台注塑机频繁出现"空转小停"，平均每2小时发生一次，每次持续5-15秒。如果拍脑袋，可能会说"可能是料管温度不稳定"。但如果你先调出数据，发现小停集中发生在每天下午2点到4点之间，而且和车间的环境温度变化曲线高度吻合，那方向就明确了——大概率是液压油温度升高导致压力波动。再去现场确认，果然，下午车间温度升高，液压油冷却器能力不足，油温从45度升到了58度，导致动作不稳定。

这就是数据驱动的拆原因。先通过数据找到规律（时间分布、设备分布、产品分布），再带着假设去现场验证，效率比盲目讨论高得多。

3.2 5Why追问法：问到能采取行动为止

5Why是最常用的根因分析工具，但很多人用不好，原因是"问着问着就问到哲学层面去了"。比如：

• 为什么停机？因为设备故障。
• 为什么设备故障？因为轴承磨损。
• 为什么轴承磨损？因为润滑不足。
• 为什么润滑不足？因为保养计划没有执行。
• 为什么保养计划没有执行？因为保养人员太忙了。
• 为什么保养人员太忙？因为人手不够。
• 为什么人手不够？因为公司预算有限。

问到"预算有限"就没法继续了，这不是你能解决的问题。所以5Why的关键是：问到你能采取行动的那个层级就停下来。

上面这个例子，问到"保养计划没有执行"其实就可以停了，对应的改善动作是：优化保养计划的可执行性、增加保养提醒机制、调整保养人员的排班。再往下问"为什么人手不够"，那就超出你的控制范围了。

我的经验是：一般问到第3到第5个Why，就会触达可行动的层级。如果问到第5个还是没法行动，说明你问的方向可能偏了，或者这个问题需要更高层级的管理者来决策。

3.3 鱼骨图：多因素问题的系统梳理

有些损失不是单一原因造成的，而是多个因素共同作用的结果。这时候5Why就不够用了，需要用鱼骨图来做系统梳理。

鱼骨图的标准维度是：人、机、料、法、环、测。我以"换模时间过长"为例，演示一下怎么用：

人（人员）：换模操作不熟练、换模人员不固定、缺乏标准化培训。

机（设备）：模具定位方式落后（需要手动对中）、紧固螺栓数量多、吊装设备不顺手。

料（物料）：模具存放位置远、模具标识不清导致找模时间长、换模工具不齐全。

法（方法）：没有标准换模流程、换模前的准备工作不足、换模后的首件确认流程繁琐。

环（环境）：换模区域空间狭小、照明不足、地面不平导致模具车推行困难。

测（测量）：没有换模时间记录、没有换模时间标准、改善效果无法量化。

把所有这些可能的原因都列出来之后，再结合现场观察和数据，逐条确认哪些是真正的主要原因。比如你发现"模具存放位置远"这一条，实测下来找模平均要花8分钟，那就是重点改善对象。

3.4 拆原因时最容易犯的三个错误

错误一：把现象当原因。"设备停了"是现象，"轴承磨损"是原因，"润滑不足"是根因。很多人停在"轴承磨损"就不往下拆了，结果换了轴承，过两个月又磨损了。

错误二：只拆单一原因。很多损失是多因一果，比如"产品尺寸超差"可能是来料波动、模具磨损、温度变化、操作手法不一致共同造成的。只解决其中一个，效果有限。

错误三：拆到无法行动的层级。前面说过，问到"预算不够""人手不足"就停，不要再往下问了。把精力集中在你能改变的事情上。

提示：拆原因的时候，一定要去现场看。数据能告诉你"发生了什么"，但"为什么发生"往往需要你站在设备旁边，观察操作工的动作、听设备的声音、看物料的流动，才能找到真正的答案。

4. 第三步"定改善动作"：把根因变成可执行的清单

4.1 改善动作的三个标准：具体、可衡量、有责任人

拆完原因之后，最后一步是定改善动作。这一步看似简单，但很多团队的改善计划写出来是这样的："加强设备保养""提高操作工技能""优化换模流程"。这种写法等于没写，因为没法执行、没法验证。

一个好的改善动作必须满足三个标准：

具体：说清楚做什么、怎么做、做到什么程度。比如"加强设备保养"应该写成"在注塑机液压站加装油温传感器，当油温超过52度时自动报警并启动备用冷却器"。

可衡量：有明确的衡量指标和目标值。比如"换模时间从平均47分钟降低到30分钟以内"。

有责任人：每项动作都有明确的负责人和完成时间。比如"张三负责，3月15日前完成油温传感器安装和调试"。

我通常建议用一张改善计划表来管理，字段包括：序号、损失项、根因、改善动作、责任人、完成时间、验证标准、状态。这张表每周更新一次，在改善例会上过一遍进度。

4.2 快速改善 vs 长期改善：分两条线推进

改善动作定出来之后，不要眉毛胡子一把抓，要分优先级。我的做法是分两条线：

快速改善线：投入小、见效快、一周内能完成的动作。比如调整模具存放位置、增加换模工具、修改操作SOP、增加一个简单的定位工装。这些动作不需要大预算，但往往能解决20%-30%的损失。

长期改善线：需要一定投入、周期较长的动作。比如设备改造、自动化升级、系统集成。这些动作需要立项、审批、采购、实施，周期可能几个月甚至半年。

两条线并行推进的好处是：快速改善能迅速见到效果，增强团队信心；长期改善解决根本问题，防止损失反复出现。

4.3 改善效果的验证：用数据说话

改善动作做完之后，一定要验证效果。验证的方法很简单：用同样的数据采集方法，对比改善前后的数据。

比如换模时间改善，改善前平均47分钟，改善后如果降到32分钟，那改善效果就是显著的。但如果只降到45分钟，那就需要分析原因：是改善动作没做到位？还是遇到了新的问题？

验证周期一般是改善动作完成后的2-4周。太短了数据波动大，太长了反馈不及时。验证结果要记录在改善计划表里，形成闭环。

4.4 一个完整的改善案例：从数据到动作的全过程

最后分享一个我亲自参与的完整案例，把三步法串起来。

背景：某机加工车间的一台数控车床，OEE长期在62%左右。

第一步，找损失。通过两周的人工记录加信号采集，发现时间去向如下：计划生产时间每天480分钟，实际运行时间平均只有310分钟。损失分布是：故障停机45分钟（主要是刀具异常磨损导致换刀频繁）、换型调整38分钟、空转小停52分钟、速度降低35分钟。

第二步，拆原因。针对最大的损失项"空转小停52分钟"，用5Why追问：为什么空转小停？因为送料机构偶尔卡料。为什么卡料？因为棒料表面有毛刺。为什么有毛刺？因为上一道工序的切断刀具磨损后没有及时更换。为什么没有及时更换？因为没有刀具寿命管理系统，全靠操作工凭经验判断。

第三步，定改善动作。快速改善：在上一道工序增加一个简单的毛刺检测工装，操作工每半小时抽检一次。长期改善：引入刀具寿命管理系统，根据切削时间和切削条件自动计算刀具剩余寿命，到期自动提醒更换。

效果验证：改善动作实施一个月后，空转小停从52分钟降到18分钟，OEE从62%提升到71%。虽然还没达到理想水平，但改善方向已经明确，后续继续优化其他损失项。

这个案例的关键点在于：不要试图一次性解决所有问题。先抓最大的损失项，集中精力改善，见到效果之后再攻下一个。OEE提升是一个持续改善的过程，不是一次性的项目。

5. 让三步法真正落地的几个关键细节

5.1 谁来牵头：OEE分析的组织保障

三步法要落地，必须有人牵头。我的建议是：由设备部门或生产部门牵头，但一定要有跨部门的小组。

具体来说，这个小组应该包括：设备工程师（负责设备相关的原因分析和改善）、工艺工程师（负责工艺参数和操作方法相关的改善）、班组长（负责现场数据采集和操作执行）、操作工代表（最了解现场实际情况的人）。

小组不需要全职，但每周要固定开一次改善例会，过数据、过进度、过问题。这个例会是推动三步法落地的核心机制，不能断。

5.2 从哪台设备开始：试点选择的原则

不要一上来就全厂铺开，选一台设备做试点。试点设备的选择原则是：

第一，选OEE偏低但改善空间大的设备。如果一台设备OEE已经90%了，改善空间有限，不适合做试点。

第二，选数据采集相对容易的设备。如果设备本身有PLC或者可以加装传感器，数据采集会容易很多。

第三，选班组长和操作工配合度高的设备。人的因素很关键，如果一线不配合，再好的方法也落不了地。

第四，选对生产影响大的设备。瓶颈设备、关键设备优先，改善效果对整体产出的影响更明显。

5.3 常见阻力与应对：来自一线的真实反馈

在推行OEE三步法的过程中，我遇到过各种阻力，总结几个典型的：

"我们设备太老了，数据采集不了。"应对：先从人工记录开始，不需要任何自动化投入。等大家看到数据价值之后，再考虑加装传感器。

"操作工太忙了，没时间填表。"应对：简化表格，把记录动作嵌入到现有流程里。同时要让操作工看到反馈，知道填了有用。

"改善动作需要投入，预算批不下来。"应对：先做快速改善，用零成本或低成本的动作做出效果，用数据说服管理层追加投入。

"改善效果不明显，大家没信心了。"应对：调整预期，OEE提升是一个渐进过程。先设定小目标，比如一个月提升3个百分点，达成后再设下一个目标。

5.4 从OEE到TEEP：进一步挖掘设备潜力

OEE衡量的是计划生产时间内的设备效率。如果你想把计划停机时间也纳入分析，那就需要用到TEEP（Total Effective Equipment Performance，全面设备效率）。

TEEP = OEE × 设备利用率。设备利用率 = 计划生产时间 / 日历时间。

TEEP的意义在于：它告诉你设备的理论最大产能是多少，以及你离这个最大产能还有多远。如果你的OEE很高但TEEP很低，说明设备本身效率不错，但订单不足或者排产不合理。如果你的OEE和TEEP都很低，那说明设备本身还有很大的改善空间。

对于大多数工厂来说，先把OEE做好，再考虑TEEP。OEE是基础，TEEP是进阶。

6. 写在最后：一些个人体会

这套三步法我在不同行业、不同规模的工厂里都用过，从几十人的小作坊到几千人的大厂，逻辑是通的。但每次落地的具体做法都要根据现场情况调整，没有一成不变的模板。

我最大的体会是：OEE分析的成功，20%靠方法，80%靠执行。方法本身不复杂，找损失、拆原因、定动作，三步走。但能不能坚持每周记录数据、能不能认真拆到根因、能不能把改善动作落实到位，这才是真正的挑战。

另外一点：不要追求完美的数据。很多团队在数据采集阶段就卡住了，总想把数据搞得很精确、很完整才开始分析。其实没必要。先用粗略的数据跑起来，找到主要矛盾，再针对性地提升数据精度。完美主义是OEE推行的最大敌人。

最后，把OEE当成一个持续改善的工具，而不是一个考核指标。这个定位守住了，三步法就能真正发挥作用。定位偏了，再好的方法也会变成形式主义。

希望这套方法对你有用。如果你在推行过程中遇到具体问题，欢迎交流。