一、指标定义
OEE，全称Overall Equipment Effectiveness，设备综合效率。这个指标在制造业中的份量，我觉得怎么强调都不过分。它不是单一维度的设备利用率，而是把设备的“能不能开”“开得快不快”“做得好不好”三个维度综合在一起。
OEE = 可用率 × 性能率 × 良品率 × 100%。这三项中任何一项低了，OEE都会被打回原形。这恰恰是它的魅力所在——它逼着管理者不能只看一个维度。
二、计算公式与数据来源
| 公式 | OEE = 可用率 × 性能率 × 良品率 × 100% |
| 可用率 | （计划运行时间 − 停机时间）/ 计划运行时间 × 100% |
| 性能率 | （理论节拍 × 总产量）/ 实际运行时间 × 100% |
| 良品率 | 合格品数量 / 总产量 × 100% |
| 目标值 | ≥85%（世界级标准），≥70%（良好），<60%（需改善） |
| 数据来源 | MES系统、设备PLC、质量检验系统 |
做OEE统计最大的坑是什么？就是数据不准。我遇到过一家企业，报上来的OEE是82%，我觉得不对劲，去车间一看，发现他们把中午休息的2小时从计划运行时间里扣掉了，又把每天开班前30分钟的点检时间也扣掉了，算下来计划运行时间只有实际出勤时间的一半。OEE好看是好看，但掩盖了真实问题。
三、真实案例：浙江某精密机械加工企业
2024年初，一家浙江的精密机械加工企业找到我们。企业年营收约1.8亿元，主要做航空航天的非标零部件，单件附加值高但客户对交付要求极其严格。
他们的问题是：明明有24台CNC加工中心，OEE不到55%。车间里到处是半成品，但就是在制品太多、交付太慢。我们带着绩效工坊软件的数据采集模块进场，先跑了两个星期的真实数据。结果一出来，问题清晰了：
可用率69%：每天平均停机2.5小时，换刀和调试占了大头。性能率84%：原因是程序不是最优的，实际加工速度比理论慢了约15%。良品率95%：这个还行，但还有提升空间。
我们帮他们定了OEE ≥ 78%的年度目标（先不追世界级，逐步来），分解到每个班组。做了三件事：第一，换刀标准化，把换刀时间从平均18分钟压到9分钟；第二，优化加工程序，请了一位退休的老师傅来调参数，把性能率从84%提到了91%；第三，导入绩效工坊的OEE看板，实时显示每台设备的OEE数据，班组长手机就能看。12个月后，OEE从55%提升到了76%。
四、考核标准
OEE的目标值因行业而异。我一般建议客户这样设定：
| 世界级 | ≥85% |
| 良好 | 70%–84% |
| 一般 | 50%–69% |
| 需重点改善 | <50% |
| 考核部门 | 设备部 + 生产部联合考核 |
| 考核周期 | 周度考核，日报追踪 |
五、提升OEE的实操建议
基于我辅导20多家企业的经验，提升OEE有一套标准打法：
第一步，搞清楚数据。很多企业连OEE数据都没有，凭感觉管理。先装个绩效工坊这样的软件，跑一个月真实数据，找到瓶颈。
第二步，抓可用率。可用率的改善空间往往是最大的。统计停机的TOP 3原因，用鱼骨图分析根因，逐个解决。常见的大头是：换型、设备故障、缺料。
第三步，优化性能率。这个维度容易被人忽略，但积少成多。检查设备运行速度是不是低于设计值，程序参数是不是最优。
第四步，控制良品率。良品率低于95%的时候，先别追可用率和性能率，先把质量管好，否则OEE提升再多也是废品。
六、绩效工坊软件的OEE模块
绩效工坊软件内置了完整的OEE管理模块，支持两种数据接入方式：一是直接对接设备PLC自动采集（支持主流品牌如西门子、三菱、欧姆龙等），二是人工录入（适合自动化程度不高的产线）。系统自动计算可用率、性能率、良品率和综合OEE，生成OEE趋势图、停机TOP分析、班组OEE排名。数据异常时自动推送预警到责任人手机。
