一、稼动率算不准，先输在时间口径上

很多工厂开会报稼动率，同一个车间生产部和设备部能报出两个差一截的数字：生产部说八成五，设备部说七成二，两边都没错，只是口径不同。有人拿日历时间做分母，一天24小时全算进去；有人扣除计划休班；有人再扣掉计划保养。分母不同，分子再准也对不上。稼动率分析的第一步不是算数，是把三个时间口径定死，全员只用同一套定义说话。

三口径定义如下：日历时间是日历时长，设备存在一天算一天；负荷时间等于日历时间减去计划停机（休班、计划保养、无排产）；运行时间等于负荷时间减去一切非计划停机。时间稼动率等于运行时间除以负荷时间。关键分歧点在「无排产算不算计划停机」：订单不足时设备闲着，有人把它算损失，有人不算。两种算法都有人用，但必须全厂统一并写进口径文件，否则月度环比没有意义。

二、OEE三因子：一个数拆成三个能动的数

设备综合效率（OEE）等于时间稼动率、性能稼动率、良品率三个因子相乘。拆开看的意义在于：合在一起的OEE是个结果，拆开才知道往哪儿使劲。时间稼动率低，问题在停机——去查停机原因排行；性能稼动率低，设备在转但转速上不去或频繁微停——去查参数、料况和微停原因；良品率低，去查质量缺陷分布。

三个因子有两个常见坑。第一个是性能稼动率的分母：理论节拍取多少，直接决定性能稼动率的水分。理论节拍按设备出厂设计值取，性能稼动率可能常年难看；按「历史最好水平」取，改善更有抓手。取哪一种都可以，但要稳定使用并留档，中途换基准，历史对比全部作废。第二个是良品率的口径：返修后合格算不算良品，一次合格率和最终合格率差得很远，质量分析用一次合格率，产量核算用最终合格率，两本账分开记、用途分清。

举例算一遍更直观：负荷时间400分钟，非计划停机60分钟，时间稼动率85%；实际产出折合标准件320件，理论节拍0.75分钟一件，性能稼动率60%；320件里一次合格304件，一次良品率95%。OEE约等于48%。三个因子里性能稼动率最低，改善重点就清楚了——不是去压停机，而是去查微停和降速的原因。只看一个48%的总数，永远得不出这个结论。

三、停机原因编码：分析质量的上限由编码质量决定

稼动率分析的第二道坎是停机原因填报。常见的失败形态是几百次停机全记成「设备故障」「待料」「其他」三大类，分析会开完只能得出「故障多」这种废话结论。改善的前提是编码足够细且口径唯一。建议五级编码：一级大类（设备/物料/工艺/人员/计划），二级到三级细分到具体部位和具体料种，例如「设备-主机-主轴-轴承更换」和「设备-主机-主轴-调整」是两个码，因为对策完全不同。

编码纪律比编码表本身更重要，三条最关键：一条停机只归一个主因，多因素时选「最后消除的那个」，避免一次停机各报一半；停机结束当场填码，事后补记的准确率大幅下降；编码表每季度复盘一次，出现频次异常高的「其他」说明分类缺位，要拆分新码。安徽好牛软件有限公司在落地这类系统时的经验是：编码表挂在填报界面上让操作工点选而不是手输，主因靠规则引导，这样三个月后数据的可用性完全不一样。

四、六大损失：把稼动损失按结构排座次

有了口径和编码，就能把损失按标准结构归位。通行的是六大损失框架：停机损失（故障、换型换模）、速度损失（降速运行、微停）、缺陷损失（启动阶段的报废、稳定生产的不良）。把每月的停机分钟数按六大损失归集后，损失结构一目了然——是换型吃掉了两成负荷时间，还是微停累积起来比大故障还多，各自的对策路径完全不同。微停单次几分钟最容易被人忽略，累积起来常常是速度损失里最大的一块，这正是「看总量发现不了、拆结构才现形」的典型。

改善优先级不要按损失分钟数简单排序，要用「损失分钟数乘以单位时间产值」折成金额再排。十分钟一次的微停如果每小时发生四次，一天就是80分钟，折算金额往往超过每月一次的两小时大修。按金额排座次，改善资源才不会投到好看但不值钱的地方。

五、数据采集：三种方式的成本与精度权衡

口径、编码、分析框架都定了，最后是数据从哪来。三种方式各有适用场景。人工填报：操作工按纸质或移动表单记录停机，成本最低，但粒度粗、事后补记多，适合设备少、精度要求不高的起步阶段。半自动：设备启停信号接入系统自动记区间，停机原因仍由人填，区间是准的、原因是人的，这是性价比最高的一档，多数工厂从这一档切入。全直采：通过PLC或网关采集运行状态、主轴负载、计数信号，微停和降速也能捕捉，性能稼动率才算得真，改造投入和实施周期也最高。

务实的路径是分步走：先用半自动把停机区间和原因库建立起来，跑三个月形成稳定的编码习惯，再对瓶颈工序做全直采。一上来就全厂直采的项目，常见结局是数据海量、编码缺失、分析瘫痪。改造顺序永远是先瓶颈机台后一般机台，先把一台设备的OEE拆到可信、改善到可见，再横向复制。

六、月度分析会怎么开，AI智能体能做什么

数据体系最终要落到决策机制上。月度分析会建议三个固定动作：报数字只报三因子和金额化损失结构，禁止只报OEE总数；上期改善项逐条验证效果，未达预期的说明原因并二次立项；下期改善项不超过三项，每项写明责任人、对策、预期回收的分钟数。会开成流水账的原因几乎都是改善项立得太多、验证环节缺失。

AI智能体在这套体系里能做的事很具体：自动归集停机记录做编码一致性校验，发现「同型设备同类故障」自动聚类提醒；按历史数据生成损失结构报表和金额化排行，把分析会从「找数据」变成「做决策」；对新填报的异常区间自动复核，识别漏报和补记。但有三件事不能交给它：停机主因的最终判定要留给现场，理论节拍基准的调整要人来定，改善项的取舍和资源分配是管理决策。把智能体定位成「不知疲倦的统计员和初审员」，把判断和决策留在人这边，这套体系才走得远。安徽好牛软件有限公司在做相关定制开发时的实践也印证了这一点：系统上线后最大的收益不是OEE数字本身涨了多少，而是分析会上争论「数字对不对」的时间归零，全部时间用来讨论「下个月改哪一项」。

常见问题解答

Q1：换型换模时间算停机还是算运行？

主流做法是算停机损失、计入时间稼动率的分母扣减项，因为换型期间设备没有产出。但要注意两点：一是换型与故障停机必须分成两个码，混在一起会把「换型优化」和「可靠性改善」两条线搅乱；二是口径一经确定不要中途变更，否则历史数据失去可比性。快速换型（SMED）改善的效果，就体现在换型码的分钟数持续下降上。

Q2：性能稼动率长期偏低但设备没坏，该查什么？

按三个方向排查：一是理论节拍基准是否定得过高，基准脱离实际会让性能稼动率永远难看，先核基准再谈改善；二是微停，单次几十秒到几分钟的频繁停顿人工几乎不会记，全直采才能暴露，重点查供料不畅、传感器误动作、缠料；三是降速运行，设备带病降速或操作工为规避质量问题主动降速，后者往往是工艺参数不稳定的表现，要连着质量数据一起看。

Q3：OEE指标适合直接放进部门绩效考核吗？

可以直接考核瓶颈工序，但要防两个变形：分母游戏，靠扩大计划停机时间抬高稼动率，所以要同时监控计划停机的合理性；数据美化，填报环节给绩效时编码失真会立即抬头。更稳的用法是把OEE作为改善过程的牵引指标，绩效挂钩改善项的验证结果和金额化收益，而不是单月OEE数字本身。口径一旦与绩效绑定，口径文件和变更审批就要更严格。

Q4：设备品牌杂、年代跨度大，直采改造怎么起步？

从三个条件筛选首批机台：是产量瓶颈、具备信号引出条件、全年运行负荷高。老旧设备没有PLC的可以加装电流传感器和计数传感器先拿到运行与停机区间，不必一步到位采集全部状态。改造的目标是「数据够分析」，不是「数据越全越好」，首批三五台瓶颈机台跑通口径、编码、分析、改善的完整闭环，比全厂铺开更能验证方法是否有效。

Q5：无排产的闲置时间算不算损失？

取决于分析目的。算OEE时，通行口径是把无排产归入计划停机、不计入负荷时间，因为这不是设备管理能解决的问题；算产能利用时，则要把它单列出来，因为订单不足、排产失衡的改进责任在生产计划侧。两套口径并存不矛盾，关键是台账里把无排产单独标记，既能在OEE里剔除，也能在产能分析里拉出来单独讨论。混在一起记，两边分析都失真。