Wskaźnik OEE pod lupą: 5 najczęstszych błędów w pomiarze dostępności, wydajności i jakości

Wskaźnik OEE może pozornie wyglądać dobrze nawet wtedy, gdy dane wejściowe są ustawione źle. Najczęściej zawodzi nie sam wzór, ale sposób liczenia czasu produkcji, przestojów, idealnego cyklu albo dobrych sztuk. Jeśli odpowiadasz za wynik linii, warto sprawdzić właśnie te miejsca, zanim zaczniesz wyciągać wnioski z różnicy między 72 a 78% OEE. Sprawdź 5 częstych błędów w pomiarze OEE i jak ich unikać.

Podstawowy wzór wygląda znajomo:

OEE = dostępność × wydajność × jakość

Dostępność mówi, ile z zaplanowanego czasu produkcji maszyna rzeczywiście pracowała, wydajność porównuje tempo procesu z idealnym czasem cyklu, a jakość pokaże, ile wyprodukowanych sztuk było dobrych za pierwszym razem.

Przy definicjach rodzi się jednak pewien problem. W jednym zakładzie przezbrojenie obniża dostępność, w innym część takich zdarzeń wypada z planowanego czasu produkcji. Jedna linia zapisuje krótkie postoje automatycznie, druga opiera się na wpisach operatora. W jednym raporcie poprawiona sztuka wraca do puli dobrych, w drugim nadal jest traktowana jako niezgodna.

Matematyka nadal się zgadza, ale wyniki opisują różne zasady liczenia, a niekoniecznie różnice w pracy linii.

ISO 22400-2 opisuje wskaźniki stosowane w zarządzaniu operacjami produkcyjnymi wraz z ich formułami i elementami składowymi. Z punktu widzenia kierownika produkcji ważniejsze od samej normy jest to, że wynik da rzetelne informacje, gdy wiadomo, co dokładnie weszło do obliczeń.

Jeśli OEE ma wpływać na decyzje dotyczące awarii, przezbrojeń, jakości albo inwestycji, zasady liczenia muszą być wspólne dla zmian, maszyn i produktów, które ze sobą porównujesz.

Dostępność jest szczególnie wrażliwa na to, jak Twój zakład definiuje planowany czas produkcji. Okres, w którym produkcja od początku nie była planowana, nie powinien obniżać OEE. Inaczej wygląda sytuacja ze zdarzeniami, które występują już w czasie przeznaczonym na produkcję.

Przezbrojenia można rozumieć jako straty dostępności, bo wtedy ich czas pozostaje widoczny i można mierzyć, czy rzeczywiście się skraca. Sam sposób wyłączania planowanych zdarzeń zależy jednak od zasad przyjętych u Ciebie. Najważniejsza jest konsekwencja.

Załóżmy, że linia ma pracować od 6:00 do 14:00. O 10:00 zaczyna się przezbrojenie, które trwa 35 minut. Jeśli zakład uznaje ten czas za część planowanej produkcji, a potem usuwa go z obliczeń, dostępność od razu wygląda lepiej. Proces się nie poprawił. Zmieniła się tylko zasada liczenia.

To ma znaczenie, bo przezbrojenie jest jednym z tych obszarów, nad którymi można pracować. Jeśli raz wpływa na OEE, a innym razem nie, trudno później uczciwie porównywać zmiany, linie czy kolejne miesiące.

Przy przeglądzie OEE zacznij więc od zdarzeń, które system wyłącza z obliczeń. Wybierz kilka najdłuższych i sprawdź, dlaczego zostały pominięte. Jeśli na podobne zdarzenie dwie zmiany odpowiadają inaczej, wyniku może nie dać się już porównać.

Operator zapamięta awarię trwającą 20 minut. Seria krótkich zatrzymań po kilkanaście sekund wygląda inaczej. Przy ręcznym raportowaniu część z nich w ogóle nie zostanie zapisana.

W OEE krótkie postoje i wolniejsze cykle obniżają wydajność, a dłuższe zatrzymania zwykle wpływają na dostępność. Krótkie postoje i pracę z obniżoną prędkością możemy zaliczyć do strat wydajności.

Sonmez, Testik i Testik analizowali wpływ jakości pomiaru na OEE. Zwrócili uwagę, że sposób rejestrowania prędkości produkcji i długości zatrzymań może zniekształcać obraz procesu.

Na hali widać to zwykle jako różnicę między planem a wykonaniem, której trudno przypisać jedną przyczynę. Nie było dużej awarii, długiego postoju, a wynik nadal jest słaby. Jeśli system zapisuje wyłącznie zatrzymania powyżej określonego progu, spora część straty może ukrywać się właśnie w krótkich zdarzeniach.

Nie istnieje jeden próg, który pasuje do każdej produkcji. Zakład powinien ustalić granicę odpowiadającą sposobowi zbierania danych i stosować ją tak samo na porównywanych maszynach. Zamiast patrzeć wyłącznie na najdłuższe postoje, warto wtedy sprawdzić także ich liczbę i rozkład długości.

Idealny czas cyklu często trafia do OEE z systemu, który powstał do innego celu. Planowanie korzysta z jednej wartości, technologia z innej, a rzeczywiste możliwości maszyny są jeszcze gdzie indziej.

W OEE idealny czas cyklu powinien odpowiadać minimalnemu czasowi potrzebnemu do wyprodukowania jednej sztuki przy pełnej prędkości procesu. Nie jest tym samym co czas standardowy zapisany w ERP ani wartość używana do budżetu czy planowania obciążenia.

Załóżmy, że detal można produkować w cyklu 40 sekund, ale w systemie od lat widnieje 48 sekund. Jeśli właśnie te 48 sekund trafia do OEE, część straty prędkości przestaje być widoczna. Linia dostaje lepszy wynik, mimo że na samej maszynie nic się nie zmieniło.

Czytelnym sygnałem ostrzegawczym jest wydajność powyżej 100%. Przy prawidłowo ustalonym idealnym czasie cyklu taki wynik nie powinien występować.

Jeśli go widzisz, zacznij od danych referencyjnych. Sprawdź czasy przypisane do indeksów, receptur i technologii, a potem porównaj je z rzeczywistym tempem procesu. Warto też upewnić się, czy po zmianie produktu system zawsze pobiera właściwą wartość.

Jakość łatwo zawyżyć, jeśli raport patrzy tylko na końcowy status partii. Załóżmy, że linia wyprodukowała 1000 sztuk, kontrola odrzuciła 30, a po poprawce 20 z nich wróciło do partii przeznaczonej do wysyłki. Jeśli raport pokaże 990 dobrych sztuk, część straty procesu znika z OEE.

Wskaźnik jakości powinien uwzględniać również sztuki wymagające poprawy. W praktyce chodzi o to, czy produkt przeszedł proces prawidłowo za pierwszym razem. Taka logika jest zbliżona do wskaźnika First Pass Yield, czyli udziału dobrych sztuk po pierwszym przejściu przez proces.

Dla produkcji różnica jest konkretna. Poprawka zajmuje czas ludzi, maszyn, kontroli albo dodatkowego stanowiska. Często zużywa też materiał i zdolność produkcyjną, choć końcowy raport partii może tego już nie pokazać.

Przy audycie OEE sprawdź więc, kiedy dokładnie sztuka zostaje uznana za dobrą. Jeśli po naprawie wraca do wyniku bez śladu wcześniejszej niezgodności, jakość może wyglądać lepiej niż sam proces.

Automatyczne zbieranie danych usuwa część błędów ręcznego raportowania. Maszyna może dokładnie podać czas zatrzymania, liczbę cykli albo moment rozpoczęcia pracy. Znacznie trudniej ustalić automatycznie, dlaczego linia stanęła.

Badanie Hedmana i współautorów opublikowane w „Procedia CIRP” objęło dane z 23 przedsiębiorstw i 884 maszyn korzystających z automatycznego pomiaru OEE. Prawie połowy zarejestrowanych strat nie udało się sklasyfikować z powodu brakujących albo zbyt słabo opisanych kategorii.

Obrazuje to ograniczenie samej automatyzacji. Sterownik zapisze, że maszyna zatrzymała się o 10:14:22. Sam sygnał nie da Ci informacji, czy zabrakło materiału, pojawiło się zacięcie, trwała regulacja czy operator czekał na decyzję jakości. Takie informacje trzeba uzupełnić przez reguły systemowe, dane z innych źródeł albo prosty i dobrze przemyślany wybór przyczyny przez operatora.

W innym badaniu, dotyczącym montażu półprzewodników, automatyczne zbieranie danych ograniczyło udział nierozpoznanych strat OEE z 6% przy zapisie ręcznym do poziomu bliskiego zeru. Wynik dotyczył konkretnego procesu, więc nie należy przenosić go wprost na inne zakłady. Pokazuje jednak, że dokładniejsza rejestracja zdarzeń może wyraźnie poprawić jakość analizy.

Automatyzacja ma sens wtedy, gdy równolegle porządkujesz słownik przyczyn, zasady klasyfikacji i odpowiedzialność za dane. Samo podłączenie maszyny do systemu tego nie załatwi.

Do pierwszej kontroli lepiej wybrać jedną linię, jeden produkt i kilka kolejnych zmian. Przy tak małym zakresie łatwiej przejść od procentu na dashboardzie do konkretnych zdarzeń.

Po takim przeglądzie powinieneś umieć wyjaśnić zmianę OEE bez zgadywania. Jeśli wynik spadł z 76 do 70%, raport powinien pokazać, która składowa za to odpowiada, jakie zdarzenia ją obniżyły i kiedy wystąpiły.

Jeżeli dwie zmiany opisują ten sam postój inaczej, porównanie ich wyników staje się mało wiarygodne. Podobnie wygląda sytuacja, gdy jedna linia wyłącza część przezbrojeń, a druga nie. Procenty mogą być policzone poprawnie, a mimo to słabo nadawać się do oceny pracy zespołów czy maszyn.

Dobre OEE pomaga zawęzić obszar analizy. Spadek dostępności kieruje uwagę na awarie, przezbrojenia i oczekiwanie. Gorsza wydajność każe sprawdzić krótkie postoje, tempo cyklu i ustawienia procesu. Słabsza jakość prowadzi do braków, poprawek i strat rozruchowych.

Dopiero wtedy pytanie „jak zwiększyć efektywność produkcji” można sprowadzić do konkretnego miejsca i konkretnej straty. Wcześniej łatwo rozpocząć działania tam, gdzie raport pokazuje objaw, choć źródło problemu leży w sposobie zbierania danych.

Jeśli OEE w Twoim zakładzie powstaje z arkuszy, ręcznych wpisów operatorów i informacji z kilku systemów, warto sprawdzić, które dane da się pobierać bezpośrednio z maszyn. System explitia.OEE służy do rejestracji danych produkcyjnych, analizy przestojów oraz prezentowania dostępności, wydajności i jakości na podstawie bieżących danych z procesu.

Przed wdrożeniem dobrze jednak przejść ręcznie przez jedną linię. Wtedy od razu widać, które sygnały są dostępne automatycznie, gdzie nadal potrzebna jest informacja od operatora i które definicje trzeba uzgodnić między produkcją, utrzymaniem ruchu i technologią.

Prawidłowo policzone OEE ani jego składowe nie powinny przekraczać 100%. Jeśli wydajność jest wyższa, najpierw sprawdź idealny czas cyklu i pozostałe dane referencyjne.

To zależy od zasad przyjętych w zakładzie. OEE.com rekomenduje ujmowanie przezbrojeń jako straty dostępności, bo wtedy ich wpływ pozostaje widoczny. Najważniejsze, żeby ta sama zasada obowiązywała na wszystkich porównywanych liniach.

Krótkie zatrzymania zwykle trafiają do strat wydajności, a dłuższe do dostępności. Nie ma jednego progu odpowiedniego dla każdej produkcji. Trzeba go ustalić pod sposób zbierania danych i stosować konsekwentnie.

Nie. Automatyzacja poprawia dokładność czasu i liczników, ale nadal można źle klasyfikować przyczyny albo korzystać z błędnych danych referencyjnych. Badanie obejmujące 23 przedsiębiorstwa i 884 maszyny pokazało, że taki problem występuje również przy automatycznym pomiarze OEE.