1.设备综合效率定义中标准的缺失
有一个例子:在同一个工厂,两个车间在纸上记录他们的OEE,每个车间都使用自己的OEE工式定义。一个将预防性维护、换班和用餐时间纳入可用性计算,而另一个将其纳入计划停机,两种定义完全不同……
第一个车间的质量率始终为100%,因为返工时间不包括在OEE的计算中。
管理层有时远离生产现场,如果不花时间比较车间指标的定义,就很难理解每个OEE值背后真正隐藏着什么。
2. 管理层很难接受透明的绩效
OEE常常和别的KPI放在一起就是一个数字。管理层不了解它的定义,也不了解其计算方法。
当它接近100%时,就感到满意,因为机器正在“运行”。
一位客户的OEE始终很高常常超过100%,工厂经理和生产线经理对这个数字感到自豪。根据AFNOR标准,使用我们的解决方案记录几个月的结果,他们的OEE一直保持40%左右,他们完全拒绝了我们的解决方案,转而采用旧的计算方法。
3. 缺乏严谨和组织
当OEE用纸记录时,操作员常常会忘记记录停机时间和原因,这样收集的数据是相对的,甚至是错误的。
又或许,因为知道这些数据实际上也做不了什么,它只是一个表面的KPI,所以操作员就会不认真对待记录,只为满足其团队领导的要求。
4. 有数据没有行动
管理层一开始就希望对工厂所有机器记录OEE,然而,管理程序和标准还没有制定好。该项目不会产生任何结果。
管理人员通过MES系统了解其OEE的值,但他不想了解如何计算出OEE以及如何解释主要损失。
收集上来的数据只有设备内部部分数据,不全面。并没有用于(或无法用于)持续改进。
5. 过度信任
生产经理存在认知偏见,不是通过客观数据而是通过个人经验来评估机器的性能。这种情况下,这位经理将拒绝监控OEE。
我们的经验证明,无论团队经验多么丰富,通过系统地对机器的所有损失原因进行记录,分析改进,结果会发生不同的结果。
领取专属 10元无门槛券
私享最新 技术干货