OEE jest jednym z najlepszych wskaźników w przemyśle, ale też jednym z najłatwiejszych do sfałszowania. Gdy liczba zostaje powiązana z ocenami wyników i pulpitami menedżerskimi, ludzie optymalizują pod kątem liczby, a nie rzeczywistości za nią stojącej. Efektem jest wskaźnik, który pocieszająco rośnie na slajdzie, podczas gdy nic na hali się nie poprawia. Jeśli Twoje OEE wygląda zdrowo, ale problemy z terminowością dostaw, kosztami i przestojami utrzymują się, możesz mieć do czynienia z wskaźnikiem próżności.
Wiarygodne OEE pochodzi od maszyn, a nie od tego, jak wypełniono formularz.
Liczba jest podejrzanie wysoka i stabilna, podczas gdy rzeczywiste problemy, opóźnione zamówienia, nadgodziny i odpady nadal występują.
Nikt nie potrafi wyjaśnić dlaczego. Wysoka wartość OEE bez rozbicia strat to werdykt, nie wgląd.
Poprawia się tylko na papierze. Wskaźnik rośnie, ale przepustowość, koszty i czas realizacji pozostają bez zmian.
Jest raportowane, a nie wykorzystywane. OEE pojawia się w miesięcznym przeglądzie, ale nie wpływa na codzienne decyzje.
Większość manipulacji to nie oszustwo; to naturalna reakcja na źle skonfigurowaną miarę:
Miękki idealny czas cyklu. Ustaw idealny czas cyklu na swoją średnią prędkość, a współczynnik wydajności magicznie zbliży się do 100%, ukrywając wszelkie straty prędkości. https://www.fabrico.io/blog/ideal-cycle-time-oee-manufacturing/
Hojne „planowane przestoje”. Przeklasyfikuj awarie jako zaplanowane zatrzymania, a znikną z dostępności.
Wygodne mianowniki. Zmniejszanie planowanego czasu produkcji sztucznie zawyża procent.
Selektywne rejestrowanie. Drobne zatrzymania i ciche poprawki po prostu nigdy nie są zapisywane.
Każde z nich jest łatwe, gdy dane wprowadza się ręcznie, a definicje są rozmyte.
Oszukane OEE jest gorsze niż brak OEE, ponieważ wprowadza w błąd. Ukrywa „ukrytą fabrykę” odzyskiwalnej zdolności produkcyjnej, kieruje wysiłki poprawy w niewłaściwym kierunku i podważa zaufanie do danych w całym zakładzie. Decydenci podejmują decyzje dotyczące zdolności produkcyjnej, nakładów inwestycyjnych (CAPEX) i zatrudnienia w oparciu o liczbę, która jest fikcją.
Automatyzuj zbieranie danych. Pobieraj dane bezpośrednio z maszyn, aby liczba odzwierciedlała to, co się wydarzyło, a nie to, jak wypełniono formularz. To jedna z głównych przyczyn, dla których zespoły wyrastają z arkuszy OEE.
Popraw definicje. Uczciwe idealne czasy cyklu, surowe i spójne kategorie przestojów, uzgodniona kategoria planowanego czasu.
Żądaj wyjaśnień. Paruj każdą wartość OEE z rozbiciem strat zgodnym z modelem sześciu dużych strat.
Ustal cele, które nagradzają prawdę. Opieraj cele na rzeczywistej bazie odniesienia i poprawie względem niej, jak opisano w ustalaniu realistycznych celów OEE, aby uczciwość nie była karana.
Fabrico automatycznie zbiera dane o dostępności, wydajności i jakości bezpośrednio z maszyn, stosując spójne definicje i przypisując każdą stratę do przyczyny. Nie ma nic do ręcznego zawyżania, a liczba zawsze jest powiązana z wyjaśnieniem jej przyczyn. To zamienia OEE z miernika, którym ludzie zarządzają, w narzędzie napędzające rzeczywistą poprawę i odbudowuje zaufanie do danych.
Gdy optymalizuje się je, żeby ładnie wyglądało — przez łagodne benchmarki, luźne definicje lub selektywne rejestrowanie — zamiast odzwierciedlać i poprawiać rzeczywistą wydajność.
Ustawianie idealnego czasu cyklu na średnią prędkość, przeklasyfikowywanie awarii jako planowane przestoje, pomniejszanie mianownika czasu oraz brak rejestrowania drobnych zatrzymań lub poprawek.
Zautomatyzuj zbieranie danych z maszyn, popraw i egzekwuj definicje, zawsze pokazuj rozbicie strat i ustalaj cele na podstawie rzeczywistej bazy odniesienia.
Przestań mierzyć liczbę, której nikt nie ufa. Zobacz, jak Fabrico zbiera uczciwe OEE bezpośrednio z maszyn, wraz z wyjaśnieniem przyczyn. Umów się na demo już dziś.
Login
Blog
