OEE 分析技术起源于日本汽车行业，并应用于日本一些知名企业，如丰田汽车、本田汽车等。近几年，OEE 分析技术得到了进一步的推广，在电气、电子、医药、化工、食品加工等制造业得到了广泛的应用。在当下制造业竞争日趋激烈的环境下，如何使设备在精益化生产理念的指导下发挥最大的作用，成为了每个制造企业十分关心的问题。本文首先介绍 OEE 的定义、计算和影响因素分析，接下来以汽车焊装车间的设备为原型，介绍 OEE 的两个重要指标的提升案例及效果。
1 OEE 方法简介
1.1 OEE 的定义
设备综合效率 (OEE) ，是专业设备市场协会 (SEMA) 组织于 1999 年提出的一项用于衡量设备生产能力的计算方法标准，是实际合格产量与负荷时间内理论产量的比值。OEE 不仅考虑设备在时间上的利用情况，同时也考虑由于操作和工艺造成的性能降低和产品合格率问题，更全面的体现设备在生产中的利用情况和有设备生产出的产品质量问题。运用 OEE 方法还可以识别出并系统地降低由于统计波动和依存关系而带来的瓶颈工序设备的效率损失，使隐藏的或损失掉的产能释放出来，进而优化企业的生产工序，促进企业有效产能的提高。
1.2 OEE 的计算
设备综合效率 OEE 的计算 由三个因素组成，时间开动率、性能开动率和合格率，即
式 (2) 中的计划开动时间 = 日历工作时间 - 计划停机时间；实际开动时间 (设备负荷时间)= 计划开动时间 - 大停机时间，大停机时间主要包括设备故障、工装损坏、产品切换、原料缺料等较长的停工时间。
式 (3) 中的理论加工时间 = 理论加工节拍 × 实际生产数量，该指标主要是考量设备运行过程中性能发挥的情况，用于分析设备小停机、空转、速度下降等问题。
1.3 OEE 的影响因素分析
根据 OEE 的计算公式，我们可以从 OEE 三个指标的细化，分析影响设备综合效率的六大损失，如图 1 所示。
图 1 OEE 与六大损失的关系
结合汽车焊装车间的设备特点，本文主要从时间开动率和性能开动率两个方面来探讨提升设备综合效率的方法。
2 提高时间开动率的案例
2.1 案例背景
结合汽车焊装车间设备的特点，案例主要从减少设备大停机的时间来提高时间开动率。
随着市场对车辆的需求量增加，汽车的产能要求也逐年提升，生产线在设计线速内，如何能报交更多的产量，其中一个较大的影响因素就是设备大停机的时间。设备大停机之前，往往会表现出一些先兆，能及时的发现这些先兆并通过一定的方式去解决，就能避免产生更严重的设备问题。
汽车焊装车间的设备按照自诊断能力可以分为两类，即有自诊断能力的设备和没有自诊断能力的设备，这里将前者简称为智能元器件，后者简称为非智能元器件。故障发生时，智能元器件可以通过自诊断系统，显示出相应的故障报警以及处理办法，如模块、变频器等，且这类元器件更换简单；而非智能元器件则无法直观地检测到设备的近期状态是否正常，如电机、轴承、传感器等，且电机、轴承等更换操作复杂，部分传感器失效后会引起连锁的大停机。因此需要一种检测手段能实时检测无自诊断功能的元器件的近期状态，提前分析并判断异常点，利用停产时间进行相关的检查或更换，减少在计划生产时间中可能发生的大停机概率和时间。
2.2 案例实施
2.2.1 电机及减速机监测
电机及减速机是汽车焊装车间使用最多的一种设备，用于输送线传输、机器人、转台等设备，电机主要由变频器或控制，实现一定规律的运转。电机及减速机本身无自诊断系统，不能在无法运转之前报出故障。因此，可以借助控制电机的智能元器件 (变频器或等) 来监控电机的关键参数，如电流、转速、转矩等，形成曲线图，并与正常状态下的曲线图进行对比，找出差异点发生的时间段，缩小检查范围，逐步排查。下面以车间的机器人为例，介绍应用案例。
汽车焊装车间的机器人为六轴或七轴机器人，每个轴由一台伺服电机控制。机器人的伺服控制系统会对比每个轴电机的当前电流干扰力矩和最大电流干扰力矩这两个参数，当当前电流干扰力矩大于最大电流干扰力矩时，机器人产生碰撞报警等相关报警提示。根据碰撞报警产生的原理，除开机器人与外部设备发生碰撞的情况，碰撞报警的产生频次可以作为检测机器人每个轴电机及减速机状态的重要因素。
在机器人程序中，将每个轴电机的当前电流干扰力矩与最大电流干扰力矩的 80% 进行对比，如图 2 所示，x 轴代表次数，y 轴代表当前电流干扰力矩。
图 2 机器人 J1-J6 轴当前电流干扰力矩
图 2 所示为一台机器人 J1-J6 轴在一个循环周期内当前电流干扰力矩的曲线图，其中 J1 和 J5 轴各有一次当前电流干扰力矩与最大电流干扰力矩的比值超过 80%。超出后则向 PLC 输出 1S 的脉冲信号，PLC 对每个轴电机每天产生的脉冲信号进行计数并将收集到本系统内所有机器人的相关数据发送给 MES 系统，由 MES 系统将趋势图显示到 PMC 终端，供维修人员随时查看机器人数据。
维修人员得到相关数据后，利用计划性停产时间，按照趋势图中超标次数以从高到低的顺序，依次检查相应机器人的电机和减速机状态，利用机器人专用工具测量减速机油内的金属颗粒含量，提前找到并消除大停机隐患。
相同的方法也可用于其他由电机驱动的设备上，如滚床等。滚床等设备通过变频器采集整个循环时间内输出电流、转矩等值的变化曲线，当电机、减速机、轴承出现卡滞等问题时，电机输出电流会变大，与正常电流曲线对比，消除大停机隐患。
2.2.2 传感器状态监测
传感器状态相对于电机及减速机状态更简单直观，一般的传感器有电源指示灯和信号指示灯，可以依据这两个灯的状态以及模块接收情况来判断传感器的好坏。此处案例主要为减少因传感器信号闪断造成其他设备损坏的大停机概率。
案例中的生产线为一条输送线，由摩擦轮驱动摩擦杆带动小车前进。每个工位有 4 个传感器，分别为占位、减速、到位、超程。传感器通过检测小车上的感应条来判断小车位置，到位后夹紧器将小车夹紧进行工艺。由于工位 CT 的要求，小车的行进速度很快，当传感器故障导致小车不能及时减速或停止时，会与前一工位正在进行工艺的小车发生碰撞，导致夹紧器以及工艺设备 (机器人焊枪、抓手等) 损坏，造成大停机。
传感器闪断现象不易捕捉，且无规律，无法凭借指示灯状态判断出来。当出现闪断现象时，表明传感器已出现故障，需及时更换。闪断信号为一个脉冲信号，如图 3 所示。
图 3 传感器信号监测
在 PLC 程序中，利用 Traces 功能，将每个工位的传感器信号作为变量进行监控设置 x 轴为时间轴，y 轴为传感器的信号值，实时监测传感器的信号值变化，形成波形图。将波形图显示在现场 HMI 上，供现场维修人员随时查看，并添加到 PM 中。维修人员可以在 PM 过程或生产过程中，通过 HMI 上传感器的状态波形图，及早发现状态异常传感器并更换，减少因传感器失效导致的大停机。
2.3 案例实施后效果
机器人电机监测实施前，车间全年机器人减速机更换几率大约占机器人数量的 1%，单次维修用时约 4h，监测实施后，通过提前发现可能故障的机器人电机或减速机，并进行相应的检查优化，全年机器人电机 / 减速机更换次数降低至 0~1 次。
传感器状态监测实施前，该类型生产线全年因传感器故障导致的夹紧缸损坏或撞枪故障约 10 次，单次维修用时约 1h，监测实施后，根据传感器信号波形图，提前更换状态异常传感器，同类故障全年次数降低至 2~3 次，见表 1。
表1 监测实施前后相关大停机次数对比
根据以上数据及时间开动率公式，案例通过减少相关大停机的概率，减少了大停机时间，增加了实际开动时间，从而提高了时间开动率。
3 提高性能开动率的案例
3.1 案例背景
除开设备大停机导致的时间开动率降低，现场设备还会存在一些短暂停机 (堵料、缺料等) 或 CT (Cycle Time) 超标的情况，造成每个工位生产时间分布不均匀，无法确保良好的工作一致性，导致设备性能开动率低，因此提出了生产线平衡的概念。
使用生产线平衡方法可以减少浪费，优化资源配置，提高整体生产效率。在实施生产线平衡的过程中发现决定整条生产线的效率，并不是由最快的工位决定的，反而是由最慢的工位决定，最快与最慢之间的差距越大，企业的损失就越大，我们称为瓶颈工位，如图 4 所示。
图 4 瓶颈工位示例图
图 4 所示的 Op.20 和 Op.40 是整条生产线的瓶颈，能力明显低于客户要求，其中 Op.40 是整条生产线的最大瓶颈，Op.40 的损失会不折不扣的反应在系统的产出上，如果只安排资源对 Op.10、Op.20、Op.30 和 Op.50 进行改进，系统产出将不会有任何改善，相反每一项对 Op.40 的改进将立竿见影的反应在系统产出上。这就是分析瓶颈工位的必要性。
在一条生产流水线中，每一个步骤之间的不同步，就会产生瓶颈，瓶颈工位会影响生产效率，其他步骤将有空闲时间。即瓶颈工位会引起生产线相邻其他工位的堵料和缺料，造成等待浪费。下述案例描述一种通过监测各种短暂停机时间以及 CT 的方式来分析瓶颈工位、提升设备性能开动率的方法。
3.2 案例实施
以单个工位为例，PLC 增加程序，当满足一定的条件 (发生堵料、缺料、故障等情况时)，给 PMC 发出相关的交互信号，PMC 开始计时，并将各种不同的情况进行分类，计数、统计，最终输出一份包含每个工位堵料、缺料、故障、CT 等数据的报表，生产、维修人员通过报表的数据来分析瓶颈工位。
先对各种异常情况进行定义，当工位没有故障，没有急停信号，工位空车 XXs 后开始计缺料时间；工位没有故障，没有急停信号，工位有车且工艺完成 XXs 后开始计堵料时间；工位有故障报警 (包含急停、开门等) 后给至 PMC 程序后，开始计故障时间，故障消除后停止；工位进车开始计 CT 时间，工位出车停止计时。故障、急停、开门中断 CT 计时，保证堵料、缺料、故障、CT 没有重叠。图 5 所示为部分工位堵料 PLC 计时程序。
图5 部分工位堵料PLC 计时程序
工位开始计时的信号给到 PMC 后，PMC 将各种计时的结果及报表实时显示到现场的 PMC 终端，如图 6 和图 7 所示。
图 6 PMC 显示界面
图7 PMC 报表
图 6 所示直观的反馈了每个工位实时的各种异常状态的计时，图 7 所示反馈了整条生产线每个班次的异常状态统计。
3.3 案例实施后结果
根据如图 7 所示的报表，可以明显看出 60 工位为整条生产线的瓶颈工位，CT 超过整条线其他工位，导致 60 前面的工位堵料时间长，60 后面的工位缺料时间长，整条生产线的产出受 60 工位的影响。生产和维修人员结合报表的数据，对生产线进行分析，通过调整焊点、优化机器人轨迹和 PLC 时序等方式，对 60 及其相邻工位进行了调整和优化。
图 8 40 工位优化前后时间分配对比
图 9 80 工位优化前后时间分配对比
调整和优化后，40 工位减少了堵料时间，80 工位减少了缺料的时间，都增加了正常生产时间，提高了设备的性能开动率。
4 结论
OEE 在企业中常用来分析影响设备利用的机器和人员方面原因，并对各种原因进行改善，从而大大提高了设备的利用率，缩短了生产周期，降低了成本，提高了有效产出。本文从 OEE 的计算公式出发，结合六大损失，从设备方面的角度探讨了关于提升汽车焊装车间的时间开动率和性能开动率，进而提升 OEE 的方法。
文章来源《2024中国汽车工程学会年会论文集》作者：东风汽车集团有限公司研发总院 魏雪冰 曹辉
