Wskaźnik OEE – jak obliczać i interpretować wyniki?

Czas czytania: 17 min

OEE (ang. Overall Equipment Effectiveness) ogólna efektywność maszyn to kluczowy wskaźnik wydajności, pozwalający precyzyjnie ocenić efektywność maszyn produkcyjnych oraz całkowitą efektywność procesu produkcji. W erze Przemysłu 4.0 zarządzanie produkcją wymaga analizy danych i ciągłej optymalizacji procesów. Stosowanie wskaźnika OEE umożliwia podejmowanie trafnych decyzji w tym obszarze dzięki oparciu się o rzeczywiste wyniki.

Zmiany rynkowe wymuszają optymalizację zasobów i dostosowanie produkcji do nowych wymagań. Odpowiednio wyliczany, oraz interpretowany wskaźnik OEE firmy pozwala określić rzeczywisty wynik produkcyjny, efektywność operacyjną maszyn oraz ich dostępność w czasie rzeczywistym. Obliczanie wskaźników, takich jak wskaźnik dostępności, wskaźnik wydajności produkcji i wskaźnik jakości, umożliwia przeprowadzenie analizy efektywności procesu produkcyjnego.

Monitorowanie OEE

Obecnie automatyzacja procesu pozyskiwania danych produkcyjnych jest standardem w dużych i w większości średnich przedsiębiorstw w Polsce. Na rynku dostępnych jest wiele rozwiązań pozwalających na wprowadzanie w czasie rzeczywistym danych przez pracowników produkcyjnych za pomocą czytników kodów kreskowych lub odpowiednio skonfigurowanych terminali dotykowych. Na rynku są dostępne systemy pozwalające na zbieranie danych produkcyjnych ich analizę w czasie rzeczywistym, są to systemy klasy MES (Manufacturing Execution System), natomiast za zbieranie danych z czujników maszyny są odpowiedzialne systemy IoT (Internet of Things). Kluczowe parametry pracy maszyn, takie jak rzeczywisty czas pracy maszyn, operacyjny czas produkcyjny i czas przezbrojeń wpływają bezpośrednio na wynik OEE – dzięki systemom klasy MES z podłączeniem do maszyn z wykorzystaniem odpowiednich czujników (systemy IoT) możliwa jest automatyzacja procesu zbierania tych właśnie danych. Jeśli firma wykorzystuje do harmonogramowania zleceń produkcyjnych systemy klasy APS uzyskuje wówczas planowany czas pracy maszyny (czas zaplanowany dla realizacji zlecenia na danej maszynie), korelując te dane z informacjami pochodzącymi z systemów MES otrzymuje całkowity czas produkcji maszyn -a już taki zestaw danych pozwala dostrzec nieharmonogramowany czas produkcyjny. Posiadanie rzeczywistych danych, które pochodzą z gruntu produkcyjnego daje argumenty do zmian w technologii produkcji danego wyrobu np. możemy skorygować normatywny czas realizacji zlecenia produkcyjnego czy czas wymagany na przezbrojenie.

Wykorzystując rozwiązania klasy APS oraz MES otrzymujemy informacje pozwalające odpowiedzieć na pytania:

• Ilu pracowników jest potrzebnych do realizacji bieżących zleceń?
• Jakie zasoby są niezbędne do zwiększenia wydajności procesu?
• Jakie są moce produkcyjne po przezbrojeniu maszyn?
• Które elementy procesu stanowią wąskie gardła?

Wynik OEE pozwala określić poziom wskaźnika OEE, a także wpływ poszczególnych jego składników na efektywność produkcji i optymalizację procesów. Lean Management i KPI (Key Performance Indicators) wspierają wyznaczanie celów i monitorowanie postępów wdrażanych optymalizacji. Odpowiednia analiza parametrów, jak czas operacyjny maszyn, nominalny czas produkcyjny i wskaźnik ogólnej efektywności, pomaga osiągnąć World Class OEE.

Stosowanie wskaźnika OEE jest kluczowe dla efektywności operacyjnej, poprawy wydajności maszyn i optymalizacji procesów. Wykorzystanie wskaźnika OEE umożliwia skuteczne zarządzanie produkcją i maksymalizację całkowitej efektywności wyposażenia, dodatkowo realizacja zleceń produkcyjnych i wskaźnik całkowitej efektywności maszyn (OEE) są ze sobą ściśle powiązane, gdyż efektywność pracy maszyn ma bezpośredni wpływ na terminowość i jakość realizowanych zamówień, a to przekłada się na zadowolenie klientów i uzyskanie odpowiedniego poziomu konkurencyjności.

Dowiedz się więcej o rozwiązaniu SFC 4FACTORY

Jak jest wyliczany wskaźnik OEE, jak interpretować wyniki?

Wskaźnik OEE (ang. Overall Equipment Effectiveness) czyli wskaźnik wykorzystania maszyn (efektywność pracy maszyn) pozwala na procentowe ujęcie stopnia wykorzystania parku maszynowego. Jest wskaźnikiem złożonym, przedstawianym jako iloczyn wskaźników dostępności, wykorzystania i jakości.

Dostępnych jest wiele różnych interpretacji i sposobów obliczania tego wskaźnika czyli OEE (Overall Equipment Effectiveness). Aby uniknąć rozbieżności warto oprzeć się np. o dostępną normę ISO 22400-2:

gdzie:

• A – Dostępność maszyn (ang. Availability)
• E – Wydajność (ang.Performance Efficiency Rate, PER)
• Q – Jakość produkcji (ang. Quality)

Składowe wskaźnika OEE :

Wskaźnik dostępności (czas dostępny do produkcji) jest to stosunek czasu planowanego pracy w danym okresie do rzeczywistego czasu pracy maszyny w tym samym okresie. Wyrażony jest wzorem:

gdzie:

• APT – Rzeczywisty czas pracy maszyny (ang.Actual Production Time),
• PBT – Planowany czas pracy maszyny (ang. Planned Busy Time).

Wskaźnik wykorzystania (wydajności) – kluczowy wskaźnik wydajności to stosunek normatywnego czasu jednostkowego do rzeczywistego czasu potrzebnego do wykonania 1 szt. wyrobu. Wyrażony jest wzorem:

gdzie:

• PRI – planowany czas jednostkowy (ang. Planned Run time per Item),
• PQ – ilość wytworzonych wyrobów
• APT – Rzeczywisty czas pracy maszyny (ang. Actual Production Time).

Wskaźnik jakości to stosunek wyrobów dobrych do ogólnej liczby wyrobów wyprodukowanych w danym okresie.

Wyrażony jest wzorem:

gdzie:

• GQ – ilość wyrobów dobrych,
• PQ – ilość wszystkich wytworzonych wyrobów.

Poprawa tych wskaźników wpływa na efektywność procesu produkcyjnego. Wartość wskaźnika OEE pozwala określić efektywność operacyjną maszyn i minimalizować nieplanowane przestoje.

Pomimo powszechności ogólnego wzoru obliczania wskaźnika OEE w praktyce można spotkać różne podejścia do wyznaczania jego wartości oraz interpretacji wyników. Przykładem może być podział na OEE globalne i OEE techniczne. W pierwszym przypadku planowany czas pracy maszyny (PBT) nie uwzględnia planu produkcji i wynikającego z niego obciążenia. W drugim przypadku PBT wyznaczany jest w oparciu o istniejący plan produkcyjny. Niezależnie od wybranego podejścia, do wyznaczenia wartości wskaźnika potrzebne są konkretne dane produkcyjne, a wynik wskaźnika zależy od poprawności zebranych danych. Poprawa poszczególnych składowych wskaźników wpływa na efektywność procesu produkcyjnego. Większość firm produkcyjnych po wdrożeniu systemu przedstawiającego poziom wskaźnika OEE rozpoczyna naturalny proces poprawy poszczególnych elementów mających wpływ na wynik tego wskaźnika, dążąc do uzyskania jak najlepszej efektywności swoich maszyn.

Wreszcie sztuczna inteligencja wkracza również do hal produkcyjnych – trwa nabór do projektu AI 4FACTORY.
Nawet dwukrotny spadek awaryjności maszyn i znaczny wzrost efektywności produkcji, to tylko niektóre zalety naszego rozwiązania. Jeśli chcesz sprawdzić w jaki sposób w Twojej firmie można zastosować mechanizmy działania Netflix i Twittera, kliknij banner poniżej.

Gromadzenie danych produkcyjnych

Istotną kwestią przy wyznaczeniu i analizie wskaźników efektywności jest określenie źródła danych oraz Istotną kwestią przy wyznaczeniu i analizie wskaźników efektywności jest określenie źródła danych oraz usystematyzowanie sposobu ich gromadzenia. Nieodpowiednio zebrane dane, oraz często dodatkowy czas operatorów potrzebny na ich pozyskanie mogą zafałszować końcowy wynik i wpłynąć na poziom wskaźnika OEE.

W wielu firmach produkcyjnych systemy premiowania pracowników w dużej mierze opierają się na wartościach wyznaczonych wskaźników, co sprawia, że przejrzystość obliczania OEE oraz procesu zbierania danych staje się bardzo ważnym elementem budowania motywacji i zaangażowania załogi. Dobrze jest, jeżeli każdy pracownik niezależnie od stanowiska ma możliwość zrozumienia sposobu obliczania wskaźników oraz wie skąd pochodzą dane do ich wyznaczania. Pracownicy lepiej utożsamiają się z celami firmy, skupiają się na efektywne wykorzystanie czasu pracy, gdy widzą wpływ swojego działania na wartość wskaźnika OEE oraz wydajność pracy maszyn.

Obecnie automatyzacja zbierania danych jest standardem w średnich i dużych zakładach produkcyjnych. Systemy IoT (Internet of Things), Przemysł 4.0 oraz MES (Manufacturing Execution System) umożliwiają pozyskiwanie danych w czasie rzeczywistym i eksponowania tych danych dla różnych obszarów zarządzania przedsiębiorstwem. Automatyzacja procesu zbierania danych dodatkowo uwalnia pracowników produkcyjnych od ręcznego zapisywania danych w arkuszach Excela na temat sytuacji na produkcji, zwiększa to ich efektywny czas pracy na właściwych dla procesu działaniach – eliminacja ręcznego zapisywania danych przez operatorów redukuje błędy i przyspiesza dystrybucję danych pochodzących z gruntu produkcyjnego.

Korzyści wynikające z wykorzystania systemów automatyzujących proces zbierania danych bezpośrednio z maszyn to:

• Ograniczenie czasu potrzebnego do wprowadzenia danych,
• Jednoznaczność wprowadzonych danych (kto, co, gdzie, kiedy),
• Ograniczenie błędów podczas wprowadzania danych,
• Dostępność danych w czasie rzeczywistym,
• Możliwość automatycznego obliczania wskaźników efektywności produkcji (KPI)

Efektywność maszyn wykorzystywanych jest możliwa do zoptymalizowania właśnie dzięki udostępnieniu wartości wskaźnika OEE w czasie rzeczywistym menadżerom produkcji. Takie podejście pozwala na szybkie wykrywanie błędów w przyjętych do produkcji założeniach np. pokazuje różnice między planowanym czasem produkcji a operacyjnym czasem produkcyjnym, dzięki temu możliwa jest właściwa korekta danych podstawowych w zdefiniowanych procesach produkcyjnych.

Jakich danych potrzebujemy do obliczenia współczynnika OEE?

Po zgromadzeniu danych dla metody wyliczanego wskaźnika OEE wykorzystywane są dane dotyczące planowanego oraz rzeczywistego czasu pracy maszyn, ilości wyprodukowanych wyrobów oraz nominalny czas produkcyjny poszczególnych operacji. Wskaźnik OEE pozwala zobrazować efektywność wykorzystania maszyn, dostarcza kompleksowej oceny ich pracy w trzech kluczowych obszarach: dostępności, wydajności i jakości. Dzięki temu przedsiębiorstwo może:

• Identyfikować straty produkcyjne
• Optymalizować harmonogramy pracy maszyn
• Poprawiać procesy produkcyjne
• Redukować koszty operacyjne

Dane wykorzystywane do procesu wyliczania wskaźnika OEE muszą być jasno opisane – w jaki sposób są pobierane. Kluczem jest zrozumienie idei zbierania danych i ciągła praca na doprowadzeniem ich do odpowiedniej jakości. Tylko dane zebrane w sposób rzetelny dają poprawny wynik OEE i zielone światło na dokonywanie zmian w wykorzystywanych procesach produkcyjnych.

Wskaźniki rosną albo spadają – analiza danych kluczem do sukcesu

Śledzenie trendów OEE pozwala identyfikować odchylenia od normatywnego poziomu i optymalizować wydajność procesu produkcyjnego. Analiza obejmuje wskaźniki efektywności produkcji na poziomie wydziałów, gniazd produkcyjnych i parametrów pracy maszyn. MES oraz IoT (np. SFC 4FACTORY,  IOT 4FACTORY) umożliwiają zbieranie danych w czasie rzeczywistym, bezpośrednio z gruntu produkcyjnego. Analizując dane na bieżąco można szybko skorygować kluczowe parametry i poprawiać wydajność maszyn produkcyjnych.

Warto jest mieć na uwadze, że suche dane same w sobie bez odpowiedniej analizy nie dostarczają wystarczających informacji do podejmowania właściwych decyzji. Aby prawidłowo zinterpretować duże ilości danych należy je uporządkować oraz poddać odpowiedniej analizie, tak aby odróżnić szumy od sygnałów. Każdy proces produkcyjny charakteryzuje się pewną naturalną zmiennością i nie zawsze chwilowe pogorszenie się danego wskaźnika świadczy o problemie na hali. Z drugiej strony istotny problem w konkretnym obszarze może zostać ukryty w wyliczonej średniej. Aby, uniknąć konieczności reagowania na każdą chwilową zmienność danych warto analizować wskaźniki w czasie, analizując trend oraz średnie odchylenia od specyfikacji lub ustalonego celu. Dodatkowo warto też, analizować wskaźniki nie tylko globalnie ale także z dokładnością do wydziału, gniazda i konkretnej maszyny. Takich możliwości dostarczają odpowiednio skonfigurowane systemy BI (Business Intelligence). Umożliwiają one wydobywanie wiedzy z dużej ilości pozyskanych danych oraz oferują możliwość przekształcania i analizy danych, tak aby możliwie szybko można było dotrzeć do źródła problemu.

Połączenie systemu MES z systemem BI pozwala bardzo mocno zoptymalizować proces analizy danych, w systemach BI bardzo szybko można osiągnąć zadawalający obraz skrojonych pod potrzeby dashboardów za pomocą których w czasie rzeczywistym możemy monitorować wskaźniki KPI, takie jak:

• Śledzenie trendów OEE pozwala identyfikować odchylenia od normatywnego poziomu i optymalizować wydajność procesu produkcyjnego. Analiza obejmuje wskaźniki efektywności produkcji na poziomie wydziałów, gniazd produkcyjnych i parametrów pracy maszyn. MES oraz IoT (np. SFC 4FACTORY,  IOT 4FACTORY) umożliwiają zbieranie danych w czasie rzeczywistym, bezpośrednio z gruntu produkcyjnego. Analizując dane na bieżąco można szybko skorygować kluczowe parametry i poprawiać wydajność maszyn produkcyjnych.
• Warto jest mieć na uwadze, że suche dane same w sobie bez odpowiedniej analizy nie dostarczają wystarczających informacji do podejmowania właściwych decyzji. Aby prawidłowo zinterpretować duże ilości danych należy je uporządkować oraz poddać odpowiedniej analizie, tak aby odróżnić szumy od sygnałów. Każdy proces produkcyjny charakteryzuje się pewną naturalną zmiennością i nie zawsze chwilowe pogorszenie się danego wskaźnika świadczy o problemie na hali. Z drugiej strony istotny problem w konkretnym obszarze może zostać ukryty w wyliczonej średniej. Aby, uniknąć konieczności reagowania na każdą chwilową zmienność danych warto analizować wskaźniki w czasie, analizując trend oraz średnie odchylenia od specyfikacji lub ustalonego celu. Dodatkowo warto też, analizować wskaźniki nie tylko globalnie ale także z dokładnością do wydziału, gniazda i konkretnej maszyny. Takich możliwości dostarczają odpowiednio skonfigurowane systemy BI (Business Intelligence). Umożliwiają one wydobywanie wiedzy z dużej ilości pozyskanych danych oraz oferują możliwość przekształcania i analizy danych, tak aby możliwie szybko można było dotrzeć do źródła problemu. Połączenie systemu MES z systemem BI pozwala bardzo mocno zoptymalizować proces analizy danych, w systemach BI bardzo szybko można osiągnąć zadawalający obraz skrojonych pod potrzeby dashboardów za pomocą których w czasie rzeczywistym możemy monitorować wskaźniki KPI, takie jak:
• wskaźnik wydajności produkcji,
• wskaźnik jakości produkcji,
• wskaźnik dostępności czas.

Przeczytaj również: JIDOKA – jeden z filarów Toyota Production System (TPS)

Czego nie mówi nam wskaźnik OEE?

OEE to kluczowy wskaźnik wydajności – efektywności wyposażenia. Analizując wartość wskaźnika dla poszczególnych maszyn możemy określić czas pracy każdej z nich oraz wskazać obszary i procesy o dużym potencjale do poprawy, aby zaplanować działania optymalizacyjne w miejscach, które najbardziej tego wymagają. Sukcesywne wykorzystywanie OEE pozwala na skuteczne zarządzanie procesami produkcyjnymi. W przypadku w pełni zautomatyzowanej produkcji maksymalne wykorzystanie parku maszynowego może być głównym i wystarczającym miernikiem efektywności procesu produkcyjnego, jednak w procesach wymagających udziału operatorów warto uwzględnić dodatkowe wskaźniki KPI (Key Performance Indicators).

W praktyce większość procesów nie jest w pełni zautomatyzowana i ważną rolę w określeniu efektywności produkcji odgrywa także wydajność pracowników. W przypadku maszyn pracujących samodzielnie, gdzie rola operatora ogranicza się do ustawienia, włączenia i przezbrojenia maszyny OEE także może okazać się niewystarczającym miernikiem efektywności procesu. Wskaźnik OEE niewiele nam mówi o dostępności i wydajności pracy pracowników produkcyjnych. Jeżeli wydajność załogi odgrywa istotną rolę w kosztach wytworzenia warto rozważyć wprowadzenie dodatkowych KPI np. wskaźnik ogólnej efektywności pracy – wskaźnik OLE (Overall Labor Effectiveness), który może być uzupełnieniem wskaźnika OEE jest wyznaczany analogicznie do OEE z tą różnicą, że dostępność i wydajność maszyn jest zastąpiona dostępnością i wydajnością pracowników. Pomocne przy określeniu efektywności dyskretnych i małoseryjnych procesów produkcyjnych mogą okazać się także wskaźnik rzeczywistej produktywności PA (Productivity Actual) oraz współczynnik wydajności PER (Performance Efficiency Rate) te dane pomagają analizować rzeczywisty wynik produkcyjny.

Obliczanie wskaźników efektywności produkcji można zautomatyzować za pomocą systemów klasy MES (Manufacturing Execution System) i IoT (Internet of Things). Dane rejestrowane w czasie rzeczywistym pozwalają monitorować operacyjny czas produkcyjny, nominalną wydajność maszyny oraz wykorzystanie maszyn – wpływa to na poprawę efektywność wykorzystania maszyn oraz optymalizację procesów produkcyjnych. Przy wyborze odpowiedniego systemu do raportowania czasu produkcji warto zwrócić uwagę na możliwość rejestrowania aktywności zarówno maszyn jak i pracowników, a także możliwość wprowadzania danych w sposób automatyczny bezpośrednio z maszyn (IoT) to w nieodległej przyszłości stanie się standardem i otworzy nowe możliwości poprawy efektywności procesów i wykorzystania sztucznej inteligencji (AI) przy podejmowaniu decyzji dotyczących m.in. ustawienia optymalnych parametrów pracy maszyn w oparciu o aktualne dane pochodzące bezpośrednio z procesu produkcyjnego.

World Class OEE to poziom wskaźnika OEE uznawany za wzorcowy. Osiągnięcie tego poziomu wymaga eliminacji nieplanowanych przestojów, redukcji strat czasowych oraz kontroli nad operacyjnym czasem maszyn. Systemy Business Intelligence (BI) integrujące się z MES i IoT umożliwiają dynamiczną analizę danych produkcyjnych, wspierając zarządzanie produkcją i optymalizację procesów.

Przemysł 4.0 wprowadza nowoczesne podejście do zarządzania efektywnością produkcji. Oprócz OEE, firmy produkcyjne mogą analizować wskaźnik jakości, wskaźnik dostępności czas oraz wskaźnik wydajności produkcji. Optymalizacja czasu cyklu i ścisła kontrola nad wydajnością maszyn pozwalają zwiększać efektywność operacyjną i poprawiać konkurencyjność zakładów produkcyjnych.

Podsumowując, wykorzystanie wskaźnika OEE stanowi fundament dla ciągłego doskonalenia procesów produkcyjnych, dzięki wskaźnikowi OEE przedsiębiorstwa nie tylko potrafią lepiej zarządzać zasobami, ale także dynamicznie reagować na zmieniające się warunki rynkowe.

Przeczytaj również: MTTF, MTBF i MTTR – czy warto „poświęcać” czas na mierzenie tych wskaźników?

Jeżeli nadal czytasz ten artykuł może to oznaczać, że widzisz potrzebę rozwoju swojej organizacji, a szansy na to upatrujesz m.in. we wdrożeniu systemów IT dedykowanych dla produkcji. Rodzina produktów DSR 4FACTORY została zaprojektowana tak, aby wspomóc firmy produkcyjne w realizacji celów biznesowych niezależnie od wielkości i rodzaju produkcji. Elastyczne rozwiązania i wieloletnie doświadczenie naszych pracowników pozwolą na dopasowanie odpowiednich rozwiązań do Twoich potrzeb. Moduł SFC 4FACTORY pozwala na rejestrację czasu pracy pracowników oraz maszyn, a także na raportowanie ilości wykonanych z dokładnością do pojedynczej operacji. Moduł IOT 4FACTORY pozwala na rejestrację i analizę dużej ilości danych na podstawie sygnałów pochodzących bezpośrednio z maszyn za pomocą czujników PLC. Oba moduły są w pełni kompatybilne z programem Power BI co pozwala na automatyczne wyliczanie wskaźników KPI i bieżące monitorowanie ich wartości.

Więcej informacji dot. rozwiązań SFC 4FACTORY i IOT 4FACTORY znajdą Państwo tutaj:https://www.4factory.com/pl/

Autorzy:

Kamil Mostowy

Project Manager DSR 4FACTORY

Adam Szafrański

Przeczytaj także:

Jak prawidłowo zorganizować miejsca pracy czyli zasady 5S w przedsiębiorstwach?

Dlaczego harmonogramowanie jest tak krytyczne?

ERP i CRM. Co to jest? Jakie są kluczowe różnice i korzyści?

Dziesięć mitów o harmonogramowaniu przy ograniczonych zasobach

Fazy zasady Pareto i metodologia w harmonogramowaniu produkcji

Dziesięć najczęstszych błędów popełnianych przy wdrażaniu systemów harmonogramowania i sposoby ich unikania