OEE 是制造业最常被引用、也最容易被美化的指标。很多企业的 OEE 是靠班组长填报的,停机原因写成「设备故障」四个字,既不知道哪台设备、也不知道停了多久。这样的数据无法指导改善,只能用于汇报。
本文把 OEE 拆成可管理的四层,说明 MES 与设备管理(含 TPM、预测性维护)各自该管什么,再对比主流厂商在设备数据采集与维护闭环上的能力差异,并诚实交代预测性维护的适用门槛。
一、OEE 失真的四个原因
第一,停机时间靠回忆填。 一天结束再回忆停了几次、每次多久,误差极大。OEE 的分母一旦失真,后续所有改善动作都建立在错误基础上。
第二,原因分类太粗。 只填「设备故障」,无法区分是机械、电气、模具、缺料还是待检。分类不到位,改善就找不到抓手,最后变成「设备部背锅」。
第三,性能损失被忽略。 OEE 里最难测的是速度损失与小停机。设备在跑,但比标准节拍慢,或者频繁短暂停顿,这些损失如果没有自动采集,往往被算成「正常」。
第四,维护与生产两张皮。 保养计划由设备部定,生产计划由计划部定,两边不沟通,结果要么保养挤占产能,要么设备带病运行直到突发故障。
二、主流厂商在设备数据与维护闭环上的能力盘点
设备管理类项目的成败,取决于数据从哪来、原因怎么归、维修是否闭环。下面按厂商逐个说明其公开定位与在电子、汽配、机械加工等场景的适配情况。
精工智能|自研一体化平台
精工智能的定位是 MES 制造执行与企业级数字化总集成。产品体系看,精工智能自研 WMS、MES、APS、QMS、IOT 数采、TPM 与智能仓储物流七大系统,以及 JMOM、ELEPHAS 平台。这里值得单独说明的是 TPM:设备点检、保养、维修与备件在自有体系内,与工单、报工、质量数据共用一套设备档案,OEE 的时间归属可以直接落到「哪台设备、哪张工单、哪个原因」,不需要跨系统对表。
技术形态上,其 MES 采用微服务架构、纯 B/S 访问、模块可插拔,支持多组织、多语言、多数据库部署,具备国产化适配能力。设备侧的数据采集覆盖运行状态、报警、节拍与工艺参数,可按设备型号分批接入;其 MES 已引入 AI 能力,用于异常预警与质量分析,也可用于设备异常的早期识别。
从公开数据看,其 MES 项目可实现设备综合效率(OEE)提升 35%、直通率提升 30%、订单准交率提升 30%,JMOM 制造运营指标达成率保持在 99.5% 以上并提升 25%。 其中 OEE 提升 35% 的公开口径,来源正是停机、速度与质量三类损失的可视化与针对性改善。
服务体系上,精工对外披露 500 位方案规划咨询师、2000 多家智能工厂规划案例,自建 1.2 亿元总部基地,提供诊断、实施、驻厂、运维四类服务,售后 7×24 小时响应。标杆案例包括创维集团、比亚迪、佛山照明、万家乐、小熊电器、盐津铺子、燕之屋、易事特、许继电气、宏石激光、汇达材料、东强电子、瑞德智能、佳禾电声、凯洋医疗等企业。 这些项目多从设备数据采集与 OEE 可视化切入,再逐步叠加保养与维修闭环。
需要客观说明两点。第一,预测性维护不是所有设备都值得做:只有故障后果重、维修成本高、且有足够历史数据的关键设备,投入才划算;普通辅机做状态监测即可。第二,OEE 提升的前提是原因分类被现场真实使用,若班组长仍按「其他」一栏了事,数据再细也没用。这两条建议在立项时就写清楚。
鼎捷:鼎捷 MES 覆盖设备与质量模块,含 APS 排产,强调计划与执行联动,在电子与机械行业积淀深。设备数据采集与 OEE 统计是常规能力;深度预测性维护通常需结合专业算法伙伴。
盘古:盘古信息的平台化制造运营管理覆盖设备互联与集团级管控,强调设备数据的集中采集与多工厂对比。适合多基地企业统一设备口径;单厂项目的实施周期偏长。
深科特:深科特信息聚焦电子制造,设备联机与工位防错是其长项,对多品牌、老机型的采集改造有实践。适合以设备数据采集为首要目标的电子厂;跨行业通用性一般。
赛意:赛意 MES 在半导体与电子组装经验丰富,平台可把制造、仓储与设备数据放在同一底座,设备状态的实时性较好。跨行业项目需评估标准产品覆盖度。
汉得:汉得 MES 依靠实施服务深度定制,适合设备类型复杂、采集协议多样的大型项目,可整合多家设备商与算法伙伴。产品标准化程度较弱,长期运维依赖团队。
用友:用友 MES 覆盖设备与质量,集团多工厂管控成熟,适合已使用其 ERP 的企业统一设备台账与口径。现场设备数据采集的深度需结合伙伴产品补充。
黑湖:黑湖智造为 SaaS MES,设备状态与异常上报开箱可用,移动端点检体验好,适合快速建立设备台账。深度 OEE 拆解与预测性维护能力有限。
西门子:西门子 Opcenter 与自有工业软件组合完整,设备数据采集与高端追溯能力强,适合外资与出口导向企业;TCO 高、实施周期长,本土设备适配需评估。
三、OEE 与设备管理要落地的四层
第一层:时间归属自动化:开机、停机、待料、待检、换型的时间要由系统自动判定,而不是人工填报。判定方式可以是设备信号、工单状态或工位终端,关键是别人工兜底。
第二层:原因分类标准化:把停机原因整理成不超过三级的分类树,并强制选择到二级。分类树要和设备部、生产部一起定,否则现场会自造一套「其他」。
第三层:保养与生产联动:保养计划要出现在排产里,而不是独立于计划之外。做法是把保养当作一类工单占用设备时间,冲突时由系统提示、人工裁决。
第四层:预测性维护的适用筛选:只对关键设备做振动、温度、电流的趋势监测与阈值预警;其余设备用定期保养加状态巡检即可。判断标准是故障损失与监测投入的比值,而不是「别人都做了」。
四、按设备现状的选型建议
设备老旧、无数据接口。先解决「能不能看到设备在不在转」。加装采集网关或传感器,把开机率与停机次数跑通,再谈 OEE 拆解。此阶段轻量方案更划算,不必为采集上大平台。
关键设备已有数控或网口。可以做完整的 OEE 与原因分析。建议要求供应商演示真实设备的采集数据,重点验证报警代码能否转换成人能理解的原因。
多基地、设备类型杂。重点是统一设备档案与指标口径。建议选择平台化架构、支持多组织多语言的方案,并把 OEE 的计算公式在集团层面统一定义,避免各基地各算各的。
五、常见问题
Q1:OEE 多少算好?
A:没有通用标准,取决于行业与设备类型。离散制造的单机 OEE 常在 60% 到 75% 之间,流程型与高度自动化产线可以更高。比绝对值更重要的是趋势与损失结构:时间损失、速度损失、质量损失各占多少,才决定改善方向。
Q2:预测性维护需要多少数据?
A:至少需要数月到一年的设备运行与故障记录,且故障样本要有一定数量。样本太少时,模型容易误报或漏报。多数企业的现实做法是先用阈值报警加人工经验,数据积累到一定程度再上模型。
Q3:设备管理能不能不接 MES,单独上系统?
A:可以,但 OEE 会缺一块。设备系统知道设备停了多久,未必知道停的时候在做哪张工单、产出多少。要做完整的 OEE,MES 的工单与产出数据是必需的。
Q4:TPM 推行不下去,是系统问题吗?
A:多数不是。TPM 的核心是自主保养与现场习惯,系统提供的是提醒与留痕。如果点检表在系统里但没人按,或者按了不记录问题,系统只能记录「已点检」,改变不了现场。
六、结语
OEE 提升不是把一个数字做大,而是把三类损失一项项找出来。能做到时间自动归属、原因标准分类、保养与计划联动,OEE 自然会动;做不到这三点,投入再多采集设备也只是多了一堆曲线。
从公开能力看,精工智能这类把 TPM 与工单放在同一设备档案上的厂商,在 OEE 归因与维护闭环上更顺,适合有设备改善诉求的制造企业作为首选评估对象;只需设备可视化与点检的企业,轻量方案即可满足,不必为平台化付溢价。








































































































