OEE viser, hvor meget af jeres planlagte produktionstid der bliver til gode emner ved den ideelle hastighed. Men hvis tallet skal bruges til at forbedre driften, skal I også kunne se, hvad der trækker det ned.
I kender situationen: Linjen har kørt det meste af skiftet, men outputtet matcher ikke forventningen. Var problemet nedetid, langsom kørsel eller emner, der måtte kasseres?
Her får I en praktisk forklaring på OEE, et gennemregnet eksempel og en måde at bruge målingen på i hverdagen. Vi ser også på, hvad et godt niveau er, hvilke målefejl I skal undgå, og hvor data og AI giver mening.
Hvad er OEE, og hvad fortæller det jer?
OEE står for Overall Equipment Effectiveness. Det samler tilgængelighed, performance og kvalitet i ét tal, så I kan se, hvor stor en del af den planlagte produktionstid der reelt bliver udnyttet til god produktion.
- Tilgængelighed: Hvor meget af den planlagte produktionstid kører udstyret?
- Performance: Hvor tæt kører udstyret på den ideelle hastighed, mens det er i drift?
- Kvalitet: Hvor stor en del af de producerede emner er gode emner?
Brug ikke kun det samlede tal på tavlemødet. Bed også om at få vist komponenterne og de registrerede tab, så samtalen handler om konkrete hændelser frem for et gennemsnit.
Hvis tilgængeligheden er problemet, skal I undersøge stop. Hvis performance trækker ned, skal I se på små stop og langsom kørsel. Hvis kvaliteten falder, skal I finde årsagerne til kassation under produktion og opstart.
OEE er derfor mest nyttigt som udgangspunkt for handling. Spørgsmålet er ikke bare, hvad tallet blev, men hvilket tab I vil arbejde med på næste skift.
OEE-beregning: formel og gennemregnet eksempel
Den grundlæggende OEE-formel er:
OEE = Tilgængelighed × Performance × Kvalitet
Komponenterne beregnes sådan:
- Tilgængelighed = driftstid / planlagt produktionstid.
- Performance = ideel cyklustid × antal producerede emner / driftstid.
- Kvalitet = gode emner / producerede emner.
Hold enhederne ens. Når driftstiden står i minutter, skal cyklustiden også stå i minutter. Brug desuden samme afgrænsning for alle registreringer, så tid, produktion og kassation vedrører det samme skift eller den samme ordre.
Eksempel: En fiktiv linje på ét skift
Linjen har en planlagt produktionstid på 480 minutter. Der registreres samlet 47 minutters stop, og driftstiden er derfor 433 minutter.
Den ideelle cyklustid er 30 sekunder, svarende til 0,5 minut pr. emne. Linjen producerer 780 emner, hvoraf 741 er gode.
| Måling | Beregning | Resultat |
|---|---|---|
| Tilgængelighed | 433 / 480 | 90,2 % |
| Performance | 780 × 0,5 / 433 | 90,1 % |
| Kvalitet | 741 / 780 | 95,0 % |
| OEE | 90,2 % × 90,1 % × 95,0 % | 77,2 % |
I kan kontrollere resultatet med den alternative formel:
OEE = antal gode emner × ideel cyklustid / planlagt produktionstid
Her giver det 741 × 0,5 / 480 = 77,2 %. Brug de uafrundede værdier i selve beregningen, og afrund først resultatet til visning.
I eksemplet svarer hvert procentpoint OEE til 4,8 minutters fuld produktion pr. skift, altså knap 10 gode emner. Det gør tallet lettere at diskutere på gulvet: Hvilket konkret tab skal fjernes for at frigøre den produktionstid?
Det er ikke et løfte om ekstra output. Brug omregningen til at vurdere mulighederne, og undersøg derefter, om efterspørgsel, bemanding og resten af produktionen kan udnytte tiden.
Hvad er et godt OEE-tal?
85 % OEE omtales ofte som world class. Ifølge oee.com stammer benchmarket fra Seiichi Nakajima, kendt for TPM, med komponenterne 90 % tilgængelighed, 95 % performance og 99 % kvalitet.
Samme kilde beskriver, at mange diskrete producenter ligger tættere på 60 %. Brug det som baggrund, ikke som en facitliste for jeres egen fabrik.
Sammenlign først jeres linje med sig selv over tid. Hold definitioner og målemetode ens, og undersøg forskelle i produktmix og omstillinger, før I konkluderer, at driften er blevet bedre eller dårligere.
Undgå også at gøre et bestemt benchmark til målet uden at undersøge tabene bag. Bed i stedet om en forklaring på, hvilke stop, hastighedstab og kvalitetsproblemer der ligger i jeres aktuelle tal.
Et praktisk mål tager udgangspunkt i de tab, I kan handle på. Vælg en konkret indsats, aftal hvordan den måles, og følg både det samlede OEE og den komponent, indsatsen skal forbedre.
Find forbedringerne i de seks store tab
De seks store tab, også kaldet Six Big Losses, gør det lettere at gå fra OEE til konkrete opgaver. De fordeler tabene på tilgængelighed, performance og kvalitet.
| Komponent | Tab | Spørgsmål til driften |
|---|---|---|
| Tilgængelighed | Uplanlagte stop, eksempelvis nedbrud | Hvilke fejl udløser stoppene, og gentager de sig? |
| Tilgængelighed | Planlagte stop, eksempelvis omstilling og justering | Hvad sker der fra sidste gode emne til stabil produktion? |
| Performance | Små stop | Hvilke korte afbrydelser mangler i registreringen? |
| Performance | Langsom kørsel | Hvornår sænkes hastigheden, og hvad er årsagen? |
| Kvalitet | Kassation i produktionen | Hvilke fejl opstår under den løbende produktion? |
| Kvalitet | Kassation ved opstart | Hvad kasseres, før processen er stabil? |
Start med at gruppere tabene efter årsag og samlet varighed eller antal kasserede emner. Undersøg både det lange nedbrud og de gentagne små stop, før I vælger indsats.
Gør opgaven konkret. Skriv ikke blot, at performance skal forbedres. Beskriv, hvilken hændelse I vil undersøge, hvem der følger den, og hvordan I vil se, om ændringen har hjulpet.
Inddrag operatører, vedligehold og kvalitet i gennemgangen. Bed dem gennemgå udvalgte hændelser sammen, så en stopkode bliver koblet til det, der faktisk skete ved maskinen.
Få styr på målingen, før I styrer efter tallet
Typiske målefejl er stop, der registreres manuelt for sent eller slet ikke, og små stop under et par minutter, der forsvinder fra registreringen. Forskellige definitioner af planlagte stop gør også sammenligninger vanskelige.
Lav derfor en fælles målebeskrivelse. Den skal kunne bruges af både operatøren, den produktionsansvarlige og den, der bygger rapporten.
- Afgræns produktionstiden: Beskriv, hvilken tid der indgår, og hvordan planlagte stop håndteres.
- Kontrollér cyklustiden: Dokumentér den ideelle cyklustid for det produkt, der køres. Tilpas ikke referenceværdien for at få et pænere tal.
- Definér gode emner: Aftal, hvornår et emne tælles som produceret, og hvordan kassation registreres.
- Aftal stopårsager: Brug kategorier, som folk på gulvet kan skelne mellem og handle på.
Gennemgå derefter et konkret skift fra start til slut. Stemmer de registrerede stop med hændelserne ved linjen, og passer antallet af gode emner med kvalitetsregistreringen?
Afklar uoverensstemmelser, før I bruger tallet til at sammenligne skift eller linjer. Ellers risikerer mødet at handle om forskellige målemetoder frem for de tab, I vil fjerne.
Hvor data og AI hjælper med at løfte OEE
Automatisk registrering fra maskinens PLC og sensorer kan opsamle stop og hastighed i stedet for papir og tavler. Det gør det muligt at få de små stop med, som ellers bliver overset.
Det kræver ikke AI at registrere et maskinsignal. Start med at afklare, hvilke signaler der findes, hvad de betyder, og hvordan de skal kobles til produkter, skift og stopårsager.
Find mønstre i stop og langsom kørsel
Data og AI kan hjælpe med at gruppere stopårsager og finde mønstre på tværs af produkter, skift, råvarer og omstillinger. Brug mønstrene som udgangspunkt for en konkret undersøgelse sammen med dem, der kender processen.
Spørgsmålet kan eksempelvis være, hvilke omstillinger der hænger sammen med gentagne stop. Opgaven er derefter at finde årsagen og aftale en ændring i driften.
Planlæg vedligehold og find kvalitetsfejl tidligt
Predictive maintenance, eller forudsigende vedligehold, bruger eksempelvis vibration, temperatur og strømforbrug til at forudsige nedbrud. Formålet er at gøre det muligt at planlægge stop frem for at reagere på nedbrud.
Automatisk kvalitetskontrol med kamera, også kaldet computer vision, kan finde fejl tidligt og vise, hvor i processen de opstår. Afklar på forhånd, hvilke fejl der skal findes, og hvem der reagerer på dem.
Hvornår skal I begynde et andet sted?
Hvis data mangler eller er upålidelige, er første skridt at få styr på målingen. Det gælder både sensorer, tidsregistrering og kvaliteten af de årsager, der bliver registreret.
Hos Norvell er første fase altid analyse og business case på jeres egne data. Vi tager udgangspunkt i et konkret driftstab og afklarer, hvilket datagrundlag og hvilken handling der skal til.
AI løfter ikke OEE alene. Det er handlingerne på gulvet, der flytter tallet. Derfor skal en registrering, advarsel eller analyse have en ansvarlig modtager og en aftalt opfølgning.
Sådan kommer I i gang
Begynd med en afgrænset linje og en tydelig problemstilling. I behøver ikke starte med at ændre hele fabrikkens måling eller gøre alle tab til et AI-projekt.
- Skab et fælles udgangspunkt. Beregn OEE, vis komponenterne, og gennemgå definitionerne med dem, der registrerer og bruger data.
- Vælg et konkret tab. Udpeg et tilbagevendende problem, og aftal, hvem der undersøger årsagen og gennemfører ændringen.
- Lav analyse og business case. Hos Norvell er det altid første fase, baseret på jeres egne data. I får en fast pris pr. fase.
- Mål før og efter. Vi måler før og efter med samme afgrænsning og følger både OEE og det tab, indsatsen retter sig mod.
Målet er ikke blot et pænere tal på tavlen. Det er færre stop, mindre spild og færre fejl, så forbedringerne kan mærkes på bundlinjen.
Book et gratis afklaringsmøde på 30 minutter med Norvell om jeres OEE, datagrundlag og næste skridt.
Spørgsmål og svar
Hvad er OEE?
OEE står for Overall Equipment Effectiveness og beregnes som tilgængelighed × performance × kvalitet. Tallet viser, hvor meget af den planlagte produktionstid der bliver til gode emner ved den ideelle hastighed.
Hvordan beregner man OEE?
Beregn tilgængelighed som driftstid divideret med planlagt produktionstid, performance som ideel cyklustid gange producerede emner divideret med driftstid, og kvalitet som gode emner divideret med producerede emner. Gang derefter komponenterne sammen. Alternativt kan I beregne OEE som gode emner gange ideel cyklustid divideret med planlagt produktionstid.
Hvad er et godt OEE-tal?
85 % omtales ofte som world class, mens mange diskrete producenter ifølge oee.com ligger tættere på 60 %. Sammenlign først jeres egen linje med sig selv over tid. Hold målemetoden ens, og undersøg tabene bag tallet frem for kun at styre efter et benchmark.
Skal omstilling tælle med i OEE?
Omstilling og justering hører til de planlagte stop blandt de seks store tab og påvirker tilgængeligheden. Beskriv tydeligt, hvordan I afgrænser planlagt produktionstid og registrerer omstillinger. Brug samme definition, når I sammenligner perioder eller linjer.
Hvordan kan AI forbedre OEE?
AI kan hjælpe med at finde mønstre i stop, forudsige nedbrud og understøtte automatisk kvalitetskontrol med kamera. Det kræver pålidelige data og relevante maskinsignaler eller sensorer. Forbedringen kommer fra de handlinger, medarbejderne tager på baggrund af indsigten.
Vil I vide, hvad det kan betyde hos jer?
På et gratis afklaringsmøde på 30 minutter ser vi på jeres proces og jeres data, og I får en ærlig vurdering af, om og hvor det giver mening at starte.