OEE 把时间开动率、性能开动率和合格品率相乘，得出设备被有效利用的比例。它的常见误用是横向比较——不同产线的计划时间口径不一致时，OEE 数字之间没有可比性。
OEE（Overall Equipment Effectiveness，设备综合效率）由三个因子相乘得到：时间开动率、性能开动率和合格品率。例如三者分别为 90%、95%、99%，OEE 约为 84.6%。这个乘法结构决定了任何一个环节的下滑都会被放大。
三个因子分别对应三类损失。时间开动率反映停机——故障、换型、待料；性能开动率反映速度损失——空转、小停顿、降速运行；合格品率反映质量损失——废品和返工。OEE 的真正用途不是那个总数，而是拆解后能指出损失集中在哪一类。只看总数、不看分解的做法基本没有改善价值。
最容易出问题的是分母的定义。计划停机算不算在内、换型时间算不算损失、班前点检算不算，不同工厂口径不同。这也是为什么 OEE 适合纵向比较同一条产线的趋势，而不适合横向比较不同工厂——数字看起来同样是 75%，背后统计规则可能完全不同。
在机器人项目中，OEE 常被用作验收指标。这需要谨慎：机器人上线后 OEE 短期下降是常见现象，因为操作人员还在适应、程序还在调优。合理的做法是约定一个稳定期，用稳定期后的数据作为验收基线。
一家物流企业在拣选工位引入机械臂后跟踪 OEE，发现总数只提升了三个点，但拆解后看到合格品率从 96% 升到 99.4%，而性能开动率因为等待上游供料反而下降。真正的瓶颈不在机械臂，而在上游输送节拍。
这种拆解结论是 OEE 最有价值的输出：它常常证明瓶颈不在刚投资的那台设备上。
实践应用
一家物流企业在拣选工位引入机械臂后跟踪 OEE，发现总数只提升了三个点，但拆解后看到合格品率从 96% 升到 99.4%，而性能开动率因为等待上游供料反而下降。真正的瓶颈不在机械臂，而在上游输送节拍。
优势
- 三个因子拆解后可直接指出损失属于停机、速度还是质量
- 乘法结构能放大薄弱环节，避免单一指标掩盖问题
- 适合追踪同一条产线的长期趋势和改善效果
- 常能证明瓶颈并不在新投资的设备上，避免重复投入
局限性
- 分母口径不统一，不同工厂之间的 OEE 数值缺乏可比性
- 只看总数不做拆解，几乎没有改善指导价值
- 作为项目验收指标时，需先约定稳定期，否则上线初期数据失真
- 数据采集若依赖人工录入，准确性难以支撑细粒度分析
典型应用领域
常见问题
- OEE 怎么计算？
- 时间开动率、性能开动率、合格品率三者相乘。例如分别为 90%、95%、99% 时，OEE 约为 84.6%。乘法结构意味着任一环节下滑都会被放大。
- 三个因子分别代表什么损失？
- 时间开动率对应停机损失（故障、换型、待料），性能开动率对应速度损失（空转、小停顿、降速），合格品率对应质量损失（废品和返工）。
- 为什么不能拿 OEE 跨工厂比较？
- 分母定义不统一。计划停机、换型时间、班前点检算不算进去，各家规则不同。同样是 75%，背后的统计口径可能完全不同，因此 OEE 更适合纵向看趋势。
- 用 OEE 做机器人项目验收要注意什么？
- 上线初期 OEE 短期下降很常见，因为操作人员还在适应、程序还在调优。应约定一个稳定期，用稳定期之后的数据作为验收基线。