Automatyzacja OEE (Overall Equipment Effectiveness) - jak mierzyć efektywność maszyn w ERP

Spis treści
Czym jest OEE i jak się je liczy?
Dlaczego ręczne liczenie OEE zawodzi?
Skąd automatyzacja OEE bierze dane z maszyn, ERP i kontroli jakości?
Jak automatyzacja OEE zasila ERP - koszty zleceń i planowanie zdolności?
Jaki efekt biznesowy daje automatyzacja OEE?
FAQ
Podsumowanie

Czym jest OEE i jak się je liczy?

Automatyzacja OEE zaczyna się od prostej definicji. OEE (Overall Equipment Effectiveness, czyli całkowita efektywność wyposażenia) to wskaźnik, który pokazuje, jaka część planowanego czasu pracy maszyny dała dobre sztuki przy idealnej prędkości. Liczy się go jako iloczyn trzech składników: dostępności, wydajności i jakości. Wynik 100% oznacza produkcję bez przestojów, spowolnień i braków.

Każdy składnik odpowiada na inne pytanie. Dostępność mówi, przez jaką część planowanego czasu maszyna faktycznie pracowała. Wydajność pokazuje, czy w tym czasie szła z idealną prędkością, czy wolniej. Jakość mierzy, ile sztuk nadaje się do wysyłki bez poprawek. Pojęcia i wzory porządkuje norma ISO 22400-2, która definiuje wskaźniki KPI dla zarządzania produkcją. Efekt: gdy wszystkie zmiany i zakłady liczą OEE według tej samej definicji, wyniki da się porównać bez sporów o metodę.

Policz to na przykładzie jednej zmiany. Zmiana trwa 480 minut, z czego 30 minut to zaplanowana przerwa. Planowany czas produkcji wynosi więc 450 minut. Maszyna stała 60 minut przez awarię i przezbrojenie, więc pracowała 390 minut. Idealny czas cyklu to 30 sekund na sztukę. W tym czasie powstało 660 sztuk, z czego 33 trafiły do braków.

Składnik	Na jakie pytanie odpowiada	Wzór	Wynik w przykładzie
Dostępność	Jaką część planowanego czasu maszyna pracowała?	czas pracy ÷ planowany czas produkcji	390 ÷ 450 = 86,7%
Wydajność	Czy pracowała z idealną prędkością?	(liczba sztuk × idealny czas cyklu) ÷ czas pracy	660 × 0,5 min ÷ 390 min = 84,6%
Jakość	Ile sztuk było dobrych za pierwszym razem?	dobre sztuki ÷ wszystkie sztuki	627 ÷ 660 = 95,0%
OEE	Ile planowanego czasu zamieniło się w dobre sztuki?	dostępność × wydajność × jakość	86,7% × 84,6% × 95,0% = 69,7%

Wynik 69,7% oznacza, że z każdej godziny planowanej pracy maszyna dała równowartość około 42 minut idealnej produkcji. Resztę zjadły przestoje, spowolnienia i braki. Dla porównania: Seiichi Nakajima, twórca koncepcji TPM, w książce „Introduction to TPM” wskazał 85% jako poziom światowej klasy. To iloczyn 90% dostępności, 95% wydajności i 99,9% jakości.

Ten sam wynik dostaniesz krótszą drogą: dobre sztuki × idealny czas cyklu ÷ planowany czas produkcji. W przykładzie to 627 × 0,5 min ÷ 450 min = 69,7%. Sam wzór jest prosty. Trudne jest co innego: zdobycie dokładnych danych wejściowych. Właśnie tu wchodzi automatyzacja OEE.

Dlaczego ręczne liczenie OEE zawodzi?

Ręczne liczenie OEE zawodzi, bo opiera się na danych, których operator nie jest w stanie dokładnie zebrać. Pomija krótkie postoje, przyjmuje normy czasu cyklu z zapasem i zaniża braki. W efekcie wskaźnik z arkusza wychodzi wyższy od rzeczywistego i trafia do kierownika dzień albo tydzień później.

Typowy obraz wygląda tak: papierowa karta pracy albo arkusz w Excelu, uzupełniany pod koniec zmiany. Ktoś w biurze przepisuje te dane i liczy OEE raz w tygodniu. Cztery źródła błędów powtarzają się w niemal każdej takiej fabryce:

• Mikroprzestoje - zatrzymania na 1-3 minuty (zacięcie, poprawka etykiety, czekanie na pojemnik) nie trafiają do karty, bo wydają się za krótkie. Nie obniżają więc dostępności, choć realnie zabierają czas.
• Niedokładne czasy cykli - zamiast idealnego czasu cyklu do wzoru trafia norma z technologii, często z zapasem. Maszyna, która pracuje wolniej, niż mogłaby, nadal wygląda na wydajną.
• Zaniżone braki - sztuki poprawione od razu na stanowisku rzadko są zapisywane jako braki, bo nie trafiły do magazynu.
• Opóźnienie danych - wynik jest gotowy następnego dnia albo w poniedziałek. Strat z wtorkowej zmiany nie da się już naprawić, można je tylko opisać.

Skalę problemu dobrze pokazuje badanie Wanga i Pana opublikowane w „Expert Systems with Applications”. Autorzy podłączyli wąskie gardło linii montażu półprzewodników do automatycznego zbierania danych przez MES. Przy ręcznej rejestracji 6% strat OEE nie miało przypisanej żadnej przyczyny. Po automatyzacji ten udział spadł niemal do zera. Efekt: każda minuta straty dostała nazwę, więc dało się nią zarządzać.

Wróćmy do zmiany z przykładu i zobaczmy, co wpisze do arkusza operator. Zapisze 35 minut postoju zamiast 60, bo umknęło mu 25 minut mikroprzestojów. Do wydajności przyjmie normę 36 sekund zamiast idealnych 30. W karcie poda 20 braków zamiast 33, bo część sztuk poprawił na bieżąco. Arkusz pokaże OEE 85,3%, czyli poziom światowej klasy. Prawdziwy wynik to 69,7%.

Różnica 15,6 punktu procentowego to nie błąd zaokrąglenia. To realna zdolność produkcyjna, której nikt nie szuka, bo raport mówi, że wszystko jest w porządku. Automatyzacja OEE usuwa ten problem u źródła: dane zapisuje maszyna, a nie pamięć operatora. Podobnie jest z awariami, które z karty pracy rzadko trafiają do utrzymania ruchu z pełnym opisem. Dlatego rejestrację postojów warto połączyć z systemem CMMS zintegrowanym z ERP. Efekt: każda awaria otwiera zlecenie naprawy z dokładnym czasem trwania, a technik widzi, które usterki wracają najczęściej.

Skąd automatyzacja OEE bierze dane z maszyn, ERP i kontroli jakości?

Automatyzacja OEE łączy trzy źródła danych: sygnały z maszyn (praca, postój, licznik sztuk), dane zlecenia z ERP (plan zmiany, idealny czas cyklu) i wyniki kontroli jakości (braki i poprawki). Każde z nich zasila inny składnik wskaźnika.

Sygnały z maszyn: IIoT, PLC i SCADA

Dostępność i liczbę sztuk najlepiej odczytywać prosto z maszyny. Nowsze maszyny mają sterowniki PLC, z których dane pobiera się przez OPC UA i przekazuje dalej przez MQTT. Starsze wystarczy wyposażyć w czujnik pracy albo pomiar prądu silnika. Jak to zrobić bez wymiany parku maszynowego, opisujemy w artykule o zdalnym monitoringu maszyn (IIoT) zintegrowanym z ERP. Efekt: każdy postój, także dwuminutowy, ma dokładny początek i koniec, więc dostępność przestaje być szacunkiem.

Sam sygnał „maszyna stoi” nie mówi jednak, dlaczego stoi. Przyczynę najprościej zebrać przyciskiem przy stanowisku albo z alarmu SCADA. Taki przepływ opisujemy przy temacie integracji systemów Andon i SCADA z ERP. Efekt: zamiast rubryki „inne” dostajesz listę przyczyn z czasem trwania, którą da się ułożyć w ranking strat.

Zlecenia i normy czasowe z ERP

Do wydajności potrzebujesz idealnego czasu cyklu dla konkretnego wyrobu na konkretnej maszynie. Te dane powinny żyć w ERP, w marszrucie albo karcie technologicznej, razem z planem zmiany i aktywnym zleceniem. Jeśli masz system MES, to on zwykle łączy sygnał maszyny ze zleceniem. Podział ról opisujemy w tekście Integracja ERP z MES. Efekt: wydajność liczy się osobno dla każdego wyrobu, więc szybki i wolny produkt na tej samej maszynie nie zakłamują sobie nawzajem wyniku.

Uważaj na normy. Jeśli idealny czas cyklu w ERP ma wbudowany zapas, wydajność wyjdzie zawyżona tak samo jak w arkuszu. Po kilku tygodniach automatycznych pomiarów porównaj normę z najkrótszym cyklem, jaki maszyna realnie osiąga, i popraw kartoteki. Efekt: koszt i plan opierają się na tym, co maszyna naprawdę potrafi.

Braki z kontroli jakości

Jakość to zwykle najsłabiej zautomatyzowany składnik. Licznik maszyny zna liczbę sztuk, ale nie wie, które z nich są złe. Dlatego wyniki kontroli z wagi, kamery wizyjnej albo panelu kontrolera powinny trafiać do tego samego zlecenia. Jak spiąć pomiary i karty kontrolne z systemem, pokazujemy w artykule o automatyzacji kontroli jakości SPC połączonej z ERP. Efekt: braki są przypisane do zmiany, maszyny i partii, a nie zbiorczo do całego tygodnia.

Dane wejściowe	Składnik OEE	Źródło automatyczne	Jak wygląda to ręcznie
Planowany czas produkcji	Dostępność	Plan zmiany i kalendarz pracy w ERP	Grafik w arkuszu, aktualizowany przy zmianach
Czas i przyczyny postojów	Dostępność	Sygnał z PLC lub czujnika pracy plus przycisk przyczyny	Wpis w karcie pracy po zmianie, z pamięci
Liczba wyprodukowanych sztuk	Wydajność	Licznik cykli w sterowniku	Liczenie pojemników na koniec zmiany
Idealny czas cyklu	Wydajność	Marszruta w ERP, weryfikowana pomiarem	Norma „z zapasem” przyjęta raz na zawsze
Braki i poprawki	Jakość	Stanowisko kontroli, waga, kamera wizyjna	Zbiorczy wpis kontrolera raz dziennie
Aktywne zlecenie	Wszystkie	ERP lub MES	Numer zlecenia przepisywany ręcznie

Dane z tych źródeł spotykają się w MES albo w warstwie pośredniej, na przykład w przepływie Node-RED. Tam OEE liczy się co kilka minut i zapisuje przy zleceniu. Efekt: wynik jest gotowy w trakcie zmiany, a nie w poniedziałkowym raporcie.

Jak automatyzacja OEE zasila ERP - koszty zleceń i planowanie zdolności?

Automatyzacja OEE przekazuje do ERP dwie kluczowe informacje: rzeczywisty czas pracy maszyny przy każdym zleceniu oraz realne OEE stanowiska. Pierwsza poprawia kalkulację kosztów. Druga zastępuje w planowaniu założoną z góry wydajność, więc terminy dla klientów stają się realne.

Realny czas maszyny w kalkulacji kosztów

Większość systemów ERP wycenia zlecenie normatywnie: czas z marszruty razy stawka maszynogodziny. Jeśli przy tym zleceniu maszyna miała OEE 70%, a norma zakładała idealną pracę, koszt jest zaniżony. Gdy rzeczywisty czas trafia do zlecenia automatycznie, ERP pokazuje różnicę między kosztem planowanym a rzeczywistym. Więcej o tym mechanizmie piszemy w tekście o automatyzacji controllingu produkcji: koszty rzeczywiste vs planowane. Efekt: wiesz, które wyroby i którzy klienci są faktycznie rentowni, i poprawiasz cennik przy kolejnej ofercie.

Prosty przykład. Norma zakłada 2 godziny pracy maszyny przy idealnej prędkości, a maszynogodzina kosztuje 200 zł. Przy OEE 70% to samo zlecenie zajmuje realnie około 2 godzin i 51 minut. Różnica to blisko 170 zł na jednym zleceniu. Przy kilkuset zleceniach w roku robi się z tego kwota, której nie pokazuje żadna kalkulacja normatywna.

Planowanie zdolności produkcyjnych na prawdziwych liczbach

Planista, który zakłada pełną wydajność maszyn, układa plan niemożliwy do wykonania. Jeśli realne OEE stanowiska wynosi 70%, to z 450 minut planowanej pracy masz do dyspozycji około 315 minut idealnej produkcji. Narzędzia planistyczne, w tym systemy APS do automatycznego planowania produkcji, mogą brać ten współczynnik z historii zamiast z założeń. Efekt: terminy podawane klientom da się dotrzymać, a nadgodziny przestają być stałym sposobem nadrabiania planu.

Co wraca z pomiaru OEE	Gdzie trafia w ERP	Co zmienia	Efekt biznesowy
Rzeczywisty czas pracy i postojów przy zleceniu	Rozliczenie zlecenia produkcyjnego	Koszt liczony z faktów, a nie z normy	Prawdziwa marża na wyrobie i kliencie
OEE stanowiska z ostatnich tygodni	Zdolności produkcyjne w planowaniu	Plan uwzględnia realne straty	Terminy, których faktycznie dotrzymujesz
Zmierzony najkrótszy czas cyklu	Marszruta i karta technologiczna	Aktualne normy czasowe	Dokładniejsze wyceny nowych zapytań
Braki przypisane do zlecenia	Rozchód materiału, moduł jakości	Zużycie materiału razem z odpadem	Mniej rozbieżności w stanach magazynowych
Ranking przyczyn postojów	Raporty i utrzymanie ruchu	Priorytety działań naprawczych	Budżet na poprawę tam, gdzie odda najwięcej godzin

Jedna zasada chroni całą integrację: do ERP trafiają wyniki zagregowane do zlecenia, a nie surowe sygnały co sekundę. Te zostają w warstwie maszynowej. Efekt: ERP działa szybko, a jego dane nadają się do decyzji bez czyszczenia.

Jaki efekt biznesowy daje automatyzacja OEE?

Automatyzacja OEE daje trzy efekty: widzisz, gdzie dokładnie powstają straty (przestoje, spowolnienia, braki), planujesz na realnej wydajności maszyn i wyceniasz zlecenia na podstawie faktycznego czasu pracy. Pierwszy z nich zwykle zwraca się najszybciej.

Widoczne źródła strat

Gdy każda minuta straty ma przyczynę, ranking Pareto pokazuje kilka pozycji, które odpowiadają za większość utraconego czasu. Może to być jedno długie przezbrojenie, powtarzający się alarm albo brak materiału przy stanowisku. McKinsey opisuje fabrykę sprzętu AGD, która podniosła OEE o 11% dzięki zbieraniu i priorytetyzacji alarmów maszyn oraz analizie danych przy rozwiązywaniu problemów. Efekt: budżet na poprawę trafia tam, gdzie odzyska najwięcej godzin produkcji.

Zdolność odzyskana na wąskim gardle

Nie każda maszyna jest równie ważna. Godzina odzyskana na wąskim gardle to godzina więcej produkcji całej linii. Ta sama godzina na maszynie z zapasem mocy oznacza tylko dłuższe czekanie. Dlatego automatyczny pomiar OEE warto zacząć od stanowiska, które ogranicza przepływ. Jak je znaleźć, opisujemy w zestawieniu metod eliminacji wąskich gardeł w procesach. Efekt: każdy punkt procentowy OEE na tej maszynie przekłada się wprost na więcej wysłanych wyrobów.

Szybsza reakcja w trakcie zmiany

Wskaźnik liczony co kilka minut pozwala reagować, zanim zmiana się skończy. Lider widzi spadek wydajności o 10:00, a nie w raporcie z poniedziałku. Historia postojów i alarmów staje się z czasem materiałem dla predykcyjnego utrzymania ruchu. Wyniki najłatwiej pokazać na ekranie nad halą, a sposób jego budowy opisuje artykuł dashboard Power BI dla hali produkcyjnej. Efekt: zespół widzi te same liczby co kierownik i sam pilnuje celu zmiany.

Zasada „stan zapisuje zdarzenie, a nie pamięć” sprawdza się nie tylko przy maszynach. W projekcie opisanym w naszych case studies firma z branży reklamy wielkoformatowej miała sześć działów, które o stan zleceń pytały się nawzajem mailem i telefonem. Zbudowaliśmy aplikację, w której każde zlecenie przechodzi przez 14 statusów od przyjęcia po wysyłkę, z integracją z ERP i sklepem internetowym. Automatyczny pomiar OEE robi to samo na poziomie maszyny: stan zmienia sygnał, a nie czyjaś relacja.

FAQ

Podsumowanie

OEE z arkusza mówi, jak zmiana wyglądała w pamięci operatora. OEE z danych maszyny mówi, jak było naprawdę, i to jeszcze w trakcie zmiany, gdy można coś poprawić. Automatyzacja OEE nie wymaga wymiany ERP ani budowy wielkiego systemu. Wystarczą sygnał z maszyny, normy z kartoteki i braki z kontroli, złożone przy jednym zleceniu. Zacznij od wąskiego gardła i połóż automatyczny wynik obok dotychczasowego raportu. Różnica między nimi pokaże, ile zdolności produkcyjnej masz do odzyskania.

Chcesz wiedzieć, jak bardzo Twoje obecne OEE odbiega od rzeczywistości? Umów bezpłatną, 30-minutową konsultację. Przejrzymy, skąd dziś bierzecie dane o przestojach, normach i brakach, i wskażemy maszynę, na której automatyczny pomiar da najszybszy efekt.

O autorze
Kamil Zazula - założyciel i konsultant ds. automatyzacji procesów biznesowych i integracji systemów w Devesol. Od kilku lat pomaga polskim firmom wdrażać automatyzacje i Agentów AI. Opiera się przy tym na doświadczeniu zdobytym wcześniej jako programista aplikacji webowych. Więcej o autorze: devesol.pl/o-nas