设备管理OEE指标面临的挑战
当今工厂企业，产品的加工对设备的依赖性越来越高，尤其是在芯片制程的前道工艺中的蒸镀过程，其每一Run的产出间隔时间是否稳定？往往这些关键设备有决定着整个工厂的产出水平，而对这些设备的投资也在整个工厂运营成本中占据极高比例，因此，如何管理好这些设备，以及尽可能让这些设备生产出更多的产品，将是设备管控中的重要课题，而关键设备的管控在其中更显得尤为重要。虽然在当下AI盛行，各种设备在与AI融合后能够变得更加智能，也能更好地进行预测性维护，但结合大多数工厂的实际情况考虑，目前工厂对设备的评价还是以OEE这个指标为主。
目前OEE的计算，大体上都还是基于历史数据进行计算，虽然利用MES系统，能方便地将收集到的数据按天、周、月汇总并进行对比分析，但毕竟这些数据都是历史数据，分析的数据仅能对设备表现结果进行呈现，或分析到某一天OEE偏低时，也很难追踪到当天现状，去分析设备或参数有何波动，导致了OEE偏低的，即违反了问题解决的‘三现’原则。
OEE领先指标构建
如何在滞后的OEE指标之上，构建一个领先指标？对OEE计算的组成进行解耦：
即OEE指标包括设备稼动率、性能稼动率和品质良率指标，我们发现，在对品质良率指标监控的方面，已经有较成熟的做法：通过测量产出品的质量参数指标，构建在线SPC，就能发现制程是否稳定，如发现有波动或偏移，继续生产可能会导致不良品的产生，故此时SPC系统将进行即时预警处理，由对应的工程师对制程进行检查分析，并做出适当的预防性干预，避免制程继续向不好的方面发展，从而保证了整个制程能始终如一地按照规格要求产出合格品。
按照以上逻辑，性能稼动率是否也可以按照质量指标构建一个领先指标，以便发现设备性能是否有波动呢？我们认为是可以的，即利用设备加工T/T（节拍）指标来构建。如下图：
通过IoT模块将MES与设备链接，IoT采集到设备的实时数据，并计算出T/T参数，将该数据提交给MES，在MES系统中构建一个T/T参数的SPC在线监控，当监控到设备性能出现波动，就会即时发出预警，此时，工程师会对当下条件进行检查分析，以避免到了T/T严重偏离浪费产能或设备故障停机的时候，再来进行追溯性分析，而这种情况就是大家都不愿意看到的。按照上面的方式，就构建了一个OEE的T/T领先指标，将事后分析转换为过程中实时监控。
当然，我们也可以对影响T/T的参数做出进一步分解，当我们分解到具体的设备性能参数之后，再进行类似以上的监控，这似乎听起来会是一个更好的方案，但是这样做，将要更多地依赖设备工程师的经验，因为梳理影响T/T关键因子的过程分析需要对设备有足够的理解和使用经验，这样付出的成本和代价也将更高，所以我们认为，利用T/T作为OEE的一个领先指标，也不失为一个较好的可选方案。
我们是凯睿德，您身边的MES专家
关注我们，获取更多MES资讯
