输入关键词即可搜索全站：20 款产品、9 个案例研究、博客及所有页面。
OEE 真实性审计
您有一个 OEE 数值。您能解释它吗？
许多工厂上报的 OEE 数值没有人完全信任：可用率排除了未记录的停机，性能按留有余量的标准节拍时间衡量，没有使用真实的理想（最快可达）节拍时间，或者质量数值漏算了返工。本审计针对有限样本核实您实际的定义和数据来源，明确告诉您这个数值哪些部分可靠、哪些不可靠。
审计我们的 OEE 数据质量查看全部概念验证项目检查内容
适用于已经上报 OEE，但应据此采取行动的人员并不信任输入数据、或无法解释损失究竟来自哪里的工厂。MES PoC 保障条款中已经点明了这一信任缺口，在投入试点之前先在这里做核查。
我们的工作
- 将您当前的 OEE 指标定义（可用率、性能、质量）与它们目前实际的计算方式进行比对评审。
- 追溯每项指标背后的数据来源：人工录入、PLC 信号、MES 记录、电子表格公式。
- 检查计算中排除了哪些内容（计划停机、换型、开机废品），以及该排除项是有文档记录还是仅凭假设。
- 像每个 MSF PoC 建立基线时一样，将一份有限样本的上报数值与独立计数进行核对。
需要您提供的内容
- 您当前的 OEE 定义，以及每个组成部分（可用率、性能、质量）目前是如何计算的。
- 一个限定时期内某条代表性产线的基础数据样本：停机日志、废品记录、节拍时间数据。
- 您当前使用的停机/宕机分类代码（如果有）。
- 能接触到目前负责编制 OEE 报告的人员，以便对该流程做一次简短的走查。
您将获得的成果
- 针对所审查样本的 OEE 数据质量评分，并展示每个组成部分背后的依据。
- 一份缺失证据清单：未记录的排除项、未分类的停机时间、没有人验证过的理想节拍时间。
- 您现有设置特有的主要失真风险，即最可能让该数值看起来比实际情况更好或更差的因素。
- 建议的范围：用于建立自动化、可信数据采集的 MES PoC；或者，如果差距出在信号可用性上、与定义无关，则选择 IIoT PoC。
本评估不作的承诺
本审计不会认证您的 OEE 数值正确或错误。它识别的是该数值背后的证据缺口，以及在所审查样本上您对每个组成部分能有多大信心。要获得完全的信心，需要 MES PoC 持续运行的同一套核对流程。
后续对应的概念验证（PoC）
常见问题
如果我们根本没有正式的 OEE 定义怎么办？
这是一个常见且有用的起点。审计依然可以进行，会使用目前实际产出该数值的任何计算方式，其中一项产出就是一份您真正能够站得住脚的书面定义。
你们需要多少数据？
一个有限的代表性样本。通常一条产线一到两周的数据就足以核对各组成部分并找出证据薄弱之处，无需索取大规模数据导出。
这能替代 MES PoC 吗？
不能。这是在它之前的诊断步骤。审计会具体告诉您 MES PoC 需要修复什么；PoC 本身负责安装自动化采集并在您的数据上验证修复效果。
申请这个概念验证
请描述您设想的范围，我们会以书面 PoC 方案回复：接入哪些内容、贵方提供什么、成功如何衡量，以及最终的决策形态。
M
Meta Smart Factory● 在线，欢迎随时提问