Hur säkrar man datakvaliteten i ett OEE-system?

En linje visar bättre OEE än tidigare, men teamet ser ingen skillnad i produktionen. Har förlusterna minskat, eller har ett schema, en cykeltid eller en maskinsignal ändrats?

Datakvalitet avgör om uppföljningen går att använda som beslutsunderlag. Den behöver kontrolleras både vid införandet och när produktion, artiklar eller arbetssätt förändras. Kontrollrutinen behöver täcka både maskinernas signaler och de uppgifter som människor registrerar eller ändrar.

Vad betyder datakvalitet i OEE-uppföljningen?

Data behöver beskriva det som faktiskt hände, med gemensamma definitioner. Tider och antal ska vara korrekta, händelserna ska tillhöra rätt maskin, order och artikel, och orsakskoderna ska ge tillräckligt underlag för att prioritera arbetet.

En beräkning kan vara matematiskt korrekt och ändå missvisa verkligheten. Om planerad produktionstid är för kort eller idealcykeltiden för lång får ni en högre OEE utan motsvarande produktionsförbättring.

Dokumentera därför mätreglerna i en OEE-policy. För en genomgång av beräkningen, läs vad OEE är och hur det beräknas.

Sex kontroller innan data används för beslut

1. Stämmer schema och planerad produktionstid?

Jämför systemets tider med den verkliga produktionsplanen. Kontrollera skiftgränser, raster, övertid, underhåll och obemannad tid. Produktion utanför schemat eller ett helt skift utan registrerad aktivitet ska kunna förklaras.

Föreslaget ansvar: produktionsledning eller planering. Kontrollera vid schemaändringar och följ upp avvikelser i den dagliga rutinen.

2. Är rätt artikel, order och cykeltid kopplad till körningen?

Kontrollera orderstart och orderbyte samt idealcykeltid per artikel och maskin. Granska värden som plötsligt ändras eller ger prestanda över 100 procent. Vid kontrollen av cykeltid behöver ni även veta hur många enheter varje maskincykel producerar.

Föreslaget ansvar: superuser tillsammans med produktion eller processteknik. Kontrollera nya artiklar, ändrad verktygsuppsättning och ändrade grunddata.

3. Fångar maskinsignalerna verklig drift och verkliga stopp?

Observera en avgränsad körning vid maskinen och jämför med registreringen. Kontrollera när drift börjar och slutar, om korta avbrott fångas och om signalbortfall eller dubbelregistrering förekommer. En cykelsignal och en driftsignal beskriver olika saker och måste tolkas utifrån processen.

Föreslaget ansvar: teknisk ansvarig och superuser. Verifiera vid installation, ändringar i maskinen och oväntade datamönster.

4. Stämmer producerat och godkänt antal?

Jämför registrerade mängder med en oberoende kontroll, exempelvis en avstämd order eller räknare. Kontrollera att måttenheten är densamma. Beskriv hur kassation, omarbete och senare kvalitetsbesked påverkar antalen.

Föreslaget ansvar: produktion och kvalitet. Välj återkommande stickprov och granska körningar med ovanliga kvalitetsutfall.

5. Är stopporsakerna tillräckligt kompletta och tydliga?

Följ okodad stopptid och återkommande användning av allmänna koder som ”Annat”. En hög kodningsgrad räcker inte om koderna är fel eller för breda. Kontrollera också om olika skift beskriver samma händelse på olika sätt.

Föreslaget ansvar: operatörer registrerar och produktionsledare följer upp. Superuser förvaltar kodlistan tillsammans med användarna.

6. Går resultatet att jämföra med tidigare perioder?

Kontrollera om schema, produktmix, bemanning, cykeltider eller mätregler har ändrats. Skilj sådana förändringar från effekten av en genomförd åtgärd. Ett nytt mätvärde behöver granskas innan det används som bevis för en förbättring.

Föreslaget ansvar: förbättringsledare och den som äger OEE-definitionerna. Gör kontrollen inför resultatrapportering och efter ändringar i grunddata.

Checklista för den återkommande kontrollen

För varje granskad resurs och period dokumenterar ni följande:

• Schema: stämmer registrerad produktionstid med plan och faktisk körning?

• Order och artikel: är körningarna kopplade rätt?

• Cykeltid och mängd: stämmer idealcykeltid, antal per cykel och måttenhet?

• Signaler: motsvarar registrerad drift, stopp och antal observationerna?

• Kvalitet: stämmer godkänt antal, kassation och omarbete?

• Orsaker: finns okodad tid, otydliga koder eller återkommande felkodning?

• Jämförbarhet: har definitioner eller produktionsförutsättningar ändrats?

• Åtgärd: vad behöver rättas, vem gör det och när verifieras resultatet?

Bedöm varje punkt som kontrollerad, avvikelse eller ännu inte verifierad. Då blir det tydligt vilket underlag som kan användas direkt och var ytterligare kontroll behövs.

Hur ofta behöver ni kontrollera?

Anpassa rutinen efter hur snabbt produktionen och datakällorna förändras. En möjlig start är att följa okodade stopp och orderavvikelser dagligen, granska återkommande mönster och stickprov veckovis och verifiera grunddata efter varje relevant ändring.

Vid införandet kan kontrollerna behöva vara tätare. När mätningen har stabiliserats kan de fokusera på avvikelser. Behåll alltid en tydlig ansvarig för varje kontroll.

Vad gör ni när underlaget är osäkert?

Avgränsa berörda resurser, fält och perioder. Dokumentera vad som är osäkert och undvik att använda det som ett precist underlag för kapacitetslöften eller bevisad förbättring. Rätta enligt era rutiner och kontrollera utfallet mot observationer eller andra verifierade data.

Fyll inte luckor med antaganden som ser ut som uppmätta värden. Om uppskattningar behövs för en preliminär plan ska de märkas tydligt och kunna skiljas från verkliga mätningar.

Hur kan Good Solutions plattform stödja arbetet?

Good Solutions plattform kombinerar maskindata med operatörernas orsakskoder och kommentarer. Produktionsuppföljning per order och artikel samt skiftrapporter, tidslinje och analyser ger underlag för att granska händelser och återkommande mönster. Funktionernas omfattning beror på plan och konfiguration.

Verksamhetsinförandet omfattar konfiguration, verifiering av data och utbildning. Efter införandet behöver fabriken ha ansvariga och rutiner för den löpande kontrollen. Läs mer om OEE-systemet i Good Solutions plattform och förlustanalys.

Vanliga frågor

Kan automatiskt insamlade OEE-data vara fel?
Ja. Signaler kan saknas eller tolkas fel, antal kan dubbelregistreras och schema eller cykeltider kan vara felkonfigurerade. Automatisk insamling behöver verifieras mot verkliga händelser.

Vad ska vi granska om prestandan visar över 100 procent?
Kontrollera idealcykeltid, antal enheter per cykel, registrerat antal, drifttid och koppling till rätt artikel. Värdet är en signal att granska indata och mätregler.

Räcker det att alla stopp har en orsakskod?
Nej. Koderna behöver också vara korrekta, begripliga och tillräckligt specifika för att stödja åtgärder. Följ både okodad tid och återkommande användning av allmänna koder.

Vem ansvarar för datakvaliteten?
Fördela ansvaret efter datakälla: exempelvis schema till planering, signaler till teknisk ansvarig, kvalitet till kvalitetsfunktionen och orsakskodning till produktionen. En utsedd ansvarig behöver samordna helheten.