Varför räcker inte OEE som enda KPI?

OEE räcker inte som ensam KPI eftersom siffran visar att produktionen tappar effektivitet, men inte varför. Den säger ingenting om orsaken bakom förlusterna, den kan dessutom förbättras på sätt som skadar verksamheten, och den går inte att jämföra rättvist mellan fabriker.

För att skapa värde behöver OEE kompletteras med förlustanalys, kvalitetsmått, omställningstider, energidata och flödesmått. Framför allt behöver den användas som underlag för förbättringsarbete, inte som ett betyg på en skärm.

Den här guiden går igenom varför OEE inte räcker som ensam KPI.

Vi tittar på den vanligaste missuppfattningen om vad som faktiskt stoppar produktionen, tre konkreta skäl till att OEE blir missvisande om den står ensam, vad måttet behöver kompletteras med, och vad som krävs för att OEE ska skapa verkligt värde.

Om du vill ha grunderna först, läs gärna artikeln "Vad är OEE och hur beräknas det?".

Är produktionsstopp främst ett maskinproblem?

Nej. Data från fabriker som arbetat strukturerat med OEE under många år visar att ungefär 80% av stopporsakerna inte är direkt maskinrelaterade. De handlar om materialbrist, omställningar, väntan på order, kvalitetsproblem, planeringsfel, kommunikation mellan skift, och brist på operatörer. En vanlig antagelse är att stopp i huvudsak beror på maskinhaverier, och att lösningen är bättre underhåll och smartare maskiner. Verkligheten är alltså en annan.

Det här får direkt betydelse för hur OEE ska tolkas. En låg OEE-siffra säger ingenting i sig om var problemet ligger. Om 80% av förlusterna inte sitter i maskinerna, kommer en fabrik som bara investerar i bättre maskiner och mer underhåll att bli besviken på resultatet. Den stora potentialen ligger någon annanstans, i arbetssätt, planering, materialflöden och i operatörernas kunskap om vad som faktiskt händer på golvet.

Det får också betydelse för hur data ska samlas in. Automatisk insamling från maskiner kan visa att ett stopp har inträffat. Den kan sällan visa varför. Operatörerna behöver kunna koda orsaken, snabbt och enkelt, i samma ögonblick som stoppet sker. Annars hamnar den största delen av förlusterna i kategorin "Annat" och blir omöjlig att arbeta med. Hos Orkla Nidar, godistillverkare i Norge sedan 1912, kunde operatörerna eliminera "Annat"-kategorin från rapporteringen så snart de fick verktyg som gjorde det enkelt att koda rätt orsak direkt.

Vilka är skälen till att OEE inte räcker som ensam KPI?

OEE räcker inte ensam av tre skäl. Den säger ingenting om varför förlusterna uppstår, den uppmuntrar fel beteenden när den blir det enda måttet, och den går inte att jämföra mellan olika fabriker. Vi går igenom dem i tur och ordning.

1. Den säger ingenting om varför

En OEE på 62% säger inte om problemet beror på haverier, omställningar, kvalitet eller bemanning. Utan förlustanalys blir OEE bara en termometer som visar feber utan diagnos. Du vet att något är fel, men inte vad, och därför inte vad du ska göra åt det.

Värdet uppstår först när siffran kan brytas ner. Per stopporsak, per orsaksgrupp, per linje, per artikel, per skift, per maskindel, och som trend över tid. Då går det att besvara de frågor som faktiskt leder till handling. Varför presterar artikel A sämre på linje 1 än på linje 2? Vilka stopporsaker har ökat den senaste månaden? Vilka förluster är frekventa men korta? Vilka är sällsynta men dyra? Det är i nedbrytningen, inte i totalsiffran, som förbättringsarbetet får sin riktning.

2. Den uppmuntrar fel beteenden

Om OEE blir det enda måttet börjar fabriker optimera siffran istället för verksamheten. Det sker sällan med avsikt, men det sker.

Ett vanligt exempel är att man räknar bort tid som "inte ska räknas", tills siffran ser bra ut utan att något egentligen förbättrats. Ett annat är att man kör maskiner som egentligen inte borde köras, bara för att hålla uppe tillgängligheten. Ett tredje är att man minskar antalet omställningar genom att köra längre serier. Det höjer OEE på kort sikt, men sänker flexibiliteten, ökar lagret och binder kapital. Fabriken ser effektivare ut på pappret samtidigt som den blir mindre konkurrenskraftig i praktiken.

När ett mått blir ett mål upphör det ofta att vara ett bra mått. OEE är inget undantag. Därför behöver den balanseras mot mått på flöde, leveransprecision, lager och kvalitet.

3. Den går inte att jämföra mellan fabriker

OEE-värden beror på hur "planerad produktionstid", "ideal cykeltid" och stopporsaker definierats. Två fabriker som räknar olika kan ha samma verkliga effektivitet men helt olika OEE-siffror, eller samma siffra trots stora skillnader i verklig prestanda.

Att jämföra fabrikers OEE-värden mot varandra leder därför nästan alltid fel. Det kan dessutom skada förbättringskulturen. När fabriker eller skift jämförs på en siffra uppstår incitament att få siffran att se bra ut, snarare än att förbättra det som ligger bakom. Konkurrens kring talet ersätter samarbete kring förbättringar. För en koncern med flera anläggningar är det här en viktig insikt. Uppföljning på koncernnivå bör fokusera på utveckling över tid inom varje enhet, och på att dela lärdomar, inte på att rangordna enheter mot varandra.

Vad bör OEE kompletteras med?

OEE bör kompletteras med förlustanalys per orsak, kvalitetsmått, omställningstider, energiförbrukning per enhet och flödesmått. OEE ska inte överges, men kompletteras, så att bilden blir komplett och svår att manipulera.

Förlustanalys per orsak. Själva grunden för att OEE ska bli handlingsbar. Utan den är OEE en siffra utan adress.

Kvalitetsmått. Skrot, omarbete och kvalitetsavvikelser, gärna kopplade till artikel och orsak. Kvalitet är inte bara en del av OEE, utan en egen dimension värd att följa.

Omställningstider. Ett av de mest dolda förlustområdena, och ofta en av de största hävstängerna för ökad kapacitet.

Energiförbrukning per enhet. En allt viktigare dimension, både för kostnader och för hållbarhetsrapportering. Energin per producerad enhet sjunker när OEE stiger, vilket gör att måtten är nära kopplade.

Flödesmått. Genomloppstid, lager i arbete och leveransprecision. De fångar sådant som OEE missar, särskilt risken att en hög OEE uppnås på bekostnad av flödet.

Tillsammans ger de en bild som är svår att fuska med. Det är poängen. När flera mått pekar åt samma håll går utvecklingen att lita på.

Vad krävs för att OEE ska skapa värde?

Fem saker avgör om OEE skapar värde: datakvalitet, operatörsinvolvering, daglig styrning, förlustanalys på djupet, och en tydlig införandeprocess. Erfarenhet från fler än 300 fabriker visar ett tydligt mönster. Tekniken är sällan flaskhalsen.

Datakvalitet. Om operatörerna inte litar på siffran kommer de inte att använda den i sitt förbättringsarbete. Det kräver konsekvent definition av planerad produktionstid, korrekt hantering av omställningar och planerade stopp, och tydliga stopporsakskoder som operatörerna förstår.

Operatörsinvolvering. Eftersom 80% av stopporsakerna inte är maskinrelaterade måste operatörerna kunna koda dem. Det kräver enkla gränssnitt på fabriksgolvet, inte rapporter som ska fyllas i dagen efter.

Daglig styrning. OEE blir värdefull först när vi använder den i dagliga pulsmöten, skiftöverlämningar och förbättringsmöten. En siffra i en månadsrapport förändrar ingenting.

Förlustanalys på djupet. Att kunna bryta ner OEE per linje, artikel, skift, stopporsak och tid är skillnaden mellan att rapportera och att agera. Sibbhultsverken ökade OEE med 19,4% och minskade tekniska stopp med 73% genom att arbeta systematiskt över ett år, inte genom en enskild insats.

Tydlig införandeprocess. Att införa ett OEE-system handlar inte bara om att installera programvara. Det handlar om att definiera vad som ska mätas, säkerställa att signaler från maskiner och operatörer är pålitliga, och bygga arbetssätt som faktiskt använder datan. Utan det blir systemet en till informationskälla som ingen tittar på.

Hur går OEE från mått till förbättringsarbete?

OEE går från mått till förbättringsarbete när siffran används i en återkommande cykel av mätning, analys, prioritering, åtgärd och uppföljning. Den röda tråden i allt det här är att OEE är ett verktyg, inte ett mål. Målet är att minska produktionsförlusterna och kostnaderna, och att öka fabrikens produktivitet. OEE är ett av de bästa verktygen vi har för att se var förlusterna finns, men siffran i sig förändrar ingenting.

Det är därför OEE hör hemma i ett sammanhang av ständiga förbättringar, det som inom lean kallas ständiga förbättringar eller kaizen. Mät, analysera, prioritera, åtgärda, följ upp, och börja om. OEE och förlustanalys ger faktaunderlaget. Förbättringsarbetet ger resultaten. En fabrik som mäter OEE men inte arbetar strukturerat med förbättringar får en fin instrumentpanel utan att bilen rör sig framåt.

Hur arbetar Good Solutions med detta?

Plattformen från Good Solutions är byggd för att OEE ska gå från rapportering till handling. Det är inte ett mätverktyg som producerar en siffra, utan ett verktyg för att driva förbättringsarbete i den dagliga driften. Syftet är konkret. Att minska produktionsförlusterna och kostnaderna genom att öka fabrikens produktivitet.

Plattformen samlar maskinuppkoppling, operatörsverktyg, dashboards, tidslinje, rapporter, kvalitetshantering, underhåll, andon, energi och verksamhetsinförande i ett sammanhängande verktyg. Operatörer, produktionsledare, förbättringsledare och ledning arbetar utifrån samma fakta, var och en i den vy som passar sin roll. Förlustanalysen gör att rätt insatser prioriteras. Energimodulen gör att kostnad och hållbarhet kan följas i samma plattform som produktionen.

Lika viktigt som mjukvaran är verksamhetsinförandet. En beprövad process, ledd av experter med produktionserfarenhet, säkerställer att datakvaliteten håller och att arbetssätten kommer på plats. En svensk supportorganisation och en dedikerad Customer Success Manager följer kunden över tid.

Resultaten talar för sig själva.

Bostik förbättrade OEE med 40% och kortade omställningstiderna med 70%. Barilla Wasa ökade nettoproduktionen med 15% samtidigt som CO₂-förbrukningen minskade med 28%. Kavli producerade 5 000 ton mer på ett år, utan fler skift eller fler maskiner. I samtliga fall kom resultaten från förbättringsarbetet, med OEE som ett av flera mått som visade vägen.

Läs mer om hur andra har ökat sin fabriks produktivitet

FAQ

Räcker OEE som enda KPI för produktionen?
Nej. OEE är kraftfull men säger ingenting om varför förlusterna uppstår. Den bör kompletteras med förlustanalys per orsak, kvalitetsmått, omställningstider, energiförbrukning per enhet och flödesmått. Att enbart följa OEE leder ofta till att fabriken optimerar siffran istället för verksamheten.

Varför kan vi inte jämföra OEE mellan våra fabriker?
OEE-värden beror på hur varje fabrik har definierat planerad produktionstid, ideal cykeltid och stopporsaker. Två fabriker som räknar olika kan ha samma verkliga effektivitet men olika siffror. Jämför istället varje fabriks utveckling över tid, och använd skillnaderna för att dela lärdomar, inte för att rangordna.

Vad betyder det att 80% av stoppen inte är maskinrelaterade?
Att den största delen av produktionsförlusterna beror på annat än maskinhaverier. Materialbrist, omställningar, väntan på order, kvalitetsproblem, planering och bemanning. Det innebär att en fabrik som bara investerar i bättre maskiner missar den största potentialen, och att operatörernas kodning av stopporsaker är avgörande för att förlusterna ska gå att åtgärda.

Hur undviker vi att personalen optimerar siffrorna i stället för verksamheten?
Genom att aldrig låta OEE stå ensam. När siffran balanseras mot kvalitet, omställningstid, flöde och leveransprecision, blir det svårt att förbättra OEE på ett sätt som skadar helheten. Lika viktigt är att använda OEE som underlag för förbättring, inte som ett betyg på skift eller individer.

Hur kommer vi igång med att använda OEE för förbättring och inte bara rapportering?
Börja med att säkra datakvaliteten och ge operatörerna enkla verktyg för att koda stopp. Lyft sedan OEE och förlustanalys i daglig styrning, alltså i morgonmöten, skiftöverlämningar och veckovisa förbättringsmöten. Prioritera några få förluster i taget, åtgärda, och följ upp. Det är i den återkommande rytmen som OEE går från rapport till resultat.