企业官网建设流程全解析

设备经理盯着 OEE，发现设备综合效率迟迟上不去；

生产经理盯着产量，觉得人手已经排满，产出还是不理想；

财务月底核算人工成本，发现实际投入远超标准。

三方各有数据，各有理由，开了几轮会，问题却没有解决。

真正麻烦的不是指标太少，而是管理对象没有分清：设备停机，不能全算员工的责任；人员效率低，不一定是设备出了问题；人工成本超标，也不能只靠压缩工时解决。

OEE、OLE、DLE，分别从设备效率、人员效率和人工投入三个维度切入。

用对指标，才能找准问题、明确责任、推动改善。

文中用到的简道云生产管理系统在这里>>https://s.fanruan.com/epo69

一、OEE管设备

OEE，即设备综合效率，主要用于衡量设备在计划生产时间内的有效生产水平。

它关注的不是设备有没有开机，而是设备开机后能否稳定、快速地生产合格产品。

1. 核算指标

OEE由可用率、性能效率和质量率三个指标相乘得出：

• 可用率 = 实际运行时间 ÷ 计划生产时间

• 性能效率 = 理想节拍 × 实际产量 ÷ 实际运行时间

• 质量率 = 合格品数量 ÷ 总产量

假设某台设备计划生产480分钟，实际运行384分钟，可用率为80%；理论上每班应生产400件，实际生产360件，性能效率为90%；其中合格品342件，质量率为95%。

那么，OEE = 80% × 90% × 95% = 68.4%。

这意味着，设备计划生产时间中，最终转化为有效合格产出的比例为68.4%。具体改善方向，还要结合三项指标分别判断。

2. 拆解损失

OEE偏低，不能只看最终结果，还要拆出损失发生在哪里。

• 可用率低：重点查设备故障、换模换线、等待维修等停机损失。

• 性能效率低：重点查设备降速、短暂停机、节拍不稳定等效率损失。

• 质量率低：重点查设备精度、工艺参数、首件调试和重复加工等质量损失。

三类损失对应不同的改善措施。故障频发，就要分析故障原因、维修时长和保养执行情况；设备运行速度达不到标准，就要检查工艺参数、设备状态和生产节拍；不良品过多，则要追查质量异常发生的环节。

通过简道云搭建设备故障处理流程，设备发生异常后，维修人员可以及时记录故障现象、排查原因和处理措施，设备主管也能跟进维修是否完成、同类问题是否再次发生。这样一来，故障处理就不只是把设备修好，还能把每次维修中发现的问题沉淀下来，为后续保养和故障预防提供依据。

3. 分清职责

OEE反映设备综合效率，但不代表所有损失都由设备部门负责。

例如，设备因故障停机，应该由设备部门牵头分析；设备完好，却因缺料无法开机，需要采购或仓库协同解决；设备运行正常，但因工艺参数不合理造成大量不良，则要联合工艺和质量部门排查。

管理者不能看到OEE下降就要求维修人员加快速度，也不能把所有停机时间都算到设备头上。要把停机原因、责任环节和改善措施对应起来，才能让指标真正指导行动。

二、OLE管人效

OLE通常指人员综合效率，用于衡量人员投入转化为有效产出的情况。不同企业对OLE的计算口径可能有所差异，实际应用时应先统一指标定义，再进行横向比较。

1. 核算人效

一种常见的计算方式是：

• 出勤率 = 实际出勤工时 ÷ 计划工时

• 绩效效率 = 实际产出 ÷ 对应标准产出

• 质量效率 = 合格品数量 ÷ 总产量

OLE = 出勤率 × 绩效效率 × 质量效率。

假设某班组计划投入100小时，实际出勤90小时，出勤率为90%；按标准工时和产品要求计算，实际产出达到对应标准产出的90%；质量效率为98%。

那么，OLE = 90% × 90% × 98% = 79.38%。

这组数据说明，人员投入转化为有效产出的整体效率还有提升空间。但它不能直接说明员工不努力，还需要继续拆解各项损失。

2. 诊断人效

OLE偏低，重点从三个方面排查：

• 出勤不足：检查缺勤、临时调岗、人员储备和排班安排。

• 产出不足：检查岗位分工、工序衔接、作业等待和技能熟练度。

• 质量损失：检查操作规范、培训效果、工艺执行和返工情况。

例如，某工序产出持续低于标准，问题可能不是员工操作慢，而是前道工序供料不及时，导致人员频繁等待；也可能是新员工比例较高，尚未达到标准作业水平。

因此，分析OLE时要结合岗位、班次、产品类型和人员熟练程度，避免直接拿不同工序、不同产品的产出进行比较。只有口径一致，比较结果才有意义。

3. 优化配置

人效改善的重点不是一味加人、减人或延长工时，而是让人员配置与生产任务相匹配。

如果某道工序长期积压，可以重新评估岗位分工和人员配置；如果员工频繁等待，应先解决物料供应、工序衔接等问题；如果新员工操作效率偏低，则要完善岗位培训和标准作业指导。

通过简道云搭建人员排班与生产任务管理流程，生产任务临时调整、关键岗位缺人或某道工序产出不达标时，班组长可以及时记录现场情况，生产经理也能了解问题出在人员安排、工序衔接还是作业执行。发现瓶颈后，再针对性地调整岗位和排班，避免一边加人加班，一边仍然无法按计划完成产量。

OLE最终要回答的是：现有人员投入是否合理，生产组织是否顺畅，人员能力是否匹配岗位要求。把问题找准，才能真正提升人效。

三、DLE管投入

DLE常用于衡量直接人工工时的使用效率，但不同企业的定义可能不同。

实际应用前，应先确认公司采用的是人工工时效率、人工成本效率，还是其他内部口径，不能把不同定义混在一起比较。

1. 核算工时

如果企业采用直接人工工时效率这一口径，可以按以下公式计算：DLE = 标准人工工时 ÷ 实际直接人工工时 × 100%。

例如，某批产品的标准人工工时为100小时，实际投入120小时，那么：DLE = 100 ÷ 120 × 100% ≈ 83.3%。

这表示实际投入的直接人工工时高于标准工时，人工工时使用效率低于预期。

• DLE = 100%：实际工时与标准工时一致。

• DLE低于100%：实际工时超过标准工时。

• DLE高于100%：实际工时低于标准工时。

需要注意，DLE高并不必然代表管理优秀，还要确认质量、产量和标准工时是否合理，不能为了追求高效率而牺牲产品质量。

2. 追查偏差

实际工时高于标准，常见原因主要有三类：

• 生产组织偏差：排产频繁变更、等待物料、工序衔接不畅，导致人工时间被消耗。

• 作业执行偏差：操作不熟练、返工较多、作业方法不统一，导致单位产品投入增加。

• 标准设定偏差：标准工时过时、产品难度变化、统计范围不一致，导致实际数据无法与标准准确对比。

例如，某产品的实际工时连续数周超过标准，不能直接认定为员工效率下降。还需要核对产品型号、生产批量、设备状态、返工工时是否计入，以及标准工时是否仍然适用。

只有先排除统计口径和标准设定问题，才能判断偏差究竟来自生产组织、作业方法，还是人员能力。

3. 推动改善

DLE反映的是实际投入与标准之间的差距，但它本身不能直接给出原因。

管理者应将偏差落实到具体产品、工序和生产批次，再制定对应措施。

如果工时损失来自等待，就优化排产和物料供应；

如果来自重复返工，就推动质量问题整改；

如果标准工时不再适用，就重新测定作业时间并履行标准变更流程。

同时，要区分人工工时效率和人工成本率。

前者关注实际工时相对于标准工时的表现，后者还可能受到工资水平、加班费、人员结构等因素影响。

两者相关，但不能相互替代。

四、三项联动

OEE、OLE和DLE分别关注设备、人员和人工投入。单独看任何一个指标，都可能只看到问题的一部分；结合起来分析，才能更准确地判断生产损失发生在哪里。

1. OEE低，查设备

先看设备是否频繁停机、运行速度是否达标、产品质量是否稳定，再结合故障记录、停机原因和生产计划排查。

如果设备本身运行正常，却因缺料、待人或计划调整而停机，就需要进一步追查生产组织问题，不能把所有损失都归为设备故障。

2. OLE低，查人效

当人员投入充足但产出不足时，要检查排班是否合理、岗位分工是否清晰、工序衔接是否顺畅，以及员工技能是否达到作业要求。

如果人员效率下降与设备停机同步发生，还要结合OEE判断：究竟是设备问题影响了人员作业，还是人员安排不合理导致产出不足。

3. DLE异常，查工时

当实际人工工时明显超过标准时，应核对标准工时、产品结构、统计范围和生产过程中的额外投入。

如果DLE偏低，同时OLE也偏低，可能需要重点排查等待、返工和作业组织问题；如果OLE表现正常而DLE异常，则应进一步检查工时统计、标准设定和核算口径。

具体原因仍要通过现场记录验证，不能仅凭指标组合直接下结论。

设备、人员和工时并不是彼此独立的三笔账。

设备停机可能造成工人等待，人员配置不合理可能拖慢产出，生产组织不顺畅又会推高人工投入。

把三项指标放在同一条生产链路中分析，才能避免部门各看各的数据、各自解释问题。

最后说一句，

OEE管设备，OLE管人效，DLE管人工投入。

先用指标找到偏差，再到现场查明原因，最后用改善验证结果，才能让数据真正服务于生产管理。

Q1：我们厂小，之前连OEE都没算明白，现在又出来OLE、DLE三个指标，是不是要全员动员、停线测数才能搞？小团队扛得住吗？

别一上来就三个指标全上，先把数搞准，再谈算全。

这三个指标不是让你多做三道题，是把原来混在一起的“设备效率低”这一件事，拆成了三个不同部门该扛的事。小厂最实用的起步动作，就是先把最核心的停机原因记准——设备坏了停多久、等料等了多久、换模换线停了多久，这三类数有了，OEE的真实值自然就出来了。

等你拿着这个真实的OEE跑两个月，发现一半停机时间是排产排得不合理、设备经常空等，那再把OLE的排产维度加上；发现同样的设备同样的订单，不同班次干出来的速度差一大截，那再把DLE的操作维度补上来。不是指标越多越专业，是你看到的问题能用哪个指标拆，就上哪个指标。

Q2：每次开效率会，设备部说生产排产乱，PMC说设备老坏，车间说操作工技能不行，三个指标摆出来，到底怎么分责任才不扯皮？

这三个指标存在的意义，本来就是为了把扯皮的事拆清楚。

OEE算的是设备本身的状态：真刀真枪运行的时候，速度够不够、废品多不多、非计划停机了多久——这是设备部保养、维修该扛的责任。OLE算的是设备在整个班次要时间里，真正在干有效活的时间比例：是不是经常等料、等工艺、等计划调整，设备整天空转——这是PMC排产、物料配套该扛的责任。DLE算的是人在操作时的实际产出：同样开一台机器，老工人和新工人干出来的效率差多少，有没有因为操作不当出废品——这是车间班组、技能培训该扛的责任。

哪块数低，就顺着对应的指标找对应的人，不用开两个小时会互相甩锅。原来大家坐在会议室里凭印象争“谁的问题大”，现在数一摆，哪块拖了后腿一眼看得见。

Q3：这三个指标算起来要扒一堆停机记录、排产单、报工表，是不是必须花大价钱上MES才能自动算？

别为了算三个数就砸几十万上重型系统。

绝大多数厂现在的问题，根本不是系统不够高级，是原来的数就散在Excel、纸面交班本、车间微信群里，没人把它们串起来。你先用简道云这类零代码工具，把停机登记、排产计划、生产报工这几个原来手动填的表搭起来，系统自动把数拼到一起，OEE、OLE、DLE三个值每天自动算出来，不用安排专人每天扒表统计。

等这套流程跑顺了，大家真的会拿这些数找问题了，再考虑要不要对接现有的ERP或者上重型MES。最傻的做法是先花大价钱把系统买回来，再回头补基础数据——数不准，算出来的OEE再漂亮，也只是给老板看的报表，解决不了车间里的真问题。