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。