“我们 OEE 一直 85% 以上，行业领先。”厂长一边敲着桌上的 Excel，一边很骄傲。

直到有一天，新来的精益工程师接了条 PLC 信号，把设备真实开机、停机、报废数据拉出来，往系统里一丢——同一条产线的 OEE： Excel 上是 86.3%， 系统里算出来是 54.7%。

会议室里，没人说话。 大家都在心里算： 原来我们“优秀”的那 30%，是手填出来的。

>>>>在这里，先为大家精心准备了一份《供应链库存分析解决方案》。这份方案能帮助企业实现供应链的高效管理，为仓库库存管理中的那些难题提供切实可行的解决思路。需要自取>>>>供应链库存分析解决方案 - 帆软数字化资料中心

一、车间数据造假，到底有多日常？

别急着骂“造假”，先看几个真实场景，你八成都见过：

1. 停机时间“自动消失”

设备上午因为换模、等料、调机，断断续续停了一个多小时。

班长下午回头补报表： “换模写 15 分钟吧，调机写 10 分钟，再多写厂长要问了。”

Excel 上：停机合计 30 分钟。

现场真实：停机 70 分钟。

多出来的 40 分钟去哪了？ 消失在一个“不好看”的单元格里。

2. 产量“向上取整”，报废“向下取整”

计划产量 1000 件，今天实际做了 930。 班长心想： “差一点点，写 960 吧，明天多干点补回来。”

报废 50 件也不好看，改成 30。

OEE 公式一算：还不错，状态良好。

第二天呢？ 永远“差一点点”，永远“明天补回来”。 最后谁也没补，只有报表在越来越好看。

3. 点检表天天签，谁也没看过

设备点检表整整一页： 油位、异响、震动、温度……

实际操作： 师傅先干活，临近下班找个板凳坐下，“刷刷刷”一口气把一周的都补签了。

领导来巡线： “点检表都填得蛮齐的嘛。”

直到有一天轴承咬死，停机 8 小时，回头查记录—— “一切正常”。

所以，当你看到： “本月 OEE 持续稳定在 85% 以上” 的时候， 你心里真的信吗？

二、为什么大家宁愿造假，也不愿报真实？

大部分时候，不是这个工厂“坏”，而是机制在逼人说谎。

1. 指标只考结果，不管条件

OEE 被当成“政治正确”的 KPI：

85% 以下要写检讨

90% 以上才有奖金

谁报低谁倒霉

那怎么办？ 真实 = 找麻烦，好看 = 好日子。

你让一线班长在“说实话”和“保饭碗”之间选，他能选哪个？

2. 数据只用来“汇报”，不用来“解决问题”

在很多厂里，OEE 的唯一用途就是： “周会 PPT 的一页。”

开会前，工程师在 Excel 里把图做得漂漂亮亮。

开会时，领导点点头： “嗯，本月还不错，下月继续努力。”

散会之后，没有一个具体行动项落到现场。

久而久之，一线就懂了： 反正你不拿数字解决问题， 那我也没必要给你真实的问题。

3. 手工填报，本身就不可能精准

想象一下班长的一天：

要盯产线、调人、换模、接电话、被领导叫去开会

还能精确记住“10:13–10:21 换模，10:21–10:29 等料”？

根本不现实。 人脑不是数据采集器。

你用一套“机器级精度”的表格，要求一线用“人类记忆”去填， 它不造假，也只能乱填。

三、那次“一查真 OEE”的现场，是怎么翻车的？

说个完整一点的小故事。

1. 精益工程师干了三件小事

新来的精益工程师阿哲，只干了三件事：

把设备开机/停机信号接进系统， 不靠人填“开机时间、停机时间”，直接读 PLC。

把合格品/报废的计数器接进数据库， 生产多少、报废多少自动累加。

用fine BI 工具把这些数据做成了标准 OEE 看板， 可用率、性能率、良品率的公式和口径统一写死。

过了一周，他拉出了一条产线真实 OEE：

可用率：68%

性能率：88%

良品率：92%

合成 OEE：55% 左右

而这条线的 Excel 报表，一直写： OEE：85%+

2. 会议室里的“集体沉默”

厂长第一反应： “系统肯定算错了。”

于是大家一起去现场对数：

Excel 写：停机 30 分钟 系统记录：停机 70 分钟（换模+等料+故障）

Excel 写：产量 1000 系统记录：累计 930，报废 60

最后，连班长都不好意思了： “之前……我们是按‘差不多’在填。”

这一刻，大家突然意识到：

我们不是没有问题， 是我们用一套“好看的数据”，把自己骗舒适了。

四、真正拉低 OEE 的，其实是“缺料”——而这跟库存有直接关系

当数据变真实之后，有个有意思的现象出来了：

大家原来以为问题在“设备老、工艺差”。 结果一钻取停机原因，发现：

某条线停机时间里，“缺料”等料占了 30%–40%；

设备故障反而没想象中那么多。

换句话说： 机器没偷懒，人也没偷懒， 是物料没到位。

这就从“设备问题”，变成了“库存 + 计划问题”：

采购说：库里明明有货。

仓库说：货在那一堆，但还没上架到对应库位。

计划说：系统显示都是可用库存。

车间说：反正我就是拿不到料。

大家吵一圈，最后发现—— 谁都不缺报表，就是缺一块“把库存看清楚”的地方。

五、后来我们多做了一块：库存分析看板

这里 FineBI 就很自然地出现了： 我们本来就拿它做 OEE 看板，后来干脆顺手把 ERP/MES 的库存数据 也接了进来，搭了一块“库存分析 + 缺料预警”的看板。

它解决的，不是“好不好看”，而是几个非常具体的痛点。

1. 先看“货到底在哪”——把库存真实位置拉平给大家看

以前问库存，场面大概是这样：

计划：系统里显示有 500。

仓库：500 是总数，分了三个仓，还有一部分在质检。

车间：我这边就是没料，别跟我说 500。

在 FineBI 的库存分析看板里，我们把几个关键维度拼到了一起：

物料 → 仓库 → 库位 → 状态（在库 / 在途 / 待检 / 冻结）

同时加上：对应产线、对应工单、预计开工时间

结果就是：

计划打开看板，一眼能看到： “这条线下周要用 A 料 1000，现在可用库存只有 600，在途还有 300，缺口 100。”

仓库知道：哪几种料是真正“紧缺”，不是拍脑袋催。

车间能看到：自己这条线接下来一周的物料充足率。

这一步的直接效果是： “缺料停机”从事后抱怨，变成事前预警。

2. 找出拖 OEE 后腿的“库存黑洞”

我们还在看板上加了一个很简单的小块：

“缺料导致的停机时间 Top N 物料”

做法也不复杂：

从停机记录里筛出原因 = 缺料 的那一部分；

按物料号汇总“因为这个料缺而停机的总时长”；

用柱状图 / Pareto 图在 FineBI 里一摆。

结果非常直观：

你一眼能看到： “原来这三种物料，半年里让我们停了 200 多小时。”

然后可以顺着每一个物料，再钻取： 供应商是谁？平均到货周期多长？经常晚到吗？ 哪几条线受它影响最多？

这样一来，OEE 低，不再是“大家一起背锅”， 而是能点名： “这三个料，是重点改善对象。”

3. 把“库存周转 + 呆滞料”跟现场串起来

既然已经把库存拉到 BI 里了，我们顺手做了两块常驻视图：

ABC 分类 + 周转天数A 类料：高价值 + 高频使用 → 重点盯安全库存和补货策略；C 类料：用得少的零星物料 → 避免一买就是一年量。

呆滞库存排行榜连续 X 天无出库的物料直接上榜；让采购、工程和仓库一起在看板上“认领”： 这个还能不能用？能不能替代？要不要主动消耗？

这对 OEE 有什么关系？ 很简单：

一边是紧缺料让产线天天等；

另一边是呆滞料在仓里落灰占钱。

库存分析看板的价值，就是把这两头拉到一张图里， 让管理层直观地看到： “钱都压在哪，产线又是被什么卡住的。”

写在最后：先让数字说真话，再谈把它变好看

其实 OEE 只是一个入口。 你顺着真实 OEE 再往下钻，很容易钻到两件事上：

一头是现场的：设备、工艺、人员；

一头是后台的：库存、采购、计划。

前面那一头要靠精益、TPM、工艺优化； 后面这一头，就特别吃“库存分析看板”这种东西。

先接受难看：

接受真实 OEE 只有 55%；

接受库存结构非常难看，缺料和呆滞并存。

再用工具把“难看”摊开来给所有人看， 像我们后来做的那样： OEE 看板 + FineBI 库存分析看板配合着用， 让每一次停机、每一次缺料，都能追到一条线索、一种物料、一个决策上。

那时候，你再去谈“效率提升”“库存优化”， 就不是喊口号了，而是： 看着同一块看板，一行一行往下改。