1 稼动率概述
1.1 定义与基本概念
稼动率通常指设备或产线在“可计划运行时间”内，实际产生有效运行的比例。其核心思想是区分两类差异：一类是本应处于运行状态却未运行（例如计划内应开机但未开），另一类是确实运行了但未形成有效产出或产出质量不满足要求（例如运行但输出被判定无效、或产出极低）。因此，稼动率既是对设备状态的度量，也是对计划、维护与执行能力的综合反映。
在企业管理中，稼动率常作为“产能是否被充分利用”的入口指标：它回答“时间有没有被用起来”，并为进一步诊断（例如效率下降、瓶颈工序卡点、停机原因）提供抓手。
1.2 与相关指标的关系（如可用率、OEE、利用率）
稼动率与多类常用指标存在层次关系，具体口径可能因企业而异，但一般可从以下思路理解：
- 与可用率：可用率更侧重“设备是否处于可运行状态”，例如未处于故障导致的不可用。稼动率则进一步考虑在可运行窗口内是否真正实现有效运行与产出。
- 与OEE（综合设备效率）：OEE由可用性、性能与质量三部分构成。稼动率可被视为与可用性维度相关的“时间利用”度量入口；若要解释“为什么稼动率看似不错但产出达不到”，往往需要进一步落到OEE中的性能损失与质量损失。
- 与利用率：利用率有时泛指产能资源被使用的程度，例如人力、产线、场地或工装的占用情况。稼动率更聚焦“设备/产线的运行时间利用与有效运行”。
在实践中，企业通常会采用“稼动率—OEE分解—工序/停机—质量与返工”这样的链条，定位问题的具体归因，而不是只比较单一数值。
1.3 常见业务场景与使用目的
稼动率常用于以下场景：
1 稼动率概述
2 稼动率的计算方法
3 数据采集与工程实现
4 影响稼动率的因素
2 稼动率的计算方法
2.1 计算口径：时间基准与分子分母
稼动率的计算关键在于统一时间基准，并清晰界定分子分母的口径。常见做法是：
- 分母：可计划运行时间，通常由班次计划、工艺窗口或排程给出的“计划可运行时长”构成。
- 分子：有效运行时间，通常要求设备处于运行状态且运行时间被认定为“有效”（例如满足最低运行条件、产出被计入有效范围、或运行不属于某类无效/屏蔽状态）。
口径未对齐时，稼动率容易出现“同一现象不同数值”的情况，因此在制度层面会要求：事件定义、停机类别、是否剔除调试/等待等规则保持一致。
2.2 常见公式体系
2.2.1 按日/班次/期间统计
在较常见的统计层级，稼动率可概括为：
- 按时间段稼动率：
稼动率 =（该时间段内有效运行时长）/（该时间段内可计划运行时长）
该口径适合用于运营管理与周/月汇总，也便于与计划执行对账。但需要注意：当一个班次内存在频繁换型或调试时，是否将其纳入“有效运行”会影响可比性。
2.2.2 按设备/产线/工序统计
在更细粒度的层级，稼动率通常按资源维度统计：
- 按设备稼动率：对每台设备分别计算，可用于定位个体故障、保养或供给问题。
- 按产线稼动率：可采用多设备汇总方式，例如取加权后的有效运行时间或以产线关键设备为代表；不同企业会有差异。
- 按工序稼动率：适合多工序串联产线，通过工序稼动率发现节拍不平衡与衔接断点。
无论哪种维度，口径一致性是可比性的前提，包括分母的定义是否与该维度的排程窗口一致。
2.3 有效运行与异常停机的判定
“有效运行”的判定通常围绕以下规则展开：
- 运行状态判定：设备处于运行（或生产）状态，而非待机或离线状态。
- 最低运行条件：例如达到设定的运行阈值（转速、产出速率、工步条件等），避免将“空转”计入有效。
- 异常停机处理：当出现故障、材料不足、人工介入导致的等待等情形，通常会归类为相应停机类别，并从有效运行中排除或分账。
对于“微停与降速”，是否计入有效运行取决于企业对“有效”的定义。有些企业将短时微停视作性能损失，仍保留为运行；有些企业则直接按事件规则剔除。关键是保持口径在同一统计周期内稳定，并与后续分析指标（如OEE分解）形成对应关系。
2.4 稼动率的校验与口径一致性
工程实践中常需要做校验以确保数据可信：
- 时间基准核对：计划时长来自排程或工单，应与班次边界一致。
- 事件覆盖率检查：停机事件、运行事件、人工介入等记录是否完整，避免出现“缺事件导致稼动率被虚高/虚低”。
- 与产出对账：稼动率异常波动时，应检查是否存在产出未计入有效、或状态识别误差。
- 跨系统对齐：MES、SCADA与维护系统的时间戳与时区、采集延迟需要统一，避免因对齐误差造成分子分母不匹配。
3 数据采集与工程实现
3.1 数据来源：MES、SCADA、工单与维护系统
稼动率计算通常依赖多源数据协同：
- MES：工单执行、生产批次、产出有效性判定与计数汇总常来自MES。
- SCADA/设备采集：设备运行状态、报警与停机时间段等通常由SCADA提供。
- 工单与排程系统：提供可计划运行时间的边界，如班次、排程窗口、换型计划等。
- 维护系统（CMMS等）：用于停机原因、维修工单归因、备件与维修时长等。
在实现上，常见做法是建立“统一事件时间轴”：以同一时间基准把运行段、停机段、报警段与工单段串联起来，才能得到稳定可解释的稼动率。
3.2 停机分类与事件编码
3.2.1 计划停机
计划停机通常包括：换型窗口、保养计划、班次切换等待、工艺预留等。计划停机是否从分母中扣除，取决于企业采用的可计划运行时间定义：有些口径把计划停机视为不在“可计划运行时间”内，因此不应进入分母；有些口径则把它包含在分母中但在分子中剔除，以便反映计划兑现差异。
3.2.2 非计划停机
非计划停机多来自故障、异常报警、维修等待、物料短缺、外部条件不满足等。通常会进一步细分原因编码，以便后续根因分析和责任分解。
3.2.3 微停与降速
微停与降速指运行中出现短时停机或速率下降。其影响常体现在OEE的性能部分，也可能在稼动率的有效判定中体现为“是否计为有效运行”。工程实现上常用阈值和持续时间规则定义：例如低于某速率持续超过N秒才触发“微停事件”。
3.3 数据质量管理
数据质量对稼动率至关重要，常见治理点包括：
- 事件一致性：运行与停机事件不能重叠或缺口过大。
- 状态机完备性：确保设备状态枚举覆盖所有业务所需情形，如调试、锁定、等待物料等。
- 异常修正流程：对传感器失效、漏采集、时间跳变等问题设置修正规则，并保留审计记录。
- 口径文档化：将“有效运行判定规则”与“停机类别编码表”固化为可执行口径，避免不同报表口径互相打架。
3.4 实时与离线计算的差异
实时计算用于快速预警，离线计算用于复核与报表归档，两者常存在差异：
- 实时数据延迟：SCADA到汇聚平台可能有延迟，导致短时窗内稼动率偏差。
- 事件边界未完全确定：离线可根据更多信息补全事件持续时间与归类，而实时可能采用临时规则。
- 补偿机制：有些企业会对已结束班次在离线模式中重新计算，实时结果需标注“初算”。
因此管理层通常会区分“趋势判断”和“最终报表”，避免用实时数直接做严苛责任裁决。
4 影响稼动率的因素
4.1 设备与维护因素
设备层面的影响主要体现在：故障频次、故障持续时间、维修响应速度、备件可得性以及保养计划执行质量。若维护策略偏保守或缺乏数据支撑，可能导致停机等待增加，从而拉低有效运行比例。
4.2 物料与物流因素
当物料供应不稳定、到货不及时、运输与暂存流程不畅，设备即使开机也可能进入等待状态或产出无法判定为有效。物流瓶颈常表现为“设备稼动率偏低但故障不多”，这类信号需要与仓储与计划对账联动。
4.3 产能计划与排程因素
排程决定了分母的边界，也决定了换型与节拍衔接是否合理。计划过于乐观、换型准备不足、关键工序排程冲突都会引发非计划停机或等待，从而影响稼动率表现。
4.4 工艺与质量因素（返工/报废导致的“有效运行”偏差）
如果质量判定把部分产出视为无效，那么即便设备在运行，产出也可能不计入有效，稼动率会出现“高运行但有效不足”的现象。返工与报废会进一步放大这一差异：设备被占用但产出贡献不足，导致有效运行时间与实际加工时间发生偏离。此类问题需要与质量体系、过程能力和工艺稳定性一起分析。
4.5 人员与班组管理因素
人员影响通常通过两条路径体现：一是操作与换型准备的熟练度影响停机时长，二是现场执行与异常处理流程决定停机能否快速恢复。班组的交接质量、故障升级机制是否清晰，也会影响稼动率的波动幅度。
5 提升稼动率的策略
5.1 预防性与预测性维护
通过预防性维护降低故障概率，通过预测性维护提前识别劣化趋势，可减少非计划停机与维修等待。策略落点包括关键部件的寿命管理、状态监测与维修窗口规划，使设备更稳定地处于可产生有效运行的状态。
5.2 停机损失分析与根因改进
稼动率提升并非简单追求“越高越好”，更需要把低稼动率的来源拆开。常见做法是对停机事件按类别与持续时间分布进行分析，识别主导损失项，再用根因方法推动工程改进，例如优化参数、改进治具、完善备件策略或调整维修流程。
5.3 排产与换型策略优化
排产优化强调工序衔接与节拍协调，换型策略优化强调减少无效调试时间。可行方向包括：缩短换型准备等待、合理安排换型批次与物料准备、在关键约束上做更精细的滚动排程，从源头减少“本应运行却被换型/等待卡住”的时间。
5.4 减少物料短缺与提升供给稳定性
通过完善补料规则、提升关键物料的缓冲能力、加强与供应与仓储的协同，可降低因缺料导致的等待停机。对于高波动需求场景，采用更明确的供给承诺与异常回填机制，有助于让设备真正“开了就能产出有效”。
5.5 降低微停与实现稳定节拍
微停与降速虽然单次短，但累积影响显著。改进方向包括：针对易触发报警的点位做工程优化、稳定原材料与上游供应条件、通过参数整定与工艺标准化减少波动。目标是让产线运行更接近稳定节拍，从而提升有效运行占比并降低性能损失。
6 稼动率的看板与管理应用
6.1 KPI分层：战略/运营/现场
稼动率通常以分层方式使用：
- 战略层：关注总体产能利用与跨月趋势，用于资源规划与产能评估。
- 运营层：关注班次与周期的执行质量，推动排程与保障机制优化。
- 现场层：关注设备与工序的短周期波动，快速定位停机原因与恢复路径。
分层的关键是目标粒度不同：战略看趋势与结构，现场看事件与根因。
6.2 目标设定与对标（内部与跨产线）
目标设定要结合设备类型、产品结构与维护策略，避免“同一目标套所有设备”。对标可分为内部对标（同机型不同线体、同工序不同班组）与跨产线对标（同工艺但不同布局）。在对标时需核对口径一致性，尤其是有效运行定义、计划停机扣除规则与微停处理方式。
6.3 异常预警与处置流程
看板常配套预警机制，例如稼动率低于阈值、关键设备停机时间超过上限、同类停机在短期内集中等。处置流程一般包含：确认事件归类是否正确、检查可恢复性与依赖条件、启动维修/物料/工艺协同，并对处置结果进行记录以便后续复盘。
6.4 与OEE联动的诊断方法
当稼动率下降时，仅凭这一指标难以判断是“不能开机”还是“开机但产出不达标”。与OEE联动的典型诊断路径为：
- 若稼动率与OEE的可用性同步下降：多半是停机与不可用问题主导。
- 若稼动率变化不大但OEE明显下降：可能是性能或质量损失更突出，需要进一步检查速率、良率与返工。
- 若稼动率波动集中在某工序：优先从工艺节拍、上游供给与换型衔接入手。
7 指标解释的常见误区与“稼动率梗”
7.1 “稼动率高但不赚钱”的原因剖析
稼动率高并不必然带来利润，常见原因包括：产出的产品结构不匹配市场需求、质量导致返工成本上升、低价订单挤压毛利、或虽然设备跑得快但产出被限制无法按时交付。也就是说，稼动率更像“时间利用的温度计”，不能替代财务与交付指标。
7.2 口径不一致导致的“指标吵架”
不同部门可能使用不同定义，例如是否剔除计划停机、微停如何处理、有效产出如何判定。结果就是同一个时间段有人说稼动率高，有人说稼动率低。解决办法通常是把口径写成可执行规则，统一事件编码表，并在报表系统中固化算法逻辑。
7.3 只盯数字不管停机原因的陷阱
如果只追求提升稼动率而不拆解停机原因，可能出现“表面变好”的情况，例如把某些无效运行归到不同状态，或通过临时屏蔽事件来掩盖真实损失。长期来看会削弱数据的可信度，改进也难以落地。正确做法是把数字与原因绑定：每一次稼动率下滑都要能对应到停机类别与可执行动作。
7.4 让数据讲人话：从报表到行动
常见的管理“翻译”方式包括：把停机从抽象的时间指标转为“发生了什么、为什么停、下次怎么避免”。例如把“稼动率下降0.8个百分点”转化为“某关键设备在两天内因换型准备不足累计停机X分钟，已确认需要在前一班完成物料与治具就位”。当数据能直接指向现场动作时，稼动率才真正成为管理工具，而不是报表负担。
8 相关术语与延伸阅读方向
8.1 停机/运行/有效产出的术语对照
在不同企业或系统中，术语可能存在差异，但通常可建立映射关系：设备状态（运行/待机/故障/调试）、停机类别（计划/非计划/微停降速）、有效产出（计入统计的良品或满足判定条件的产量）与无效产出（返工前不可计、报废等）。建立对照表有助于跨系统分析与减少“同名不同义”。
8.2 与精益生产、TPM的衔接
稼动率与精益生产、TPM的结合点在于：以数据识别浪费来源，以改善机制降低停机与异常。精益更关注流程流动与减少等待，TPM更强调设备自主维护与系统性预防，两者共同作用可形成“从问题识别到能力建设”的闭环。
8.3 进一步的指标体系（如产出率、节拍达成度）
为了更全面解释产能表现，常与稼动率配套使用的指标包括：产出率（单位时间产出）、节拍达成度（按节拍计划的完成情况）、良率与质量损失、以及工序平衡相关指标等。通过将“时间是否跑起来”与“跑得是否有效”进一步拆分，企业更容易找到提升空间并验证改善效果。