首先要说明的是，业界对于OEE的定义是有不同版本的，差异主要集中在对损失时间的划分和时间稼动率的定义，

前者对分析没有影响，后者我们采用使用范围较广且相对权威的FOXCONNIE学院的定义，时间稼动率分母为总时间(24N);

对于其他不同的定义，最后我们会进行简要说明;首先我们从一个例子开始。

某一个工厂，根据订单买了一定数量的设备，在我们对它研究的这段时间里，工厂订单稳定，所以不会增减设备(暂时排除订单和设备数量波动对系统的影响，是因为在过多因素的作用下系统比较复杂，不利于我们的理解;当我们弄清楚一些问题后，会把这些因素再加入系统一起分析)。

那么在这个工厂里，工程师要如何做，才能提升稼动率或OEE呢?

答案是无论怎样做都不可能提升稼动率，也不可能提升OEE，如果改善是在缩短计划停机和非计划停机方面(降低保养时间，维修时间，故障频次)，那么稼动率和OEE不会有任何变动，既不会升高也不会降低;

为什么会有这样一个看似不符常理的结论，我们从设备和订单的关系角度出发，就很容易理解了，工程师虽然降低了计划和非计划停机产生的时间损失，但订单没有变化，生产所需要的总时间就不会变(设备生产周期CT是一定的)，

这就代表计算稼动率的分子没有变化，而分母依然是24n，所以无论改善降低了多少损失时间，都不会在稼动率或OEE上反映出来。

也许有人问，我们通过改善缩短了维修时间，降低了故障次数，也缩短了切换线时间，这些节省的时间哪里去了?

很简单，这些时间从非计划停机时间转移到计划停机时间里面去了，但由于要生产的产品数量没有变，所以总的生产时间就没有变，减少的只是排产时间(因为不需要给产线预留那么多损失时间了)，还有就是之前被非计划停机打成段落的生产时间变得更加集中了;

那么对于OEE，我们是不是可以通过提升产品良率，来达到提升OEE的目的;从OEE的计算公式来看(三个乘积)，好像是可行的。

但实际上是不可行的，这个推论的错误在于忽略了订单因素;

事实上在订单不变的情况下，当良率提升时，稼动率是要相应降低的，而且提升和降低的比例也必然一致，因为良品数增加了，机台就没有必要仍然开那么长时间了，所以最终OEE仍然是不变的;

从这里也可以看出，虽然OEE的公式中包含良率，但良率的波动对OEE却没有影响。

由此来看，IE努力改善缩短维修时间，降低故障频次，缩短切换线时间，提升保养效率，甚至提升良率等活动，都不能对OEE的结果直接产生影响，甚至从某种程度上说，这些改善活动与OEE无关;

明白了吧，如果你的工程师向你报告通过以上种种努力，使公司本月OEE提升了，那就要好好探讨了。

既然这样，那是不是这些改善没有效益呢?

当然不是，恰恰相反，这些改善对工厂极有价值;只不过这些价值并不能在这时的OEE指标上体现出来;

也不能在我们通常说的稼动率上显现，因为通常提到的稼动率默认为时间稼动率(生产时间/24n);其实，这些改善最根本价值是：工厂可以用相同数量的设备完成更多的订单了;

当设备的损失时间被我们的改善不断降低时，也就意味着设备每天可投入的工作时间在增加，也就是说设备总体生产力提升了;

这和技术人员通过改善来缩短设备生产周期CT效果是一样的，区别是生产周期缩短会立刻显示为稼动率和OEE降低(实际值)，而停机时间缩短对这两个指标无影响。

如果做一个比喻说明，就像一个蓄水池，里面装了一定量的水，IE的工作是加高蓄水池的边框和清理水底的石头，这些都不能改变池中现有储水量，甚至还会让水位看起来更低，但却增加了蓄水池的总储水量;

既然对停机时间的改善无法影响到OEE，那么OEE的波动到底是哪些因素作用的结果，或者说它反映了哪些因素在变化，其实在上面的分析中我们也基本得出了答案，就是订单因素(实际操作中的统计误差也会造成数据波动，操作过的应该都有体会，这里不再讨论)。

所以，当工厂把每周的OEE数据连接起来做成趋势图，以此来考核改善人员的绩效时，显然是不可能达到目的的;

IE人员改变不了每周OEE的实际值，他们只能提升OEE的实力值(或者说是工厂设备最大能力值，如果一定要用OEE来衡量改善绩效时，只能用实力值)，

除非一种特殊情况，工厂订单一直大于工厂设备的能力，即设备始终处于满负荷运转状态，这时OEE的实际值与实力值统一;

如果用OEE的公式来证明可以得到同样的结果，OEE=时间稼动率*性能稼动率*良率，当我们展开公式并约去相同项时，公式变为：良品数*CT/24N;

虽然我们对OEE实际值统计一般都采用前者公式(时间&性能稼动率，良率除了用来计算OEE外，还有各自独立的属性)，

但结果必然同时符合后面的公式，决定良品数的正是订单量，显然OEE实际值只取决于订单;事实上，性能稼动率与良率的实际值就是实力值，而时间稼动率则不是。

总的来说，订单量，改善活动(缩短停机时间，提升良率，提升性能稼动率，缩短设备周期CT)，增减设备数量都会影响到OEE，但程度不同;

订单的波动直接导致OEE波动，在波动幅度没有达到实力值时，OEE实际曲线和改善活动无关(只有缩短设备周期会降低OEE)，

但如果改善活动做的好，就可以减少机台数量以节省成本，这时OEE表现为提升(如果迭加订单波动的影响，也可能出现降低或持平);

当单波动超出了OEE实力值，那么就要通过改善活动提升设备实力值，也可以增加设备数量，这两种解决方法区别在于，前者会使OEE趋势继续上升，

而后者在OEE趋势上的反映是上升，持平，下降均有可能，这由新增设备数量与新增订单的比例决定;

所以当我们看到OEE趋势的变动时，更要理解其背后的原因。

所以OEE并不是一个能直接反映改善活动成果的指针，它是实际订单量与工厂设备整体能力的比值，或者工厂设备的整体负荷状态，这是提供给公司经营决策层宏观参考的;

而改善活动的成果是提升了这些设备的实力值，是不一样的。

改善活动与OEE除了有以上的相互关系，当OEE取不同定义时，会造成它们的关系有所不同;

在另外一个应用较多的定义中，时间稼动率分母不是总时间，而是去除了不排产时间的计划生产时间，这样时间稼动率和订单因素无关，性能稼动率和良率不变，

所以这时的OEE就和订单无关，当通过改善活动降低停机时间或提升良率时，OEE都会提升，反而是订单波动对OEE没有影响，

这时OEE反映的是包括良率在内的设备整体效率，表示设备的整体实力状态，但不反映设备实际负荷状态。

这个定义应该是改善人员希望看到的;但实际上却没有得到最广泛的应用，原因有两点：

1. 虽然可以反映稼动率改善成果，但同时也反映了良率改善成果，最终作用是迭加;

所以OEE本身无法确定自身波动原因，而在很多公司负责设备和负责质量的是两个独立部门，大家共同努力会使OEE改善，但OEE本身其实成了一个没有专人负责的指标(每个部门关心的是直接反映自身绩效的指标;此时的OEE既无法单独考核质量部，也无法单独考核设备部);

2. 一般的经营决策层也不太喜欢这个脱离了真实负荷状态的OEE，他们更愿意看到对现场反应敏感的指标(而不是当订单降低，现场IDLE设备在增加时，OEE却仍然高高在上，纹丝不动)，虽然可以再引入其他指标;

还有一些工厂有自己的定义，如把时间稼动率中分母去除整个计划停机，包括保养时间，也有把设备IDLE时间放在分子中，等等，不再一一说明;

因为无论定义如何变化，规律本身都是一定的，变化的仅仅是一些项目的名称或位置。