Pinapatakbo mo ang isang shift sa bahagi ng final-assembly line ng sasakyan: limang istasyon nang sunud-sunod na may maliliit na buffer lane sa pagitan. Ang bawat paghinto ay bumabagsak sa buong linya, ang bawat depekto ay maaayos sa istasyon o magpapatuloy, at may production plan na dapat maabot ang shift.
Ang matututuhan mo
Paano hinahati ng OEE ang mga pagkalugi sa availability, performance at quality — at bakit ang bottleneck ang nagpapasya sa output ng linya.
Paano pinaghihiwalay ng may-hangganang buffer ang mga istasyon (blocking at starving), at magkano ang gastos ng imbentaryong iyon sa lead time (batas ni Little).
Bakit maaaring mas mainam ang paghinto ng linya kapag may depekto kaysa ituloy ito, at bakit hindi laging mas maraming output ang mas mabilis na takbo.
Simulator
Oras 0 min
▶Gumagana
‖Starved (walang yunit)
⧗Blocked (walang espasyo sa susunod)
✕Nasira
⚑Andon stop
▪Yunit sa buffer lane
Mga kontrol
Porsyento ng rated na bilis. Ang mas mabilis na cycle ay nagpapataas ng output — pati ng mga rate ng pagkasira at depekto.
Ilang yunit ang kayang hawakan ng bawat lane sa pagitan ng mga istasyon. Mas malaki ay mas napaghihiwalay ang mga paghinto, pero dumaragdag ang work in process.
Isang istasyon ang inaayos ng bawat technician; unang inaasikaso ang bottleneck, pinabibilis ng pangalawang technician ang pag-aayos.
Pinipigil ng mga operator ang kanilang istasyon para ayusin agad ang depekto. May kapalit itong uptime — pati ang mga paghinto para sa mga abnormalidad na wala naman palang problema — pero napipigilang makalusot pa ang mga depekto.
Isang pangkat na tatlo ang nag-aayos sa loob ng isang oras ng mga yunit na nahuli sa end-of-line test, para maipadala ang mga ito.
Mga indicator
OEE
0.0%
kritikal
Output laban sa plano
100.0%
normal
Mga depektong nakalusot
0
normal
Work in process
13
normal
Availability
100.0 %
Performance
0.0 %
Rate ng quality
100.0 %
Takbo laban sa takt
100 %
Throughput
50.0 JPH
Mga yunit na nauuna (+) / nahuhuli (−) sa plano
0
Lead time sa linya
16 min
Mga yunit na naghihintay sa repair bay
0
Oras ng paggawa kada yunit
0.00 h
Mga istasyong nasira
0
Walang ginagawa ang bottleneck (starved o blocked)
0.0 %
Trend
Mga senaryo ng krisis
Antas 1 · Protektahan ang bottleneck sa harap ng paghinto sa upstream
Plano: 50 yunit kada oras para sa kalahating shift na apat na oras. Ang istasyon 3 ang bottleneck ng linya at isa lang ang maintenance technician na naka-duty. Iniuulat ng maintenance na ang sirang piyesa sa istasyon 2 — nasa harap mismo ng bottleneck — ay kailangang palitan sa minuto 35: trabahong 40 minuto para sa isang technician.
Output ≥ 101 % ng plano sa pagtatapos ng kalahating shift
Idle ang bottleneck ≤ 7 % ng oras
Average na work in process ≤ 18 yunit
Antas 2 · Paglihis ng quality sa trim station
Plano: 52 yunit kada oras para sa kalahating shift na apat na oras, at sampung yunit mula sa huling shift ang naghihintay pa sa repair bay. Dalawampung minuto ang lumipas, may lumitaw na problema sa pagkakabit sa istasyon 4: humigit-kumulang isa sa bawat walong yunit ang lumalabas na may depekto. Nahuhuli ng end-of-line test ang karamihan — hindi lahat.
Hindi hihigit sa 1 depekto ang makalulusot sa customer
Output ≥ 104 % ng plano sa dulo (kasama ang mga naayos na yunit mula sa backlog)
Pinakamarami ang 3 yunit na maiiwan sa repair bay
Average na work in process ≤ 16 yunit
Antas 3 · Biglang pagtaas ng demand
Tumatakbo ang linya sa 80 % na bilis para sa planong 47 yunit kada oras. Dalawampung minuto sa kalahating shift, itinaas ng sales ang plano sa 56 yunit kada oras — bumababa ang takt time mula humigit-kumulang 1.28 patungong 1.07 minuto, at hindi na masabayan ng bottleneck sa 80 %. Walang pinapayagang overtime.
Output ≥ 102 % ng plano pagkatapos ng dalawang oras
Output ≥ 103 % ng plano sa pagtatapos ng kalahating shift
Pinakamarami ang 1 depektong makakalusot sa customer
Karaniwang work in process ≤ 20 yunit
Batayan — ang modelo sa likod ng mga numero
Bawat ugnayang ginagamit ng simulator, kasama ang pinagmulan nito. Ang mga constant na minarkahang palagay ay mga halimbawang calibration.
Pinaparami ng OEE ang availability, performance at quality, na sinusukat sa bottleneck; katumbas ito ng ideal cycle time × magagandang yunit ÷ planadong oras.
OEE = A × P × Q; A = (T_plan − T_stop)/T_plan, P = CT_ideal · N_bn / (T_plan − T_stop), Q = N_first-pass / N_out; OEE = CT_ideal · N_good / T_plan when N_bn = N_out[1][2]Ang produkto ay katumbas ng ideal cycle time × magagandang yunit ÷ planadong oras lamang habang katumbas ng output ng linya ang output ng bottleneck; ang mga yunit na nasa pagitan pa ng istasyon 3 at dulo ng linya ay nagdudulot ng maliit na pagkakaiba.
Ipinapasa ng istasyon ang yunit nito kung may espasyo sa susunod na buffer (kung wala, blocked ito) at nagsisimula lamang kung may yunit sa naunang buffer (kung wala, starved ito).
station i: cycle = c_i / v; moves on iff buffer_i < K (else blocked); starts iff buffer_{i−1} > 0 (else starved)[3][4]
Hindi kailanman tatakbo nang mas mabilis ang linya kaysa sa pinakamabagal na istasyon nito; ang takt time ay ang magagamit na oras na hinati sa demand.
r_line ≤ r_b = v / max_i c_i; takt = available time / demand = 60 / plan [min/unit][5][7]
Speed stress: ang mga pagkalugi na dulot ng bilis ay lumalaki nang walang hangganan habang lumalapit ang linya sa limitasyon ng kagamitan at mga operator nito (105 % ng rated na bilis).
σ_n(v) = ((1.05 − 0.85) / (1.05 − v))^n (σ = 1 at 85 %; σ_1: 2× at 95 %, 4× at 100 %; σ_2: 4× at 95 %, 16× at 100 %)Palagay: ang mga cycle time, oras ng pagkasira at pagkumpuni, rate ng depekto at maling paghinto, batas ng speed stress at laki ng team ay mga halimbawang halaga lamang, hindi datos mula sa totoong planta.
Nasisira lang ang mga istasyon habang gumagana, mas madalas habang mas malapit ang takbo ng linya sa limitasyon nito; bumababa ang oras ng pagkumpuni kapag sumali ang pangalawang technician.
P(fail in Δt) = 1 − exp(−λ_i · t_work), λ_i = σ_1(v) / MTBF_i; repair work ~ Erlang-3(mean MTTR_i), done at rate 1 + 0.6·(n−1), n ≤ 2[4][1]Palagay: ang mga cycle time, oras ng pagkasira at pagkumpuni, rate ng depekto at maling paghinto, batas ng speed stress at laki ng team ay mga halimbawang halaga lamang, hindi datos mula sa totoong planta.
Mas matarik pa ang pagtaas ng mga depekto kasabay ng bilis kaysa sa mga pagkasira. Kapag may andon, karamihan ng depekto ay nahuhuli at naaayos sa istasyon, kapalit ng maiikling paghinto (ang ilan ay maling alarma); kung wala, may nahuhuli ang end-of-line test at ang iba ay nakakalusot.
p_i = p0_i · σ_2(v) (+0.12 excursion at S4); andon: detect 90 %, stop 1.5 min, fix; false stops 0.3 % · σ_2(v) per unit and station; end-of-line test catches 70 %[7][1]Palagay: ang mga cycle time, oras ng pagkasira at pagkumpuni, rate ng depekto at maling paghinto, batas ng speed stress at laki ng team ay mga halimbawang halaga lamang, hindi datos mula sa totoong planta.
Batas ni Little: ang karaniwang oras sa linya ay katumbas ng work in process na hinati sa throughput.
Iba pang operating constant na ginagamit ng modelo.
cycle c = 0.62/0.64/0.90/0.75/0.72 min at rated speed (S3 = bottleneck) · MTBF 120/100/200/110/150 min of work, MTTR 4/4/3/4/3 min at 85 % speed · S2 part replacement 40 technician-min · p0 = 0.15/0.15/0.2/0.2/0.05 % per unit · excursion contained after 3 andon pulls or 15 units caught at test · rework 4 min/unit, team of 3 for 1 h per call · 40 line operators · moving averages over 30 minPalagay: ang mga cycle time, oras ng pagkasira at pagkumpuni, rate ng depekto at maling paghinto, batas ng speed stress at laki ng team ay mga halimbawang halaga lamang, hindi datos mula sa totoong planta.
Randomness: isang seeded na mulberry32 generator; mga distribusyong ginamit — uniform, exponential (inverse CDF), normal (Box–Muller), Poisson (Knuth). Ipinapakita at maibabahagi ang seed.
Mga pinagmulan
S. Nakajima — Introduction to TPM: Total Productive Maintenance (OEE = availability × performance × quality; six big losses) — Productivity Press, 1988
J. A. Buzacott, J. G. Shanthikumar — Stochastic Models of Manufacturing Systems (flow lines with finite buffers, blocking, starvation) — Prentice Hall, 1993
Modelong pang-edukasyon — hindi para sa mga desisyon sa operasyon. Kina-calibrate ng mga tunay na site ang bawat constant sa sarili nilang kagamitan at datos.