OEE 란?

[펌 : http://blog.daum.net/snowpic/6650248 ] 

Overall Equipment Effectiveness(OEE)

OEE 개요

얼마나 프로세스가 효율적인가?

현대 경제에서는 지속적인 투자효과를 기대하고 있다. 효율적으로 가동되는 공장은 새로운 투자를 할 때 더 많은 효과를 얻기가 어려워 진다. 종종 우리는 생산비용을 계속 감소시키면서 현재의 장비와 설비로 더 많은 생산을 해야 되는 상황을 자주 맞이하게 된다.

이익을 향상시키기 위해 프로세스를 최적화 시키는 것에는 여러 가지 방법이 있다. 복잡한 공정에서 전체적 효과를 이해하는 것은 어렵다. 따라서, 우리는 어느 부분을 개선할 것인지 결정해야 한다. 특히, 많은 장비가 포함되어 있고, 각각의 공정이 서로 다른 공정의 효율에 영향을 미치는 경우에는 더욱 이러한 방법이 필요하게 된다.

이러한 도전을 도와주기 위한 한가지 측정법이 Overall Equipment Effectiveness (OEE) 이다. OEE는 목표로 하는 가동 범위에 적절한, 프로세스의 안정 상태와 신뢰성을 평가 할 수 있다. OEE는 고객이 요구하는 제품의 품질과 공급자의 요구사항을 만족시키기 위해 장비와 인력을 포함한 자원을 어떻게 잘 활용하는가를 보여준다.

여기에서는 OEE의 중요한 개념을 소개하고, OEE 각 구성 항목에 대한 자세한 설명을 계산 예제와 함께 소개 할 것이다.

OEE가 측정하는 것

OEE는 프로세스의 가용성과 생산성 결과물의 품질을 결합하여 전체적인 능률을 측정한다. OEE는 장비로부터 발생된 다음과 같은 모든 손실을 포함한다.

• 고장이나 설치, 손실의 조정 때문에 발생된 비 가용 상태의 손실
• 속도 감속, 공 회전, 작은 고장으로 인해 최적으로 가동되지 않은 손실
• 결함이나 재작업 또는 가동 시작으로 한번의 가공으로 최고등급의 A1 제품을 생산하지 못한 손실

OEE는 TPM의 창시자인 세이찌 나까지마에 의해 생상 능률을 추적하기 위한 기본적은 측정방법을 표시하는데 처음 사용되었다. 그는 전체적으로 장비의 능률을 최적화 하기위해 단순히 장비가 잘 돌아가도록 유지하는 것 뿐만 아니라 작업자와 정비 작업자 사이에 공동의 책임의식을 만드는데 초점을 맞추어 능률 향상에 자신 고유의 시각으로 도전하였다.

처음으로 분산 생산공정에 적용되었던 OEE는 현재 프로세스와 일괄 작업, 분산된 생산 공장에 고루 사용되고 있다.

OEE의 계산

OEE는 가용성, 생산성, 품질의 세가지 요인의 곱셈으로 계산된다.

 %OEE = (%Availability) * (%Productivity) * (%Quality) 

여기에 사용된 값은 전체 프로세스 공장, 프로세스 라인 또는 각각의 장비를 반영하고 있다.

각각의 장비는 같은 장비 또는 비슷한 장비의 이전 값과 비교된 장비의 능률의 값이다. OEE나 OEE 항목은 시간의 변화에 따라 추적되고 추세를 나타낸다.

프로세스 라인에 대한 OEE는 몇 대의 장비가 포함되는가에 상관없이 전체라인을 하나의 단위로 취급한다. 다중 Recipe나 배치공정에서는 생산된 각 제품에 대해서 계산한다.

프로세스 라인과 같이, 프로세스 공장은 전체로서 계산된다. 그러므로 OEE는 전체 공장이 하나의 단위로 계산된다.

OEE 활용하기

OEE를 계산하는 것은 의사결정에 집중하고 단순하게 하는 방법을 제공한다. OEE는 다음과 같은 면에서 의사결정에 도움을 줄 것이다.

• 개선해야 하는 영역 인식
• 수입 증가의 적절한 시기 판단
• 비슷한 회사 또는 경쟁사의 프로세스와 비교하여 벤치마킹

예를 들면, OEE에 의해 계산된 요인을 추적하면 장비가 예상한 것 보다 더 많은 고장시간이 있었는지, 장비가 느린 속도로 가동 되었거나 또는 경미한 중지 상태 인지, 또는 더 많은 결함을 만들어 냈는지 알 수 있다.

원인 분석은 OEE의 퍼센트 수치 자체를 검토하는 것이 아니고 OEE를 계산한 요인을 추적하는 것이다. 예정하지 않은 Downtime의 감소 시키는 것이나, 프로세스 생산성 향상 시키는 것, 또는 품질을 향상시키는 것이든 아니든 가동과 정비는 둘 다 개선을 위해 반드시 포함되어야 한다.

또한 OEE의 요소에 대한 벤치마킹 수치는 시장에서 프로세스의 경쟁력을 나타내는 우수한 지표이다. 예를 들자면, 프로세스 공장에서 처음으로 OEE를 계산할 때 배치공정에 대해서는 40-70% OEE, 연속된 프로세스 공정에서는 50-80% OEE 밖에 달성하지 못했다는 것을 알게 될 것이다. 세계적 Best Practice에서는 배치공정에서 +90%, 연속공정에서 +95%으로 알려져 있다.

World-class Overall Equipment Effectiveness
Availibility	>90%
Productivity	>95%
Quality	>99%
OEE	>85%
* Source: Nakajima

Availability (유용성)

개요

어떻게 유용성을 측정하고 향상시킬 것인가? 유용성은 간단히 장비 또는 프로세스가 원래 가동되어야 하는 시간에 비해 얼마만큼의 시간동안 가동되었는가를 정량화 하는 것이다. 유용성이 높다는 것은 더 많이 생산할 수 있다는 것을 의미하고, 총자산이익율(총 자산에 대한 수익율)이 높게 할 수 있다는 것을 의미한다. 따라서, 우리의 프로세스와 장비의 신뢰성을 향상시켜 다운타임-특히, 계획되지 않은 다운타임을 작게 하는 것이다. 여기에서는 OEE의 요인으로서 유용성을 전체적으로 살펴볼 것이다. 이 자료를 통해 다음과 같은 질문에 대한 답을 찾아 보라.

• 당신의 프로세스 같은 프로세스에 적절한 유용성의 단계는?
• 계획되지 않은 다운타임이 수입과 이익율에 어떻게 영향을 미치는가?
• 어떻게 장비의 유용성이 계산될 수 있는가?

유용성 벤치마킹

최상의 가동이라고 해도 얼마간의 다운타임을 있게 마련이다. 유용성을 가능한 한 높게 유지하는 것이 최고가 되도록 만드는 것이다. 아래에 당신의 프로세스와 벤치마킹 해 볼 수 있는 일반적인 유용성 값들이 있다.

	Quartile
Process Type	Worst	3rd	2nd	Top
Continuous	<78%	78-84%	85-90%	83-86%
Batch,Chemical,Refining	<72%	72-80%	81-90%	>90%
Power	<85%	85-90%	91-95%	>95%
Paper	<83%	83-86%	87-94%	>94%
Source: Flour Global Services - Benchmark Study – NA. AP. EU - 1996

규모가 크고 복잡한 자산이나 선단의 주요 장비는 일반적으로 85%-95%의 유용성으로 운전되고 있다. 5%-10%의 비 유용성은 계획된 다운타임(계획된 정비)와 계획되지 않은 다운타임(고장)으로 나누어 진다.

계획되지 않은 다운타임

장비는 낡다 닳게 됨으로 생산성과 성능을 감소된다. 계획된 다운 동안에 일반적인 정비와 고장수리를 수행하여 적절한 계획과 시간의 낭비를 최소화 하는 한편 장비의 성능을 회복시킬 수 있다. 반면에 장비가 예상치 못하게 고장이 발생하면 손실은 더 크게 된다. 특히, 고장을 고치기 앞서 고장의 원인을 반드시 찾아야 하기 때문이다. 많은 경우에 문제는 생산시간 낭비 뿐만이 아니라 품질과 감량의 전후로 해서 생산률에도 영향을 미치게 된다. 계획되지 않은 다운타임은 높은 고정비용과 유동 비용을 만들게 된다. 가장 큰 영향은 수요에 못 미치는 수요로부터 발생되는 수입의 감소이다. 이 비용은 수입감소에 따른 이익의 손실 뿐만 아니라 자재와 에너지와 같은 생산의 무효화된 직접비를 뺀 총 수입의 손실이 된다. 계획되지 않은 다운타임의 다른 영향은 제품사양에 맞지않거나 버려지는 제품에 대한 환경적 비용이다. 안전과 법 준수에 따른 비용도 다른 커다란 요인으로 작용한다. 정상적 가동으로 복구 시키기 위한 비용도 하나의 큰 고려할 점이다. 긴급 수리를 위한 추가 시간, 자재와 예비 부속을 공수하기 위한 비용, 고객으로부터 신용을 잃어버리는 것 등이 여기에 속한다.

유용성 향상

여러 종류의 장비에 대해서 고장의 빈도를 줄이는 중요한 점은 계획되지 않은 다운타임을 예방하는 것이다. 장비의 변동성과 불규칙을 일찍 감지하는 것과 조건에 따른 실시간 예방정비를 통하여 장비의 유용성을 향상시킬 수 있다. 이러한 예측하는 정비 전략을 특히 중요도가 높은 장비에 도입하는 것은 문제가 생산에 영향을 미치기 이전에 문제를 인식하는데 도움을 준다. 이점은 장비의 고장으로 기인한 다운타임을 감소시킨다는 것 뿐만 아니라 예상치 못한 재해를 복구하기 위한 높은 비용을 줄일 수 있다는 것을 포함한다. 또한 예측을 통한 정비는 유용성의 증가를 보장하는 예방정비를 위한 다운타임의 계획의 필요성을 줄여 준다.

유용성의 계산

장비의 유용성은 단지 가동되는 것을 교체하는 길이를 추정하는 것이 아니다. 대신에, 장비 유용성은 가능한 생산시간에 대한 실제의 가동시간의 비율을 근거로 하고 있다.

%Availability = Actual production time / Possible production time 

실제적인 예를 들어보자.

생산라인이 하루에 24시간, 일주일에 5일, 즉 주당 120시간 가동된다. 예방정비를 위한 계획된 다운타임을 매주 1시간이다. 장비의 고장이나 조정으로 발생된 계획되지 않은 다운타임은 7시간이다.

 % Availibility = (120 – 1 – 7) / (120 – 1) = 112 / 119 = 94% 

생산성 (Productivity)

개요

생산성 증대로 어떻게 OEE를 향상시킬 수 있을까?

OEE의 유용성 부분은 실제 장비가 가동된 사용 가능한 작업 시간 비율을 나타내는 반면에 생산성은 가동 시간 동안 얼마만큼을 생산했는가를 측정한다. 많은 생산 공장은 현재 달성하고 있는 것보다 더 많은 생산성을 올릴 수 있다. 현재의 생산성과 잠재적인 생산성의 차이는 생산품과 이익을 증가시킬 수 있는 가능성에 대한 것이다. 여기에서는 프로세스 공장에서 낮은 생산성을 발생시키는 몇 가지 원인, 생산성 증가를 위한 접근 방법과 OEE의 일부분으로서 결과를 어떻게 계산 하는가를 다룰 것이다. 이번 장을 진행하면서 다음과 같은 질문에 대한 해답을 찾아 보시라.

• 왜 작업자는 공정에 최적화된 목표값을 사용하지 않는가?
• 생산성을 향상시키기 위한 공정 제어의 역할은 무었인가?
• 생산성은 어떻게 계산되는가?

무엇이 낮은 생산성을 발생시키는가?

낮은 생산성의 가능한 몇 가지 이유는 장비를 느리게 동작 시킬 수 밖에 없도록 만드는 저 품질의 자재를 사용하는 것 또는 교육이 제대로 이루어 지지 않은 것으로 기인한 작업자의 전문성 부족을 포함한다. 프로세스는 앞 공정에서 공급하는 자재나 부품을 맞추거나 예상되는 장비의 고장 위험을 감소시키기 위해 느리게 진행 될 것이다.

많은 경우에 어떠한 관리 전략이 실행 중인가 하는 것은 문제가 되지 않는다. 작업자는 각각의 공정에서 공정의 변수를 필요한 최적의 목표가 아닌 안전한 값으로 설정할 것이다. 작업자가 확신이 설 때 까지는 조절 제어 시스템은 안전하고 신뢰할 수 있는 범위나 또는 프로세스 한계에 근접한 가동의 능력이 있는 것이다. 이러한 작업자의 안전 요인은 생산량을 감소시키고 따라서 생산을 감소시키게 된다.

예를 들면, 만일 작업자가 제어 시스템이 제어 밸브를 설계된 지점에 설정하도록 놔 두는 것에 마음이 내키지 않아 한다면, 대신에 밸브를 매우 안전한 위치에 설정할 것이다. 이러한 보수적인 성향은 달성할 수 있는 생산량을 5% 만큼 감소 시킬 수 있다.

프로세스의 최적화를 통한 생산성 향상

낮은 생산성을 나타내는 하나의 전략은 초과되는 여분의 생산 능력을 보유하는 것이다. 공장을 필요한 용량보다 조금 더 크게 지어서, 제품을 계획되지 않은 다운타임에 대비하기 위해 창고에 저장하거나 고장에 대비하여 여분은 예비품을 가지고 가는 것 등이 그 예이다. 그러나 이러한 전략은 추가되는 용량에 대한 투자하기 위한 자본이나 커진 공장을 유지하기 위한 추가 비용 때문에 비용이 더 많이 소요되게 된다.

더 나은 방법은 프로세스를 최적화 하여 가능한 한 원활하고 생산적으로 가동 되도록 하는 것이다.

프로세스 최적화는 공장에서 장비가 전체의 제어 가능한 범위 내에서 가능한 한 효과적으로 가동된다는 보증을 할 수 있도록 한다. 부하(負荷)의 변경과 목표 값의 변경은 최상의 효과성을 갖도록 제어되고 예기치 않은 이상 상태는 최소화 된다.

프로세스 최적화에 사용되는 데이터의 분석과 통계적 도구는 효과 적인 진단과 성능이 좋지 않은 것에 대한 문제해결을 가능하게 하여, 적절치 않은 제어기의 조정으로 인한 것인지 잘못된 설계나 장비 정비로 인한 것인지를 알 수 있게 한다. 이러한 도구는 어디에 투자를 더 해야 하는 지를 알 수 있도록 한다. 최대한의 이득을 위해서는 특정 장비의 생산성 최적화 보다는 전체의 경제적 최적화 관점에서 바라 보아야 한다.

프로세스 최적화를 위해 모델을 기준으로 하는 대규모의 진보된 제어 시스템을 사용하든, 작은 규모의 모듈식의 접근 방식이든지 견실한 프로세스 제어가 성공을 위한 기초이다.

프로세스 제어가 더 이상 제약이 아니고 확실히 다른 요인으로 인한 병목현상이 나타난다면, 생산성을 개선하는데 가장 필요한 그 부분에 주의와 노력을 집중 할 수 있다.

생산성 계산하기

장비의 실제 생산량을 주어진 최적의 속도와 실제의 가동 시간에 대한 이론적인 생산의 비율로서 고찰 함으로써 계산될 수 있다.

예를 들어 보자.

플랜트의 지속된 생산 능력이 년간 600,000톤이다. 지난해에는 560,000톤은 생산했다. 그러면, 생산성은 다음과 같이 계산된다.

 생산성 % = 실제 생산량 / 최적 생산 능력 = 560,000톤 / 600,000톤 = 93% 

품질 (Quality)

개요

OEE에서 어떻게 품질 요인을 향상시킬 수 있을까?

이익에 영향을 미치는 세번째 요인은 제품의 품질이다. 제품의 품질은 일련의 제품 제조에서 한번의 과정으로 생산된 규격 안에 드는 제품의 백분율이다. 여기에서는 프로세스의 가변성을 향상시키는 것으로 품질을 높이는 방법을 알아볼 것이다.

이번 장을 진해하면서 다음과 같은 질문에 대한 해답을 찾아 보시라.

• 프로세스 변화의 주된 요소는 무엇인가?
• 지능적 필드 장치들이 어떻게 가변성을 감소시키고 품질을 향상 시킬 수 있을까?
• OEE에서 품질 요소는 어떻게 계산되는가?

프로세스 가변성(Process Variability)

비록 원자재의 품질과 같은 많은 요인이 제품에 품질에 영향을 미칠 수 있을 지라도, 품질을 향상시키는 가장 큰 기회는 프로세스의 가변성(Variability)를 줄이는 것에 의한 것일 것이다. 더욱 프로세스를 일관되게 운영하는 것은 이익을 흘러나가게 하는 스크랩과 재작업을 줄여 준다.

다행이도 우리는 다음과 같은 방법을 이용하여 가변성을 줄일 수 있다.

• 지능적인 필드 장치
• 향상된 조절 제어
• 최신의 프로세스 제어

이러한 항목들을 차례로 알아보자

지능적인 필드 장치

당연히, 센서, 발신기, 제어 밸브와 같은 필드 장치의 정밀도는 프로세스의 가변성에 영향을 미친다. 우리가 프로세스에서 발생되는 일들 정밀하게 측정하거나 제어하지 못한다면 우리는 제품의 품질도 유지할 수 없다.

그러나, 하나의 변수만을 측정하거나 제어하는 것을 뛰어넘는 지능적인 필드 장치는 프로세스의 가변성을 감소시키는 방법을 제공한다. 이것은 정밀도에서 일반적인 개선을 뛰어 넘는 것이다.

이러한 것은 다음과 같은 추가적인 이득을 제공한다.

• 장치의 안정성을 향상시킨다. 따라서, 연장된 시간 동안과 변화하는 현장의 조건에서 목표하는 성능을 유지할 수 있다.
• 프로세스 변수 신호를 대표하는 것을 만듦으로써 대응 시간을 감소시킨다.
• 문제가 제품의 품질에 영향을 미치기 이전에 문제를 발견하도록 도와주는 진단기능을 제공한다.

향상된 조절 제어(Regulatory Control)

조정 제어 시스템은 낮은 가격으로 고객의 품질 요구를 일관되게 만족시킬 수 있는 일정한 제품을 생산할 수 있도록 도와준다. 이것은 공급 원료의 품질, 주변 조건, 장비 성능 또는 다른 어떠한 요인에 의한 변화에도 불구하고 프로세스에서 변화를 최소화 하는 것으로 이루어 진다.

효과적인 조절 제어 시스템이 없이는 각각의 연속적인 단위 공정은 프로세스를 통하여 축적되는 변화를 발생할 수 있다. 이러한 축적된 변화는 최종 제품의 품질과 전체적인 생산 비용에 영향을 미친다. 산업계 연구에 따르면 20-40%의 공정 제어 장치가 매뉴얼로 운전되고 있으며, 자동화된 제어를 통한 가변성을 감소시키는 기회를 놓치고 있다고 한다.

연구에서 다른 한편으로, 30% 이상의 자동화된 제어 루프는 부족한 조율로 인해 매뉴얼로 가동할 때 보다 실제적으로 더 변화를 증가 시키고 있다. 많은 이러한 자동화된 루프는 좀더 크거나 작은 밸브, 과도한 이력 현상, 해상도와 같은 장비 문제나 측정 문제를 가지고 있다.

지능적인 필드 장치의 향상된 기능과 성능은 이러한 문제를 최소화하도록 도와줌으로써, 작업자가 자동으로 작업을 수행할 수 있도록 해 준다. 장치의 데이터를 쉽게 접근하여 제어 루프에서 변화에 영향을 줄 수 있는 요인을 제거하고 필드의 측정을 신뢰성 있도록 보장하기 위한 루프의 검사 능력을 향상시킨다. 이제 중요한 제어 루프는 추가적인 이익 발생 기회의 다음 단계를 성취할 수 있도록 조정될 수 있다.

진보된 제어 시스템은 전체의 생산성 또는 효율성과 연관되는 각 변수를 제어한다. 이러한 시스템은 단일 루프 제어가 아니라 압력, 온도와 기타의 다른 요인을 제약 조건을 나타내는 다 변수 비행선이다. 이러한 비행선에서 프로세스는 지속적으로 효율성을 최대화되도록 한다.

진보된 제어 시스템은 지속적으로 운영되고, 변화에 응답하고, 기계 변동의 영향을 줄여주고 더 많은 이익을 만들기 위한 기회를 촉진시킨다. 이러한 것은 제품의 사양, 품질이나 원자재의 확보가 비교적 빠르게 바뀌어서 운영의 제약과 개선의 범위가 매일 매일 바뀌는 곳에 특히 유용하다.

적절하게 조정된 제어 루프는 APC(Advanced Process Control) 시스템이 효과적으로 기능하도록 하는데 필수 불가결하다. 이러한 필드 장치의 신뢰성과 성능은 APC를 구현하고 최적화하는데 가장 중요한 공헌자이다.

적절하고 관리되고 모니터 되지 않는 플랜트는 APC의 시작 단계에서 상당한 성능 저하를 나타낼 수 있다. 진단과 정비 데이터는 필드 장치의 성능과 유용성을 장기간의 품질 이익을 유지하는데 필요한 단계로 유지하는데 도움이 된다.

품질능률 계산

OEE에서 품질능율은 다음과 같이 계산된다.

 % Quality = 생산된 제품 – (손실과 재작업) / 생산된 제품 

예를 들면, 프랜트가 550,000톤의 제품을 생산했고, 단지 485,200톤 처음으로 사양을 만족했다면,

 %Quality = (550,000 - (550,000-485,200)) / 550,000 = (550,000-648000) / 550,000 = 485,200 / 550,000 = 88% 

으로 계산할 수 있다.