更新记录

1.0.0（2026-11-05）

首个版本：时间开动率 A / 性能开动率 P / 合格品率 Q / OEE / TEEP 全套，85%、70%、60% 三档等级与主因判断；损失分解把停机、换型、降速、废品、计划停机统一折成分钟，五项之和可加回班次时长；帕累托给排名、占比与累计占比并标 80% 线；多机台按有效产出时间加权（示例 66.8% vs 简单平均 64.3%）；性能超 100% 提示节拍填小、零产出提示未录入、停机超计划生产时间直接拒算；18 列汇总 CSV 与损失明细 CSV 导出（带 BOM、零存储权限）。UTS→Kotlin 编译通过（index.kt 1026 行与 classes.dex 50088 字节已生成），107 项回归测试全部通过；真机未执行（设备 adb 状态 unauthorized），市场截图为 H5 渲染并标注示例数据。

平台兼容性

uni-app

设备综合效率与停机损失

给车间主任与设备主管：一台机今天到底损失在哪，别再只看一个 OEE 数字。

按班次记录算时间开动率 A、性能开动率 P、合格品率 Q 与 OEE、TEEP，把非计划停机、换型调整、小停降速、废品返工都折算成分钟做帕累托，直接告诉你先动哪一条；多台机按「计划生产时间」加权汇总，避免简单平均把半班机台算成整班。

纯本地计算，不联网、不上传。仅支持 Android。

购买前必读

适合你，如果：

• 车间有停机记录与班产量，但 OEE 只存于 Excel，算完没人知道该先修哪台；
• 客户或集团要周报，需要按机台、按班次给出一致的口径，而不是每人一个算法；
• 想知道「换型时间」到底吃掉了多少产能，好决定要不要做快速换模；
• 设备很多、班次很杂，需要一条能嵌进自己 App 的计算，而不是买一套 MES。

不适合你，如果：

• 需要直接采机床信号、PLC 点位或电表 —— 本插件不做数据采集，产量与停机时长由你的代码传进来；
• 需要实时看板、报警推送与历史趋势库 —— 本插件是「调一次算一次」的算法库，不做常驻服务；
• 需要按工单、按批次追加工序级细账 —— 本插件到机台×班次这一层，不做工序分解；
• 用 iOS —— 当前只有 Android 实现。

解决什么问题

1. OEE 65%，然后呢？ 单看一个数没有动作。本插件把损失拆成停机、换型、降速、废品四类，折成分钟排队，前两条通常就占了八成的损失。

2. 换型到底值不值得改。 换型 38 分钟、故障 84 分钟，两者在报表里都叫「停机」，但一个该做 SMED、一个该做预防性维修。分桶之后结论才不打架。

3. 多机台汇总算错了。 五台机里有一台只排了半个班，简单平均会把车间 OEE 算高几个点。本插件按有效产出时间加权，与产量口径一致。

与同类的边界

与本店已上线的插件不重叠：

与市场同类产品的差异：

• Evocon：按机台订阅，$189–219/台/月（年付），要装 IIoT 采集盒；本插件不碰硬件，一段代码装进你自己的 App。
• Vorne XL：$4,490 一次性买硬件终端，绑定单线；本插件零硬件。
• MachineMetrics / Factbird：面向有一定自动化基础的产线，报价按线或按站点，实施以周计。
• 各类 Excel 模板：能算 OEE，但停机原因分类、加权汇总、损失折分钟都要人手工搭，一改公式就错。

本插件不做采集、不做大屏、不做多工厂权限 —— 只把「班次记录 → 三率一值 + 损失帕累托」这一段做对，且每一项都能手算复核。

快速上手

1. 单台算一次

import { oeeCompute } from '@/uni_modules/szhzy-oee-loss'

const r = oeeCompute({
  machine: '注塑 3 号机',
  shift: '白班',
  calendarMin: 480,      // 班次 8 小时
  plannedStopMin: 30,    // 计划停机（保养、休息）
  setupMin: 38,          // 换型调整
  downMin: 84,           // 非计划停机
  idealCycleSec: 28,     // 理想节拍
  totalCount: 680,
  goodCount: 660,
  stops: [
    { reason: '设备故障', minutes: 58, kind: 'down' },
    { reason: '缺料待料', minutes: 26, kind: 'down' },
    { reason: '换型调机', minutes: 38, kind: 'setup' }
  ]
})

r.oee            // 68.4
r.availability   // 72.9  时间开动率
r.performance    // 96.7  性能开动率
r.quality        // 97.1  合格品率
r.topLoss        // 设备故障 58 分钟
r.losses         // 帕累托：排名、占比、累计占比
r.hint           // 主因判断与建议

2. 多机台汇总

const b = oeeBatch({ items: [机台1, 机台2, 机台3] })
b.oee          // 66.8  按计划生产时间加权
b.avgOee       // 64.3  简单平均（对照用）
b.worstMachine // 注塑 5 号机
b.overCount    // 达到 85% 的台数

3. 导出

oeeExport({ items, kind: 'rows', fileName: 'OEE汇总.csv' })
oeeExport({ items, kind: 'loss', fileName: '损失明细.csv' })

默认落应用外部私有目录，不需要任何存储权限；CSV 带 UTF-8 BOM，Excel 双击不乱码。

口径与公式（可手算核对）

• 计划生产时间 = 班次时长 − 计划停机
• 运行时间 = 计划生产时间 − 换型调整 − 非计划停机
• A = 运行时间 / 计划生产时间
• P = 理想节拍 × 总产出 / 运行时间（秒）
• Q = 良品数 / 总产出
• OEE = A × P × Q
• TEEP = OEE × 计划生产时间 / 班次时长

损失折算：

手算一遍（演示数据）

班次 480、计划停机 30 → 计划生产时间 450；换型 38 + 停机 84 → 运行时间 328。

• A = 328 / 450 = 72.9%
• P = 28 × 680 / (328 × 60) = 19040 / 19680 = 96.7%
• Q = 660 / 680 = 97.1%
• OEE = 0.729 × 0.967 × 0.971 = 68.4%，等级「一般」
• 速度损失 = (19680 − 19040) / 60 = 10.7 分钟；质量损失 = 20 × 28 / 60 = 9.3 分钟
• 有效产出 = 660 × 28 / 60 = 308 分钟；总损失 = 480 − 308 = 172 分钟
• 校验：84 + 38 + 30 + 10.7 + 9.3 = 172 ✓

API

所有方法返回 { ok, code, message, ... }，不抛异常。三率与 OEE 在返回值里已经是百分数（68.4 即 68.4%）。

导出的 CSV 列

机台汇总：机台、班次、班次时长、计划停机、计划生产时间、换型调整、非计划停机、运行时间、时间开动率%、性能开动率%、合格品率%、OEE%、TEEP%、总产出、良品、废品、等级、主要损失。

损失明细：机台、班次、排名、损失原因、类型、分钟、占比%、累计占比%。

错误码

能力边界与已知限制

• 到「机台 × 班次」这一层，不做工单、批次、工序级分解；
• 不做数据采集，不连 PLC、OPC-UA、Modbus，也不读电表；
• 不做趋势库与大屏，历史对比请把每次结果自行入库；
• 换型时间需要你明确归到 setup，如果混在「停机」里，帕累托会把它算成故障，结论就会跑偏；
• 理想节拍填得过于乐观时性能开动率会超过 100%，插件会给出告警，但不会替你修正。

验证状态

授权

普通授权与源码授权的范围见 license.md。购买前请确认上面的「能力边界」与「验证状态」，本插件按现状提供。