Batch Processing માટે OEE કેવી રીતે Calculate કરવું (Chemical Factory Numbers સાથે)

OEE — Overall Equipment Effectiveness — manufacturing માં સૌથી વધુ cite થતી metric છે. Most widely miscalculated પણ છે. આ guide formula ને real numbers સાથે walk through કરે છે Gujarat dye unit થી, common mistakes call out કરે છે, અને બતાવે છે કે batch-processing OEE discrete manufacturing થી કેવી રીતે અલગ છે.

Formula

OEE = Availability × Performance × Quality

બધા percentages તરીકે (0 to 1, કે 0 to 100%). OEE world-class benchmark 85% છે. મોટાભાગના Indian chemical MSMEs જે તેને measure કરે છે initially 40% અને 65% વચ્ચે આવે છે.

Availability

Fraction of scheduled time જે equipment actually ran.

Availability = (Planned Production Time − Downtime) / Planned Production Time

Downtime include કરે છે: breakdowns, changeovers, cleaning (CIP), raw material wait, operator wait, power outages.

Performance

જ્યારે running હતું, theoretical speed થી કેટલું close actually ran.

Performance = (Ideal Cycle Time × Units Produced) / Run Time

Batch processing માટે adapt કરો: (Theoretical batch cycle) × (batches produced) / run time.

Quality

Output નું fraction જે first time QC pass કરે છે.

Quality = Good Units / Total Units Produced

Batch processing માં: good batches / total batches. Reworked batches losses count થાય છે even if eventually released.

Worked example

વટવા dye unit માં Reactor RX-02. Month: March 2026.

• Scheduled hours for the month: 30 days × 22 hrs/day (2 hrs planned cleaning) = 660 hrs

• Unplanned downtime (breakdown, power outages, long waits): 92 hrs

• Available hours: 568

• Theoretical batch cycle (Reactive Blue 19, 500 kg target): 7 hours

• Batches actually completed: 62

• Theoretical time: 62 × 7 = 434 hrs

• Performance: 434 / 568 = 76.4%

• Availability: 568 / 660 = 86.1%

• Total batches: 62

• First-pass QC passes: 52

• Failed or reworked: 10

• Quality: 52 / 62 = 83.9%

OEE = 0.861 × 0.764 × 0.839 = 0.552 → 55.2%

World-class 85% છે. આ reactor પાસે significant headroom છે.

Losses ક્યાં છુપાયેલી છે

દરેક component જુઓ:

• Availability 86%: Month માં 92 hours unplanned downtime. Likely root causes: raw material wait (H-acid delivery delays), shift handoffs દરમિયાન operator unavailability, stirrer motor પર minor breakdown. Avoidable downtime નો દરેક recovered hour = roughly 1 extra batch.
• Performance 76%: Even when running, reactor theoretical થી વધુ લે છે. Usually: yield reasons માટે batches longer ચલાવવી, slow charging, coupling spec થી 20% વધુ લેતી. આ softest number છે improve કરવા માટે પણ એ જ જ્યાં process discipline pays off.
• Quality 84%: 62 batches માંથી 10 એ first-pass QC fail કરી. Costly — દરેક failed batch raw material waste, rework time, કે dispose છે. Failures માં drill કરવું (શું બધા same product છે? same shift? same raw material lot?) usually single systemic cause reveal કરે છે.

Same shift count પર 55% થી 65% OEE સુધી improve થતો reactor roughly 18% વધુ finished output add કરે છે. Typical dye reactor માટે, તે ₹8–15 લાખ more monthly revenue છે no additional fixed cost પર.

Common mistakes

Mistake 1: Availability અને utilisation confuse કરવું

Utilisation = hours run / total calendar hours (planned shutdowns include કરે છે). Availability = hours run / scheduled production time. કેટલાય MSMEs utilisation calculate કરે છે અને તેને OEE call કરે છે. Utilisation OEE ને near-meaningless drop કરે છે; તે Sundays અને holidays ને “losses” count કરે છે.

Mistake 2: Changeovers ignore કરવા

Products વચ્ચે changeover time often “planned downtime” classify થાય છે અને Availability થી excluded થાય છે. આ real efficiency lever છુપાવે છે. Changeovers ને downtime માં include કરો — પછી તમે actually measure કરશો કે શું તમે તેમને reduce કરી રહ્યા છો.

Mistake 3: Reworked batches ને passes count કરવા

જો batch QC fail કરે, reworked થાય, અને eventually pass થાય — આ Quality loss છે, pass નહીં. Rework real time અને material consume કરે છે. Reworked batches ને “good” count કરવું number flatter કરે છે અને problem છુપાવે છે.

Mistake 4: Theoretical cycle use કરવું જે equipment ક્યારેય hit નથી કર્યું

કેટલાક units ideal cycle time પોતાની best-ever batch ના બરાબર set કરે છે. જો તમારી best batch 6 hours હતી પણ design capability 5 hours છે, તમે Performance ને achievable number પર anchor કરી રહ્યા છો, stretched નહીં. Equipment manufacturer નો spec use કરો, તમારી history નહીં.

Mistake 5: Source પર data collect ન કરવું

સૌથી મોટી practical failure: OEE calculation downtime logs, batch completion timestamps, અને QC results ના source પર accurately captured હોવા પર depend કરે છે. જો તમારું shop floor આ બધું paper પર લખે છે અને કોઈ અઠવાડિયે એક વાર Excel માં re-enter કરે છે, તમારા OEE number પર ±15% error bars છે. એ point પર, trends illegible છે.

OEE track કરવાનું actually કેવી રીતે શરૂ કરવું

Paper પર ચાલતા MSME માટે, OEE tracking ની minimum data requirement છે:

1. દરેક batch start અને end timestamp source પર captured (reconstructed નહીં)
2. Downtime events logged duration અને reason category સાથે (breakdown, material wait, operator wait, changeover, other)
3. QC outcomes — દરેક batch માટે pass / fail / rework
4. Ideal cycle time per product (એક વાર calculated, quarterly reviewed)

આ Faktry નું Machine & OEE module automatic capture કરે છે. દરેક batch start, end, downtime, QC result product ના ideal cycle ના against log કરે છે — per reactor, per shift, per product OEE month-end Excel exercise ને બદલે standing dashboard બને છે.

Source data વગર, OEE vanity number છે. તેની સાથે, OEE એ metric બને છે જે કોઈ પણ batch factory માં highest-leverage improvements drive કરે છે — કારણ કે તે તમને directly point કરે છે કે losses ક્યાં છે.

Simplest starting point

જો તમે OEE આજે measure નથી કરતા:

1. એક reactor કે machine pick કરો
2. બે અઠવાડિયા માટે, batch start/end, cause સાથે દરેક downtime event, અને QC outcome log કરો
3. એ બે-અઠવાડિયા window માટે OEE compute કરો
4. Biggest loss માં drill કરો (availability, performance, કે quality)
5. એ એક વસ્તુ fix કરો

તમે almost certainly first month ની અંદર 5–10% OEE improvement find કરશો. ત્યાંથી approach ને તમારા other equipment પર scale કરો.

Faktry આ data capture Machine & OEE add-on module તરીકે offer કરે છે, ₹8,999 base plan ના ઉપર. જો તમે જોવા માગો છો કે આ તમારી factory ના numbers પર કેવી રીતે કામ કરે છે, 30-day pilot book કરો — કોઈ credit card required નહીં.