生产管理看什么指标？终于有人把OEE、OLE、DLE这3个生产管理指标说清了！

2026/6/30 9:37:18

做工厂管理的，谁没被KPI折腾过？

设备经理天天被老板追着问：OEE怎么又掉下来了？

生产经理开会就被质疑：人给你配够了，产出怎么还是上不去？

财务拿着报表说DLE超标了，成本控不住。

指标一大堆，会议一场接一场，但现场该停机还是停机，该加班还是加班。

说实话，我干制造业这些年，最大的感受就是：很多工厂不是没有指标，而是用错了指标。

用设备的指标去考核人，用成本的指标去压现场，用一个数字想去解释所有问题，这本身就是矛盾的。

今天我们就把这几个生产管理指标说清楚：OEE、OLE、DLE，到底分别管什么，怎么算才有用。最关键的是，谁该看、什么时候看、看了之后干什么。

我特地准备了一份设备管理看板，把OEE、OLE、DLE的参数和公式都整理好了，实时监控和展示工厂设备运行状态、成本效率、组织效能等关键数据，帮助你及时发现生产异常，提高决策效率。直接下载使用：https://s.fanruan.com/0j1bm（复制到浏览器打开）

一、指标不是统一考核，而是分层诊断

很多工厂的内耗，根源都差不多。

设备出了问题，第一反应是操作工不认真。组织效率上不去，马上怪人不行。成本超了，那就继续压供应商、压加班费。

这种思路下去，永远找不到根因。

你要搞清楚，工厂里管的东西无非三类：设备、人、钱。这三类东西的管理逻辑完全不同，你不能拿一把尺子去量所有东西。

OEE管的是设备有没有被用好，OLE管的是人有没有被组织好，DLE管的是人工成本有没有失控。三个指标，三个维度，各有各的用处。

二、OEE：设备有没有被正确使用

OEE，是 Overall Equipment Effectiveness的缩写，也即设备综合效率。

OEE的计算公式是三个因素的乘积：

OEE = 可用率 × 性能效率 × 质量率

每一个因素都有明确的算法：

1.可用率 = 实际运行时间 ÷ 计划生产时间

计划生产时间是你排定的开机时间，减去计划内停机（比如早会、保养）。实际运行时间是扣除了所有非计划停机后的时间，包括故障停机、换型、缺料等待、调试等。

2.性能效率 = 实际产量 ÷ （理论节拍 × 实际运行时间）

这里的关键是理论节拍。如果你的设备设计节拍是每分钟60个，那么理论上运行一小时应该产出3600个。但实际可能只做了3000个，性能效率就是83.3%。

速度损失来自哪里？设备跑不到设计速度、频繁微停、操作不熟练导致节拍变慢。

3.质量率 = 合格品数量 ÷ 总产量

这个最简单，就是一次合格率，不含返工后的合格品。

举个例子：一台设备计划开机8小时，实际因为故障停机1小时，可用率就是87.5%。运行期间理论应产28800个，实际只产24000个，性能效率83.3%。其中合格品22000个，质量率91.7%。OEE就是87.5% × 83.3% × 91.7% ≈ 66.8%。

看OEE不能只看最终数字，要拆开看三个因素。

如果可用率低，说明停机时间太长。这时候你要进一步区分：是故障停机多，还是换型时间长，还是等料等工装？每种情况的管理动作完全不同。

如果性能效率低，说明设备没跑起来。是设备老化了跑不到设计速度，还是工艺参数设置不合理，还是操作工手法不熟练？

如果质量率低，那就要看工艺稳定性、来料质量、操作规范性。

有经验的工厂管理者看OEE，重点看趋势和异常点，而不是单个数值。要关注的是：

本周的OEE相比上周是升了还是降了？

哪个因素的变化最大？

某个班次的OEE突然掉下来，是因为什么事件导致的？

另外，区分计划性停机和非计划性停机很重要，有些工厂把计划保养也算进OEE的损失里，这会导致数据失真。

因为OEE衡量的是设备在可用时间内的表现，计划内的事情不该算进去。

我用FineBI搭过一个OEE看板，把每天每台设备的三个因素实时展示出来，哪个环节出问题一目了然。不用等到月底复盘，当天就能发现问题。

三、OLE：人有没有被有效组织

OLE，Overall Labor Effectiveness，即劳动效率综合，是衡量生产现场人员工作效率的关键指标。

OLE的结构跟OEE几乎一样，只是对象从设备换成了人：

OLE = 出勤率 × 绩效效率 × 质量效率

1.出勤率 = 实际出勤工时 ÷ 计划出勤工时

计划出勤工时是你的排班工时，实际出勤工时扣除了请假、迟到、早退、离岗等时间。

注意，这里的出勤不是人到没到，而是人在岗位上有效工作的时间。

2.绩效效率 = 实际产出 ÷ （标准工时 × 实际出勤工时）

标准工时是你制定的单件产品标准作业时间。比如做一个零件标准是5分钟，一个人出勤8小时理论上应做96个。如果他实际做了80个，绩效效率就是83.3%。

3.质量效率 = 合格品数量 ÷ 总产量

跟OEE的质量率一样，但这里反映的是人的作业质量，不是设备精度问题。

OLE低，首先要看出勤率还是绩效效率出了问题。

出勤率低，说明人员到位率不够。是请假多、离职率高，还是排班不合理导致人员浪费？有些工厂明明活不多，但排班还是满的，出勤率看着高，实际上是在养闲人。

绩效效率低，说明干活慢。是技能不熟练、作业标准不合理，还是岗位分配不合适？新员工和老员工的绩效效率差异有多大？不同班组的绩效效率对比如何？

质量效率低，说明作业质量有问题。是培训不到位、标准不清晰，还是疲劳作业导致出错？

OLE怎么用呢？这个指标，最适合用来做横向对比和纵向追踪。

横向对比，就是同一个工序，不同班组的OLE差异。

A班OLE85%，B班只有70%，差在哪里？是出勤率低还是绩效效率低？B班的班长管理方式有没有问题？

纵向追踪：同一个班组，不同月份的OLE变化。

旺季和淡季的OLE有什么差异？新人入职后，OLE需要多长时间才能恢复到正常水平？

我一直强调，OLE不是用来扣钱的，是用来发现管理盲区的。

四、DLE：人工成本控制得怎么样

DLE是一个结果指标，Direct Labor Efficiency，翻译过来是直接劳动效率。它告诉你人工成本有没有超预算，但不告诉你为什么超。

DLE的计算公式相对简单：

DLE = 标准工时 ÷ 实际直接人工工时 × 100%

标准工时是你完成一定产量所需的理论人工工时，实际直接人工工时是实际投入的人工工时。

举个例子：你这个月做了10000个产品，每个产品的标准工时是0.5小时，那么标准工时就是5000小时。但你实际投入了6000小时的人工工时，DLE就是5000÷6000=83.3%。

DLE等于100%说明刚好达标，低于100%说明人工效率不足，高于100%说明效率高——但也要警惕标准是否定得太松。

DLE低，可能的原因有很多：

人员技能不足

作业流程不合理

物料配送不及时导致等待

设备故障导致停工待料

排班不合理导致人员浪费。

DLE本身无法区分这些原因，所以看DLE一定要结合OEE和OLE一起看。

如果OEE和OLE都正常，但DLE不好看，那就要检查标准工时是否合理。很多工厂的标准工时好几年不更新，工艺改了、设备换了，标准还是老的，DLE自然越来越难看。

看DLE和OEE、OLE一样，重点看趋势和偏差。

这个月的DLE跟上个月比是升了还是降了？

变化幅度有多大？如果连续几个月下滑，说明存在系统性问题。

实际DLE跟预算目标差多少？偏差超过5%就要引起重视。

DLE长期偏高或偏低，都要反思标准工时是否需要修订。

不过，有些工厂为了追求好看的DLE，故意把标准工时定得很松，这就失去了管理意义。

五、三个指标怎么配合使用

关键不是选哪一个，而是怎么分工使用。我给大家一个很实用的判断逻辑：

如果OEE低但OLE正常，那问题大概率出在设备、工艺或者生产计划上。这时候你去抓人员管理没用，得从设备维护、工艺优化、计划排程入手。

如果OEE正常但OLE低，那就要重点看人员配置、班组组织和作业标准。设备没问题，那就是人的组织方式出了状况。

如果OEE和OLE都正常，但DLE不好看，那就要回头检查标准工时合不合理、成本结构有没有问题。

记住这个顺序：先用OEE和OLE去找原因，再用DLE去看结果。不要反过来，用结果反推原因。

现在很多工厂，用FineBI把这几个指标整合到一个看板上，设备经理看OEE，生产经理看OLE，财务看DLE，大家各取所需，但又能在同一套数据体系下沟通，效率高了很多。

小结：指标是为了更好的管理分工

OEE、OLE、DLE不是三个孤立的数字，而是一套把设备、人和成本分开管理的语言。

用对了，它就是你的管理利器；用错了，它就是内耗的源头。

好的KPI体系，不是为了排名，也不是为了追责，而是为了让每一层管理者都知道自己该对哪一段负责、该看哪一类数据、该从哪里入手改善。