영상 핵심 정리 — OEE 설비종합효율 산출

import pandas as pd

df = pd.read_csv('production_log.csv',
    parse_dates=['shift_start','shift_end'])

df['planned_time'] = (df['shift_end'] - df['shift_start']).dt.total_seconds() / 60

df['availability'] = (df['planned_time'] - df['downtime_min']) / df['planned_time']

IDEAL_CYCLE = 0.5
df['run_time'] = df['planned_time'] - df['downtime_min']
df['performance'] = (df['actual_units'] * IDEAL_CYCLE) / df['run_time']

df['quality'] = df['good_units'] / df['actual_units']

df['oee'] = df['availability'] * df['performance'] * df['quality']
print(f"주간 평균 OEE: {df['oee'].mean()*100:.1f}%")

자동차 조립 라인 OEE 75% = 계획 가동의 25% 손실. 가용성 92% × 성능 88% × 품질 93% = 75.3%. 세 요소가 모두 90% 이상이어야 세계 수준.

함정 주의: 성능 = (이상 사이클타임 x 총생산수) / 가동시간이므로, 이상 사이클타임을 실제보다 길게 잡으면 성능이 100%를 넘는다. 설비 카탈로그가 적는 값은 대개 최고 속도, 곧 가장 짧은 사이클타임이라 그것을 기준으로 삼으면 성능은 오히려 낮게 눌린다. 어느 쪽이든 100%를 넘는 값이 나오면 지표가 아니라 기준값을 의심해야 한다. 이상 사이클타임을 설비 사양으로 잡을지 실적으로 잡을지는 사업장에서 먼저 정해 문서로 고정한다. 계획 외 정지(점심·휴일)를 계획가동시간에서 뺄지도 마찬가지인데, 위 코드처럼 shift_start~shift_end 를 그대로 쓰면 빼지 않은 것이므로 표기를 통일한다.

다음 task와의 연결

다음 reading에서 OEE 공식을 가용성·성능·품질 각각의 개선 포인트 진단으로 분해한다. pandas로 만든 OEE 시계열에 트렌드 차트를 추가하면 reading 내용을 시각적으로 확인 가능.