OEE（设备综合效率）是衡量产线真实产出的核心指标，但很多工厂的OEE报表并不“真”：停机原因靠班长补录，微小停机被忽略，质量缺陷要等到抽检才发现。可用的OEE分析，必须把PLC、传感器、质检与巡检机器人数据统一到同一时间轴。

本文核心问题：

• 巡检数据如何驱动OEE？ — 补足停机与质量数据
• OEE怎么算？ — 可用率乘性能率乘良品率
• AI大模型有什么用？ — 定位根因并生成建议

一、OEE不是报表指标，而是数据闭环

OEE的标准计算公式为：OEE=可用率（A）×性能率（P）×良品率（Q）。其中，可用率=实际运行时间÷计划生产时间；性能率=（理论节拍×合格品数）÷实际运行时间；良品率=合格品数÷总产出数。以一条焊接产线为例，若可用率87.2%、性能率91.5%、良品率98.6%，则OEE≈78.6%。这个数值低于世界级制造85%的常见基准，也说明产线存在约21.4%的效率损失。

大多数工厂真正的问题不是不会计算OEE，而是三部分数据无法对齐。设备管理系统只记录大停机，产线工控系统记录运行状态但不关联缺陷，质检系统记录结果却不回写工位。结果就是OEE被拆成三个孤立指标，管理层看到数字，却看不到停机发生在哪台设备、性能下降由什么参数漂移引起。

解决路径不是换一套更大的报表系统，而是建立“采集-计算-归因-改善”的闭环：先用PLC、机器人控制器、传感器和巡检机器人把设备状态、环境参数、质量结果变成结构化数据，再通过边缘计算完成OEE归集，最后用AI大模型把异常事件翻译成工程师能执行的检修任务。

二、巡检数据如何补上OEE的“盲区”

2.1 巡检机器人成为移动数据采集节点

固定传感器覆盖的是“测点”，巡检机器人覆盖的是“区域”。防爆轮式巡检机器人、防爆四足机器人和地下管廊巡检机器人，可以在生产设备不停机的情况下，按设定周期采集红外热像、振动、噪声、气体浓度、仪表读数和设备外观状态。典型配置包括400万像素可见光相机、640×512红外热成像、温湿度传感器和双频RTK定位，定位精度±3-5cm，红外测温精度±2°C，单次巡检可覆盖数百个点位。

这些数据直接补上OEE的三大盲区：第一，设备“看起来在运行”但温度、振动异常，属于性能损失的早期信号；第二，巡检发现法兰渗漏、线缆过热、润滑不足，属于即将发生的可用率损失；第三，机器人回传的焊道外观、表计读数、标签与批号信息，可辅助追溯不良品批次，提升良品率归因准确率。以某化工装备制造工厂为例，引入巡检机器人后，人工巡检单点遗漏率下降约60%，非计划停机的平均定位时间从2小时缩短到20分钟。

2.2 从CAN总线到工业数据平台

设备层的实时数据必须通过可靠链路进入OEE平台。工业机器人控制器、伺服驱动、焊机、AGV和巡检机器人底盘通常采用CAN/CANopen通信，CAN 2.0B常用波特率为250kbps或500kbps；CAN FD数据段可达5Mbps，适合同时传输电流、电压、速度、温升和多传感器状态帧。边缘网关中实现CAN报文解析、心跳监控和错误计数，再通过OPC UA或MQTT统一上送，避免每台设备一套私有协议。

边缘侧建议采用容器化部署，将CAN采集、设备建模、OEE计算、AI推理和MQTT转发拆成独立容器。资源限制和自动重启可避免单容器拖垮网关，并保证数据续传。现场接口按IEC 61000-4-2执行静电放电防护，接触放电±6kV、空气放电±8kV，电源和CAN收发器增加隔离，避免焊接起弧、电机启停和变频器干扰造成丢帧。

三、AI大模型在OEE分析中做什么

AI大模型不能直接替代PLC做实时控制，但非常适合做OEE的“归因层”。把OEE下降区间、设备状态码、CAN报文特征、巡检图片、维修工单和工艺参数输入知识库，通过RAG检索增强生成可解释结论：例如OEE从82%降至74%，根因可能是焊枪冷却流量不足导致焊接电流波动，表现为喷嘴温度上升和焊缝飞溅增加。

工程上采用“小模型+大模型”的分层架构：边缘小模型完成温度趋势、目标检测和异常分类，毫秒级响应；云端大模型只处理小时级或班次级分析，避免大模型推理延迟进入控制回路。巡检机器人发现异常后，系统先把设备ID、故障码、红外图像和最近30分钟CAN曲线打包成结构化事件，再让大模型结合维修手册生成处置建议，并保留模型版本、输入数据和结论来源，方便审计。

以焊接工作站为例，AI识别出OEE损失集中在送丝速度波动和焊道气孔率升高，并给出“检查送丝导管、优化焊丝盘张力”的建议，执行后该时段性能损失减少35%。关键不是模型参数，而是巡检数据、设备数据和维护数据是否完整上云。

四、落地路径：从单机数据到产线OEE

4.1 智能焊接机器人工作站与巡检数据联动

瀚泰机械智能焊接机器人工作站以6轴工业机器人为核心，典型配置支持MIG/MAG/脉冲焊接，重复定位精度±0.05mm，配套双工位变位机、焊接烟尘治理和视觉寻位模块。工作站通过CAN总线采集焊机电流、电压、送丝速度、冷却液温度和机器人关节负载，数据采集周期可做到100ms以内；OEE平台按班次计算可用率、性能率和良品率，并将焊接电流波动、喷嘴温升和焊缝缺陷关联到具体工位。

实际项目中，可用率从82.5%提升到91.8%，主要来自提前发现焊枪冷却异常；性能率从89.2%提升到94.6%，主要来自根据电流曲线优化送丝参数；良品率从97.8%提升到99.1%，主要来自巡检机器人和视觉质检联动拦截早期缺陷。三项相乘，OEE从72.0%提升至86.0%，已超过85%的行业先进门槛。

4.2 防爆机器人覆盖高风险区域的设备效率

化工、能源和储运行业还要考虑危险区域巡检。四足巡检机器人支持30°爬坡、20cm越障，防护等级IP66，典型防爆等级为Ex d IIC T6 Gb，可配置可燃气体、H₂S、CO、VOCs检测和红外测温模块。它通过CAN总线实时回传电池电量、关节温度、激光雷达状态和通信链路质量，当设备异常或通信超时时自动减速、停车或回充，不把风险带入生产区域。

这类巡检机器人接入OEE平台后，不仅评估机器人自身可用率，还通过周期性采集泵组、阀门、储罐和电气柜状态，为整条生产线的可用率分析提供证据。在整体交付中统一规划机器人、工作站与OEE平台，产品体系覆盖防爆机器人、巡检机器人、无人驾驶装备、物流机器人、新能源机器人及产线机器人，避免设备采购后再做大量接口改造。

五、政企采购与智能工厂系统集成的验收要点

对政企工业机器人采购项目，不能只看单台机器人参数，还要看它能否进入OEE数据闭环。建议在技术规范书中明确以下指标：数据接口支持OPC UA、Modbus TCP、MQTT或REST API；巡检定位成功率不低于99%，表计识别准确率不低于98%，红外测温偏差不超过±2°C；边缘网关支持Docker容器化、断网缓存和自动补传；平台可输出按设备、班次、损失类型拆分的OEE明细，并支持与MES、ERP和EAM系统集成。

智能工厂系统集成阶段应完成三项验证：第一，数据验证，比对巡检机器人读数与人工点检记录，确认温度、压力、液位和表计数据误差在可接受范围；第二，闭环验证，从异常发现、告警分级、工单创建到处置反馈，全流程不超过30分钟；第三，效益验证，选取一条产线连续运行30天，记录OEE基线、故障平均恢复时间和异常漏报率，用真实数据判断项目是否达标。

建议把OEE≥85%、系统可用率≥98%、巡检数据完整率≥99%写入验收标准，让工业机器人不仅完成“走得到、看得清”，还要做到“数据可算、问题可追、改善可闭环”。

常见问题

Q1：巡检机器人如何提升OEE数据质量？

A1：机器人自动补充停机时间、性能损失和质量数据，减少人工漏记和延迟，让OEE计算更接近设备真实状态。

Q2：OEE如何计算？

A2：OEE=可用率×性能率×良品率。可用率代表时间损失，性能率代表速度与微小停机损失，良品率代表质量损失。

Q3：AI大模型在OEE分析中做什么？

A3：大模型自动定位根因并生成改进建议，不进入实时控制回路，而是处理小时级或班次级异常归因。

Q4：CAN总线数据如何进入OEE分析？

A4：边缘网关解析CAN报文后写入时序数据库，再通过OPC UA或MQTT上送OEE平台，统一关联设备状态与巡检结果。

Q5：政企采购巡检机器人应关注哪些指标？

A5：应关注定位精度、防护/防爆等级、通信接口、MTBF、巡检识别准确率和智能工厂系统集成能力。