背景
拥有约百个制造基地、为众多知名品牌制造各式电子零组件的全球前五大EMS 企业,作为业界 领导者,不停地追求产线效能优化,这家全球前三大的美国电子制造商,其一位于东南亚的工 厂,负责制造再生能源电源设备,他们有效管理这条劳力密集产线,持续寻找消除浪费、达 到精实生产的解决方案。
挑战及困境
人工检视产线,每项产品需耗费 48 小时进行时间研究
现在多数的产线数据搜集仍仰赖人工纪录,工业工程师站在工站旁用码表计时,再由纸笔抄 写,缺乏效率,且容易受包含人的主观偏差。如果要为一项产品进行时间研究,需耗费该厂的 工业工程师约 24-48 小时,一个月仅能取得约莫 15 分钟的数据资料,如此少量的资讯使得辨认 瓶颈更加困难。
「我们知道产线上有在拖慢生产效率的因子,但没有时间去搜集所有需要的数据资料。」
工业工程师分享难处,因时常受限于其他更急迫的职责,耗时间的资料搜集和耗精力的研究分析, 往往成为工作中的一大痛点。
产线资讯不足,缺少即时分析数据
传统的产线管理方式缺乏时效性,通常在异常发生后,才开始被动地进行补救作业,试图 找出问题源头,又因为没有完整的生产纪录,管理者这时只能依靠过往经验推测进行调整, 无法对症下药。
「…根源分析一直以来都是件既麻烦又困难的事…」
从发生错误、发现问题、推敲源头到尝试改进,这段时间正削弱着生产效能,使整体营运缺少灵活性,难以提升再生能源电源设备的产量或生产品质。
缺乏全时段产生产观测,难以减少非增值作业 (Non Value-added Activities)、优化线平衡 (Line Balancing)
该厂知道在某些特定时段,生产效率会较低落,也注意到了作业员有时会因为不同任务而离开 工作岗位,但由于缺少⻓时间的产线数据,没办法完整评估每个生产环节的效率和产能,无从 着手改人力与资源配置。
进行产线优化的最大难处在于,有数不尽的变因影响着生产表现,许多非增值作业容易被忽 视,多余的等待时间、不必要的动作、错误的作业流程持续存在于产线上,拖慢生产也造成浪 费。
对于该条在东南亚厂的劳力密集组装线来说,众多作业员代表了更多难以预测的人的变因,欲 进行线平衡优化,势必需要拥有足够全面的数据资料,掌握各工站作业,判断产能低落源头, 才得以顺畅生产。
被动补救到主动预防。即时数据分析,优化线平衡
有了全时段的即时产线数据,AI 视觉为该厂揭示了下列问题:
-
- 作业员时常因为补料和将不良品拿走,而离开工站,导致生产形成断点。
- 因为前站传递来的在制品状况不一,该站有时需再多花时间额外调整, 才能开始进行原本的作业程序。
- 有些作业员在表定休息时间前的 15-20 分钟离开了岗位, 作业效率因此在接近休息时间时慢了下来。
- 一锁螺丝工具故障过于频繁,导致作业员重复锁付动作,或是需要暂停组装, 呼叫技术员上前维修,造成作业周期时间延长。
AI 视觉快速地揪出异常时段,再搭配影像回溯,管理者现能还原当下的工站作业状况,进行根 源分析,直接揭露低效率的源头。并且抓大放小,从影响最甚的问题开始着手改善。等待前站 的在制品 (WIP),即是造成该条产线闲置时间的最大问题来源,多余的等待时间,占了近 20% 的标准工作时长。藉由明确的作业时间及问题追溯,该厂订定改善方案:
-
- 任务分工:
人员支援如电源设备补料及移除不良品的作业程序。
- 任务分工:
-
- 作业员训练:
督导易出错的工站,重新指导标准作业程序,并教育作业员在必须离开岗位时, 请他人顶替作业,也针对提早离开岗位的行为进行告诫。 - 工具维护:
精密得检测锁螺丝工具后,找出并修复造成其时常故障的原因。
- 作业员训练:
成效
24/7 自动化产线数据搜集,释放 IE 宝贵人力
AI 视觉数位化产线上的人员行为,透过即时动作分析,计算作业时间,产出准确数据报表, 供管理者随时取用,了解当前生产状态。除了代替工业工程师耗时耗力的搜集工作外,也排 除人为测量误差,使纪录下的资讯更完整、细致。
这家美系制造商现能掌握工站的周期时间(Cycle Time),细至制程时间(Process Time) 与闲 置时间(Idle time) 皆能
由AI 视觉精准捕捉,产线上的每个动作或意外事件,都会被完整地记 录下来,在异常发生时,管理者也能透过 AI 即时告警,⻢上接收到通知。
24/7 的全面产线数据,协助管理者有效协助评估生产表现和辨别不寻常的作业。
消除管理盲区,提升 5.2% UPH
照着标准化作业程序运作的产线,仍然有可能包含难以察觉的生产死角,AI 视觉拦截原先没有
意识到的问题,揪出「管理盲区」,辅以科技洞察,协助管理者精益求精,排除产线上的浪 费。
真实作业情形
该厂原先认为某特定工站的周期时间会最⻓,结果相对其他工站而言,该站时间比想像中还要 短上许多,作业员并没有如管理者预料中一样,花那么多时间进行组装。有了真实的数据后, 管理者才能依此调整,订定最合适的制程标准,不会因为错误的认知而无效评估,造成整条产 线的管理失误。
空间配置
有些电源料件体积较大,但在工站空间有限的情况下,作业员必须将料件移至其他地方,也因 此延⻓了作业周期。工作区域的料件、工具位置配置,深深影响着生产效率,作业员手伸出的 距离、角度,乃至身体移动,都可能涵盖了多余的动作,亦即多余的时间和人力消耗。该厂而 后依照作业程序,新调整该站的料件位置,以加速作业员拿料、组装的生产时间。
透过AI 影像分析直捣问题根源,进行线平衡改,再加上近一步的排除管理误区,优化关键站 点,短短四周时间里,这家美系制造商减少了70% 造成单位小时产能( UPH) 不尽理想的肇因, 同等于 5.2% 的UPH 提升,
和超过 5 倍的投资报酬率(ROI)。
AI 视觉对稳定生产,还有话要说...
规则重整,管理颗粒化
该厂部署AI 视觉的产线,透过人工将在制品传递到下一工站,相比起用输送带载物的流水线, 这种产线更容易产生闲置时间,在过程中形成多余的动作或是等待,减损有效工时利用率,因 此,更需要精准得掌握时间。因训练AI 模型仰赖明确的辨认标准,导入过程也一并推动着该厂 新定义各项工作时间,将时间分割得更为细致,实行颗粒化的管理,以便往增值作业:非增 值作业= 8 :2 的理想范围前进。
以「人」出发
导入 AI 视觉并非以强硬改造为手段,而是从「人」的角度出发,找出众人作业习惯的共通点, 作为执行生产的准则,以符合人的行为能力与作业舒适性。新科技应是帮助人更轻松顺畅地工 作,在人员作业和产线效能中取得最佳平衡,才能稳定生产、增加竞争力,发挥团队价值,持 续稳固全球前五大 EMS 企业的制造先驱领导地位。
了解更多
HOP (Human Operation Platform)
PowerArena 人因作业平台 (Human Operation Platform, HOP) 是 AI 视觉驱动的智慧制造解决 方案。 HOP 可视化生产作业,为劳力密集的产线,提供即时、透明化的生产资讯。 HOP 具备 24/7 影像搜集、AI 视觉分析与随时回溯等特点,应用包含:SOP 遵守、线平衡表现和制程品管 改。 HOP 为优化生产效能,持续提供有价值数据,强化企业竞争力。
关于 PowerArena
PowerArena AI 视觉系统领衔全球制造业,于 2022 年由全球最大管顧之一 Frost & Sullivan 评 比为制造业电脑视觉中最有竞争力品牌。全球前五大 EMS 厂有三家已使用 PowerArena AI 视 觉优化生产效能,提升「人员」产出价值。 PowerArena 由前资深 Google 工程师创立,现于台 湾、美国、墨⻄哥、中国、香港等地都有服务据点。