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。
根源分析，方便管理者抓大放小，从影响最甚的问题开始着手改善。
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。
