製造業數位轉型導入亮點: 首屈前置時間完整捕捉

By Dave Chu

兩周前,為了得到產品的反饋,我們與一些主要客戶進行了一次全公司的訪談。有趣的是,與我們交談的所有人中,工廠廠長們看到了最關鍵的不同點 (同時,他們也是最有意見的)。在所有他們看到的進步跡象中,有一個專業術語一直反覆出現-前置時間。

什麼是前置時間?

前置時間,是從得知訂單需求到如期交貨所花的時間。 很多領域,例如製造、專案管理和供應鏈都需要估算前置時間。 從前(預)處理、過程處理和後續跟進時間,階段進行把關,以釐清效率低下的地方,同時將結果與基準進行比較。

縮短前置時間對於優化運營至關重要,從精簡生產流程以提值增效,同時增加產量和產值。

然而,過長的交貨時間可能會影響產品銷售和整個生產過程。

本篇摘要:

1. 衡量流程從開始到結束所花費的時間。

2. 從備料、製造和交付最終產品相加計算得出。

3. 前置時間的變動因素包括:缺料、瑕疵零件、裝配錯誤、人力,甚至不可預見的成本,如天災。

4. 入選全球燈塔工廠資格的關鍵標準之一。

5. 全球燈塔工廠對於前置時間評量標準,在於精準度而不是時間的長短。

如何計算前置時間?

要估算前置時間,管理人員需要考慮生產流程中的多個部分。 從前期的採購材料,到製造產品和後期交貨, 前置時間的計算方法是將上述所有步驟的時間組合相加,通常以天為單位。

一直以來,最難計算的方面之一,居然是生產製造的時程。 人機結合的生產線,幾乎無法即時測量,而令人頭痛。

勞動密集型生產中 前置時間計算的痛點

目前普遍的方法,是讓一名工業工程師帶著碼錶和白紙,在一天中某個時間選擇隨機的工站、作業員和生產步驟做紀錄。 這種收集方式會導致得來的數據不準確且零碎。 在這之後,他們只能再次根據那些不可靠、不準確、零碎的數據來推估作業時間。

更先進的方法,是將 IoT 掃描系統導入到關鍵工站中,以計算站點之間的時間。 這樣做的確會有更高的準確性,但要在 SOP 裡塞滿這些系統,才能找到產線痛點。 這些數據,也無法可視化系統之間的每個組裝步驟。

所以說,這樣收集來的數據一方面零散且不準確,另一方面它也不夠完整,怎麼說都是不可靠的數值。

但現在,機器視覺可以為您解決以上所有難處。

AI 機器視覺與前置時間的關聯?

導入 AI 機器視覺,在關鍵工站安裝攝像頭。 這些 AI 攝像頭將全年無休,以 100% 的準確性,持續收集工站數據。 具深度學習能力的 AI 會將這些既直觀又完整的數值,轉換成可以利用於產線的有利資訊。

有了這些報表,工廠經理現在能夠根據可靠的數據來源,好好地計算前置時間。 比起來自碼錶,零散和不可靠的預測結果,現在,前置時間預測,能比以往任何時候都更加準確。 使管理、銷售甚至運營整體受益。 同時,躍進到更高的水平-全球燈塔工廠。

PowerArena 的機器視覺 運作流程圖

全球燈塔工廠(GLN)由世界經濟論壇(WEF)和麥肯錫於 2018 年開始評選,目前已經評估了數千家先進製造工廠,卻只有極少數能躋身燈塔工廠的行列,享有工業 4.0 、全面數字化轉型領導者的頭銜。 能否成為 GLN 成員,決定的最關鍵方面之一,就是前置時間的計算能力。

燈塔工廠們的前置時間不單單只有減少而已。這些數值和準確度也是運用數位化科技計算出來的。這種模式,我們稱之為數據主權。

為您的工廠增加管理韌性

PowerArena 的 Human Operation Platform (HOP) 由 AI 機器視覺全面支持。 借助我們的平台,可以為您以 100% 的準確度蒐集每一刻的數據,來可視化您的生產線。 憑藉直觀且科學的資訊,來估算前置時間,同時提升數據主權。您也可以利用數位化工具,提升數據主權的實力。 我們的 Human Operation Platform (HOP) 將可以讓您勞動密集的生產環境一目了然,幫助您更接近全面數字化轉型,在工業 4.0 路上,獨占鰲頭。

Read More:
數據主權: 智能產線 五大面向落地實現
數據主權: 視覺製造 從產線中捕獲有價值資訊

598