背景
Heraeus Medical Components（賀利氏醫療組件）新加坡工廠隸屬德國賀利氏集團，長期專注於生產關乎生命的精密醫療器械組件，包括心血管及心臟手術所用的精細導管。面對高價值原材料、嚴苛公差要求以及穩定交付壓力，工業共層團隊需要的不只是單次測量，而是能夠持續洞察產線效率與生產節拍的數據能力。然而，就在廠內最成熟的一條產線上，工時分析方式仍停留在近百年前的模式：一塊秒錶，一張記錄板，以及依靠人工觀察完成的效率評估。
痛點：成熟產線的降本空間，秒錶根本測不出來
秒錶測時，捕捉到的永遠只是產線真實運行狀態的一個切片。工程師站在單個工位旁測量一小段時間，這幾組讀數就要代表之後數周的生產。測完沒有任何記錄可以追溯，無法對比”順暢的一天”和”卡頓的一天”差異何在；即使兩名工程師測同一道工序，記錄結果也可能存在偏差。
對成熟產線來說，這個差距的影響最大。顯而易見的效率提升，早在幾年前就已完成；真正阻礙持續改善的，是隱藏在平均值之下、細小卻頑固的時間損耗。要把這些損耗挖出來，並形成足以支撐產線平衡或工藝變更決策的依據，所需的數據質量，是秒錶永遠無法提供的。
解決方案：用一個攝像頭，構建 7×24 小時持續工時洞察體系
PowerArena 採取小步快跑的落地路徑：先在一個包含三個工位的作業單元部署單個攝像頭，驗證後逐步擴展。HOP 人因作業平台將 AI 視覺與產線自身的設備信號打通——由設備 IoT 信號精准標記每個作業週期的起止點，時間數據直接來自產線本身，而非人工估算。最終形成一套自動運行、逐週期精准的工時分析體系：每個週期、每位操作員、全天候記錄，無需任何人再拿秒錶。
- 持續工時分析： 週期級、步驟級時間數據 7×24 小時自動採集，以圖表形式呈現，供工程團隊定期復盤。
- 異常週期影片回放： 某天出現異常偏長的週期或步驟時，團隊可直接調取該時刻的影片定位根因，無需猜測。
- 自動異常預警： 異常發生即觸發郵件通知，問題第一時間浮出水面，不必等到下一次人工測時。
- 可擴展架構： 多攝像頭、多路影片流推理，結合按產線微調的模型，讓同一套方案從單個作業單元複製到整條產線。
部署前後
HOP 將工時分析從依賴人工抽樣的階段性測量，升級為基於 AI 視覺的 7×24 小時持續洞察體系，真實還原產線運行狀態。
落地成效：當資料真正進入現場，持續改善開始發生
最有說服力的證明，是客戶後續持續發生的動作。單攝像頭試點逐步擴展為多工位部署，隨後延伸到第二條更繁忙的產線，並持續追加攝像頭投入。隨著應用深入，HOP 圖表已成為團隊每周復盤的固定環節；當需要驗證某個生產現象時，工程師隨時調取歷史影片進行確認。團隊也開始自主配置分析場景、自主開展測時研究，甚至主動提出要把內部資料導入 HOP 看板進行融合分析。當客戶開始將更多業務場景納入工具體系時，HOP 已經不再是一個試點項目，而逐漸成為支撐持續改善的可靠數據基礎。
日常工作方式的轉變同樣關鍵。工程師的決策依據，從依賴經驗和抽樣估計，變成基於持續、客觀數據的分析判斷。在公差如此嚴苛的精密製造產線上，從”我們認為”到”我們看得見”的跨越，正是如今每一次產線平衡決策的基礎。
為什麼選 HOP：智能工廠方案的關鍵差異
HOP 的核心差異，在於同時結合 IoT 週期計時與 AI 視覺分析能力：不僅能夠準確統計生產週期，更能夠通過現場影像還原週期變化背後的原因，讓「週期變長」從結果變成可分析、可改善的問題。
HOP 不只是一個資料採集工具，而是一套深入理解產線的 AI 視覺解決方案。透過影片、IoT 與產線調教，建立持續改善能力，讓工廠持續累積產線資料，讓改善機會越來越清晰。
下一步：讓客戶團隊掌握持續優化的主動權
持續測時已在後台穩定運行，下一步是把更多主動權交到客戶手中。團隊正在自主調優模型、自主上線新產線；HOP 持續複製到更多作業單元，其數據也正在成為產線平衡與持續改善工作的起點。從一個作業單元上的一個攝像頭開始，這正在成為這座工廠的日常運營方式。
立即下載完整案例
有興趣將 AI 視覺導入製造業嗎？
