背景
擁有約百個製造基地、為眾多知名品牌製造各式電子零組件的全球前五大 EMS 企業，作為業界領導者，不停地追求產線效能優化，這家全球前三大的美國電子製造商，其一位於東南亞的工廠，負責製造再生能源電源設備，他們為有效管理這條勞力密集產線，持續尋找消除浪費、達到精實生產的解決方案。
挑戰與困境
人工檢視產線，每項產品需耗費 48 小時進行時間研究
現在多數的產線數據搜集仍仰賴人工紀錄，工業工程師站在工站旁用碼表計時，再由紙筆抄寫，缺乏效率，且容易受包含人的主觀偏差。如果要為一項產品進行時間研究，需耗費該廠的工業工程師約 24-48 小時，一個月僅能取得約莫 15 分鐘的數據資料，如此少量的資訊使得辨認瓶頸更加困難。
「我們知道產線上有在拖慢生產效率的因子，但沒有時間去搜集所有需要的數據資料。」
工業工程師分享難處，因時常受限於其他更急迫的職責，耗時間的資料搜集和耗精力的研究分析，往往成為工作中的一大痛點。
產線資訊不足，缺少即時分析數據
傳統的產線管理方式缺乏時效性，通常在異常發生後，才開始被動地進行補救作業，試圖找出問題源頭，又因為沒有完整的生產紀錄，管理者這時只能依靠過往經驗推測進行調整，無法對症下藥。
「…根源分析一直以來都是件既麻煩又困難的事…」
從發生錯誤、發現問題、推敲源頭到嘗試改善，這段時間正削弱著生產效能，使整體營運缺少靈活性，難以提升再生能源電源設備的產量或生產品質。
缺乏全時段產生產觀測，難以減少非增值作業 (Non Value-added Activities)、優化線平衡 (Line Balancing)
該廠知道在某些特定時段，生產效率會較低落，也注意到了作業員有時會因為不同任務而離開工作崗位，但由於缺少長時間的產線數據，沒辦法完整評估每個生產環節的效率和產能，無從著手改善人力與資源配置。
進行產線優化的最大難處在於，有數不盡的變因影響著生產表現，許多非增值作業容易被忽視，多餘的等待時間、不必要的動作、錯誤的作業流程持續存在於產線上，拖慢生產也造成浪費。
對於該條在東南亞廠的勞力密集組裝線來說，眾多作業員代表了更多難以預測的人的變因，欲進行線平衡優化，勢必需要擁有足夠全面的數據資料，掌握各工站作業，判斷產能低落源頭，才得以順暢生產。
被動補救到主動預防。即時數據分析，優化線平衡
有了全時段的即時產線數據，AI 視覺為該廠揭示了下列問題：
-
- 作業員時常因為補料和將不良品拿走，而離開工站，導致生產形成斷點。
- 因為前站傳遞來的在製品狀況不一，該站有時需再多花時間額外調整，
才能開始進行原本的作業程序。 - 有些作業員在表定休息時間前的 15-20 分鐘離開了崗位，
作業效率因此在接近休息時間時慢了下來。 - 一鎖螺絲工具故障過於頻繁，導致作業員需重複鎖付動作，或是需要暫停組裝，
呼叫技術員上前維修，造成作業週期時間延長。
根源分析，方便管理者抓大放小，從影響最甚的問題開始著手改善。
AI 視覺快速地揪出異常時段，再搭配影像回溯，管理者現能還原當下的工站作業狀況，進行根源分析，直接揭露低效率的源頭。並且抓大放小，從影響最甚的問題開始著手改善。等待前站的在製品 (WIP)，即是造成該條產線閒置時間的最大問題來源，多餘的等待時間，佔了近 20% 的標準工作時長。藉由明確的作業時間及問題追溯，該廠訂定改善方案：
-
- 任務分工：
指派人員支援如電源設備補料及移除不良品的作業程序。 - 作業員訓練：
督導易出錯的工站，重新指導標準作業程序，並教育作業員在必須離開崗位時，
請他人頂替作業，也針對提早離開崗位的行為進行告誡。 - 工具維護：
精密得檢測鎖螺絲工具後，找出並修復造成其時常故障的原因。
- 任務分工：
成效
24/7 自動化產線數據搜集，釋放 IE 寶貴人力
AI 視覺數位化產線上的人員行為，透過即時動作分析，計算作業時間，產出準確數據報表，供管理者隨時取用，瞭解當前生產狀態。除了代替工業工程師耗時耗力的搜集工作外，也排除人為測量誤差，使紀錄下的資訊更完整、細緻。
這家美系製造商現能掌握工站的週期時間 (Cycle Time)，細至製程時間 (Process Time) 與閒置時間 (Idle time) 皆能由 AI 視覺精準捕捉，產線上的每個動作或意外事件，都會被完整地記錄下來，在異常發生時，管理者也能透過 AI 即時告警，馬上接收到通知。
24/7 的全面產線數據，協助管理者有效協助評估生產表現和辨別不尋常的作業。
消除管理盲區，提升 5.2% UPH
照著標準化作業程序運作的產線，仍然有可能包含難以察覺的生產死角，AI 視覺攔截原先沒有意識到的問題，揪出「管理盲區」，輔以科技洞察，協助管理者精益求精，排除產線上的浪費。
真實作業情形
該廠原先認為某特定工站的週期時間會最長，結果相對其他工站而言，該站時間比想像中還要短上許多，作業員並沒有如管理者預料中一樣，花那麼多時間進行組裝。有了真實的數據後，管理者才能依此調整，訂定最合適的製程標準，不會因為錯誤的認知而無效評估，造成整條產線的管理失誤。
空間配置
有些電源料件體積較大，但在工站空間有限的情況下，作業員必須將料件移至其他地方，也因此延長了作業週期。工作區域的料件、工具位置配置，深深影響著生產效率，作業員手伸出的距離、角度，乃至身體移動，都可能涵蓋了多餘的動作，亦即多餘的時間和人力消耗。該廠而後依照作業程序，重新調整該站的料件位置，以加速作業員拿料、組裝的生產時間。
透過 AI 影像分析直搗問題根源，進行線平衡改善，再加上近一步的排除管理誤區，優化關鍵站點，短短四週時間裡，這家美系製造商減少了 70% 造成單位小時產能 (UPH) 不盡理想的肇因，同等於 5.2% 的 UPH 提升，和超過 5 倍的投資報酬率 (ROI)。
AI 視覺對穩定生產，還有話要說…
規則重整，管理顆粒化
該廠部署 AI 視覺的產線，透過人工將在製品傳遞到下一工站，相比起用輸送帶載物的流水線，這種產線更容易產生閒置時間，在過程中形成多餘的動作或是等待，減損有效工時利用率，因此，更需要精準得掌握時間。因訓練 AI 模型仰賴明確的辨認標準，導入過程也一併推動著該廠重新定義各項工作時間，將時間分割得更為細緻，實行顆粒化的管理，以便往增值作業：非增值作業 ＝ 8：2 的理想範圍前進。
以「人」出發
導入 AI 視覺並非以強硬改造為手段，而是從「人」的角度出發，找出眾人作業習慣的共通點，作為執行生產的準則，以符合人的行為能力與作業舒適性。新科技應是幫助人更輕鬆順暢地工作，在人員作業和產線效能中取得最佳平衡，才能穩定生產、增加競爭力，發揮團隊價值，持續穩固全球前五大 EMS 企業的製造先驅領導地位。
了解更多
HOP 人因作業平台
PowerArena HOP 人因作業平台 (Human Operation Platform) 是 AI 視覺驅動的智慧製造解決方案。HOP 可視化生產作業，為勞力密集的產線，提供即時、透明化的生產資訊。HOP 具備 24/7 影像搜集、AI 視覺分析與隨時回溯等特點，應用包含：SOP 遵守、線平衡表現和製程品管改善。HOP 為優化生產效能，持續提供有價值數據，強化企業競爭力。
關於 PowerArena
PowerArena AI 視覺系統領銜全球製造業，於 2022 年由全球最大管顧之一 Frost & Sullivan 評比為製造業電腦視覺中最有競爭力品牌。全球前五大 EMS 廠有三家已使用 PowerArena AI 視覺優化生產效能，提升「人員」產出價值。PowerArena 由前資深 Google 工程師創立，現於台灣、美國、墨西哥、中國、香港等地都有服務據點。
