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
