2023-03-08
詹雯婷
1.6k
當客製化時代來臨,訂單市場走向交期緊、單量小的趨勢,「小批量生產」雖然縮短生產週期,卻也增加了每一工序之間搬運移轉的次數與時間,若企業仍運用最原始的人工紀錄方式,恐怕不敷使用,還會造成3種困擾……
早期製造業以大量生產來降低生產成本,相對的,生產週期也會拉長,因為製程中每一工序,必須依次一整批做完再轉換到下一階段,等於前一段在製作時,後一段的人員與設備空在那裡等待,時間和成本也就這樣白白浪費了。然而客製化時代來臨,訂單市場走向交期緊、單量小的趨勢,為了縮短生產週期,「小批量生產」的模式便因應而生……
小批量生產是指將原本一整批做完才轉換到下一階段繼續製作的方式,拆解成各工序可同步進行,舉例來說:
一筆1000件的訂單需求,每件皆需經過4階段製作,每一階段皆需1天時間,以原本的大批量生產方式就需要4天才能完工出貨;然而拆解成小批量方式,例如每完成100個就先搬運移轉到下個階段,4道工序可同時進行,中間或許會因搬運或其他因素,不似原本大批量生產那樣順著一直做而產出同等的產量,但整體來看仍比大批量生產省時(如下圖所示,即使一天產量為原先的8成,也較大批量耗時短),讓本來需要4天的生產週期,可能縮短至1.5天即可。
看起來能有效縮短生產週期的小批量生產,卻也增加了搬運移轉的次數與時間,同時也提升搬運途中阻塞延遲或物料毀損的風險,還會加重一個常態問題----報工。
製造業中,機械零組件業的製程尤其繁瑣,而「報工」這個蒐集數據的基本功顯得更加重要。報工是記錄、統計和分析各項工作中所耗費的人工與機器的工時及生產狀況,因此資訊「即時」且「透明」很重要,才能有效降低成本、提高工作效率。早期工廠大多運用最原始的人工報工,但人工紀錄方式很容易發生以下3種困擾:
傳統報工大多只在固定時間點來填寫紀錄,中間若有設備發生故障或其他狀況,可能耽誤修正的時機,產生更多的不良品或讓人員和其他機台等待空轉。
現場人員不見得即時填寫,因此可能會有忘記真實狀況,造成數據不確實或遺漏的情形,這樣一來,生產進度和實際生產數量掌握誤差大,影響產品交期,得來的數據也無法用於評估判斷。
人工報工耗時長,且資訊不即時,管理人員無法及時掌握狀況並做出修正判斷,以致若有急單要調整生產排程頁,無法馬上反應調度,讓本來可以出貨的時間也跟著延後或拉長。
尤其現今生產模式多改成小批量生產後,這些問題更加顯著,想要即時掌握物料追蹤、監測製造現場狀況、瞭解目前設備是否妥善或有毀損之虞、篩選最佳定位技術的企業主,不得不將報工方式進化升級成自動化報工,才能有效蒐集廠中所有機台由多個工序產生的數百萬至數千萬筆資料,並加以分析運用。
所謂的自動化報工,就是數位系統透過物聯網/機聯網(Internet of Things,IoT)技術,讓機台設備自動蒐集並回報生產過程中的相關數據及異常狀況,這樣比人工報工時間更為短少,不僅提升生產效率和報工準確度,還能連帶推動無紙化。
最重要的是,運用自動化報工獲得數據後,還需進一步整合成可用資訊運用於現場,即時資訊的應用大多都有3種基本功能:目前進度查詢、即時調整生產排程、後續統計分析。以及協助產出工廠生產履歷、機台稼動歷史紀錄、WIP(在製品/半成品)追蹤等延伸效益。這些都能幫助整體製程質量的提升。
自動化解決了人工報工的問題,但在小批量生產中還有「移轉的次數與時間增加」的問題,因此還得搭配每一階段移轉所需的配套措施,建議如下:
要先經過蒐集、評估、制定出標準工時和載具容量,然後依據標準工時設定生產的節拍時間(T.T,Takt Time),並以定容定量為原則,產生最佳的每批移轉數量。
工廠配置上應避免存儲空間的浪費,在規畫搬運路徑時,需考量是否為最短路徑,以及找出容易發生瓶頸的關鍵路段,注意其工作量平衡,避免造成過多負載而延長搬運時間。
工廠生產線上要發揮水蜘蛛「能快速在水面分段滑行」的特性來進行物料搬運,可根據各棧點間的需求,以專人來搬運物料,免去作業員搬運行走的時間,消除停等浪費和預防庫存,管理者對生產進度也就更能掌握。
少量多次的搬運,可避免產生不必要的在庫數量。有的企業甚至已進化成自動化運搬系統AMR/AGV,不必人工搬運;利用物料的定位技術,更能即時掌握所有的物料狀況,避免缺料造成產線停等的問題重複發生。特別是現今台灣已邁向智慧製造發展,國際又有缺工缺料的問題,運用精準的即時報工系統,加上合宜的搬運移轉配置與機制,來減少人力及物料的浪費,達到省時省力之效。
延伸閱讀:
機零特派員 | 頻道大賞
2,178 Followers
特別企畫
零件半成品待在「這裡」最省錢!小批量移轉心法一次學會【機零特派員】
企業想進化升級,與精實管理、數位轉型等議題有關,讓《機零特派員》帶你探究機械零組件業界的知識與案例!
機零特派員 | 頻道大賞
2,178 Followers
我們使用本身的Cookie和第三方的Cookie進行分析,並根據您的瀏覽習慣和個人資料向您展示與您的偏好相關的廣告。如欲瞭解更多資訊,您可以查閱我們的隱私權政策。