精實生產-工業4.0的關鍵拼圖

精實生產(Lean Production)是1990年間，源自於豐田生產方式 (TPS)的生產哲學，其宗旨是想消除一切浪費(日語：無駄，Muda)，精益求精和持續改善。精：精神在於【追求全面品管，止於完善】、實：主旨在於【消除各種浪費，創造真實價值】。

---

三大工具

● JIT (Just In Time)：透過後拉的方式，由需求來決定剛好的抵達時間及剛好的數量，以減少庫存、縮短工時、降低成本，提高生產效率。

● 自働化：働(人+動)是設備和人的結合，當生產出現不良時透過人的"智慧"決定是否停止生產，避免產出不良品造成材料和工時浪費。即異常發生時的自動停機功能。

● 看板 (Kanban)：用於傳遞後拉結果的生產指令。JIT 系統將看板三大類：生產看板、傳送看板和臨時看板，所有的生產行為都必須接收到看板指令才可進行。

---

五大原則

● 價值 (Value)：	精實思維起於價值，要求所有的生產環節必須由客戶的角度出發，以衡量企業活動是否有客戶需求價值。如果一個生產或服務不是以滿足客戶為出發點，即可視為浪費並予以消除。

● 價值溪流 (Value Stream)：首先要了解生產所有經過步驟，通過了解各個步驟，才可繪製出價值流動圖 (Value Stream Mapping)，每項產品類別均可視為一個價值溪流圖。

● 暢流 (Flow)：確認價值溪流後即可著手暢流，暢流的好處是消除超量的供應、運輸、庫存、等待、移動等浪費。暢流的目標為消除浪費和無附加價值的活動、將重點放在批量與品質。

● 後拉 (Pull)：由需求來拉動生產活動，後製程拉動前製程、前製程拉動倉庫、倉庫拉動供應商，透過後拉的方式取得精準的時間和數量。拉動有三種模式：訂單拉動、市場拉動、混合式拉動。

● 完善 (Perfection)：定義價值、繪製價值溪流、針對價值溪流做暢流改善、後拉生產，這是個持續完善的流程，在改完完善後進入下一個定義價值如此循環，就跟PDCA流程一樣。

---

七大浪費

● 庫存的浪費 (Inventory)：庫存浪費包含存放空間浪費、資金流動浪費、搬運浪費隨著存放時間增長更容易導致品質異常。最嚴重的是【庫存會隱藏生產中的其他浪費】，所以精實生產認為「庫存是萬惡根源」，但針對暢流所需的安全庫存是必要的，不在此限。

● 等待的浪費 (Waiting)：等待浪費包含待料、設備故障、頻繁換線、品質不良、產品設計不良造成頻繁重工、工序設計不平衡造的上游堆積下游閒置。「Time is money!」所以等待就是一種浪費。

● 不良品的浪費 (Defects)：不良品會直接造成人時浪費、機時浪費、材料浪費、等待浪費，間接造成資金流動浪費、失去客戶信賴甚至失去客戶。所以及早發現不良(自働化)就可以有效減低後續處理成本，如果可以一次做對更好。

● 過量生產的浪費 (Overproduction)：過量生產的浪費包含存放空間浪費、搬運浪費隨著存放時間增長更容易導致品質異常，還會隱藏等待浪費並提高在製品數量增加管理負擔。

● 動作的浪費 (Motion)：不產生附加價值的動作、不合理的操作、效率不高的姿勢和動作都屬於動作的浪費。

● 搬運的浪費 (Transport)：去除生產所必需的搬運，其他任何搬運都是一種浪費。因物料的移動運輸，會造成成本增加、損壞風險機率提升、連帶造成時間上的浪費與物流投資上的浪費。

● 過度加工的浪費 (Over-processing)：過度加工的浪費是指製造過程中因多餘的加工、製程與作業程序，導致工作上增加造成無謂的浪費。本質上，它指的是增加了客戶不需要的價值。

---

精實生產與工業 4.0 結合應用範例

物聯網應用	1. 透過機械手臂，降低七大浪費的動作浪費。 2. 透過運輸機器人，降低七大浪費的搬運浪費。 3. 透過感應器即時監控機台狀況以及環境變量，如有異常第一時間通知相關人員及時處理，降低七大浪費的等待浪費。
大數據分析應用	1. 透過大數據分析不良原因，改善產品設計，降低七大浪費的不良品浪費。 2. 透過大數據分析以往生產狀況，找出瓶頸工站並加以優化，降低七大浪費的等待浪費。
AI 應用	1. 透過各式感應器、影像辨識等工具搭配 AI 判別生產不良，如有不良則對機台發佈停止生產指令，就如同精實生產的自働化。 2. 透過AI進行市場預測，透過精實生產的拉動獲得用料清單，在將此份清單透過AI預測價格走向，並於價格低點買入。

工業4.0應該是精實生產的衍生議題，在實踐精實生產的過程中逐步結合物聯網、大數據分析、AI等新技術並整合現有的資訊系統，最終達到工業4.0 。

---

結語

依靠新的科技確實可以做到局部性的優化，但搭配上精實生產的實踐，才能發揮 1 + 1 > 2 的效果，所以關注工業4.0的同時也要思考，我們的生產「精實」了嗎?後續將會出一系列相關說明文章，敬請期待，如有錯誤或更好的想法歡迎指正與交流，謝謝!