【導(dǎo)讀】制造過(guò)程中的改進(jìn)和優(yōu)化需要可量化指標(biāo)的明確定義。良率、生產(chǎn)周期、成本、準(zhǔn)時(shí)交貨和產(chǎn)出——這組制造指標(biāo)可為滿(mǎn)足業(yè)務(wù)需求和客戶(hù)期望提供支持。在許多情況下，生產(chǎn)目標(biāo)可能會(huì)相互沖突。本文討論了不同的指標(biāo)，并就如何牢記客戶(hù)對(duì)準(zhǔn)時(shí)交貨的期望提供了相應(yīng)的指南。
摘要
制造過(guò)程中的改進(jìn)和優(yōu)化需要可量化指標(biāo)的明確定義。良率、生產(chǎn)周期、成本、準(zhǔn)時(shí)交貨和產(chǎn)出——這組制造指標(biāo)可為滿(mǎn)足業(yè)務(wù)需求和客戶(hù)期望提供支持。在許多情況下，生產(chǎn)目標(biāo)可能會(huì)相互沖突。本文討論了不同的指標(biāo)，并就如何牢記客戶(hù)對(duì)準(zhǔn)時(shí)交貨的期望提供了相應(yīng)的指南。
引言
改進(jìn)和優(yōu)化工作需要明確界定在一定約束條件下可衡量的待優(yōu)化或協(xié)同優(yōu)化指標(biāo)。為了跟蹤和評(píng)估項(xiàng)目的健康狀況，我們通常會(huì)提出多組制造指標(biāo)或關(guān)鍵績(jī)效指標(biāo)(KPI)，少則15個(gè)，多則超過(guò)30個(gè)1,2,3。對(duì)于建模和優(yōu)化，最好關(guān)注幾個(gè)重要的指標(biāo)?？梢圆捎谩氨匾焙汀俺浞帧钡碾p重標(biāo)準(zhǔn)，確保通過(guò)較少的一組重要指標(biāo)即可評(píng)估并滿(mǎn)足關(guān)鍵利益相關(guān)者對(duì)制造的期望，其中主要是內(nèi)部業(yè)務(wù)預(yù)期和外部客戶(hù)期望。關(guān)注這些定量指標(biāo)有助于我們生成簡(jiǎn)明易懂的指示板，以快速評(píng)估和響應(yīng)不斷變化的項(xiàng)目健康指標(biāo)。用于提升這些重要指標(biāo)的定性指標(biāo)將在第二篇文章中討論。
了解期望和相關(guān)的關(guān)鍵指標(biāo)
內(nèi)部業(yè)務(wù)預(yù)期通常是由財(cái)務(wù)驅(qū)動(dòng)的，這意味著制造運(yùn)營(yíng)必須在收入和盈利能力方面滿(mǎn)足企業(yè)的財(cái)務(wù)預(yù)期。外部客戶(hù)期望主要涉及質(zhì)量和交貨，即在承諾的時(shí)間內(nèi)交付相應(yīng)承諾的數(shù)量和預(yù)期質(zhì)量的最終產(chǎn)品。
從內(nèi)部業(yè)務(wù)預(yù)期開(kāi)始，收入與制造產(chǎn)出密切相關(guān)。Eliyahu Goldratt提出了一種強(qiáng)調(diào)這種聯(lián)系的業(yè)務(wù)方法，即產(chǎn)出核算。4同樣，業(yè)務(wù)利潤(rùn)與制造產(chǎn)出乘以單位價(jià)格與成本之差密切相關(guān)。制造良率也對(duì)單位成本影響顯著，因?yàn)閳?bào)廢產(chǎn)品影響企業(yè)的財(cái)務(wù)狀況，但不提供收入。這些財(cái)務(wù)指標(biāo)的聯(lián)系表明三個(gè)關(guān)鍵的制造指標(biāo)是產(chǎn)出、單位成本和良率。
外部客戶(hù)對(duì)質(zhì)量的期望也與制造良率相關(guān)。假設(shè)我們已將客戶(hù)期望轉(zhuǎn)化為產(chǎn)品需求，并根據(jù)反映客戶(hù)期望的產(chǎn)品需求對(duì)產(chǎn)品進(jìn)行測(cè)試、檢查或其他方式的評(píng)估，那么不滿(mǎn)足這些要求的產(chǎn)品將進(jìn)行報(bào)廢，因此，制造良率與質(zhì)量密切相關(guān)。
客戶(hù)對(duì)交付的期望與制造良率和制造周期相關(guān)。能否交付承諾數(shù)量的產(chǎn)品取決于生產(chǎn)線(xiàn)能否持續(xù)達(dá)到良率期望。能否在承諾的時(shí)間交付產(chǎn)品取決于生產(chǎn)線(xiàn)能否達(dá)到生產(chǎn)周期期望。這些客戶(hù)期望增加了兩個(gè)指標(biāo)，從而產(chǎn)生了五個(gè)關(guān)鍵制造指標(biāo)：產(chǎn)出、單位成本、良率、生產(chǎn)周期和準(zhǔn)時(shí)交貨。
基于上述討論，這五個(gè)提議的制造指標(biāo)可能足以滿(mǎn)足業(yè)務(wù)和客戶(hù)指標(biāo)；我們有理由質(zhì)疑是否每一項(xiàng)指標(biāo)都是必要的，或者是否有任何一項(xiàng)是多余的指標(biāo)。例如，由于準(zhǔn)時(shí)交貨是產(chǎn)量和生產(chǎn)周期的函數(shù)，是否可以取消準(zhǔn)時(shí)交貨這一生產(chǎn)指標(biāo)？或者，是否可以剔除生產(chǎn)周期，因?yàn)樗坪跖c準(zhǔn)時(shí)交貨有關(guān)？
可以通過(guò)一個(gè)快速的思考實(shí)驗(yàn)來(lái)探討這些問(wèn)題：是否有可能在生產(chǎn)過(guò)程中實(shí)現(xiàn)良好的產(chǎn)量和周期，但卻無(wú)法按時(shí)向客戶(hù)交付產(chǎn)品的情況？是的，如果制造領(lǐng)域在承諾交貨日期時(shí)高估了良率并低估了生產(chǎn)周期，就會(huì)出現(xiàn)這種情況。是否有可能向客戶(hù)按時(shí)交付貨物，但仍會(huì)因過(guò)長(zhǎng)的交付周期而讓客戶(hù)或企業(yè)不滿(mǎn)的情況？同樣，答案是肯定的——如果制造周期時(shí)間很長(zhǎng)，妨礙了他們按照承諾的日期交貨，并且在大部分時(shí)間只能滿(mǎn)足延長(zhǎng)的交貨日期，那么企業(yè)將因長(zhǎng)時(shí)間的交貨延誤而令客戶(hù)失望，并導(dǎo)致收入延遲，如果競(jìng)爭(zhēng)對(duì)手的周期時(shí)間較短，交付速度更快，則問(wèn)題尤甚。
因此，我們可以假設(shè)這組制造指標(biāo)是滿(mǎn)足聚焦和協(xié)同優(yōu)化目標(biāo)的必要充分條件：
?良率
?生產(chǎn)周期
?成本
?準(zhǔn)時(shí)交貨
?產(chǎn)出
工業(yè)工程和制造工程人員可以分別對(duì)每個(gè)指標(biāo)或KPI進(jìn)行建模；然而，這可能會(huì)導(dǎo)致次優(yōu)化，即一個(gè)指標(biāo)的優(yōu)化會(huì)對(duì)另一指標(biāo)產(chǎn)生不利影響。那么，理想的做法是協(xié)同優(yōu)化，也許主要關(guān)注企業(yè)認(rèn)為最重要的指標(biāo)，同時(shí)設(shè)置約束條件來(lái)限制對(duì)其他指標(biāo)的合理影響。
可以設(shè)立項(xiàng)目來(lái)實(shí)現(xiàn)這種協(xié)同優(yōu)化；例如，精益六西格碼和/或六西格碼設(shè)計(jì)舉措可以為涉及制造過(guò)程的項(xiàng)目制定章程。這些指標(biāo)與定義、測(cè)量、分析、改進(jìn)和控制(DMAIC)工具的定義和測(cè)量階段密切相關(guān)，有助于確定項(xiàng)目、團(tuán)隊(duì)和制造過(guò)程是否成功。指標(biāo)不僅可以激發(fā)行為和責(zé)任，還可以幫助團(tuán)隊(duì)評(píng)估項(xiàng)目的財(cái)務(wù)效益。
“質(zhì)量好、速度快、價(jià)格低——任選其二”
其中三個(gè)制造指標(biāo)，即良率、生產(chǎn)周期和成本對(duì)應(yīng)了著名的格言：“質(zhì)量好、速度快、價(jià)格低——任選其二”。這句幽默的格言暗示著很難在這些制造指標(biāo)之間進(jìn)行權(quán)衡。最后一個(gè)指標(biāo)“成本”或“價(jià)格低”通常被認(rèn)為有很多問(wèn)題，但企業(yè)的目標(biāo)通常更傾向于利潤(rùn)最大化而不是成本最小化。因此，更合適的目標(biāo)是協(xié)同優(yōu)化良率、生產(chǎn)周期和盈利能力——三者缺一不可。
“質(zhì)量好”或良率
良率是大多數(shù)制造過(guò)程中的一個(gè)關(guān)鍵參數(shù)，與財(cái)務(wù)結(jié)果、交付和質(zhì)量掛鉤。通過(guò)良率建模，團(tuán)隊(duì)可以預(yù)測(cè)未來(lái)的良率并優(yōu)先考慮提高良率的機(jī)會(huì)。良率模型將每個(gè)流程步驟的預(yù)測(cè)良率組合成整個(gè)制造或裝配過(guò)程的預(yù)測(cè)良率分布。5請(qǐng)參見(jiàn)表1。
表1.按制造流程步驟進(jìn)行良率建模
良率建?！鞒滩襟E | 通過(guò)/失敗數(shù)據(jù) | 貝塔選定類(lèi)型 | 方差貢獻(xiàn) | ||||||||
步驟編號(hào) | 步驟名稱(chēng) | Cpk | 成功次數(shù) | 失敗次數(shù) | 概率（通過(guò)） | α | β | 平均值 | 方差 | ||
1 | 第1步 | 通過(guò)/失敗 | 0.9 | 95 | 5 | 95.0% | 96.00 | 6.00 | 94.1% | 0.00053751 | 0.000481213 |
2 | 第2步 | Cpk | 0.95 | 99 | 1 | 99.8% | 13.97 | 0.03 | 99.8% | 0.00014541 | 0.000115823 |
3 | 第3步 | Cpk | 0.9 | 198 | 2 | 99.7% | 13.95 | 0.05 | 99.7% | 0.00023033 | 0.000183934 |
4 | 第4步 | 通過(guò)/失敗 | 0.7 | 99 | 1 | 99.0% | 100.00 | 2.00 | 98.0% | 0.00018663 | 0.000153988 |
5 | 第5步 | 通過(guò)/失敗 | 0.5 | 98 | 2 | 98.0% | 99.00 | 3.00 | 97.1% | 0.00027715 | 0.000233315 |
每個(gè)流程步驟的成功概率在0%到100%之間，因此可以使用介于0%到100%之間的統(tǒng)計(jì)分布（例如貝塔分布）進(jìn)行建模。過(guò)程成功的總體概率范圍也在0%到100%之間，同樣可以通過(guò)貝塔分布來(lái)表示。幸運(yùn)的是，通過(guò)將每個(gè)步驟的貝塔分布相乘來(lái)組合每個(gè)步驟的成功概率，會(huì)產(chǎn)生另一個(gè)代表過(guò)程成功概率的貝塔分布。
如果過(guò)程中的某個(gè)步驟已嘗試多次(n)，并且已成功s次且失敗f = n – s次，則成功的概率可以通過(guò)α參數(shù)為(s + 1)和β參數(shù)為(f + 1)β進(jìn)行估算，描述為β (s + 1, f + 1)。通過(guò)這種實(shí)用的方法，可以使用貝塔分布對(duì)制造過(guò)程、任務(wù)或程序中單個(gè)步驟的成功概率進(jìn)行建模。
如果過(guò)程中某個(gè)步驟的成功基于連續(xù)參數(shù)而不是離散的通過(guò)/失敗參數(shù)，則成功概率也可以轉(zhuǎn)換為貝塔分布。連續(xù)參數(shù)（例如Cpk、z分?jǐn)?shù)或良率）的擬合度衡量標(biāo)準(zhǔn)可用于估算通過(guò)概率p。然而，估算貝塔分布的兩個(gè)參數(shù)需要兩個(gè)值，并且通過(guò)概率p必須由第二個(gè)值補(bǔ)充。
第二個(gè)值可以是樣本數(shù)n，或者可以假設(shè)n的值反映參數(shù)分布中Cpk、z分?jǐn)?shù)或良率的不確定性程度。
可以為每個(gè)步驟估算成功概率的α和β值，無(wú)論是基于離散參數(shù)實(shí)際或預(yù)測(cè)的通過(guò)和失敗次數(shù)，還是基于連續(xù)參數(shù)（Cpk、z分?jǐn)?shù)或良率）。
每個(gè)步驟的這些α和β值可以組合成整個(gè)過(guò)程的總體成功概率，相當(dāng)于制造過(guò)程的總體良率。組合這些值的一種方法是使用蒙特卡羅模擬，另一種方法為基于生成系統(tǒng)矩的方法。借助這兩種方法，都可以進(jìn)行敏感性分析，以?xún)?yōu)先考慮提高良率的機(jī)會(huì)。參見(jiàn)圖1。
圖1.良率分布的直方圖。
“速度快”或生產(chǎn)周期
生產(chǎn)周期與能否及時(shí)響應(yīng)客戶(hù)對(duì)產(chǎn)品的請(qǐng)求直接相關(guān)，并與影響準(zhǔn)時(shí)交貨的概率間接相關(guān)：制造商在特定日期開(kāi)始將材料放入生產(chǎn)線(xiàn)，并在經(jīng)過(guò)制造周期時(shí)間對(duì)應(yīng)的延遲后交付產(chǎn)品。生產(chǎn)周期的分布可以伽馬分布來(lái)進(jìn)行近似計(jì)算，下限閾值對(duì)應(yīng)于理論最小周期時(shí)間。影響生產(chǎn)周期的因素還有瓶頸步驟的占比(%)（如Kingman方程6所述，參見(jiàn)圖3），以及生產(chǎn)線(xiàn)的產(chǎn)出和在制品(WIP)庫(kù)存（如利特爾定律7,8還所述）。可以使用離散事件仿真對(duì)周期時(shí)間進(jìn)行有效建模和優(yōu)化。參見(jiàn)圖2和圖4。
圖2.周期時(shí)間建模。通過(guò)伽瑪分布表示周期時(shí)間的分布。
圖3.該圖表示周期時(shí)間作為瓶頸制造設(shè)備利用率(%)函數(shù)的Kingman方程。
圖4.使用利特爾定律進(jìn)行內(nèi)部制造基準(zhǔn)比較。
在三個(gè)圖表中，藍(lán)點(diǎn)都代表當(dāng)前過(guò)程，與之比較的是顯示為紅色曲線(xiàn)的理論最壞情況和顯示為綠色曲線(xiàn)的理論最佳情況。左上圖為產(chǎn)品與在制品(WIP)庫(kù)存關(guān)系，右上圖為生產(chǎn)周期與產(chǎn)出關(guān)系，左下圖為生產(chǎn)周期與WIP庫(kù)存關(guān)系。
“盈利”或毛利率的成本
這些制造指標(biāo)的一部分與財(cái)務(wù)效益（與利潤(rùn)相關(guān)的毛利率）直接掛鉤：
該方程要求將制造成本分為與產(chǎn)出無(wú)關(guān)的固定成本和隨產(chǎn)出增加的可變成本。
可變單位成本與良率之比表明了一種通過(guò)優(yōu)化良率進(jìn)行協(xié)同優(yōu)化的方法。提高良率不僅可以“很好地”提高質(zhì)量，還可以降低每個(gè)合格零件的成本，從而提高毛利率。參見(jiàn)圖5。
圖5.制造的單位成本，顯示固定單位成本、可變單位成本以及總單位成本與產(chǎn)出關(guān)系。
產(chǎn)出
產(chǎn)出會(huì)限制所獲得的收入，而產(chǎn)出通常又受到瓶頸步驟的約束。9利特爾定律確定了生產(chǎn)周期、WIP庫(kù)存和產(chǎn)出之間的關(guān)系。由于產(chǎn)出會(huì)限制收入，進(jìn)而限制盈利能力，并且還會(huì)影響生產(chǎn)周期，從而影響準(zhǔn)時(shí)交貨，因此確保足夠的產(chǎn)出來(lái)滿(mǎn)足需求（并考慮到上升空間）至關(guān)重要。這要求組織識(shí)別潛在的瓶頸，并采取行動(dòng)或制定應(yīng)急行動(dòng)計(jì)劃來(lái)緩解障礙，包括：
?識(shí)別供應(yīng)商之間和內(nèi)部制造中的潛在障礙
?確保足夠的產(chǎn)能，避免其他供應(yīng)商成為障礙
?確保足夠的良率，避免供應(yīng)商成為障礙
?確保供應(yīng)商和內(nèi)部制造有足夠的可用性（正常運(yùn)行時(shí)間）
?預(yù)測(cè)可能導(dǎo)致制造工廠(chǎng)（內(nèi)部制造或供應(yīng)商）停工的可預(yù)見(jiàn)災(zāi)難（颶風(fēng)、地震）并制定應(yīng)對(duì)計(jì)劃
準(zhǔn)時(shí)交貨的概率——贏(yíng)得客戶(hù)信任
提高良率還有助于提高按時(shí)交貨的概率，即通過(guò)在承諾日期之前交付承諾數(shù)量的產(chǎn)品來(lái)贏(yíng)得客戶(hù)信任的概率。當(dāng)制造組織開(kāi)始生產(chǎn)時(shí)，他們可以生產(chǎn)超出需求數(shù)量的產(chǎn)品，以防止良率損失。如果制造良率低于假設(shè)良率，則交付的產(chǎn)品將少于承諾的數(shù)量，客戶(hù)將會(huì)感到不滿(mǎn)。參見(jiàn)圖6。
圖6.準(zhǔn)時(shí)交貨概率的計(jì)算示意圖（右側(cè)），表示為制造足夠產(chǎn)品以履行承諾的概率乘以在承諾日期準(zhǔn)時(shí)完成產(chǎn)品交付概率的乘積。制造足夠產(chǎn)品的概率是累計(jì)良率分布的函數(shù)，準(zhǔn)時(shí)完成產(chǎn)品交付的概率是周期時(shí)間分布的函數(shù)。
我們傾向于假設(shè)良率是一個(gè)常數(shù)；例如，如果制造團(tuán)隊(duì)知道歷來(lái)的良率為50%，他們一開(kāi)始就可以生產(chǎn)兩倍的產(chǎn)品并交付承諾的數(shù)量。然而，良率通常遵循貝塔分布，介于0%到100%之間；50%的平均良率表明，良率有時(shí)會(huì)低于或高于50%的平均值。連續(xù)貝塔分布與離散二項(xiàng)式分布的關(guān)系和類(lèi)比表明，良率的變化將遵循平均良率的拋物線(xiàn)函數(shù)：平均值為50%的良率分布變化將高于平均良率接近或達(dá)到100%的更緊密的良率分布。使用通過(guò)貝塔分布近似計(jì)算的良率分布以及平均值和標(biāo)準(zhǔn)差之間的關(guān)系，制造商可以開(kāi)始生產(chǎn)足夠的產(chǎn)品以應(yīng)對(duì)產(chǎn)量的不確定性。參見(jiàn)圖7。
圖7.與成本相關(guān)的庫(kù)存決策圖表，表示為準(zhǔn)時(shí)交貨概率的函數(shù)；持有庫(kù)存會(huì)產(chǎn)生成本，該成本隨著準(zhǔn)時(shí)交貨的概率而增加；而錯(cuò)過(guò)交貨日期以及隨后對(duì)客戶(hù)的影響也會(huì)產(chǎn)生成本，該成本隨著準(zhǔn)時(shí)交貨的概率而減少。這兩類(lèi)成本的總和可以具有一個(gè)最小值，對(duì)應(yīng)與公司及其客戶(hù)的最小成本相關(guān)的準(zhǔn)時(shí)交貨概率。
制造指標(biāo)流程
圖8為制造指標(biāo)的流程示意圖。Excel電子表格的屏幕截圖顯示了實(shí)際生產(chǎn)線(xiàn)的實(shí)施過(guò)程。如果制造團(tuán)隊(duì)能夠用不斷更新的數(shù)值和預(yù)測(cè)以可視化的方式呈現(xiàn)這些制造指標(biāo)，便可以對(duì)可能影響財(cái)務(wù)結(jié)果和客戶(hù)關(guān)系的問(wèn)題進(jìn)行規(guī)劃、優(yōu)化并做出快速反應(yīng)。
圖8.制造指標(biāo)和財(cái)務(wù)結(jié)果之間的關(guān)系示意圖。制造指標(biāo)（產(chǎn)出、總單位成本、交貨、良率和周期時(shí)間）以藍(lán)色突出顯示。
案例研究：半導(dǎo)體公司的制造指標(biāo)改進(jìn)
“全球微芯片短缺問(wèn)題引起了廣泛關(guān)注，并且已經(jīng)導(dǎo)致整個(gè)汽車(chē)行業(yè)的車(chē)輛生產(chǎn)活動(dòng)停止或推遲?！?0作為汽車(chē)行業(yè)和其他行業(yè)的主要微芯片供應(yīng)商，ADI公司也身陷這一供應(yīng)鏈問(wèn)題。高層管理人員要求制造組織提出改進(jìn)方法；制造副總裁擁有六西格碼大師黑帶認(rèn)證，并決定嘗試使用制造指標(biāo)方法。
他選擇關(guān)注的主要制造指標(biāo)是準(zhǔn)時(shí)交貨。他和團(tuán)隊(duì)將制造工廠(chǎng)的當(dāng)前信息輸入到鏈接這些制造指標(biāo)的Excel工作簿中，然后使用Crystal Ball Excel插件引入信息的可變性和不確定性。
蒙特卡羅模擬的結(jié)果反映了準(zhǔn)時(shí)交貨的高度可變性，這與ADI在根據(jù)客戶(hù)訂單和期望交貨方面遇到的挫折是一致的（見(jiàn)圖9）。
圖9.優(yōu)化可用性之前和之后準(zhǔn)時(shí)交貨的預(yù)測(cè)頻率分布示意圖。紅色分布顯示優(yōu)化后準(zhǔn)時(shí)交貨率大幅提高。
蒙特卡羅模擬的靈敏度分析表明，可變性的主要來(lái)源是在向客戶(hù)發(fā)貨之前用于測(cè)試微芯片的測(cè)試系統(tǒng)可用性（正常運(yùn)行時(shí)間%）。
然后，團(tuán)隊(duì)需要對(duì)測(cè)試系統(tǒng)的可用性進(jìn)行建模，對(duì)可用性的貝葉斯模型進(jìn)行輕微調(diào)整。11貝葉斯模型建議了可以提高測(cè)試系統(tǒng)可用性的方法，并預(yù)測(cè)了經(jīng)過(guò)這些改進(jìn)后測(cè)試系統(tǒng)的可用性。隨后，該團(tuán)隊(duì)將改進(jìn)的可用性輸入到制造指標(biāo)模型中，并進(jìn)行了蒙特卡羅模擬，該模擬預(yù)測(cè)微芯片的準(zhǔn)時(shí)交貨將得到顯著改善（見(jiàn)圖9）
結(jié)語(yǔ)
改進(jìn)和優(yōu)化工作需要明確界定可衡量的待優(yōu)化或協(xié)同優(yōu)化參數(shù)。良率、生產(chǎn)周期、成本、準(zhǔn)時(shí)交貨和產(chǎn)出——這組有限的制造指標(biāo)是滿(mǎn)足業(yè)務(wù)需求和客戶(hù)期望的支柱，并且可以進(jìn)行協(xié)同優(yōu)化以滿(mǎn)足內(nèi)部利益相關(guān)者、業(yè)務(wù)和客戶(hù)的需求。
將這些制造指標(biāo)放到方程中，既有助于優(yōu)化需求，也便于做出在約束條件下符合優(yōu)化需求的權(quán)衡和決策。
制造指標(biāo)改進(jìn)在一家半導(dǎo)體公司的應(yīng)用提供了一個(gè)案例研究，證明了如果想要提高客戶(hù)和利益相關(guān)者對(duì)結(jié)果的滿(mǎn)意度，可以根據(jù)需要深入洞察特定的決策和方法，這種能力具有很高的價(jià)值。
參考文獻(xiàn)
1 Mark Davidson?！?8個(gè)真正重要的制造指標(biāo)（我們依賴(lài)的指標(biāo)）?！盠NS Research，2013年10月。
2 “2023年報(bào)告的30個(gè)最佳會(huì)計(jì)KPI和指標(biāo)示例?！盜nsight Software，2023年6月。
3 “制造指標(biāo)和關(guān)鍵績(jī)效指標(biāo)?！盌atapine。
4 Elihayu Goldratt。“干草堆綜合癥：從數(shù)據(jù)海洋中篩選信息。”North River Press，2006年。
5 Eric Maass?！巴ㄟ^(guò)良率和一次性可靠性建模完善您的預(yù)測(cè)?！眎SixSigma，2020年6月。
6 J.F.C Kingman?！按罅髁肯碌膯畏?wù)器隊(duì)列。”劍橋哲學(xué)會(huì)數(shù)學(xué)匯刊，2008年10月。
7 JDC Little。“同義反復(fù)、模型和理論：我們能找到制造規(guī)律嗎？”。麻省理工學(xué)院圖書(shū)館，1992年7月。
8 Wallace J. Hopp和Mark L. Spearman?！肮S(chǎng)物理：第三版?！盬aveland Press，2011年8月。9 Eliyahu Goldratt?！澳繕?biāo)：一個(gè)持續(xù)改進(jìn)的過(guò)程?！盢orth River Press，2004年。
9 Eliyahu Goldratt?！澳繕?biāo)：一個(gè)持續(xù)改進(jìn)的過(guò)程?！盢orth River Press，2004年。
10 Dave Opsahl?！翱朔?yīng)鏈問(wèn)題：汽車(chē)原始設(shè)備制造商和供應(yīng)商必須攜手同行?！盕orbes，2021年9月。
11 Elysar Mougharbel?！邦A(yù)測(cè)工程——醫(yī)療器械的可用性建模?！贝T士學(xué)位應(yīng)用項(xiàng)目，亞利桑那州立大學(xué)，2017年5月。
（來(lái)源：ADI公司，作者：Eric C. Maass，高級(jí)總監(jiān)；John Nichols，制造副總裁；Elizabeth Kapp，項(xiàng)目經(jīng)理）
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
如何利用SCR輕松驅(qū)動(dòng)AC/DC轉(zhuǎn)換器啟動(dòng)？
來(lái)吧，展示！第104屆中國(guó)電子展暨國(guó)際元器件及信息技術(shù)應(yīng)用展火熱招商中
用于電池儲(chǔ)能系統(tǒng) (BESS) 的 DC-DC 功率轉(zhuǎn)換拓?fù)浣Y(jié)構(gòu)
當(dāng)電化學(xué)傳感器遇上低功耗藍(lán)牙，三大領(lǐng)域應(yīng)用輕松拿捏
