為什麼標準工時設定完成後還需要持續驗證？

許多企業在 ERP 建立產品製程時，就會設定標準工時，例如：

打頭：60 分鐘
夾尾：45 分鐘
輾牙：80 分鐘
檢驗：30 分鐘

這些數據可能來自工程人員量測、歷史經驗或早期試產資料。

但經過設備老化、產品規格改變、模具更新或人員異動後，實際生產狀況可能早已不同。

如果標準工時仍維持多年以前的設定，就可能造成後續排程與產能計算失真。

標準工時與實際工時差異怎麼算？

假設某工單標準生產時間為：

120 分鐘

MES 實際記錄：

150 分鐘

工時差異：

150 − 120 = 30 分鐘

工時差異率則為：

(150 − 120) ÷ 120 × 100% = 25%

代表這張工單實際生產時間比標準高出 25%。

但單一工單超時不一定代表標準錯誤，真正有管理價值的是觀察長期分布。

為什麼不能看到工時超標就認定現場效率差？

實際工時偏高可能來自不同原因，例如：

• 設備速度下降
• 人員操作差異
• 模具狀態不佳
• 原材料差異
• 品質異常
• 小批量生產
• 換模時間增加
• 設備短暫停機
• 特殊產品規格
• 標準工時本身設定錯誤

因此 MES 不應只是顯示「超時」，而應協助判斷：

是現場異常，還是標準本身已經失真？

MES 如何建立標準工時差異分析？

MES 可以從報工與設備資料取得：

• 工單開始時間
• 工單完成時間
• 實際生產時間
• 標準工時
• 生產數量
• 設備
• 人員
• 班別
• 模具
• 產品規格
• 異常停機時間

進一步比較：

Standard Time vs Actual Time

並依產品、製程、設備、人員與模具進行交叉分析。

同產品不同設備，為什麼工時差異很重要？

例如相同產品在三台設備的平均 Cycle Time：

A 機：10.2 秒
B 機：10.5 秒
C 機：13.8 秒

標準 Cycle Time 為：

10 秒

如果長期只有 C 機偏高，就代表問題可能不是標準工時，而是特定設備的生產條件。

此時可以進一步分析：

設備狀況 → 模具 → 參數 → 停機 → 品質

避免直接要求所有現場人員「加快生產」。

MES 如何判斷標準工時是否需要重新修訂？

如果最近 100 張相同產品工單：

標準工時：100 分鐘
實際平均：128 分鐘
中位數：125 分鐘

而且大部分工單都集中在 120～135 分鐘，就應該重新檢視：

100 分鐘的標準是否仍符合實際製程能力？

相反地，如果平均值是 105 分鐘，但只有少數工單出現 180 分鐘，就應優先分析異常工單，而不是直接修改標準。

Production Variance Dashboard 應具備哪些資訊？

建議包含：

• 標準工時
• 實際平均工時
• 工時差異率
• Cycle Time Variance
• 超標工單數
• 製程工時差異排行
• 設備工時差異排行
• 產品工時差異排行
• 班別差異
• 人員差異
• 月平均工時趨勢
• 標準值 vs 實際值分布

其中非常適合加入 Box Plot（箱型圖），呈現相同產品大量工單的實際 Cycle Time 分布。

如此不只看到平均值，也能發現製程是否存在大量異常值。

標準工時不準會影響哪些管理決策？

這也是本篇非常重要的 SEO 延伸點。

標準工時會直接影響：

標準工時不準
→ 產能計算錯誤
→ Capacity Planning 失真
→ APS 排程不準
→ 預估完工時間錯誤
→ 交期承諾風險增加

因此標準工時不是只給 IE 或生管使用的靜態資料，而應該透過 MES 實績持續校正。

如何建立標準工時持續改善機制？

1. MES 蒐集實際工時
2. 比較標準與實際差異
3. 排除停機與特殊異常
4. 分析產品、設備與模具差異
5. 找出長期偏離標準的製程
6. 重新進行現場量測
7. 評估是否修訂標準工時
8. 驗證更新後排程與產能準確度

如此即可形成：

標準 → 執行 → 實績 → 分析 → 修正 → 再驗證

的持續改善循環。

導入工時差異分析有哪些效益？

• 提高標準工時準確度
• 找出異常設備與製程
• 改善產能估算
• 提高排程準確度
• 降低工單完工時間誤差
• 找出長期 Cycle Time 漂移
• 提供設備改善依據
• 提升交期預測可靠度