LEAD TIME & PRODUCTION FLOW
交期又要延？從加工準備下手的交期改善實務
01什麼決定了交期？先把它拆成五段
談交期之前，先要看清它是由什麼組成的。製造系統理論把一件工件從接單到出貨的總前置時間（lead time），拆解為一連串加值與非加值的活動——排隊等待、加工前準備、實際加工、檢驗、搬運與運送（Chryssolouris, 2006）[1]。同一張訂單，這五段的比例可能天差地遠：
| 交期組成 | 內容 | 是否加值 |
|---|---|---|
| 等待／排隊 | 工單在機台前排隊、等料、等前工序 | 否 |
| 加工準備 | 讀圖、3D 建模、選刀與編程、程式驗證、夾治具準備 | 否（但必要） |
| 實際加工 | 刀具真正在切削材料的時間 | 是 |
| 檢驗 | 首件檢查、量測、品保放行 | 否（但必要） |
| 搬運／運送 | 廠內轉運、包裝、出貨物流 | 否 |
製造系統文獻反覆指出一個違反直覺的事實：在多數工廠裡，工件「真正被加工」的時間，往往只占總前置時間的一小部分，其餘大量時間耗在等待與準備等非加值活動上[1]。這句話對 CNC 代工廠的意義很直接——想改善交期，盯著機台轉速不放，通常是找錯地方。
02為什麼「加工準備時間」最被低估也最可控
五段之中，實際加工時間受切削物理與材料限制，能壓縮的空間有限；檢驗與運送多半有既定流程。真正藏著大量水分、又握在自己手上的，是加工準備時間。
它之所以被低估，是因為準備工作分散、難以量化：一張中等複雜度的板件，工程師可能花數小時讀圖、重建 3D 模型、決定下刀順序、寫程式、再跑模擬確認。這些時間不像切削那樣「看得到鐵屑」，常被當成理所當然的背景成本，不列入交期檢討。
它之所以最可控，有三個理由：
- 不受機台物理限制：準備是資訊處理工作，可以平行化、可以自動化，不像切削受制於進給與轉速上限。
- 瓶頸集中、槓桿明顯：準備工作常集中在少數資深師傅身上，一旦這個瓶頸鬆開，整廠工單的流動都會受益。
- 錯誤在此可攔截：尺寸誤判、刀長設定錯誤若拖到試切或撞機才發現，返工會反過來吃掉更多交期；準備段做紮實，等於預先扣掉後段的延誤風險。
換句話說，準備時間是交期五段裡「投入改善、回報最快」的一段。這也是本文把焦點放在這裡的原因。
03急件插單的連鎖效應：一張急單如何拖垮整批
幾乎每家代工廠都經歷過：一張標著「急」的插單進來，結果不只它自己趕，連原本排好的一整批訂單都跟著遲交。這不是錯覺，而是排隊系統的固有特性。
機理是這樣的：當機台與工程師的稼動率已經很高時，任何插單都必須「搶佔」既有工單的資源。急件一插，被推遲的工單得重新排隊，而重新排隊往往意味著準備工作要重跑一次——重新調圖、重新對刀、重新設定。準備段愈長、愈集中在少數人身上，這個「重排代價」就愈高，連鎖延誤也愈嚴重。
04生產排程的基本觀念：先懂原理，才知道能改什麼
生產排程（production scheduling）要回答的是：手上這些工單，用哪些機台、依什麼順序、在什麼時間做，才能同時兼顧交期、稼動率與成本。自動化與生產系統的經典教材把排程視為生產計畫與控制的核心環節，並強調它與物料需求、產能負荷、在製品追蹤密不可分（Groover, 2019）[2]。
幾個對現場有用的基本觀念：
- 瓶頸決定產出：整條流程的產能，受限於最慢的那個環節；在瓶頸以外拚命加速，只會堆高在製品，不會改善交期。
- 派工法則各有取捨：先到先做、最短工時優先、最早交期優先……不同排序規則會偏袒不同目標，沒有一體適用的最佳解，得看工廠當下最在意什麼。
- 負荷與變異是排程的敵人：稼動率愈接近滿載、工時估計愈不準，排程就愈脆弱，一有風吹草動就崩。
看懂這些就會明白：排程是「決定順序」的學問，而準備時間是「決定每張單有多重」的變數。把每張單的準備做輕，排程這道題本身就會變好解——瓶頸鬆了、工時變準了、插單的擾動變小了。這是準備段改善與排程之間真正的連結。
05數據透明：看得見進度，才管得動交期
交期失控的另一個隱形原因，是「看不見」。工單走到哪、卡在哪一段、為什麼延，若只能靠現場口頭回報，管理者永遠是事後才知道要延。近年智慧製造的研究主線之一，正是透過感測與資訊系統把實體生產狀態即時數位化——所謂的網宇實體系統（cyber-physical systems），讓機台、工單與流程的即時資料可被匯集、追蹤與分析，作為決策依據（Monostori et al., 2016）[3]。
對交期管理而言，數據透明帶來三個實際好處：
- 及早示警：準備或加工進度落後時，能在交期到期前就浮現，而不是出貨當天才爆。
- 用事實檢討：把每張延誤訂單的五段時間攤開，才能分辨到底是等料、準備、還是檢驗吃掉了交期，避免憑印象改錯地方。
- 對客戶誠實承諾：看得見在製狀態，才敢給出站得住腳的交期，而不是先答應再拚命。
值得提醒的是，數據透明是「支撐決策」的基礎，不是自動幫你排好班。它讓人與排程系統做出更好的判斷，但下決定的仍是人。
06AI 能縮短哪一段？以及我們不做什麼
把前面的拆解收攏，AI 在交期這題上的角色就很清楚了：它主要著力於加工準備段。具體來說，AI 可以協助——
- 把客戶的 2D 圖面（DWG 優先，PDF、照片輔助）自動轉為 3D 模型，省下人工重建的數小時；
- 依廠內刀具庫、控制器型號與行程／轉速上限，草擬合規的 G-code；
- 在上機前跑 3D 切削模擬，並以獨立的 AI 交叉比對模型與原圖尺寸，把誤判擋在準備階段；
- 讓這套準備流程標準化、可重複，降低「一切都卡在某位老師傅」的瓶頸。
準備段從「以小時計」往「以分鐘計」靠近，整批工單的流動就更順，插單的擾動也更好吸收——這是 AI 對交期最實在的貢獻。
07從加工準備改善交期的實務清單
- 先量測，別先買系統：把最近幾張延誤訂單的五段時間攤開，找出真正吃掉交期的環節，多半會落在等待與準備。
- 盤點準備段瓶頸：統計讀圖建模與編程平均花多少工時、集中在哪幾位師傅身上，這就是槓桿點。
- 把準備輸入結構化：刀具代號與長度、控制器型號、行程／轉速上限先建檔，讓自動化與 AI 有可依循的邊界。
- 以真實圖面做受控試點：選一張中等複雜度的實際板件，走完「圖面 → 3D → G-code → 模擬 → 師傅覆核」，量測準備工時的縮短幅度。
- 讓交期看得見：建立最基本的在製追蹤，讓延誤能在到期前示警，並用事實而非印象做交期檢討。
延伸閱讀：關於準備段瓶頸與人力，見 CNC 缺工自救指南：AI 輔助編程如何讓一個人顧更多機台；打樣與小批量的編程成本攤平，見 少量多樣的救贖：AI 如何攤平打樣與小批量的編程成本；把交期「看得見」的資料基礎，見 機台數據與 OEM 稼動率：用資料看懂產線瓶頸。想從頭理解 AI 如何把圖面變成可驗證的加工程式，可回產品首頁或專欄目錄。
08常見問題 FAQ
你們有提供生產排程系統嗎？
沒有。我們不做生產排程系統，也不宣稱能自動安排機台派工或優化整廠工單順序——那需要與 ERP、MES 深度整合，屬於另一類專門系統。我們專注於交期組成中「加工準備」這一段：把讀圖、建模、G-code 生成與切削模擬的準備工時縮短，讓每張工單更快進入可上機狀態。準備段變短，排程本身也更好排。
AI 到底能縮短交期的哪一段？
主要是「加工準備時間」。傳統上一張中等複雜度板件的讀圖建模與編程要耗掉數小時，且集中在少數老師傅身上，容易塞車。AI 可協助把 2D 圖面轉成 3D 模型、依廠內刀具庫與控制器生成 G-code、並在上機前做切削模擬與尺寸交叉驗證，讓準備段往「以分鐘計」靠近。實際切削時間由物理決定，AI 不會讓它變快。
急件一直插單，AI 幫得上忙嗎？
有幫助，但機制是間接的。急件之所以拖垮整批交期，往往是因為每次插單都要重新讀圖、重排準備工作，占用瓶頸工程師的時間。當每張單的準備時間變短，插單造成的「重排代價」就變小，現場調度更有彈性。但要插哪一張、犧牲哪一張的排序決策，仍屬於排程與管理判斷。
想改善交期，第一步該做什麼？
先量測，不要先買系統。把最近幾張延誤訂單攤開，記錄等待、準備、加工、檢驗、運送各花多少時間，找出真正吃掉交期的環節。多數 CNC 代工廠會發現「加工準備」與「等待排隊」占比遠高於直覺。確認瓶頸在準備段之後，再評估用 AI 縮短準備工時是否划算，會比盲目導入排程軟體更務實。
新文章與影片導讀上線時通知你——不塞爆信箱，一鍵取消訂閱。
SHORTEN THE MOST CONTROLLABLE SEGMENT
交期最可控的一段，就是加工準備
我們不做排程系統，但能協助你把讀圖、建模、產碼與模擬的準備工時壓下來——用一張真實圖面，量給你看能縮多少。
聯絡導入顧問 教育訓練課程09參考文獻
- Chryssolouris, G. (2006). Manufacturing Systems: Theory and Practice (2nd ed.). Springer.
- Groover, M. P. (2019). Automation, Production Systems, and Computer-Integrated Manufacturing (5th ed.). Pearson.
- Monostori, L., Kádár, B., Bauernhansl, T., Kondoh, S., Kumara, S., Reinhart, G., Sauer, O., Schuh, G., Sihn, W., & Ueda, K. (2016). Cyber-physical systems in manufacturing. CIRP Annals, 65(2), 621–641.