抓贓比抓賊更準：三個生產數字，讓你找到真正卡住產線的那一站

清晨六點半，位於泰國samut sakhon（北柳緊鄰曼谷的工業區）的塑膠射出廠裡，廠長阿儂（Khun Anong）已經站在包裝線旁。她盯著堆到腰高的成品箱，心裡篤定：「瓶頸就在包裝，人手不夠，加開一班就對了。」她已經連續三個月加開夜班補包裝人力，訂單還是天天延遲交貨給大賣場客戶。

問題是，加開夜班後，包裝區確實跑得更快了，整廠出貨量卻幾乎沒有增加。阿儂百思不得其解——三條線都很忙、機台都滿載運轉，為什麼業績還是卡住？她開始懷疑，眼睛看到的「忙碌」和「堆積」，可能根本不是真正的答案。

為什麼

以色列物理學家艾利雅胡．高德拉特（Eliyahu M. Goldratt）在其制約理論（Theory of Constraints）中指出，整條生產鏈的產出速度，由最慢的那一環決定，而人眼最容易被「看得到的堆積」誤導——堆貨的地方不一定是瓶頸本身，很可能只是瓶頸「上游卡住、下游餓料」造成的假象。麻省理工學院教授約翰．利特（John D. C. Little）於1961年提出的排隊論公式（Little's Law：在製品量＝產出速率×等待時間）進一步說明，真正的瓶頸要靠時間與數字量測，不能靠視覺判斷或資深師傅的直覺。

怎麼做

定點盤點在製品，看見真正卡住的位置

阿儂的顧問建議她在早上九點、下午一點、傍晚五點三個時段，分別在射出、烤漆、包裝三站前拍照盤點半成品堆疊數量。結果發現：包裝站前的在製品其實不多，堆積最嚴重的是烤漆爐前——平均堆了六小時份的量。

量測排隊時間，別被機台「有沒有在動」騙了

她進一步在每批半成品貼上時間標籤，記錄進站與出站時間。烤漆爐前平均排隊六點二小時，包裝站前只要二十分鐘。真正卡住流程的不是包裝，是烤漆爐——它只是把延誤傳到下游，讓包裝區看起來忙碌罷了。

算出每站的產能負荷率，數字不會說謊

負荷率＝實際所需加工時間÷可用產能時間。射出站負荷率約八成五，包裝站約七成，烤漆爐卻高達一一五%——爐子每天能燒的量，追不上前段射出的投料速度。瓶頸在烤漆爐，不在包裝，加開夜班補包裝人力自然徒勞無功。

🔧 AI 動手做：產線瓶頸診斷表產生器

把你工廠各站的可用產能時間、在製品堆積量、排隊時間丟給AI，讓它幫你算出負荷率、排出瓶頸候選名單，不用再靠感覺猜。

你是一位熟悉制約理論（TOC）的產線顧問。請幫我分析以下生產站點資料，找出真正的瓶頸：

我的生產站點（請依序填入，可增減）：
1. 站名：___　每日可用產能時間（分鐘）：___　每日實際需加工時間（分鐘）：___　目測在製品堆積量：___　平均排隊等待時間：___
2. 站名：___　每日可用產能時間（分鐘）：___　每日實際需加工時間（分鐘）：___　目測在製品堆積量：___　平均排隊等待時間：___
（可依實際站點數增列）

請你：
1. 幫我算出每一站的產能負荷率（需加工時間÷可用產能時間）
2. 綜合負荷率、在製品堆積量、排隊時間三項數字，指出最可能是真正瓶頸的站點，並說明判斷依據
3. 提醒我哪個站點的「堆積」可能只是下游被瓶頸拖累的假象，不是真正問題所在
4. 給我三個接下來一週可以做的低成本驗證動作

本週就能做的一步：挑一天，在早、中、晚三個時段走到現場，替每一站的在製品堆疊拍照並記下時間，回頭比對哪一站的堆積時間最長、消退最慢——那裡，很可能才是真正的瓶頸。

📎 理論依據：Eliyahu M. Goldratt《目標》（The Goal, 1984）制約理論（Theory of Constraints）；John D. C. Little〈A Proof for the Queuing Formula: L = λW〉（1961，麻省理工學院）。