※ 引述 《mshuang (竹碳烏龍)》 之銘言： : 標題: Re: [分享] 空軍想採購1038輛皮卡車 : 時間: Mon Jun 30 01:13:20 2025 : 　 : ※ 引述《sfsm (有初老症狀的鹹魚)》之銘言： : : 想不到現在還能看到JIT這縮寫， : : 現在工業已經不談Just In Time了， : 　 : 先導，因為你的認識是錯誤的，你的認識是零倉庫不是零庫存 : 　 : 你講的東西比較白話是保修廠沒有一個零件，車主來技師下單 : 　 : 零件馬上出現，這是一開始的錯誤認識 : 　 : JIT是指你的零件一直再轉一直在預測期內完成交貨和出貨， : 　 : 更直白一點零件部下十桶機油，他預測是三個月內售完，這十桶 : 　 : 就要在三個月內賣完，後端供應商就要根據這個預測去生產製造 : 　 : 也就是整體都是一直觸在生產運輸銷售，而不是堆在倉庫放幾年 : 　 : 才終於賣出去 : 　 : 供應鏈管理，在前面邏輯下你是沒有庫存的供應都是在預測時間內 : 　 : JIT : 　 : : 以上都是廢話，接下來才是重點： : : 『JIT不是在做保修零件庫存的』 : : 『JIT不是在做保修零件庫存的』 : : 『JIT不是在做保修零件庫存的』 : : 不要不懂裝懂，台灣沒零件要跟國外叫料， : : 那只是台灣業者自己不想囤料而已， : : 這跟JIT半點毛都沒關係... : : 不管Ford還是Toyota，軍規還是民規都一樣會很慘。 : 　 : 我為什麼要囤料？這邊順便回前面一位為什麼沒辦法事先囤料 : 　 : 你的問題我當年在剛進福特六和底下經銷商的零件部我也問過 : 　 : 你不是第一個也不會是最後一個對這個有疑慮的人 : 　 : 原因很簡單資金積壓，很多業者會倒就是進了大量的零件然後很少換掛了 : 　 : 你進了一百萬的零件，八十萬賣掉了剩下二十萬，放了十年才賣掉，那你就是虧了20萬 : 　 : 這20萬並不會為你帶來任何的利潤，相反他會占空間需要維持，你的倉庫 : 　 : 原本可以多放二十萬好賣的結果被占了，以季來計算的話，你虧了八百萬 : 　 : 反過來問你如果你只要花30秒就可以查到全世界哪個倉庫還有這個料件，送來台灣只 : 　 : 需要一天的時間，你為什麼要花20萬放在你的倉庫呢？ : 　 : 可以承諾交期，又節省營運成本何樂而不為？ : 　 : 這就是甚麼我會說你要找最熱門的車輛或品牌當BOV，因為消耗量夠大市場夠大 : 　 : 我可以對他做出比較多的預測代表我可以準備更多的零件，周轉速度更快速 : 　 : 因此當環境出現異常比如戰爭甚麼的，導致物流中斷，熱門的車輛在短時間內 : 　 : 還是有足夠的零件可以更換 : 　 : -- : ※ 發信站: 批踢踢實業坊(ptt-club.com.tw), 來自: 1.171.40.59 (臺灣) : ※ 文章網址: https://ptt-club.com.tw/Military/M.1751217202.A.1DE 啊……看到這文章緒就知道要出來說明了！ Just in Time在專案管理一開始時真的是「零庫存」，而且是「零倉庫」那種。為何會有哪 種錯誤的認知？那就要回到當年美國專案管理學會如何誤解豐田JIT的觀念。 豐田的JIT，實際上是mshuang的觀點，因為豐田在每一個製造批次時，是會計算存量能否在 該批製造重用完，而能減少不必要的堆倉；可是當年美國那些專家還真的誤以為是豐田做到 「零倉庫」。甚至經濟學人某期雜誌都還抱持這個錯誤的觀念用到使用端備料上，整個牛頭 不對馬嘴。 但是在經過這麼多年後，我們這些從西方取經的專案惡棍「終於發現」日本人說的「JIT」 原來不是「零倉庫」那麼回事，而是製造時的控制備料成為在製造批次區間外的「零庫存」 。 為何後來會發現呢？就是當我們開始計算Critical Path及導入85/15預測模型時才發現： 幹！如果專案進程中真的「完全沒有任何庫存」，那怎麼可能推lead time跟採納預測模型 ？ 所以我們再次去認識日本的製造業之後，才發現人家的JIT是用在批次上，完全符合專案定 義之「無反覆之特定目的性」。 而交貨之後就耗材備料，並不在專案管理範疇。交貨後耗材備料，可以由專責單位處理統籌 ，也可以採用「搜刮」的方式從多種供應來源（包過同行轉借調貨）籌得。這時候就會出現 純軍用跟軍民通用商品的維修管理上的重大分歧；前者政府必須自己備料或者讓山姆大叔直 接強力補充、後者可以透過戰時徵調及應急民轉軍工廠生產組裝。 上面這種誤解，也出現在「Kanban」與「看板（日文）」、「Gamba (Ganba)」與「現場（ 日文）」上。西方很多專案管理學者真的有非常嚴重的誤解日本製造管理模型。 追加： 剛剛才發現少寫一整段關於人工智慧對於備料的影響。 在過去，每個專案估料都是用過往經驗，很吃專案經理跟Domain Experts / Subject Matte r Experts的知識與經驗。現在有人工智慧及巨量資料/大數據後，我們雖然還不敢玩LLM， 但是多少也知道運用適當的Tagging跟Properties Picking 來讓電腦幫忙做草案估計。 我曾經試算過，如果利用人工智慧跟機器學習來壓縮「あそび （asobi）」從20%到10%，可 以省下快一半的材料浪費成本，這個我有跟商業智慧部門經理認真討論過，他們也是這樣想 。 本次因為我跟友軍在打「逆統戰：烽火」時在菲律賓被像是10+個紅軍真人玩家摸哨成功（2 抗10+），失守佬沃非常不爽（不過同組夥伴趁紅軍玩家們貪心攻打菲律賓時偷襲大阪成功 ），所以沒有美食副時間！ -- 智慧女神與其化身 https://i.imgur.com/imeGCqb.jpg -- ※ 發信站: 批踢踢實業坊(ptt-club.com.tw), 來自: 74.12.20.89 (加拿大) ※ 文章網址: https://ptt-club.com.tw/Military/M.1751230526.A.CA2