※ 引述 《mshuang (竹碳乌龙)》 之铭言： : 标题: Re: [分享] 空军想采购1038辆皮卡车 : 时间: Mon Jun 30 01:13:20 2025 : 　 : ※ 引述《sfsm (有初老症状的咸鱼)》之铭言： : : 想不到现在还能看到JIT这缩写， : : 现在工业已经不谈Just In Time了， : 　 : 先导，因为你的认识是错误的，你的认识是零仓库不是零库存 : 　 : 你讲的东西比较白话是保修厂没有一个零件，车主来技师下单 : 　 : 零件马上出现，这是一开始的错误认识 : 　 : JIT是指你的零件一直再转一直在预测期内完成交货和出货， : 　 : 更直白一点零件部下十桶机油，他预测是三个月内售完，这十桶 : 　 : 就要在三个月内卖完，後端供应商就要根据这个预测去生产制造 : 　 : 也就是整体都是一直触在生产运输销售，而不是堆在仓库放几年 : 　 : 才终於卖出去 : 　 : 供应链管理，在前面逻辑下你是没有库存的供应都是在预测时间内 : 　 : JIT : 　 : : 以上都是废话，接下来才是重点： : : 『JIT不是在做保修零件库存的』 : : 『JIT不是在做保修零件库存的』 : : 『JIT不是在做保修零件库存的』 : : 不要不懂装懂，台湾没零件要跟国外叫料， : : 那只是台湾业者自己不想囤料而已， : : 这跟JIT半点毛都没关系... : : 不管Ford还是Toyota，军规还是民规都一样会很惨。 : 　 : 我为什麽要囤料？这边顺便回前面一位为什麽没办法事先囤料 : 　 : 你的问题我当年在刚进福特六和底下经销商的零件部我也问过 : 　 : 你不是第一个也不会是最後一个对这个有疑虑的人 : 　 : 原因很简单资金积压，很多业者会倒就是进了大量的零件然後很少换挂了 : 　 : 你进了一百万的零件，八十万卖掉了剩下二十万，放了十年才卖掉，那你就是亏了20万 : 　 : 这20万并不会为你带来任何的利润，相反他会占空间需要维持，你的仓库 : 　 : 原本可以多放二十万好卖的结果被占了，以季来计算的话，你亏了八百万 : 　 : 反过来问你如果你只要花30秒就可以查到全世界哪个仓库还有这个料件，送来台湾只 : 　 : 需要一天的时间，你为什麽要花20万放在你的仓库呢？ : 　 : 可以承诺交期，又节省营运成本何乐而不为？ : 　 : 这就是甚麽我会说你要找最热门的车辆或品牌当BOV，因为消耗量够大市场够大 : 　 : 我可以对他做出比较多的预测代表我可以准备更多的零件，周转速度更快速 : 　 : 因此当环境出现异常比如战争甚麽的，导致物流中断，热门的车辆在短时间内 : 　 : 还是有足够的零件可以更换 : 　 : -- :

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.171.40.59 (台湾) : ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Military/M.1751217202.A.1DE.html 啊……看到这文章绪就知道要出来说明了！ Just in Time在专案管理一开始时真的是「零库存」，而且是「零仓库」那种。为何会有哪 种错误的认知？那就要回到当年美国专案管理学会如何误解丰田JIT的观念。 丰田的JIT，实际上是mshuang的观点，因为丰田在每一个制造批次时，是会计算存量能否在 该批制造重用完，而能减少不必要的堆仓；可是当年美国那些专家还真的误以为是丰田做到 「零仓库」。甚至经济学人某期杂志都还抱持这个错误的观念用到使用端备料上，整个牛头 不对马嘴。 但是在经过这麽多年後，我们这些从西方取经的专案恶棍「终於发现」日本人说的「JIT」 原来不是「零仓库」那麽回事，而是制造时的控制备料成为在制造批次区间外的「零库存」 。 为何後来会发现呢？就是当我们开始计算Critical Path及导入85/15预测模型时才发现： 干！如果专案进程中真的「完全没有任何库存」，那怎麽可能推lead time跟采纳预测模型 ？ 所以我们再次去认识日本的制造业之後，才发现人家的JIT是用在批次上，完全符合专案定 义之「无反覆之特定目的性」。 而交货之後就耗材备料，并不在专案管理范畴。交货後耗材备料，可以由专责单位处理统筹 ，也可以采用「搜刮」的方式从多种供应来源（包过同行转借调货）筹得。这时候就会出现 纯军用跟军民通用商品的维修管理上的重大分歧；前者政府必须自己备料或者让山姆大叔直 接强力补充、後者可以透过战时徵调及应急民转军工厂生产组装。 上面这种误解，也出现在「Kanban」与「看板（日文）」、「Gamba (Ganba)」与「现场（ 日文）」上。西方很多专案管理学者真的有非常严重的误解日本制造管理模型。 追加： 刚刚才发现少写一整段关於人工智慧对於备料的影响。 在过去，每个专案估料都是用过往经验，很吃专案经理跟Domain Experts / Subject Matte r Experts的知识与经验。现在有人工智慧及巨量资料/大数据後，我们虽然还不敢玩LLM， 但是多少也知道运用适当的Tagging跟Properties Picking 来让电脑帮忙做草案估计。 我曾经试算过，如果利用人工智慧跟机器学习来压缩「あそび （asobi）」从20%到10%，可 以省下快一半的材料浪费成本，这个我有跟商业智慧部门经理认真讨论过，他们也是这样想 。 本次因为我跟友军在打「逆统战：烽火」时在菲律宾被像是10+个红军真人玩家摸哨成功（2 抗10+），失守佬沃非常不爽（不过同组夥伴趁红军玩家们贪心攻打菲律宾时偷袭大阪成功 ），所以没有美食副时间！ -- 智慧女神与其化身 https://i.imgur.com/imeGCqb.jpg --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 74.12.20.89 (加拿大) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Military/M.1751230526.A.CA2.html ※ 编辑: Pegasus170 (74.12.20.89 加拿大), 06/30/2025 04:58:22 ※ 编辑: Pegasus170 (74.12.20.89 加拿大), 06/30/2025 08:39:07