中国SMT用户最需要些什么？连载三 [复制链接]

中国SMT用户最需要些什么？
无可置疑的，我们需要设备来协助进行有效的生产，尤其是象SMT这类适合于机电一体化自动化的技术。也许就因为这个原因，设备的考虑往往成为SMT技术应用的重点，许多时候甚至掩盖了其他重要的考虑点。此外，一些用户认为设备是硬件，有形有体，因而是较直接事，其实不然。有关设备的科学性知识，也和管理学一样，都在无形中。而更甚的是，好多时候它并非一般常识所能应付的。在上两期的文章中我提过，在考虑设备之前应先学习相关的知识。在此我想重复再强调一次，缺乏一定知识，你只能靠运气才能作出最佳的选择。如果读者了解SMT技术面之广，您应可以判断出要拥有这最佳运气的机会不大。即使侥幸得到最合适的设备，用户也发挥其实际最佳性能。设备应用也是一门学问，并且是一门不简单的学问中国电子工业界中似乎还有好多用户未认清这一点，心中对设备学的深度没有底。
关于设备的考虑，有几个观念是我们事先应具有:
1、设备是一种工具，只有在用户完全了解所要从事的工作后才能有效地选用。
2、凡是都有其一定的针对性，尤其是对SMT这类复杂的技术复杂的技术工作
而言，了解其针对性是件重要的工作。
3、设备虽属硬件，但其应用、运作和管理都是软件。因此只有两者兼顾才能发
挥其最高效益。
国内的SMT事业发展很快，但在质上的发展却跟不上它在量上的发展。以上的三个重要基础观念，好些用户尚未理解和掌握到。比如一些工厂在不知要做什么产品的情况下便开始做设备选型，或是只在一些主要参数作比较与考虑便决定配置等等情况，便是这方面问题的体现。没有产品和生产模式而开始选型，是最不明智的做法，虽然大部分用户不至于此，但一般用户在设备选择的过程中缺乏了去分析了解所做程度的能力和精神，却是常见的事。举个我常见的例子，在以上第二点中谈论到的针对性上，有些用户和我谈及时认为本身已考虑到了，比如在设备配置上他们考虑过是否是适合小批量多吕种呢，或是大批量少品种。在这类明显分别上一般都较能照顾得到。但当我再量化谈论这课题时，不具体的现象便会出现了，什么批量是属于小，什么批量是属于大，用户有进也难下定义。若在同一用户，认为批量500为小，一万为大的，当我问及若需生产批量为3000，5000应如何归纳时，往往会出现不太好说的现象，或者当我问及这批量如何产品设计同时考虑时，一般用户都未仔细考虑过。其实如果具备设备学的知识，这些都可以很明确的，既然一台设备不能同时适合于大小批量生产模式，用户便必须要能评定他在什么批量下会出现什么程度的好的或不良的影响，和一切对批量特性产生影响的条件（如元件种类比例等）
  对于上述观念的第3点，这儿有必要进一步解释。从我的经验中了解，有好些用户把设备应用的技术范围看得很小，并且和设备操作混淆。这也是为什么大部分用户都相信设备应用技术能从供应商那儿得来的原因。让我举个例子来说明什么是设备应用。比如贴片机的使用，我们一般把产品元件的种类、数量、包装、座标等资料输入所用贴片机的编程软件中，让它自行设立贴片程序，这是’操作’。’应用’
可就复杂得了，我们必须先了解各种元件在效率和质量上的考虑点，然后决定由哪一种贴片机来贴，由那一部贴片机来贴，贴的顺序如何；我们必须能预测其在长期和短期效率上的优化程度和质量上的保障程度，评估基板的编排设计是否需要更改等等```，这才是’应用’。一般工程师也许认为贴片机的软件已应付以上的编程工作，但不知软件对质量方面的考虑不够，所以在使用自动编程的同时必须加入人脑的协助。如果一个工程师对以上这些观点从未考虑和执行过，我认为他并未了解和掌握到什么是技术应用，而严格来说，他仍不算是位合格的SMT工艺工程师，至少在贴片机应用上不是。这方面的知识应通过本身向外学习或内部研究，虽然一些时候设备商会是个好导师，但不能全依赖于他。从我的个人经验中，用户应注意的是，供应商有时在不够了解问题的情况下，会认为其提供的设备已在这方面有了解决或应对的方法。这样的回答可能给用户带来了放心犯错的做法。若是明显的错误，用户可以在工作中发现，但在SMT领域中，不是所有的问题都是能明显看出来的。
设备的选择可说是件不容易的工作。SMT设备不只是种类和设计繁多，而单一设备上的功能参数也很多，加上他们之间的相互关联，造成选择评定上的许多难度。更甚的是，好些应属重要的参数并未常被考虑，甚至连提都未提到。设备的参数，可有主参数和次参数之分。主参数常受人们注意，在设备选择的过程中常是热门话题和竞争课题。这些参数如丝印机和贴片机中的速度和精度、回流炉中的温区数目和长度等等。次参数表面上在一般的应用中较不起眼，较为人们所忽略。但人们没注意到的是，这类次参数的种类也挺多，其中有些参数的独立作用虽不大（请注意有些虽不为人们注意，却具有对生产效益有相当大的影响），整体合成的影响却忽略不得。这些参数往往应是区分品牌型号的有效决定因素，只是不为所用罢了。次参数的例子如丝印机中的模板分离控制、贴片机中的供料效率、元件光学对中的分析智能、回流炉中的热对换效率等等。在此应一提的是，基于技术和商务因素，次参数很多时候在评定上较主参数还难。
对于在选择设备上作出科学性的选择，我觉得国内在这方面的做法仍属于较不足的。有一个应正视的问题是，我们常会觉得本身具有足够知识能力去作出最佳选择，而忽略了去验证。在我协助进行的一些改进项目的过程中，用户常对我所谓的’科学性方法’和其做法感到新鲜有用。这情况尤以已经是SMT用户的为甚。学习后往往改变了他们在学习前的处信观点。因为人类的弱点之一是太相信经验，而忽略了经验也有好坏之分和不足的情形，所以国内的技术若要朝速发展的方向，首先应做到之一是看清本身不足之处而虚心学习，若把学习之门紧闭，什么知识都得不了。
有了足够的知识能在理论上评估设备的价值后，因为在理论评估中有可能产生资料数据的误解或条件的不符，许多时候还得对自己所做的评估进行验证，以确保存设备引进的实际价值。一般可通过考察和试用来达成这个目的。即使是需要费用的，我本身觉得在合理范围内是值得的。考察有时间较短、工作较易的好处，但效果的完整度和准确度都远远不如试用。所以我认为只在试用方法不可行时才使用。这类考察绝不能走马看花，必须做好考察前功课方才有效。如果和考察目标的关系良好而能有足够的时间和安排，此活动也能达到极好的效果，应注意的是，考察对象的背景和条件是否符合自己本身。
能进行设备试用是最理想的评估选购方法。但试用不应只是把本身产品在试用线上搞生产便是了。除了对性能和功能进行验证外，还必须在使用上对环境因素的适应性、对人为误差的敏感度，和产品变化及工艺稳定性上进行评估。进行这方面的工作人员应具备设备学和计量学的知识经验。
知道了设备的学问复杂后，我们也就能理解如何有效的和供应商合作沟通是成功的关键之一，让我们来看看这方面的问题。
在我的前两期文章中曾解释过供求双方的矛盾关系，一方面，供应商能提供有用的生产方案给用户（对用户有利），但在另一方面，供应商又希望和企图从用户身上获得最高利润（对用户不利）。由于这矛盾关系的存在，在处理的思想上就必须很开放。如何达到平衡点是整个合作的要点。当然，大多数的交易都是在双方都满意的情况下达成的。但一时的满意并不能确保日后的利益。用户真正应确定的，是实际效益。通过实际能力来确定选购的效益肯定能为用户带来满足，但未经科学方法确定选购效益的满足未必能为用户带来肯定的效益。作为用户，您应该在知道如何使用本身的商务谈判优势的同时，也了解本身对设备技术上认识不足的劣势。
我向来支持’合作’而不支持’斗争’。供求双方虽有一定的矛盾关系，通过合作的解决方法总比通过斗争（一般都是暗斗）来得好，许多售后的问题，都是因在这些方面处理不当的结果，结果一方或双方在事先以为是胜利者，到头来却付出更多。用户们应该了解’羊毛出在羊身上’的道理，您未必每次都能侥幸让他人代您付出，您所付出的，除了供应商花在您身上的一份销售服务费外，也包含了他们花费在那些没买的用户身上的一份。所以我一般欣赏那些实在和有效率的供应商。因为在这类供应商中，我更有可能得到好的价格。在我的工作中，我也发现了一件有趣的事，有些用户似乎很计较供应商所所得的利润，如’这样简单的设备，不应卖出这等价格，其中利润肯定很高’之类的评语是常可听到的。其实供应商的利润多少，身为用户又怎么会估得出？这我们暂且不说，我想身为用户，首要的问题是评估我们所付出的是否值得。一台设备在其价格上能带给我们怎样的产量和质量，需要多少的维持我们所需的生产期等等。才是我们应注意的。其实只有供应商能提供我们具竞争力的方案，我倒希望他能在我所付出的价格上得到高的利润。这问题和环保问题有类似之处。我们砍树的同是时可别忘了植树。
选择设备，其实应始于选择供应商。虽说’老黄黄瓜’都是自夸，但身为用户，您仍需’老黄’来说’瓜’.在对设备都较不熟悉时，用户是很需要供应商的真诚协助的。很多用户很重视供应商的售后支援协助，却没意识到售前的可能更为重要。用户对于供应商联系人在知识和人格上的要求是不应放松的。这儿我想提一点是，我们虽都希望’老黄’实在一点的’说瓜论瓜’，但主要还得靠自己的理解和判断，所以具备有关的基本知识和分析能力是很重要的。如何评’老黄’和’瓜’就看用户本身了。
有许多用户在考虑设备的选用时很注重品牌，这也是为什么商家很肯花费在打响品牌上的原因。品牌好的虽一般上有一定的的份量，却未必是适合您的最佳之选。经常也有些用户都在观察各品牌的用户量，而且有认为多的较好的倾向。其实这一般是用户心中不踏实的表现。品牌和用户量对设备的价值有复杂和不定的关联，科学性不强，我本身认为它能用做推理的资料，但不应用作评选的主要考虑。观察品牌和用户量只应是个开始，而不应直接影响选择。因为造成品牌好和用户原因也很多，有些甚至和衫价值毫无关系。比如曾有一些品牌以低价或其他商务手段开拓市场，其用户量并非代表设备有良好的性能和质量。所以表面形象只能作为参考，而不要为其左右。尤其是当大部分工厂尚未学习有效的使用科学评选方法之前。
设备价格，一般不应是开始的考虑点。虽然最终引进的设备都预算来决定，但用户所需的必须是能解决其问题的设备。而不同功能性能的设备也有其不同的价格范围。所以在未有足够的技术了解之前，了解价格只能作为是一咱粗略的预算。一般不应是选择的考虑，在西文中有句常说的话’Apple to Apple Compari-son’（意思是作实在和意义的比较），用户在选择设备时应对此话常牢记、使用、反省。
设备价格是整体选择参数的一 部分，不应个别考虑。这点大家都懂。关键是怎样才能实实在在地考虑这方面的问题。首先我们在思路上必须常常提醒自己，我们所应考虑的是’价值’’而非’价格。也就是在我们可能付出的价格上，将会得到些什么决定生产效果的（总体折旧期间的成本、产量、质量、应变能力等等）。
要有效的作出’价值’评估，学习并使用设备学是关键之一。我以前，处理SMT工作应注意科学性。有些在这方面较成熟的用户在选择设备时有采用到这概念。比如说把各个设备参数量化后比较的方法，就较具科学性，这是个好的开始，但一般因为设备学方面知识的不足而没作得好。常见的问题是不够完整和准确。主要原因之一是受限于设备供应商所能提供的参数和本身对设备的了解程度。举个例子，在选择比较设备的过程中，好些用户没有对贴片机的供料效率量化考虑。主要原因是一般供应商并不提供详细的数据。有些得到数据的用户，也只是很表面化的以数比数，没有了解到同样的数据在不同设备原理上有着相当大的差异，同样是500ppm的数据，在不同品牌、机型、供料器中其实代表不同的意义和对应用的影响。这点我发现在用户中是很少被注意到的。此外，科学的量化不单是数据化，用户还得确保量化过程是具科学的，量化结果是有意义的。同时对于一些必须加入一定程度的预测的量化，如何把预测提升到最佳，和如何了解其对整体的影响深度，对依赖因素变化的敏度等等，都是必须处理而且不易进行的工作，学习设备学，便能在这方面协助您作出正确实用的判断。我在许多生产设计和改进的工作中，对此的依赖甚重，因此在此给用户们推荐学习。
设备引进后，工作并未完成，而是另一阶段的开始。引进的设备在安装调试后，其特性和’脾气’应在工作中忙被摸清，并为设计和保养维修部所使用。这工作很少用户有用心去做。但是先进生产管理必要的。日常正确的使用和适当的保养对设备的寿命和质量上的可靠性是重要的，这应给予正视和采取适当的措施。预防的观念在国内虽有进步的现象，但仍不能算是普及。学习如何计量停机和质量上的损失，用户便不解并对操作和保养的重要性起着一定的认同了。人事管理在这方面很重要，因为人的素质（知识、经验、态度）对这方面的工作起着最深刻的影响。
售后服务，我本身认为还是主要靠自己好。除了某些供应商为了某些原因而特别保留的知识方法外，只要管理得当，内部技术人员是可以做得比一般供应商的还好的。我以往在一家美国电脑部件工厂任设备经理时，就发现推行把供应商定为备件支援（备件合约）和第二线的技术支援的做法较有效益。用户首先应在设备选购时把保险功课作好，把观念定在以预防为主，内部的执行系统和教育也着重在以预防为主。平时在设备没出现问题之前就进行监视和在技术上、备件上做好准备工作，严守保养要求和评估保养方法。设备引进前的功课是难搞的，主要是因为有关资料不足，准确性也差。除了较大的重复性问题外，供应商较少有可靠的可靠性数据供用户使用。供应商提供的（即使有）MTBF和MTTR的数据又常具有定义的差别和因数据收集以及用户条件变化等因素而可用性不佳。若通过向其他用户了解情况，用户必须分析他们的使用和保养条件以了解是否符合本身情况。我的经验是通过对设备设计（原理、应用、结构、操作）和技术文件的直接考察，再配合商务技巧来减低风险（笔者按：设备可靠性评估和保养维修方案也是门学问，绝非三言两语能说尽。因篇幅关系和本文的目的不在此，只谈到这里）。
让我将本文做个要点总结：
1、设备也是门不简单的科学。
除了硬件外更有许多软科学，应以对等高科技的态度来看待它。
2、设备是工具。
用户了解本身工艺的程度决定选购设备的效益。
3、设备都有其针对性。
了解其针对性是确保引进效率的重点之一。
4、设备应用不同于设备操作。
应用知识范围广得多，供应商未必能提供最佳协助。
5、设备的引进和使用效率的关键。
设备的引进和使用效率除了有赖于对本身工艺技术的了解外，具备设备学和是成败的关键。
应向这方面开拓知识。
6、设备选用应是门科学。不应有太多靠主观感觉来评断决定。
认识本身是否在设备技术上掌握得够，一定要做得好，而不是只看是否做过。
7、建立起和供应商之间的合作关系。
设备供应商双方了解彼此的需求和矛盾，学习如何对其能力和设备性功能作出评估验证。
  希望SMT用户们能人本文得到一些启发，注重学习，并在以后的设备选择上作出最佳最科学的判断，同时也在现有的设备上优化其功能。