【導(dǎo)讀】制造過程中的改進(jìn)和優(yōu)化需要可量化指標(biāo)的明確定義。良率、生產(chǎn)周期、成本、準(zhǔn)時(shí)交貨和產(chǎn)出——這組制造指標(biāo)可為滿足業(yè)務(wù)需求和客戶期望提供支持。在許多情況下，生產(chǎn)目標(biāo)可能會(huì)相互沖突。本文討論了不同的指標(biāo)，并就如何牢記客戶對(duì)準(zhǔn)時(shí)交貨的期望提供了相應(yīng)的指南。
摘要
制造過程中的改進(jìn)和優(yōu)化需要可量化指標(biāo)的明確定義。良率、生產(chǎn)周期、成本、準(zhǔn)時(shí)交貨和產(chǎn)出——這組制造指標(biāo)可為滿足業(yè)務(wù)需求和客戶期望提供支持。在許多情況下，生產(chǎn)目標(biāo)可能會(huì)相互沖突。本文討論了不同的指標(biāo)，并就如何牢記客戶對(duì)準(zhǔn)時(shí)交貨的期望提供了相應(yīng)的指南。
引言
改進(jìn)和優(yōu)化工作需要明確界定在一定約束條件下可衡量的待優(yōu)化或協(xié)同優(yōu)化指標(biāo)。為了跟蹤和評(píng)估項(xiàng)目的健康狀況，我們通常會(huì)提出多組制造指標(biāo)或關(guān)鍵績(jī)效指標(biāo)(KPI)，少則15個(gè)，多則超過30個(gè)1,2,3。對(duì)于建模和優(yōu)化，最好關(guān)注幾個(gè)重要的指標(biāo)。可以采用“必要”和“充分”的雙重標(biāo)準(zhǔn)，確保通過較少的一組重要指標(biāo)即可評(píng)估并滿足關(guān)鍵利益相關(guān)者對(duì)制造的期望，其中主要是內(nèi)部業(yè)務(wù)預(yù)期和外部客戶期望。關(guān)注這些定量指標(biāo)有助于我們生成簡(jiǎn)明易懂的指示板，以快速評(píng)估和響應(yīng)不斷變化的項(xiàng)目健康指標(biāo)。用于提升這些重要指標(biāo)的定性指標(biāo)將在第二篇文章中討論。
了解期望和相關(guān)的關(guān)鍵指標(biāo)
內(nèi)部業(yè)務(wù)預(yù)期通常是由財(cái)務(wù)驅(qū)動(dòng)的，這意味著制造運(yùn)營必須在收入和盈利能力方面滿足企業(yè)的財(cái)務(wù)預(yù)期。外部客戶期望主要涉及質(zhì)量和交貨，即在承諾的時(shí)間內(nèi)交付相應(yīng)承諾的數(shù)量和預(yù)期質(zhì)量的最終產(chǎn)品。
從內(nèi)部業(yè)務(wù)預(yù)期開始，收入與制造產(chǎn)出密切相關(guān)。Eliyahu Goldratt提出了一種強(qiáng)調(diào)這種聯(lián)系的業(yè)務(wù)方法，即產(chǎn)出核算。4同樣，業(yè)務(wù)利潤(rùn)與制造產(chǎn)出乘以單位價(jià)格與成本之差密切相關(guān)。制造良率也對(duì)單位成本影響顯著，因?yàn)閳?bào)廢產(chǎn)品影響企業(yè)的財(cái)務(wù)狀況，但不提供收入。這些財(cái)務(wù)指標(biāo)的聯(lián)系表明三個(gè)關(guān)鍵的制造指標(biāo)是產(chǎn)出、單位成本和良率。
外部客戶對(duì)質(zhì)量的期望也與制造良率相關(guān)。假設(shè)我們已將客戶期望轉(zhuǎn)化為產(chǎn)品需求，并根據(jù)反映客戶期望的產(chǎn)品需求對(duì)產(chǎn)品進(jìn)行測(cè)試、檢查或其他方式的評(píng)估，那么不滿足這些要求的產(chǎn)品將進(jìn)行報(bào)廢，因此，制造良率與質(zhì)量密切相關(guān)。
客戶對(duì)交付的期望與制造良率和制造周期相關(guān)。能否交付承諾數(shù)量的產(chǎn)品取決于生產(chǎn)線能否持續(xù)達(dá)到良率期望。能否在承諾的時(shí)間交付產(chǎn)品取決于生產(chǎn)線能否達(dá)到生產(chǎn)周期期望。這些客戶期望增加了兩個(gè)指標(biāo)，從而產(chǎn)生了五個(gè)關(guān)鍵制造指標(biāo)：產(chǎn)出、單位成本、良率、生產(chǎn)周期和準(zhǔn)時(shí)交貨。
基于上述討論，這五個(gè)提議的制造指標(biāo)可能足以滿足業(yè)務(wù)和客戶指標(biāo)；我們有理由質(zhì)疑是否每一項(xiàng)指標(biāo)都是必要的，或者是否有任何一項(xiàng)是多余的指標(biāo)。例如，由于準(zhǔn)時(shí)交貨是產(chǎn)量和生產(chǎn)周期的函數(shù)，是否可以取消準(zhǔn)時(shí)交貨這一生產(chǎn)指標(biāo)？或者，是否可以剔除生產(chǎn)周期，因?yàn)樗坪跖c準(zhǔn)時(shí)交貨有關(guān)？
可以通過一個(gè)快速的思考實(shí)驗(yàn)來探討這些問題：是否有可能在生產(chǎn)過程中實(shí)現(xiàn)良好的產(chǎn)量和周期，但卻無法按時(shí)向客戶交付產(chǎn)品的情況？是的，如果制造領(lǐng)域在承諾交貨日期時(shí)高估了良率并低估了生產(chǎn)周期，就會(huì)出現(xiàn)這種情況。是否有可能向客戶按時(shí)交付貨物，但仍會(huì)因過長(zhǎng)的交付周期而讓客戶或企業(yè)不滿的情況？同樣，答案是肯定的——如果制造周期時(shí)間很長(zhǎng)，妨礙了他們按照承諾的日期交貨，并且在大部分時(shí)間只能滿足延長(zhǎng)的交貨日期，那么企業(yè)將因長(zhǎng)時(shí)間的交貨延誤而令客戶失望，并導(dǎo)致收入延遲，如果競(jìng)爭(zhēng)對(duì)手的周期時(shí)間較短，交付速度更快，則問題尤甚。
因此，我們可以假設(shè)這組制造指標(biāo)是滿足聚焦和協(xié)同優(yōu)化目標(biāo)的必要充分條件：
?良率
?生產(chǎn)周期
?成本
?準(zhǔn)時(shí)交貨
?產(chǎn)出
工業(yè)工程和制造工程人員可以分別對(duì)每個(gè)指標(biāo)或KPI進(jìn)行建模；然而，這可能會(huì)導(dǎo)致次優(yōu)化，即一個(gè)指標(biāo)的優(yōu)化會(huì)對(duì)另一指標(biāo)產(chǎn)生不利影響。那么，理想的做法是協(xié)同優(yōu)化，也許主要關(guān)注企業(yè)認(rèn)為最重要的指標(biāo)，同時(shí)設(shè)置約束條件來限制對(duì)其他指標(biāo)的合理影響。
可以設(shè)立項(xiàng)目來實(shí)現(xiàn)這種協(xié)同優(yōu)化；例如，精益六西格碼和/或六西格碼設(shè)計(jì)舉措可以為涉及制造過程的項(xiàng)目制定章程。這些指標(biāo)與定義、測(cè)量、分析、改進(jìn)和控制(DMAIC)工具的定義和測(cè)量階段密切相關(guān)，有助于確定項(xiàng)目、團(tuán)隊(duì)和制造過程是否成功。指標(biāo)不僅可以激發(fā)行為和責(zé)任，還可以幫助團(tuán)隊(duì)評(píng)估項(xiàng)目的財(cái)務(wù)效益。
“質(zhì)量好、速度快、價(jià)格低——任選其二”
其中三個(gè)制造指標(biāo)，即良率、生產(chǎn)周期和成本對(duì)應(yīng)了著名的格言：“質(zhì)量好、速度快、價(jià)格低——任選其二”。這句幽默的格言暗示著很難在這些制造指標(biāo)之間進(jìn)行權(quán)衡。最后一個(gè)指標(biāo)“成本”或“價(jià)格低”通常被認(rèn)為有很多問題，但企業(yè)的目標(biāo)通常更傾向于利潤(rùn)最大化而不是成本最小化。因此，更合適的目標(biāo)是協(xié)同優(yōu)化良率、生產(chǎn)周期和盈利能力——三者缺一不可。
“質(zhì)量好”或良率
良率是大多數(shù)制造過程中的一個(gè)關(guān)鍵參數(shù)，與財(cái)務(wù)結(jié)果、交付和質(zhì)量掛鉤。通過良率建模，團(tuán)隊(duì)可以預(yù)測(cè)未來的良率并優(yōu)先考慮提高良率的機(jī)會(huì)。良率模型將每個(gè)流程步驟的預(yù)測(cè)良率組合成整個(gè)制造或裝配過程的預(yù)測(cè)良率分布。5請(qǐng)參見表1。
表1.按制造流程步驟進(jìn)行良率建模
良率建模——流程步驟 | 通過/失敗數(shù)據(jù) | 貝塔選定類型 | 方差貢獻(xiàn) | ||||||||
步驟編號(hào) | 步驟名稱 | Cpk | 成功次數(shù) | 失敗次數(shù) | 概率（通過） | α | β | 平均值 | 方差 | ||
1 | 第1步 | 通過/失敗 | 0.9 | 95 | 5 | 95.0% | 96.00 | 6.00 | 94.1% | 0.00053751 | 0.000481213 |
2 | 第2步 | Cpk | 0.95 | 99 | 1 | 99.8% | 13.97 | 0.03 | 99.8% | 0.00014541 | 0.000115823 |
3 | 第3步 | Cpk | 0.9 | 198 | 2 | 99.7% | 13.95 | 0.05 | 99.7% | 0.00023033 | 0.000183934 |
4 | 第4步 | 通過/失敗 | 0.7 | 99 | 1 | 99.0% | 100.00 | 2.00 | 98.0% | 0.00018663 | 0.000153988 |
5 | 第5步 | 通過/失敗 | 0.5 | 98 | 2 | 98.0% | 99.00 | 3.00 | 97.1% | 0.00027715 | 0.000233315 |
每個(gè)流程步驟的成功概率在0%到100%之間，因此可以使用介于0%到100%之間的統(tǒng)計(jì)分布（例如貝塔分布）進(jìn)行建模。過程成功的總體概率范圍也在0%到100%之間，同樣可以通過貝塔分布來表示。幸運(yùn)的是，通過將每個(gè)步驟的貝塔分布相乘來組合每個(gè)步驟的成功概率，會(huì)產(chǎn)生另一個(gè)代表過程成功概率的貝塔分布。
如果過程中的某個(gè)步驟已嘗試多次(n)，并且已成功s次且失敗f = n – s次，則成功的概率可以通過α參數(shù)為(s + 1)和β參數(shù)為(f + 1)β進(jìn)行估算，描述為β (s + 1, f + 1)。通過這種實(shí)用的方法，可以使用貝塔分布對(duì)制造過程、任務(wù)或程序中單個(gè)步驟的成功概率進(jìn)行建模。
如果過程中某個(gè)步驟的成功基于連續(xù)參數(shù)而不是離散的通過/失敗參數(shù)，則成功概率也可以轉(zhuǎn)換為貝塔分布。連續(xù)參數(shù)（例如Cpk、z分?jǐn)?shù)或良率）的擬合度衡量標(biāo)準(zhǔn)可用于估算通過概率p。然而，估算貝塔分布的兩個(gè)參數(shù)需要兩個(gè)值，并且通過概率p必須由第二個(gè)值補(bǔ)充。
第二個(gè)值可以是樣本數(shù)n，或者可以假設(shè)n的值反映參數(shù)分布中Cpk、z分?jǐn)?shù)或良率的不確定性程度。
可以為每個(gè)步驟估算成功概率的α和β值，無論是基于離散參數(shù)實(shí)際或預(yù)測(cè)的通過和失敗次數(shù)，還是基于連續(xù)參數(shù)（Cpk、z分?jǐn)?shù)或良率）。
每個(gè)步驟的這些α和β值可以組合成整個(gè)過程的總體成功概率，相當(dāng)于制造過程的總體良率。組合這些值的一種方法是使用蒙特卡羅模擬，另一種方法為基于生成系統(tǒng)矩的方法。借助這兩種方法，都可以進(jìn)行敏感性分析，以優(yōu)先考慮提高良率的機(jī)會(huì)。參見圖1。
圖1.良率分布的直方圖。
“速度快”或生產(chǎn)周期
生產(chǎn)周期與能否及時(shí)響應(yīng)客戶對(duì)產(chǎn)品的請(qǐng)求直接相關(guān)，并與影響準(zhǔn)時(shí)交貨的概率間接相關(guān)：制造商在特定日期開始將材料放入生產(chǎn)線，并在經(jīng)過制造周期時(shí)間對(duì)應(yīng)的延遲后交付產(chǎn)品。生產(chǎn)周期的分布可以伽馬分布來進(jìn)行近似計(jì)算，下限閾值對(duì)應(yīng)于理論最小周期時(shí)間。影響生產(chǎn)周期的因素還有瓶頸步驟的占比(%)（如Kingman方程6所述，參見圖3），以及生產(chǎn)線的產(chǎn)出和在制品(WIP)庫存（如利特爾定律7,8還所述）。可以使用離散事件仿真對(duì)周期時(shí)間進(jìn)行有效建模和優(yōu)化。參見圖2和圖4。
圖2.周期時(shí)間建模。通過伽瑪分布表示周期時(shí)間的分布。
圖3.該圖表示周期時(shí)間作為瓶頸制造設(shè)備利用率(%)函數(shù)的Kingman方程。
圖4.使用利特爾定律進(jìn)行內(nèi)部制造基準(zhǔn)比較。
在三個(gè)圖表中，藍(lán)點(diǎn)都代表當(dāng)前過程，與之比較的是顯示為紅色曲線的理論最壞情況和顯示為綠色曲線的理論最佳情況。左上圖為產(chǎn)品與在制品(WIP)庫存關(guān)系，右上圖為生產(chǎn)周期與產(chǎn)出關(guān)系，左下圖為生產(chǎn)周期與WIP庫存關(guān)系。
“盈利”或毛利率的成本
這些制造指標(biāo)的一部分與財(cái)務(wù)效益（與利潤(rùn)相關(guān)的毛利率）直接掛鉤：
該方程要求將制造成本分為與產(chǎn)出無關(guān)的固定成本和隨產(chǎn)出增加的可變成本。
可變單位成本與良率之比表明了一種通過優(yōu)化良率進(jìn)行協(xié)同優(yōu)化的方法。提高良率不僅可以“很好地”提高質(zhì)量，還可以降低每個(gè)合格零件的成本，從而提高毛利率。參見圖5。
圖5.制造的單位成本，顯示固定單位成本、可變單位成本以及總單位成本與產(chǎn)出關(guān)系。
產(chǎn)出
產(chǎn)出會(huì)限制所獲得的收入，而產(chǎn)出通常又受到瓶頸步驟的約束。9利特爾定律確定了生產(chǎn)周期、WIP庫存和產(chǎn)出之間的關(guān)系。由于產(chǎn)出會(huì)限制收入，進(jìn)而限制盈利能力，并且還會(huì)影響生產(chǎn)周期，從而影響準(zhǔn)時(shí)交貨，因此確保足夠的產(chǎn)出來滿足需求（并考慮到上升空間）至關(guān)重要。這要求組織識(shí)別潛在的瓶頸，并采取行動(dòng)或制定應(yīng)急行動(dòng)計(jì)劃來緩解障礙，包括：
?識(shí)別供應(yīng)商之間和內(nèi)部制造中的潛在障礙
?確保足夠的產(chǎn)能，避免其他供應(yīng)商成為障礙
?確保足夠的良率，避免供應(yīng)商成為障礙
?確保供應(yīng)商和內(nèi)部制造有足夠的可用性（正常運(yùn)行時(shí)間）
?預(yù)測(cè)可能導(dǎo)致制造工廠（內(nèi)部制造或供應(yīng)商）停工的可預(yù)見災(zāi)難（颶風(fēng)、地震）并制定應(yīng)對(duì)計(jì)劃
準(zhǔn)時(shí)交貨的概率——贏得客戶信任
提高良率還有助于提高按時(shí)交貨的概率，即通過在承諾日期之前交付承諾數(shù)量的產(chǎn)品來贏得客戶信任的概率。當(dāng)制造組織開始生產(chǎn)時(shí)，他們可以生產(chǎn)超出需求數(shù)量的產(chǎn)品，以防止良率損失。如果制造良率低于假設(shè)良率，則交付的產(chǎn)品將少于承諾的數(shù)量，客戶將會(huì)感到不滿。參見圖6。
圖6.準(zhǔn)時(shí)交貨概率的計(jì)算示意圖（右側(cè)），表示為制造足夠產(chǎn)品以履行承諾的概率乘以在承諾日期準(zhǔn)時(shí)完成產(chǎn)品交付概率的乘積。制造足夠產(chǎn)品的概率是累計(jì)良率分布的函數(shù)，準(zhǔn)時(shí)完成產(chǎn)品交付的概率是周期時(shí)間分布的函數(shù)。
我們傾向于假設(shè)良率是一個(gè)常數(shù)；例如，如果制造團(tuán)隊(duì)知道歷來的良率為50%，他們一開始就可以生產(chǎn)兩倍的產(chǎn)品并交付承諾的數(shù)量。然而，良率通常遵循貝塔分布，介于0%到100%之間；50%的平均良率表明，良率有時(shí)會(huì)低于或高于50%的平均值。連續(xù)貝塔分布與離散二項(xiàng)式分布的關(guān)系和類比表明，良率的變化將遵循平均良率的拋物線函數(shù)：平均值為50%的良率分布變化將高于平均良率接近或達(dá)到100%的更緊密的良率分布。使用通過貝塔分布近似計(jì)算的良率分布以及平均值和標(biāo)準(zhǔn)差之間的關(guān)系，制造商可以開始生產(chǎn)足夠的產(chǎn)品以應(yīng)對(duì)產(chǎn)量的不確定性。參見圖7。
圖7.與成本相關(guān)的庫存決策圖表，表示為準(zhǔn)時(shí)交貨概率的函數(shù)；持有庫存會(huì)產(chǎn)生成本，該成本隨著準(zhǔn)時(shí)交貨的概率而增加；而錯(cuò)過交貨日期以及隨后對(duì)客戶的影響也會(huì)產(chǎn)生成本，該成本隨著準(zhǔn)時(shí)交貨的概率而減少。這兩類成本的總和可以具有一個(gè)最小值，對(duì)應(yīng)與公司及其客戶的最小成本相關(guān)的準(zhǔn)時(shí)交貨概率。
制造指標(biāo)流程
圖8為制造指標(biāo)的流程示意圖。Excel電子表格的屏幕截圖顯示了實(shí)際生產(chǎn)線的實(shí)施過程。如果制造團(tuán)隊(duì)能夠用不斷更新的數(shù)值和預(yù)測(cè)以可視化的方式呈現(xiàn)這些制造指標(biāo)，便可以對(duì)可能影響財(cái)務(wù)結(jié)果和客戶關(guān)系的問題進(jìn)行規(guī)劃、優(yōu)化并做出快速反應(yīng)。
圖8.制造指標(biāo)和財(cái)務(wù)結(jié)果之間的關(guān)系示意圖。制造指標(biāo)（產(chǎn)出、總單位成本、交貨、良率和周期時(shí)間）以藍(lán)色突出顯示。
案例研究：半導(dǎo)體公司的制造指標(biāo)改進(jìn)
“全球微芯片短缺問題引起了廣泛關(guān)注，并且已經(jīng)導(dǎo)致整個(gè)汽車行業(yè)的車輛生產(chǎn)活動(dòng)停止或推遲。”10作為汽車行業(yè)和其他行業(yè)的主要微芯片供應(yīng)商，ADI公司也身陷這一供應(yīng)鏈問題。高層管理人員要求制造組織提出改進(jìn)方法；制造副總裁擁有六西格碼大師黑帶認(rèn)證，并決定嘗試使用制造指標(biāo)方法。
他選擇關(guān)注的主要制造指標(biāo)是準(zhǔn)時(shí)交貨。他和團(tuán)隊(duì)將制造工廠的當(dāng)前信息輸入到鏈接這些制造指標(biāo)的Excel工作簿中，然后使用Crystal Ball Excel插件引入信息的可變性和不確定性。
蒙特卡羅模擬的結(jié)果反映了準(zhǔn)時(shí)交貨的高度可變性，這與ADI在根據(jù)客戶訂單和期望交貨方面遇到的挫折是一致的（見圖9）。
圖9.優(yōu)化可用性之前和之后準(zhǔn)時(shí)交貨的預(yù)測(cè)頻率分布示意圖。紅色分布顯示優(yōu)化后準(zhǔn)時(shí)交貨率大幅提高。
蒙特卡羅模擬的靈敏度分析表明，可變性的主要來源是在向客戶發(fā)貨之前用于測(cè)試微芯片的測(cè)試系統(tǒng)可用性（正常運(yùn)行時(shí)間%）。
然后，團(tuán)隊(duì)需要對(duì)測(cè)試系統(tǒng)的可用性進(jìn)行建模，對(duì)可用性的貝葉斯模型進(jìn)行輕微調(diào)整。11貝葉斯模型建議了可以提高測(cè)試系統(tǒng)可用性的方法，并預(yù)測(cè)了經(jīng)過這些改進(jìn)后測(cè)試系統(tǒng)的可用性。隨后，該團(tuán)隊(duì)將改進(jìn)的可用性輸入到制造指標(biāo)模型中，并進(jìn)行了蒙特卡羅模擬，該模擬預(yù)測(cè)微芯片的準(zhǔn)時(shí)交貨將得到顯著改善（見圖9）
結(jié)語
改進(jìn)和優(yōu)化工作需要明確界定可衡量的待優(yōu)化或協(xié)同優(yōu)化參數(shù)。良率、生產(chǎn)周期、成本、準(zhǔn)時(shí)交貨和產(chǎn)出——這組有限的制造指標(biāo)是滿足業(yè)務(wù)需求和客戶期望的支柱，并且可以進(jìn)行協(xié)同優(yōu)化以滿足內(nèi)部利益相關(guān)者、業(yè)務(wù)和客戶的需求。
將這些制造指標(biāo)放到方程中，既有助于優(yōu)化需求，也便于做出在約束條件下符合優(yōu)化需求的權(quán)衡和決策。
制造指標(biāo)改進(jìn)在一家半導(dǎo)體公司的應(yīng)用提供了一個(gè)案例研究，證明了如果想要提高客戶和利益相關(guān)者對(duì)結(jié)果的滿意度，可以根據(jù)需要深入洞察特定的決策和方法，這種能力具有很高的價(jià)值。
參考文獻(xiàn)
1 Mark Davidson。“28個(gè)真正重要的制造指標(biāo)（我們依賴的指標(biāo)）。”LNS Research，2013年10月。
2 “2023年報(bào)告的30個(gè)最佳會(huì)計(jì)KPI和指標(biāo)示例。”Insight Software，2023年6月。
3 “制造指標(biāo)和關(guān)鍵績(jī)效指標(biāo)。”Datapine。
4 Elihayu Goldratt。“干草堆綜合癥：從數(shù)據(jù)海洋中篩選信息。”North River Press，2006年。
5 Eric Maass。“通過良率和一次性可靠性建模完善您的預(yù)測(cè)。”iSixSigma，2020年6月。
6 J.F.C Kingman。“大流量下的單服務(wù)器隊(duì)列。”劍橋哲學(xué)會(huì)數(shù)學(xué)匯刊，2008年10月。
7 JDC Little。“同義反復(fù)、模型和理論：我們能找到制造規(guī)律嗎？”。麻省理工學(xué)院圖書館，1992年7月。
8 Wallace J. Hopp和Mark L. Spearman。“工廠物理：第三版。”Waveland Press，2011年8月。9 Eliyahu Goldratt。“目標(biāo)：一個(gè)持續(xù)改進(jìn)的過程。”North River Press，2004年。
9 Eliyahu Goldratt。“目標(biāo)：一個(gè)持續(xù)改進(jìn)的過程。”North River Press，2004年。
10 Dave Opsahl。“克服供應(yīng)鏈問題：汽車原始設(shè)備制造商和供應(yīng)商必須攜手同行。”Forbes，2021年9月。
11 Elysar Mougharbel。“預(yù)測(cè)工程——醫(yī)療器械的可用性建模。”碩士學(xué)位應(yīng)用項(xiàng)目，亞利桑那州立大學(xué)，2017年5月。
（來源：ADI公司，作者：Eric C. Maass，高級(jí)總監(jiān)；John Nichols，制造副總裁；Elizabeth Kapp，項(xiàng)目經(jīng)理）
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
如何利用SCR輕松驅(qū)動(dòng)AC/DC轉(zhuǎn)換器啟動(dòng)？
來吧，展示！第104屆中國電子展暨國際元器件及信息技術(shù)應(yīng)用展火熱招商中
用于電池儲(chǔ)能系統(tǒng) (BESS) 的 DC-DC 功率轉(zhuǎn)換拓?fù)浣Y(jié)構(gòu)
當(dāng)電化學(xué)傳感器遇上低功耗藍(lán)牙，三大領(lǐng)域應(yīng)用輕松拿捏
