3. 产线数据采集与工时测量

节拍平衡的所有计算都建立在“时间数据”之上。如果工时数据本身不可信，后续的瓶颈识别、ECRS改善和产线平衡率计算都会失真。因此，数据采集不是“拿秒表随便按几下”，而是一套包含测量方法选择、异常值处理、可信度评估和现场记录设计的完整工程流程。本节围绕秒表测时、工作抽样、标准工时制定、异常值剔除、数据可信度评估与现场记录表设计展开。

一、三种数据采集方法的选择

产线数据采集主要有三种方法，适用场景不同：

• 秒表测时：适用于周期短、重复性高的工位，如装配、包装、点胶。精度高，但需要逐工位观测，人力成本大。
• 工作抽样：适用于周期长、非重复性作业，如设备维护、物料搬运、质检巡检。通过随机瞬时观测统计各类活动占比，成本低但精度有限。
• 标准工时法（PTS/预定动作时间）：适用于新产品试产、尚无稳定产出的工位，通过动作分解查表合成工时，无需现场观测。

选择原则：稳定量产工位优先用秒表测时；辅助工位和间接作业用工作抽样；新工位或无法观测的工位用PTS。三者可以组合使用，例如主线用秒表测时，物流配送用工作抽样。

二、秒表测时的操作要点

秒表测时的核心是“连续观测、记录单元、剔除异常”。具体操作如下：

1. 划分作业单元：将工位作业拆分为可观测的动作单元，每个单元应有明确的起点和终点，如“取件—定位—锁螺丝—放行”。单元时长一般控制在3～30秒，过短难以观测，过长不便分析。
2. 确定观测次数：观测次数不足会导致均值不稳定。经验上，周期小于1分钟的作业至少观测20次，1～5分钟观测10～15次，5分钟以上观测5～10次。也可用统计公式 n=(40√(nΣx²-(Σx)²)/Σx)² 估算，其中x为单次观测值。
3. 连续测时：秒表不停，按单元记录累计时间，事后差分得到各单元时长。这种方式比归零测时更准确，避免每次归零的读数误差。
4. 记录异常：遇到掉件、设备卡顿、来料不良等异常，在记录表上标注原因，不直接删除，留待后续判断。

三、异常值剔除

异常值分为两类：一是明显由异常事件引起的（如设备故障、来料不良），应直接剔除并记录原因；二是数值偏离但原因不明的，需用统计方法判断。常用方法有三倍标准差法和格拉布斯准则。

以某工位10次观测为例（单位：秒）：12.1、11.8、12.3、11.9、12.0、11.7、12.2、11.8、18.5、12.1。其中18.5明显偏高，计算均值x̄=12.64，标准差s=2.03，18.5与均值偏差5.86，超过3s=6.09？实际未超过，但格拉布斯检验中G=(18.5-12.64)/2.03=2.89，查表n=10时临界值2.29，2.89>2.29，判定为异常值，剔除。剔除后重新计算均值x̄=12.0，标准差s=0.19，数据一致性显著提升。

四、标准工时制定

标准工时（ST）不是观测时间的简单平均，而是“正常时间×宽放系数”。计算步骤：

1. 计算观测均值：剔除异常值后，取各单元有效观测值的算术平均。
2. 评定系数：根据操作者熟练度、努力度、工作环境，给出评定系数。熟练快速者系数可取0.9～0.95，普通取1.0，偏慢取1.05～1.15。
3. 正常时间：正常时间=观测均值×评定系数。
4. 宽放：包括私事宽放（3%～5%）、疲劳宽放（4%～8%）、作业宽放（2%～5%）、管理宽放（3%～5%），总宽放率通常为12%～20%。
5. 标准工时：ST=正常时间×(1+宽放率)。

示例：某工位观测均值12.0秒，评定系数1.0，宽放率15%，则ST=12.0×1.0×1.15=13.8秒。若产线节拍要求12秒，该工位就是瓶颈，需要改善。

五、数据可信度评估

数据可信度从三个维度评估：

• 一致性：用变异系数CV=s/x̄衡量，CV<5%为高可信，5%～10%为可接受，>10%需重新测量或拆分单元。
• 充分性：观测次数是否达到统计要求，可用相对精度e=t·s/(x̄·√n)判断，一般要求e<5%。
• 代表性：观测是否覆盖不同班次、不同操作者、不同来料批次。只测一个熟练工的一个班次，数据代表性不足。

六、现场记录表设计

记录表是数据采集的载体，设计好坏直接影响数据质量。一张合格的秒表测时记录表应包含以下字段：

记录表应现场填写，不得事后补记。每轮观测结束后立即核对累计时间差分是否与单元时长一致，发现矛盾当场复查。

整条数据链可以概括为：先根据工位特性选择测量方法，再按规范采集并记录，然后剔除异常值、计算标准工时，最后从一致性、充分性、代表性三个维度评估可信度。只有可信度达标的数据，才能进入节拍平衡计算。现场记录表是这条链的载体，字段设计要覆盖追溯、计算和判断所需的最小信息集，避免漏记导致事后无法复核。