3、现场数据采集：学习现场数据采集的原则、方法（观察、访谈、问卷、传感器）、数据源识别与采集计划制定

现场数据采集是连接“现场管理”与“评价结论”的关键桥梁。没有高质量的数据，后续的分析、诊断与改进都将成为无源之水。本章聚焦于数据采集的四大核心问题：采集什么（数据源识别）、怎么采（方法选择）、遵循什么准则（原则）、以及如何有序推进（计划制定）。我们将从原则出发，逐一拆解观察、访谈、问卷、传感器四类主流方法的适用场景与操作要点，并通过一个完整的案例闭环，展示从数据源识别到采集计划落地的全过程。

3.1 现场数据采集的四大核心原则

数据采集不是简单的“到现场看看、记几个数”，而是一个需要严格遵循方法论的系统工程。以下四项原则是确保数据质量的基础。

3.1.1 目的导向原则

每一次采集都必须服务于明确的评价目标。在开始采集前，需要回答三个问题：要评价什么？（如设备综合效率、人员作业饱和度、流程等待时间）；需要哪些数据来支撑？（如停机时长、节拍时间、在制品数量）；数据精度要求多高？（如精确到秒还是分钟）。目的导向原则能有效避免“采集了一堆数据，最后发现用不上”的常见浪费。

3.1.2 客观真实原则

现场数据最忌讳“被修饰”。操作工可能因担心考核而虚报产量，管理者可能因主观印象而选择性记录。客观真实原则要求：优先采用仪器自动记录（如传感器、计数器），减少人工转述环节；对于必须人工观察的数据，需明确记录标准并随机抽查复核。例如，在测量装配工时前，应提前告知员工“本次测量用于流程优化，不纳入绩效考核”，以降低其心理负担。

3.1.3 全面系统原则

单一数据源往往只能反映局部。例如，仅看设备稼动率无法判断瓶颈工序，还需结合在制品库存、人员等待时间、质量不良率等数据。全面系统原则要求从人、机、料、法、环五个维度交叉验证，确保数据能完整还原现场全貌。

3.1.4 经济高效原则

数据采集需要投入人力与时间。在满足评价精度的前提下，应选择成本最低的采集方式。例如，对于设备运行状态，优先读取设备PLC自动记录的数据，而非安排专人每小时抄表；对于员工满意度，采用抽样问卷而非全员访谈。

3.2 四类数据采集方法详解

根据数据来源和采集方式的不同，现场数据采集可分为观察法、访谈法、问卷法和传感器法。下表对比了四类方法的核心特征与适用场景。

3.2.1 观察法：结构化与非结构化

观察法分为非结构化观察（无预设框架，凭经验记录）和结构化观察（使用预先设计的观察表，按时间或事件节点记录）。在评价场景中，推荐使用结构化观察。例如，进行装配线工时测定时，可设计如下观察记录表：

观察表片段（节选）：
工序编号：OP-030  工序名称：锁付4颗M4螺丝
观察员：张工  日期：2025-06-10  班次：白班
时间节点  动作描述          工具/物料      完成质量
09:32:15  取螺丝(4颗)      自动送料机      正常
09:32:22  定位第一颗螺丝   电动起子       正常
09:32:31  锁付第一颗       扭矩设定2.5N·m 正常
09:32:38  定位第二颗       ...            ...
备注：09:32:45 出现一次滑牙，返工耗时12秒

观察法实施要点：① 提前到场适应，减少霍桑效应；② 明确记录颗粒度（精确到秒还是分钟）；③ 多轮观察取均值，避免偶发因素干扰。

3.2.2 访谈法：从“问”到“挖”

访谈法适用于探索性问题和深层原因挖掘。其操作流程为：设计访谈提纲 → 选择访谈对象 → 实施访谈（记录） → 整理分析。访谈提纲应包含开放式问题（如“您认为当前产线最大的瓶颈是什么？”）和追问式问题（如“您能具体描述一下上周那次停线的情况吗？”）。

访谈技巧：① 先建立信任，说明访谈目的与保密承诺；② 多听少说，避免引导性提问；③ 关键信息复述确认，确保理解准确；④ 敏感问题放在后半段，待氛围融洽后再提出。

3.2.3 问卷法：标准化与量化

问卷法适合收集大样本的态度与自评数据。设计问卷时需注意：① 问题表述中立，避免“您是否认为当前管理混乱？”这类诱导性问题；② 选项互斥且穷尽；③ 先易后难排序，将敏感问题（如薪酬满意度）放在后面；④ 预测试，在小范围试填后修正歧义项。

问卷发放方式对比：纸质问卷回收率高但数据录入成本大；电子问卷（如问卷星）便于统计但可能漏答。建议根据现场条件选择，必要时采用“现场集中填写”方式提升回收率。

3.2.4 传感器法：自动化与连续性

传感器是获取高精度、连续数据的利器。常见应用包括：光电传感器统计产品通过数量；温度/湿度传感器监控环境条件；振动传感器监测设备健康状态；RFID追踪在制品位置。传感器数据通常通过PLC或数据采集卡接入系统，实现自动记录。

3.3 数据源识别：从“有什么”到“用什么”

数据源识别是回答“数据从哪里来”的过程。一个完整的现场数据源地图应覆盖以下维度：

• 人员数据源：操作工（作业时间、动作轨迹）、班组长（巡检记录）、维修工（故障处理记录）、质检员（检验数据）。
• 设备数据源：PLC（运行/停止/报警状态）、传感器（温度、压力、流量）、计数器（产量）、能源表（电耗）。
• 物料数据源：ERP系统（库存量）、条码/RFID（批次追溯）、称重设备（实际用量）。
• 流程数据源：SOP文件（标准工时）、生产日报表（实际产出）、异常记录单（停线原因）。
• 环境数据源：温湿度记录仪、照明度计、噪音计。

数据源识别的操作步骤：① 列出评价指标清单（如评价“产线效率”需要产出、工时、不良率等指标）；② 反向追溯每个指标的可能数据源；③ 评估各数据源的可得性、准确性和成本；④ 确定最终数据源组合。

3.4 采集计划制定：从目标到行动

一份完整的采集计划应包含以下要素：

3.5 案例闭环：某电子厂SMT车间瓶颈工序数据采集

背景与目标：某电子厂SMT车间近期产能未达预期，管理层怀疑瓶颈工序为“回流焊后AOI检测”。评价小组需通过数据采集验证瓶颈假设，并量化瓶颈工序的等待浪费与设备利用率。

初始现象：产线日报显示AOI检测工序前在制品堆积严重，但设备稼动率报表显示AOI设备稼动率仅72%。数据之间存在矛盾，需现场核实。

数据源识别：

• AOI设备PLC：可导出运行/空闲/报警时间戳；
• 产线MES系统：记录每块PCB板的过站时间；
• 现场观察：需人工记录操作工离岗时间、等待上料时间；
• 在制品数量：通过目视计数或RFID读取。

采集计划制定：采用“传感器+观察”组合方式。连续采集3个生产日（72小时），PLC每10秒记录一次设备状态；观察员每日分3个时段（早班中段、中班中段、晚班中段）各进行2小时结构化观察，记录操作工行为；MES系统导出每块PCB的过站时间戳。

关键数据与发现：

PLC数据分析（3日汇总）：
设备总运行时间：58.2小时（稼动率80.8%）
设备空闲时间：13.8小时（其中等待PCB输入：9.5小时，占69%）
设备报警时间：0.5小时
观察记录（6小时样本）：
操作工离岗次数：14次，累计离岗时间：47分钟
其中因“找料”离岗：6次，累计22分钟
MES过站时间分析：
PCB在AOI工序平均停留时间：4.2分钟
其中实际检测时间：1.8分钟，等待时间：2.4分钟（占57%）

分析判断：瓶颈并非AOI设备本身（检测时间仅1.8分钟），而是前工序供料不均衡导致AOI设备频繁等待。操作工离岗找料进一步加剧了等待。设备稼动率报表显示的72%与PLC实测80.8%存在差异，原因是报表仅统计了“计划内运行时间”，未包含非计划等待。

实施改进：① 在回流焊出口增加缓存区，平衡供料节拍；② 将常用物料移至AOI工位旁，减少找料时间；③ 优化MES系统过站时间统计逻辑，将等待时间单独标识。

结果对比：改进后AOI设备稼动率提升至91%，在制品堆积减少60%，产线日产出提升12%。

复盘经验：① 单一数据源（设备报表）可能失真，需多源交叉验证；② 传感器数据与人工观察结合，才能发现“设备等待”背后的“人员行为”原因；③ 采集计划中的时间窗口设计（连续3天）有效覆盖了生产波动。

3.6 常见误区与总结复盘

现场数据采集中常见的五个误区：

1. 误区一：重“量”轻“质”——采集了大量数据，但关键指标缺失或精度不足。对策：采集前严格对照评价指标清单，逐项确认数据可用性。
2. 误区二：忽视“人”的因素——只关注设备数据，忽略操作工行为、经验等软性数据。对策：采用“传感器+观察+访谈”组合，软硬数据互补。
3. 误区三：采集时间过短——仅采集1-2小时，无法覆盖班次差异、换型波动。对策：至少覆盖完整生产周期（如一个班次或一个生产批次）。
4. 误区四：数据记录不规范——不同观察员记录口径不一致。对策：提前统一培训，制定详细的记录编码规则。
5. 误区五：忽略数据伦理——涉及员工绩效的数据未做脱敏处理，引发抵触情绪。对策：明确告知数据用途，承诺不用于个人考核。