说实话，最近几年到处都在讲智能制造、数字化转型，好像不谈点AI、大数据就落伍了。但作为一个在车间泡了十几年的IE老兵，我有时真想——等等，我们是不是忘了点什么？
上周去一家电子代工厂，他们花了两百万上的MES系统，屏幕上数据跳得眼花缭乱。结果呢？换线时间反而长了15%。厂长挠头问我：这数据都实时了，怎么效率还降了？我指了指角落里落灰的秒表，没说话。有时候，工具越先进，人就越容易犯懒。
IE的活化石属性：时间研究还没死透
一百多年前，泰勒拿着秒表在伯利恒钢铁厂走来走去的时候，大概想不到2024年还有人在争论“秒表测工时”有没有用。不过话说回来，现在真的不用了吗？
工业工程最基础的东西，什么方法研究、作业测定，听起来土的掉渣。但就在上个月，我在深圳一家精密机械厂，看见一个IE工程师趴在冲压机前，掐着秒表数了整整两小时。为什么？因为自动化采集的数据显示某工序周期42秒，可他实测发现，里面有8秒是设备空转等待，传感器根本没捕捉到这个异常。
数据不会骗人？数据当然会骗人。它只告诉你发生了什么，却从来不告诉你为什么发生。所以，✅ 时间研究远没有过时，只是它的载体可能从纸笔变成了视频分析，但核心的东西——现场观察和人的判断——丢不得。
问：现在都自动采集数据了，还用秒表测工时是不是太落后了？
答：很多人一听到秒表就觉得回到旧社会，这完全是误解。自动采集给你的是海量结果数据，但工时测定要的是过程细节，例如操作者哪几个动作多余了、拿取物料时有没有不合理的转身。这些细节，MES里的时间戳永远不会告诉你。我见过最极端的例子：一家汽车零部件工厂，自动记录一个焊接工序平均45秒，秒表复测却发现其中有12秒是操作工在等待机器人复位——程序逻辑错误，导致每件都等一会儿，一年损失几十万。这种问题，光看屏幕能看出来吗？
数据泡沫：当改善变成报表游戏
你有没有这种体验？周一晨会，各部门轮流晒KPI，OEE达标率98%，直通率99.5%，看起来一片歌舞升平。但实际走一圈车间，你会发现物料堆成山，员工怨气冲天——数据真的美化了现实。❗️
三年前我帮一家中型铸造厂做生产效率诊断，他们IT部门给我拉出一百多页的自动报表，各个维度的分析图表漂亮得像咨询公司的PPT。可真实的状况是什么？浇注工序的数据完美，是因为操作工为了达标，故意把有缺陷的铸件混入后道，让打磨工去返修。这种“人为修饰数据”的破事，我敢说大部分工厂都存在。
工业工程强调的“基于事实的管理”，这个事实必须亲眼所见。坐在办公室对着仪表盘推导改善方案，比闭门造车还危险——因为它给你一种虚假的掌控感。
我强烈建议每个IE工程师每个月至少花两天，把屁股从椅子上挪开，去现场站足八小时。💡 你不用刻意找，几乎所有浪费都会自己跳出来：多余的搬运、等待、返工……这些在现场像秃子头上的虱子，但转换成数字后就隐形了。
问：既然数据可能误导，那中小企业怎么低成本做改善？没有钱上系统是不是反而更好？
答：哈，这个问题我特别喜欢。中小企业确实不用一上来就砸钱搞数字化。IE有一套极其廉价却暴力的工具：动作经济性原则、流程程序图、人机操作分析……一张纸一支笔就能干的事。浙江有家几十人的小五金厂，老板带着组长用流程程序图重新排了产线，仅仅是把几台设备移了个位、减少了交叉搬运，人均日产量就提升了22%。后来他们才花三万块装了几个简易安灯系统，效果比隔壁花两百万的工厂还好。所以，工具是死的，思维是活的。IE的精髓是改善思维，不是软件采购。
现场有神明，IE不能坐在办公室里修仙
大野耐一画那个著名的“大野圆圈”——让经理站在车间画好的圆圈里观察几个小时——现在听来像个行为艺术。但我让几个年轻的IE工程师试过，结果他们普遍反映：原来自己以前写的标准作业书全是错的。
为什么？因为标准是根据理想状态写的，而现场总有无数变量：材料批次不一致、设备老化抖动、新员工手生……你不到操作工身边去，永远不知道SOP里“轻拿轻放”那四个字，实际上需要多花三秒钟调整抓取角度。这三秒累积起来，一条线一天少做上百个产品。
去年我在重庆一家变速箱装配线做改善，生产线号称全面数字化，每个工位都有触摸屏反馈异常。可是，整个下午我坐在打包区旁边，发现六个异常中有四个是操作工用纸笔记录下来、下班前统一录入的——因为触摸屏反应慢，录入耽误节拍。你瞧，💡 技术再炫，最终还是要回归人性。
工业工程根本不是一组工具的集合，它是一种极度务实的态度：承认我们看到的并不完整，承认数据会说谎，承认唯一的真相来源是人和现场的交互。所以，下次有人跟你推销昂贵的数据采集系统时，不妨先问问：咱们上次去现场是什么时候？
聊了这么多，可能有人觉得我反技术，其实不是。我只是害怕那种一窝蜂的迷信，让IE人忘了自己最大的武器——观察力与批判性思考。✅ 用数据，别信数据。这大概是我二十年来最想跟后来者说的话。
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：工业工程（IE）在智能工厂中的冷思考：为什么数据驱动改善不是万能药 https://www.dachanpin.com/a/tg/61390.html
