工作研究正在被AI杀死？一个老工程师的肺腑之言

上周三，车间里来了个新来的工业工程硕士，张口闭口“数字孪生”“AI动作分析”。我叼着烟没吭声，递给他一块秒表——指针式的那种。他愣了，说师傅，现在都用视频解析了。我笑，你小子连秒表都没拿过，怎么知道算法是不是在糊弄你？

工作研究不是抄表，是拆解“为什么”

很多人对工作研究的印象，还停留在卓别林《摩登时代》里那个拿着秒表跟在工人屁股后头的家伙。说实话，干了二十年IE，我最烦这句话——“你们就是来掐时间的吧？” 错。真正的工作研究，核心从来不是时间，是方法。时间只是影子。你盯着秒表，是看不到工人为什么多弯了一次腰、为什么左手闲置了三秒钟的。

十年前我给一家汽车零部件厂做改善，拧一颗螺栓的动作，标准作业组合票画出来，所有人都觉得完美。但我蹲在那看了四小时——就死盯着工人的手指。发现他每拧三颗，就会下意识地甩一下手腕。为什么？因为气动扳手反作用力大，连续操作会酸。后来把扳手悬吊角度调低了8度，加了个软托垫。周期时间直接降了1.2秒，一天下来少甩六千次手。你让AI去看视频能抓到这个？它连工人脸上的微表情都不会读。

数字工具是翅膀，但别飞丢了魂

我不反对数字化。我们的MOST系统数据库比十年前精准多了，动作代码一输，标准时间秒出，还能自动平衡线体。不过话说回来——这些数据哪来的？ 还不是靠老一代IE一个动作一个动作标定的。现在的小朋友太信模型，输入条件稍变，结果就飘。去年有个项目，用某知名仿真软件跑出来的节拍是54秒，实际产线死活只能做到72秒。检查了半个月，最后发现是模型里没考虑“操作者心理疲劳”——人不是机器，连续两小时后注意力断崖式下跌。这玩意儿怎么量化？只能靠现场观察，靠工作抽样，靠你对人的理解。

问：那对于重复性高的纯机器作业，是不是直接用传感器采集数据就够，不用人研究了？

答：想得美。机床切削参数是死的，但换刀、测量、排屑这些辅助动作呢？我见过一个案例：某厂上了全套OEE监控，设备综合效率显示85%，老板喜滋滋。结果我去现场看了半小时，发现操作工每次换刀都多走三步去拉物料小车——因为线边布局被上个月的临时改造搞乱了。这个走动的浪费，传感器根本区分不出来是在工作还是在走路。你只要不研究，它就永远躺在“有效时间”里。

问：现在都推人机协作机器臂了，工作研究是不是主要研究人机交互安全就行？

答：安全只是底线。更大的坑是作业分配。机器人扛重物、做高精度重复动作确实好，但人的柔性和决策力怎么用？我去年帮一家电子厂优化协作工位，本来是人机同时拧螺丝，结果发现人总是等机器人送料的两秒——只为了保持节拍一致。后来改成机器人连续预拧70%，人最后统一复紧，人的利用率从62%飙升到91%，而且工人反馈“脑子终于不打架了”。这些细节，不靠方法研究里的程序分析和人机图表，光靠算法迭代一万次也没用。

下一代工作研究，必须是人+数据的双脑联合

我招徒弟，现在必考一项：给他一段操作视频，同时给他一套动作捕捉数据，让他指出三处“数据没体现的浪费”。答不上来的，建议回学校重修。因为未来的工作研究专家，得同时玩转两样东西：秒表（哪怕只是象征性的）和Python脚本。你得能一眼看出工人擦汗是热环境问题还是疲劳导致；你也得能从十几万条加速度传感器数据里，扒出那些异常的微停顿。

上个月我还干了一件年轻同事觉得“返祖”的事。为了研究一条新产线手工插接件的动作经济性，我没让工程师用平板录像，而是要求他们每人拿纸笔，在现场画动素图（Therbligs）。三天以后，一个新人惊呼：“原来‘寻找’这个动素，摄像头根本定位不了视线移动。” 对，这就是工作研究最迷人的地方——它既需要十八类动素的经典框架，又需要现代数据挖掘的穿透力。缺一样，都是瘸腿。

最后说句掏心窝的：别被“智能制造”唬住。只要生产线上还有人的手、人的眼、人的判断，工作研究就活得好好的。只是那些只会按开关的“秒表操作员”，确实该淘汰了。