工作研究：为什么你的工厂越改越乱？—— 一个老IE的吐槽与反思

十几年前入行的时候，我师傅叼着烟跟我说：工作研究，是工业工程的魂。 没了它，你搞什么精益生产、智能制造，都是扯淡。我当时觉得这老头真能装。现在自己干废了十几个项目后，我恨不得把那句话刻在脑门上。然而，满大街的工厂，真懂工作研究的没几个。花几十万请咨询公司，最后换来一柜子落灰的文件，产线还是那个鬼样子，这个月离职率又涨了。哎。

先别跟我扯什么“基础IE过时了”。说这话的人，连标准工时都拍不准。

方法研究：不是画几张流程图的游戏

好多工程师把方法研究等同于一通流程图、人机操作图，画得花里胡哨，然后发给老板看，老板说“嗯，很专业”…… 然后就没了。这是天大的误会。方法研究最狠的地方是质疑一切。你为什么左手拿料？为什么走三步？为什么拧三圈？—— 哦，因为二十年前那台机器就那么设计的，现在机器早换了，动作还留着。滑稽吧？

我们团队去年在无锡搞了个项目，一条组装线，我们硬是盯着看了三天，一个工位一个工位地拍视频。用动素分析拆解，18个动素，有效动作不到一半。伸手、寻找、拿住、对准…… 一堆浪费。然后做ECRS，取消、合并、重排、简化，最后把36个工位压到28个，产能提升了35%。工人还不累，因为无效动作少了。这才是工作研究的威力。但过程极其枯燥，没有捷径。要一帧一帧看录像，要跟工人抽烟聊天——他们自己都不知道走弯路了，习惯了。你得去发现。

问：方法研究和现在流行的价值流图（VSM）有什么区别？答：问得好。VSM是只鸟瞰，你看到的是物料流和信息流的停滞，是宏观的浪费。方法研究是钻到细胞里看染色体，是微观的动作浪费。你以为产线平衡度98%就万事大吉了？下去看一下，一个拿取动作多0.5秒，一天下来就是几百分钟。所以两者根本不冲突，VSM帮你定位爆炸点，方法研究帮你拆弹。可惜大部分公司只做到VSM就停了，还觉得自己可牛了。

时间研究：不是掐秒表的手艺活

一提到时间研究，很多人脑中浮现的是IE拿着秒表，阴森森地站在工人背后。这不是工作研究，这是恐怖片。真正的标准工时，是公平的尺子，不是鞭子。但怎么量，学问大得很。

我见过太多笑话：某企业用秒表测五个循环，取个均值，就叫标准工时。班组长自己偷偷在Excel里改个系数，工时宽放？拍脑袋加15%。结果？计划部排产一团糟，财务算成本天天吵架，人事定绩效怨声载道。后来我们导入了预定时间标准（PTS），用MOD法，把每个动作拆成手指、手腕、小臂的移动，编码，查表，计算…… 愣是把所有产品的标准工时全翻新了一遍。你猜怎么着？发现原来有些老产品竟然是亏本在卖——因为工时被低估了40%。老板脸都绿了。

不过说实话，MOD法也累。那些符号背得人想撞墙。现在好多了，有动作捕捉传感器了，工人戴几个惯性传感器干一天活，数据自动采集，软件后台直接算出标准工时，还能自动生成山积图。科技真是救IE的命。💡

问：标准工时该不该包括宽放？宽放率怎么定才合理？答：当然要包括！没有宽放的工时是耍流氓。但宽放不是拍脑袋的。生理宽放、疲劳宽放、作业宽放、管理宽放…… 每一项都得评。我们一般用观察法和工作抽样结合，连续记录一周，统计非循环作业时间，再和工人协商。关键是协商，别自己关起门来算。有一次我们定了个7%的疲劳宽放，工人当场掀桌子，说搬那个铸件腰都要断了。后来一测，确实，工件重量和姿势导致疲劳等级很高，最终调到12%，还加了自动升降台。工人情绪一下稳了，产量反而上去了。记住，工作研究不是压榨，是让人机匹配得更舒服。

当工作研究遇上数字孪生：爽，但也有坑

这两年被逼着学了不少新东西，数字孪生、工厂仿真，说实话一开始我是抗拒的。什么达索、西门子、Visual Components，界面花里胡哨，建模忙活半天，跑出来的结果跟现实差得离谱。参数怎么调都不对，气死人。后来才发现，不是软件不行，是我喂进去的数据太烂。基础数据——工序时间、物流参数、故障分布，全是拍脑袋的。没有扎实的工作研究，仿真就是个动画片。

一旦你把经过严谨工作研究验证过的数据导入仿真模型，那感觉，就像近视眼突然戴上了眼镜。整条产线的瓶颈瞬间纤毫毕现，AGV的堵塞点，暂存区的容量，人员分配的动态平衡…… 你甚至可以在虚拟世界里提前半年做“方案筛选”，避免现实中去祸害产线。💥 我们去年用一个投产前的仿真项目，提前发现了8个重大设计缺陷，直接省下300多万的改造费用。那时候我师傅已经退休了，给他看仿真报告，老头语音回了一句：“妈的，这东西比我当年用纸板箱模拟产线强多了。” 哈哈哈。

但要说难点，还是人。老工人不信仿真，觉得那是玩电脑游戏；管理层只想要个酷炫的三维动画去客户那里吹牛，对背后的数据逻辑完全没兴趣。每次我都要扯着嗓子喊：“没有底层工作研究，这玩意儿就是PPT工程！” 喊完累得像虚脱。哎。

说到底，工作研究这个老家伙，从泰勒拿秒表开始，百来年了，骨架没变，血肉肢体却在不断升级。无论是什么传感器、人工智能、数字孪生，都只是让它更精密的工具。它的核心，永远是那个倔强的追问：还能不能更好？还有没有浪费？ 这大概是唯一不怕被AI替代的活儿——毕竟，你得走到现场，得闻到切削液的味道，得听懂一个工人骂模具不好用的方言，才能做出真正有生命力的改善。

所以，别再把工作研究当成过时的学科了。它只是在等待真正懂它的人，把它从乱糟糟的Excel和纸箱里拽出来，擦擦土，安上现代技术的引擎。跑起来，它依然是车间里最快的剑。