时间测定（MTM）：当秒表成了古董，标准工时还能信吗？

车间里，新来的IE工程师小李正对着电脑屏幕上的动作代码发呆。手边是一台高清摄像机，回放着操作工老张拧螺丝的慢动作——伸手、抓取、移动、定位……每一个‘微动’都被拆成了代码。可老张瞟了一眼，哼了一声：‘你们这玩意，我三十年前就见过了，不还是那套？’

说实话，这话我没法反驳。

MTM（Methods-Time Measurement，时间测定方法）确实古老。1948年诞生，比大多数数控机床都年长。但它死了吗？没有。不仅没死，在不少数字化标杆工厂里，它正焕发第二春——只是换了个马甲，藏在了仿真软件和算法背后。

老古董还是核武器？其实取决于你怎么用

很多人对MTM的误解深得可怕。以为它就是个数据库，把动作往里一扔，就能吐出‘标准工时’。然后呢？然后拿着这个数去压工人、排产量。结果呢？现场怨声载道，数据没人信，最后沦为纸面游戏。

但你知道吗？去年我去一家德资汽车零部件厂，他们的MTM分析员是抱着零件在生产线蹲了整整两周。不是简单录像、编码，而是把自己‘嵌’进班组——观察老师傅那些本该没用但实际省力的动作，比如利用惯性甩零件、预先调整物料位置。这些东西，教科书里没有，代码表里更找不到。最后他们修订了13个操作序列的标准工时，整条线效率提升19%，靠的什么？不是冰冷的代码，是人的观察力。

问：MTM需要这么多主观判断，那跟‘拍脑门’有什么区别？

答：区别大了！拍脑门是凭经验估数，MTM至少提供了系统框架。代码表是标尺，但你怎么读刻度、怎么对齐基准面，靠的是现场的反复校正。比如‘伸手’这个动作，代码分A、B、C、D四类，距离、目标位置都影响值。可实际工人伸手前有个微妙的‘预加速’，你用标准代码就亏了0.02秒。一个循环亏一点，一天几千次下来就是几十分钟。所以我们现在用高速摄像+AI姿态识别，把实际动作的波形叠在标准代码上，不是替代MTM，是让它活过来。

动作分解的陷阱：越细越不准？

有个反直觉的事实：MTM分析并不是越细越好。我曾见过一家企业把拧螺栓拆成17个步骤，连‘把手指挪到扳机位置’都单列。结果呢？算出来的工时比实际长了40%——因为工人根本不会按你这个顺序做，他们手脚并用，动作重叠。MTM的层级是THM、MOST、MTM-1、MTM-2……不是精度越高越正确，而是越贴近现实越有效。可现在很多年轻IE不懂这个，拿个软件就点，完全无视现场的‘乱序之美’。

当然也有另一个极端——太粗。直接甩个MOST序列，自欺欺人。怎么平衡？我近年推崇‘动态混合码’：高频核心动作上MTM-1，辅助动作用MOST，偶尔再插点自定义代码。这套玩法对分析员要求极高，但结果靠谱。💡

问：小批量、多品种的定制化生产，MTM是不是就没用了？毕竟每个产品都不一样，没法建代码库啊。

答：恰恰相反！这种场景MTM的价值更大。因为你可以用MTM-2或RPA（这里指机械行业的工作单元分析法）快速构建组合模型。别试图给每个定制件做分析，而是提炼出几类典型的操作族——比如‘螺栓紧固类’‘线束插接类’——然后对这些族建立参数化模型。新品来的时候，只要改动参数（长度、重量、扭矩），模型自动算出工时。某工程机械厂用这招，新品报价阶段就能给出±5%的工时预估，订单承接能力直接上了一个台阶。❗

数字孪生撞上MTM：颠覆还是补药？

这几年数字孪生热得发烫。在虚拟世界里造个工厂，让数字人按工艺路径走，自动生成MTM代码——听起来完美，对吧？实验环境里也跑出过95%的吻合度。

可一落地就露怯。

原因？人的行为是非线性的。数字孪生里的‘工人’会机械地执行指令，可现实中的人会学习、会走捷径、会累了放慢。尤其是一些靠手感的老工序，比如装配精密轴承，压力反馈的微妙变化决定了动作节奏，这怎么建模？我们尝试过给数字人加入‘疲劳因子’和‘经验曲线’，结果误差反而更大了😓。后来搞明白——不是模型不行，是数据不够。你得先让数字孪生吃进大量的实际MTM观测数据，包括异常值，它才能学会人类的不完美。

所以我现在把数字孪生定位在前期规划。新线设计时用它跑几千种布局方案，快速筛出工时最紧凑的几个，再上实体验证。MTM代码成了虚拟和现实之间的‘通用货币’。但千万不要指望它能替代现场测量——就像你不能用天气预报决定明天穿不穿秋裤，最终还是得探头瞅瞅窗外。

…

说实话，MTM的未来也许不在代码本身。前些天看到一家研究机构把肌电信号和动作捕捉结合，直接测量肌肉负荷，反向校准MTM的时间值——因为动作时间本质上取决于生物力学。老张拧螺丝时小臂的肌电强度，可比代码里的‘移动距离+重量’精准多了。如果这项技术成本降下来，MTM会从‘预设系统’变成‘实时验证系统’。那时候，秒表才算真正退出历史。

不过话说回来，无论技术怎么变，蹲现场、盯细节、和老师傅抽烟聊天的能力……永远不会过时。