工作研究真的过时了吗？——2024年工厂现场实录

我一个搞工艺的老朋友上周给我打电话，抱怨他们厂新上的MES系统。‘全是高大上的看板，但产线上照样天天加班，效率一点没提升。’他叹了口气，‘你说，我们用了几十年的工作研究，是不是该扔进垃圾桶了？’我一边听着，一边翻开了手边的《动作经济原则》——这本书的纸页都发黄了，但上面做的笔记还是让我心头一热。说实话，工作研究从来不是过时的代名词，它是被误解得太深了。

“慢动作”背后的金矿

上个月去一家新能源电池厂，车间主任神神秘秘地拉我到一个工位前。‘你帮我看看，这装极耳的工序怎么优化？录像我看了十几遍，看不出毛病。’我没急着看录像，先蹲在工位旁看了半小时。工人拿极片的时候，手在空中划了个弧线——很漂亮，但多余。旁边的物料盒摆得太远，他每取一次就得多转15度身。一天重复2000次，加起来就是多转30000度，整整83圈！这是什么概念？动作经济原则第一条：双手的动作应同时开始、同时结束，并尽量对称。我们花了两个小时把物料盒移近了15厘米，重新排了双手作业顺序。第二天产量就提升了8%，工人还说腰没那么酸了。软件能看见这个弧线吗？能。但它不会告诉你，工人为什么非要划这个弧线——因为方法研究的本质不在数据里，在原因里。

当秒表撞上AI镜头

现在很多工厂用计算机视觉做时间研究，摄像头一装，算法自动把动作分解成17类MTM代码，生成标准工时，帅得很。去年我试用了一个挺火的系统，准确度标称95%。但在一个焊接工位栽了跟头——算法把焊工检查焊缝的‘思考停顿’全算成了非操作时间，给出的标准时间紧得离谱。焊工当场就摔了手套：‘机器人来焊试试？’我赶紧人工重测，用上了老派的作业测定——评比率、放宽余量。你看，秒表测时看起来笨，但它强迫你盯着人看，盯着过程看。AI告诉你WHAT，秒表逼你问WHY。

问：用视频分析自动识别浪费动作，是不是比人工分析准确得多？
答：准确，但不全面。软件能算出你手移动了多少厘米，但它不知道为什么工人多走了一步拿零件——可能是物料架位置不合理，也可能是流程安排混乱。这背后的原因，还是需要懂工作研究的人去现场蹲点。去年我们在一个汽车零部件厂做项目，光看录像，觉得搬运频繁是因为布局差，结果到现场一聊，是装配工位缺一个很小的工具架，工人被迫去隔壁工位借。你说，光靠算法能问出这个来吗？💡

标准工时不是敌人，是镜子

一说标准工时，很多工人就撇嘴——又来找茬了。我刚做IE那会儿，拿着秒表往产线上一站，整个工段的气氛立刻降到冰点。有个大姐直接背过身去，故意把零件扔得啪啪响。那天的数据根本没法用。后来我学乖了，不带秒表，先帮忙干杂活儿，搬箱子、递工具，顺便聊天。才知道，她扔零件是因为上一道工序总是留毛刺，她得额外花力去打磨，手都磨起泡了。我帮她把问题反馈给上游，解决了毛刺，又调整了照明角度，她居然主动让我测工时了！❗时间研究的真正价值不是卡秒数，是暴露流程中的淤血点。标准工时就像一面镜子，照出的是系统的毛病，不是人的偷懒。

问：标准工时定出来后，工人不配合，故意放慢速度怎么办？
答：太常见了。我刚入行时一头扎进IE部门，拿着秒表去测工时，工人一看我就把动作放慢三倍速。后来学乖了，不测了，先和他们一起干活儿，聊天，搞清楚哪些动作最累人。原来有个拧螺丝的工位，工人一天下来肩膀疼，我帮忙设计了一个悬臂吊具，把他从重体力里解放出来，然后他才愿意配合我测。标准工时不是死数字，得让人感觉到这个数字是帮他们的，不是害他们的。这算不算人情世故？算！但工作研究本身就是关于人机系统的，不可能脱离人。✅

人机共舞的新课题

现在协作机器人大举进车间，你以为工作研究没用了？更复杂了！去年在一家电子代工厂，产线引入了协作机器人负责上料，人只做精密组装。结果效率不升反降——人经常干坐着等机器人送料。我们用人机操作图一画，发现机器人的动作节拍是按实验室数据设计的，现场物料有时轻微卡顿，人就空等。后来运用工作研究的联合作业分析，重新编排了机器人的上料时序和人手作业顺序，把人的等待时间用来做自检，整体效率提升了12%，UPPH涨得老板眉开眼笑。这就是工业4.0？不，这就是扎扎实实的工作研究，只不过把秒表换成了传感器。

再回头看开头那个朋友，最近又给我电话，声音亮堂了很多。他没在MES上砸更多钱，而是带着两个IE工程师，用一周时间重新做了几个关键工位的方法研究，物料布局调整加上工具改善，瓶颈工位的时间硬是缩短了20%。他说：‘原来最先进的工具，还是我们脑袋里的那把尺子。’这话说得我鼻子一酸——在叫嚣数字化一切的时代，还能有人信这把尺子，真好。