别再忽视工作研究！智能制造欠的债，还得靠它来还

一提到工作研究，很多搞自动化的工程师就撇嘴。秒表、写字板、动作分析纸——觉得这东西太老土，跟现在满墙的数字大屏、5G全连接工厂根本不是一路。对吧？但我跑了上百家机加工、装配车间后，不得不拍桌子：产线OEE上不去、机器人“吃空饷”、数字化砸了上千万却看不到效益，根子往往就出在最原始的工作研究没做到位。😤

[IMG: 数字化产线秒表测时搭配UWB定位]

就在上个月，浙江一家汽车零部件厂。MES、SCADA上了全套，大屏数据漂亮得不行，但换型时间就是降不下来，每天少产200多件。我们蹲点三天，发现操作工每换一次夹具要走8步去拿扳手。 8步！用MOD法一拆解，移动动作M4、目视E2、抓取G1……一个班次光这步就浪费2.4个工时。后来只是把工具小车位置调了60厘米，换型时间直接缩短23%。这不是什么高深算法，就是最基础的方法研究。 可偏偏被“智能化”的光环盖住了。

秒表没死，只是换了个马甲

千万别误会。我从不排斥新技术。事实上，工作研究正被各类传感器、机器视觉彻底重构。 以前搞时间研究，拿着秒表跟在工人屁股后面，人家紧张动作变形，数据根本不准。现在呢？UWB定位手环、多目摄像头骨架追踪，全自动采集动素数据——伸手、移动、抓取、等待，连迟疑的0.3秒都抓得到。再导入MOST系统，标准工时制定效率提高了几十倍不止。💡

但问题也来了。数据一多，很多人就飘了，以为算法能搞定一切。某家电工厂，直接用AI视频分析自动算工时，结果宽放率给到18%，基层骂声一片。为什么？算法根本分不清“生理宽放”和“疲劳宽放”，把上厕所、喝水跟无效等待混为一谈。最后还是靠IE工程师拎着现场录像一帧一帧抠，才把标准调到合理区间。这说明啥？没有方法研究的底子，数据再多也是垃圾。

[IMG: 人机作业分析图表与MOST系统界面]

自动化产线就不用研究“人”了？荒唐

我经常听到一种论调：“都上机器人了，人只是上下料、按按钮，工作研究还有啥用？” 每次听到这个，我就想把现场报表甩过去——人机协作恰恰是最该深挖的浪费金矿。 举个真实案子：某新能源电池模组线，六轴机器人堆叠电芯，节拍7.8秒，但人工目检和贴胶带要11秒。结果花了大价钱买的机器人，一半时间在等。我们做了个简单的人机配合分析，把胶带预置器位置挪到操作者胸前20cm处，动作级别从M5降到M3，节拍立刻匹配上，产能日增18%。这省下的设备投资，不比再买一台机器人香？

QA：直击灵魂的几个拷问

问：“工作研究这么老掉牙的东西，跟敏捷制造、柔性生产不冲突吗？现在订单都是小批量、多品种。”
答：错得离谱。正因为品种多变，你才更需要把换型、换线的作业要素拆解得清清楚楚。SMED快速换模的源头就是工作研究里的程序分析。 我们在金华一家工具企业玩过一回：把内换模和外换模作业用GoPro拍下来，消除、合并、重排、简化之后，原来47分钟的换线压到19分钟。你说柔性靠什么？靠的就是这些看似土得掉渣的动作改善。

问：“标准工时到底允不允许‘偷懒’？工人总觉得我们卡得太死。”
答：哈哈，这个问题问得最多。说实话，合理宽放不是偷懒，是人性化。 国际劳工组织推荐疲劳宽放4%-8%，我们一般现场综合给到12%-15%，包含了工间操、喝水、甚至空调房进出温差补偿。关键是要让工人明白：标准工时不是鞭子，是衡量改善的基线。你帮他消除弯腰、转身这些无效动作，他干一天腰不酸，效率还高，谁会抗拒？我们以前给重庆一家压铸厂做改善，标准工时严了，但人均奖金反而涨了30%，因为OEE提上去，公司盘子大了。双赢。😊

未来？回归常识，加点数字佐料

工作研究的终极命题，永远是对“人-机-料-法-环”的极致追问。 数字孪生、实时仿真这些高大上的东西，充其量是让我们能更快、更准地找到浪费点。但如果你连“什么叫浪费”都定义不清，数字孪生就是个动画片。我最近在苏州一家精密铸造厂试验数字工时系统，把标准作业和实际轨迹叠在一张热力图上，偏差超过15%自动预警。车间主任不再拍脑袋派活，班组长拿着PAD就能实时调整线平衡。但这一切的前提——你有一套经得起推敲的标准作业组合票。那表格，还是80年前吉尔布雷斯夫妇玩剩下的东西，只是现在变成了电子版而已。

说到底，别被那些眼花缭乱的词汇忽悠。 智能制造欠下的效率债，终究要回到工作研究这个朴素的原点来还。秒表可以扔，但“消除浪费”的眼睛，得永远睁着。👀