如何掌握时间与动作研究？实例提升 5.2% UPH

7 January 2025

什么是时间与动作研究？

时间与动作研究是一种提升生产力的核心方法，透过分析和优化工作流程，找到低效率的环节并改进。该方法结合了时间研究（测量任务所需的时间）和动作研究（聚焦于过程中涉及的身体动作）。这种双重方法旨在找出低效率肇因，帮助持续改善，为各行业带来时间上的效率提升。

时间研究： 一种测量任务所需时间的方法，帮助设定标准并改善效率。通常会使用码表或软件工具，来观察并计时各项任务。

动作研究： 分析任务中涉及的身体动作，以辨识并消除低效行为。目的是简化工作流程、减少工人疲劳并优化流程，以提升生产力。

时间与动作研究的起源

时间与动作研究起源于 19 世纪末至 20 世纪初，由弗雷德里克·温斯洛·泰勒（Frederick Winslow Taylor）以及法兰克与莉莲·吉尔布雷斯（Frank and Lillian Gilbreth）所开创。泰勒的时间研究通过分析任务来找出高效的方法，而吉尔布雷斯夫妇的动作研究则着重于消除不必要的动作，他们发明了「动素（Therbligs）」，一种包含 18 种基本动作的系统，用来辨识低效行为。这些方法彻底改变了工业生产力，影响了现在的精实生产和六标准差（Six Sigma），推动各行业的流程优化。

时间与动作研究为什么重要？

时间与动作研究强调提升生产力、效率和工作场域的人体工学。透过系统性地分析工作流程，它能发现任务与动作中的低效之处，协助企业简化流程、减少浪费。这些研究能提供可量化的见解，如周期时间、节拍时间与增值活动，帮助管理者制定资源分配、工作负载平衡及标准化作业的明智决策。

为时间与动作研究做准备

成功的时间与动作研究始于彻底且有策略的准备。以下是一些准备的关键步骤：

1. 设定明确目标：您想实现什么？缩短交期、提升生产力或改善人体工学？明确的目标是研究的第一步。
2. 优先处理关键流程：锁定低效率明显的任务或工作流程；瓶颈越大，改善潜力越大。
3. 协作与参与：让员工参与其中，建立信任并确保顺利合作。透明化是时间与动作研究能准确进行的关键要素。

快速总结：准备阶段的核心在于设定清晰目标、解决最无效率的工作流程，以及促进协作。

执行研究与数据分析

1. 搜集数据：详细记录任务时间并观察工人动作。此阶段的准确性是影响后续洞察的核心基础。
2. 发现潜在变异：考虑不同因素的影响，例如班次时间、工人经验，甚至是季节性波动，这些都可能大幅影响表现。
3. 转化数据为可行洞察：使用强大的分析平台来解读周期时间、节拍时间及增值时间等指标。这些分析能揭示低效点并突出优化机会。

重要指标定义：
周期时间（Cycle Time）：完成一个单位生产所需的总时间。
节拍时间（Takt Time）：生产需遵循的节奏，以满足客户需求。
作业时间 / 增值时间（Work Time/ Value-Added Time）：直接为产品做出贡献的时间。

推行改进

完成分析后，实施针对性的改进措施：

• 消除浪费：简化工作流程，移除无增值的步骤。
• 改善人体工学：重新设计工作站，减少压力并优化人员动作。
• 提供培训：让工人掌握改进后的工作流程。

传统时间与动作研究的挑战

尽管传统的时间与动作研究具有实用性，但人工手动进行的方式存在以下限制：

• 观察偏差：人工肉眼观察容易受到人为错误及不一致性的影响。
• 霍桑效应：工人在知道自己被观察时，往往会改变行为，导致记录下的数据不准确。
• 范围有限：传统方法通常无法跨多个班次、地点或季节搜集数据，搜集的资料量有限，错失关键变化。
• 资源密集：手动进行研究需要耗费大量时间与精力，难以持续进行。
• 证据不足：缺乏强大数据可能削弱提出改善计画的说服力，让工业工程师在面对管理层质疑时缺乏有力支撑。

结合智慧制造技术的时间与动作研究

将时间与动作研究与智慧制造技术相结合，可解决传统方法的局限性。关键优势包括：

• 即时检视： IoT 物联网设备与电脑视觉提供持续数据流，立即辨识机械故障或遗漏的步骤。
• 透明度提升：管理者可获得全面且客观的数据，减少对现场人员经验之谈的依赖。
• 精益改善：透过影像回溯，帮助管理者进行根本原因分析，促进可持续的流程改进。
• 提升生产力：持续完整的数据洞察，方便管理者主动优化流程，改善周期时间及整体效率。

案例研究：AI 视觉智能搜集周期时间

在越南一处生产太阳能转化器的远端生产基地，工厂因为工业工程资源有限，在得不间断生产的情形下面临大挑战。传统方法的数据搜集通常需要两天时间，导致工业工程团队无法即时识别瓶颈，来应对和优化工作流程。

透过导入 HOP 人因作业平台，工厂透过 AI 视觉技术实现了运营转型：

• 周期时间搜集：工业工程师无需手动进行研究；AI 视觉准确且持续追踪所有 15 个工作站的周期时间。
• 即时数据生成：管理者随时可透过生产管理界面，掌握生产状态及作业瓶颈。
• 根源分析：工程师透过柏拉图分析各站时间及低效率肇因，快速识别像是线不平衡、材料短缺及动作延迟等问题。
• 改进验证：即时数据洞察让工业工程师能快速测试并验证解决方案，加速改进过程。

立即下载成功案例：如何实现？全球前 3 EMS 提升 5.2% UPH。

成果：

• UPH 提升 5.2%：产出从 211 提升至 222 单位/小时。
• 快速改进验证：工业工程师能即时测试并确认解决方案。
• 4 倍 ROI 投资回报率：AI 视觉技术投资带来有感回报。

AI 视觉自动化数据搜集，确保透明度、即时发现问题及提供可执行数据，协助持续改进。 了解更多，看看 HOP 可以如何智能化您的生产线。

结论

现代的时间与动作研究结合了传统方法与 IoT 物联网及 AI 视觉等创新技术，提供有效的洞察和效率提升。随着各行业面临劳动力短缺及客户需求变化等挑战，这些研究仍是推动运营的关键。采用这些技术的企业可以提升生产力、降低成本、增强员工满意度，在智能制造时代中奠定成功基础。