基础工业工程-工作抽样

2019/11/51内容安排一、作业测定概述二、秒表测时法三、工作抽样四、预定动作时间五、标准资料法2019/11/521.工作抽样概述2.工作抽样的方法和步骤3.工作抽样的应用实例2019/11/53例如：用连续测时法(秒表时间研究)来分析某台设备运转情况把1小时分成60个空格，每一格代表1分钟。空白格—机器运转时间斜条格—停车时间由图可知，60分钟内有48分钟运转有12分钟停车,所以：机器运转率＝运转时间÷总观测时间＝48÷60＝80％停机率＝停车时间÷总观测时间＝12÷60＝20％秒表测时法：2019/11/54也可用如下做法：把1小时分成60个整数，随机抽出其中10个为观测点，设取出的时分(min)分别为19、23、31、17、11、7、41、53、58、3，将它们按大小顺序排列，即表示在60分钟内，在3分钟时观测一次、7分钟观测一次……如此观测十次。在十次观测中有8次运转，2次停车，则：机器运转率＝运转次数÷观测次数＝8÷10＝80％停车率＝停车次数÷观测次数＝2÷10＝20％由此可见，采用该方法和秒表时间研究结果一样（如果样本量足够大）。开始时分终止时分3711171923314153582019/11/55工作抽样（WorkSampling），又叫瞬时观测法、比率-延迟研究。是应用统计抽样方式，进行工作测量的一种技术。在一段较长的时间内，以随机的方式对调查对象进行间断地观测，根据观测到的该调查对象某状况的次数多少来推断发生的时间长短。它的基本原则是：在抽样样本数一定的情况下，某活动项目被观测的次数同该活动项目的时间量成比例。）观测总次数（）数（活动项目被观测到的次）时间的构成比例（NXP2019/11/56工作抽样的用途作业改善。测定操作者或机器的空闲时间占总时间的比率，了解其空闲部分的时间构成细分成项目，查找原因，谋求作业改善。100%空闲次数空闲比率总观测次数100%工作次数工作比率总观测次数制定标准时间，确定宽放率。利用工作抽样可以很容易的制定除疲劳宽放以外的宽放时间标准。1观测总时间每件产品标准时间作业率评比率（宽放率）生产总数量2019/11/57工作抽样与秒表测时比较项目工作抽样测时测定方法测定工具观测者的疲劳程度观测特点观测时间观测结果研究对象对观测对象的状态进行瞬时观测对观测对象的状态进行连续测定目视秒表或计时器不太疲劳相当疲劳，观测者必须专心一名观测者可以观测多名对象；可以同时观测作业者和设备一名观测者只能观测一名对象；同时观测作业者和设备有困难根据观测目的可自由决定实际上难以在很长时间观测得到的是工作率直接得到时间值周期长、重复性低；作业、制程（3、4）周期短、重复性高；单元（2）2019/11/581.工作抽样概述2.工作抽样的方法和步骤3.工作抽样的应用实例2019/11/591）确立调查目的与范围2）调查项目分类3）决定观测方路径4）设计调查表格5）试观测，决定观测次数6）确定观察期间及一天观测次数7）正式观察（说明）8）观测数据的整理和分析2019/11/510调查目的不同，则项目分类、范围、观测次数与方法均不相同。以机器开动率为调查目的，则调查项目、范围？以查明机器发生空闲的原因为调查目的，则调查项目、范围？2019/11/511全作业时间工作停工闲置工作中准备中等待中机械休止大分类中分类小分类加工准备机械准备工具整理加工品等待（有工作）等待（无工作）修理走动中缺席工人不足制造能力不均衡订货计划不均衡2019/11/512观测前，需绘制机器或操作者的分布平面图和巡回观测路线图，注明观测位置。14123645机人机人机人机人机人机人235642019/11/513操作空闲次数小计次数小计合计操作率空闲率1正正正正一21正正10312正正正正正┬27正正┬1239机器3正正正正正25正正正正一21461正正正正正正30正正10402正正正一16正┬723操作者3正正正15正520调查表的内容和形式取决于调查目的和要求上表仅能了解机器的开动率和操作者的作业率，不能更进一步的分析空闲的原因。2019/11/514下表能比较清楚的了解空闲的原因分类操作修理故障停电工作中工作准备搬运等材料等检查商议清扫洗手合计作业率1正正2正┬机器3正正12操作者32019/11/515正式观测以前，需要进行一定次数的试观测，通过试观测，得出观测时间的发生率，然后根据调查精度和可靠度要求决定正式观测次数。2019/11/516精确度分为绝对精确度E和相对精确度S，根据统计学中二项分布标准σ，在一定条件下为：22)1(;)1()]1([EZPPnnPPZZEnPP22)1(/)1(/PSZPnnPPZPES式中：P－观测事件发生率；n－观测次数；Z由可靠度确定2019/11/517例：如可靠度为95％，要求相对精度在5％。进行工作抽样时，先做100次的预备观测以调查机器的空闲率p，结果发现有25次停止，现确定所需的观测次数。如果又经过2天或3天的观测，观测500次后，发现机器有空闲150次，须修正观测次数为多少？2019/11/518次48000.00250.254)25.01()1(22PSZPn注意：P为观测事件发生率次37330.00250.34)3.01()1(22PSZPn2019/11/519练习：对某机器作业率进行观测，估计该机器停机率为25.6%，需要观测精度的绝对精度为0.01，可靠度为95%，求需观测的次数。若再经过300次观测，连同原来观测的100次，共400次中，机器停机状态90次，则重新调整观测次数为多少？2019/11/5207619,56.61870.00014)256.01(256.0)1(22取次EZPPn次69750.00014)225.01(225.0)1(22EZPPn2019/11/521决定观测次数和观测期间应考虑以下几点：如果作业的变化具有周期性，观测期间必需取变化周期的整数倍，或取与最小、最大周期相同的时刻。在观测时，若作业内容稳定而均匀，可确定较短的观测期间。而对非周期性作业，观测期间应延长。研究宽放率（疲劳宽放除外）或作业内容变动大的场合，最好观测期间稍长些。观测期间应避开非正常作业时间。观测期间观测次数一天的观测次数dn2019/11/522（1）决定每日的观测时刻。正式观测还需决定每天每次的观测时刻。根据抽样理论，观测期间的全部时点的选择的几率要均等。1）利用随机数表决定观测时刻2）利用系统抽样原理确定观测时刻3）利用分层随机抽样原理决定观测时刻（2）实地观测2019/11/523书上例子的说明：常用的随机数有二位随机数表，也有三位随机数表，表8-9为一个三位随机数表。它是从0：00到7：59的8个小时里，一天随机的选择25次的观测时刻。具体应用如下：例：观测天数5天，每天观测20次，观测期间是：每天8：00--17：30，其中12：00--12：45为中午休息时间。首先，选择每个观测的列号。为防止每天在同一时刻观测会产生偏差，通常可用骰子来选择使用不同的列号码。1）利用系统抽样原理确定观测时刻2019/11/524其次，根据随机时刻表进行换算观测时间。因为作业开始时间为8：00，所以随机时刻表的列上时间全部加上8个小时。比如用骰子选择了第一列，（19）0：05+8=8：05即8时05分。表8-10显示了此实例的20次的换算时刻。然后，决定观测时刻。因为一天观测20次，先将列中括号内大于20（如21、22、23、24、25）相对应时刻剔除；又因为12:00~12:45为中午休息时间，从而12：00、12：10、12：35也需剔除。这种观测次数只有17次，不能满足20次。因而要追加3次观测时刻：（21）3：45、（22）1：10、（23）6：20。（见表8-10）以上说明了使用表8-9的观测时刻随机数表来决定一天20次观测时刻的方法，剩下4天应以同样的方法确定。2019/11/525表8-10由时刻随机数表换算观测时刻1换算时间20次观测时刻的顺序（19）0：05（+8）→8：051午休0：208：2020：558：553（22）1：109：10*4（20）1：209：205（24）1：359：35×2：3010：3063：0511：057（16）3：1011：108（25）3：1511：15×3：2511：259（21）3：4511：45*104：0012：00×4：1012：10×（18）4：3512：35×4：5512：55115：0013：0012（15）5：0513：0513（17）5：3513：35145：5513：5515（23）6：2014：20*166：4514：45176：5014：50187：1015：10197：2515：2520注：前面标有“*”为追加观测时间，因要减去午休的3次。2019/11/5262）利用系统抽样原理确定观测时刻例8-2设在某厂的一个车间实施工作抽样。决定观测5天，每天观测20次，该车间上午8时上班，下午5时下班，中午12时至下午1时为午间休息。试确定每天观测时刻。•确定第一天观测时间•确定第一次观测时间（乱数，随机）•等距确定后面各次观测时间•同法确定后面4天的观测时间书上例子的说明：2019/11/527由正态分布曲线可知，当置信区间在X±3σ的范围内时，置信度已达到99.73%，因此置信区间可以限定在P`±3σ即：超出此范围，就作为异常值除去。nPPP)1(32019/11/528例：设某项工作抽样10天，共观测了1000次，每天观测100次，观测结果见下表所示。请进行异常值处理。2019/11/529观测天数每天观测次数（n）工作次数工作率（％）工作率均值（％）1100818181.72100676731007878410079795100878761008585710073738100949491008989101008484合计100081781.72019/11/530解：由题意，n＝100，P＝0.817，1－P＝0.183子样本标准差由3σ原则控制界限为：故控制上限＝0.817+0.0116＝0.933控制下限＝0.817-0.116＝0.701116.0817.0039.03817.03P039.0100283.0817.0)1(npp2019/11/531由上表可知，第二天的工作率为67%，低于控制下限70.1%，应作为异常值除去；第八天的工作率为94%，高于控制上限93.3%，也应作为异常值除去。异常值除去后其相应的观测天数和观测次数均应舍去，从而观测事件的平均工作率P将发生变化，变化后为：82.081008489738587797881P2019/11/532根据变化后的P计算绝对精度和相对精度，如果计算精度已达到预定的精度要求，则说明该观测事件的平均工作率是可靠的，否则还须继续观测。如果精确度要求高，抽样次数就多，所费的人力、时间及金钱就多。因此，不能将观测次数无限增加，否则将失去工作抽样的意义。2019/11/533例：根据工作抽样查明某机器的停工率，要求相对误差在10％以内，原估计该机器的停工率为30％，可靠度为95％，确定观测次数为934次。而实际却观测了1800次，其中停工500次，停工率28％，问此观测结果能否满足预定误差要求？2019/11/534%57.70.280.0212PES%12.20.0106220106.01800)]28.01(28.0[E2019/11/535奥林巴斯组装部的某一条拉线，有各类简单的组装作业，构成的零件数和构造几乎一样，只是外观设计按机种的不同而稍有不同，至今为止尚未设定标准时间，对人员计划和交货期管理很不方便，所以管理者想要知道一个产品的平均组装时间。从事此工作皆为女性作业员共25人，一天