[精选]IE七大手法之工作抽查法概述mat.pptx

《[精选]IE七大手法之工作抽查法概述mat.pptx》由会员分享，可在线阅读，更多相关《[精选]IE七大手法之工作抽查法概述mat.pptx（56页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、工 作 抽 样研究目的：确定机器设备利用率 确定宽放 建立时间标准主要内容：工作抽样的程序和方法 工作抽样应用案例工 作 抽 样 工作抽样概述l 一 工作抽样的原理工作抽样是利用数理统计的原理，用随机抽样方法研究生产率的一种技术。工作抽样又称为瞬时观测法，是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，并按预定的目的整理、分析所调查的资料得出需要的结果，与工时研究用秒表作连续观测方法有很大的差别。l 1.用连续测时法（秒表时间研究）来分析一段连续的时间，在起始点与终点的一段时间内，可用秒、分、时、天、周、月、年等时间单位来度量，为了表示连续测时法与随机抽样测时法的差别，暂以在1 小

2、时中，以分为单位的直接测时为例来加以说明。把1 小时分成60 个空格，每一个代表1 分钟。空白格机器运转时间斜条格停车时间见下图所示：由图可知，在60 分钟内，有48 分钟运转，有12 分钟停车，从而：机器运转率运转时间 总观测时间4860 80 停车率停车时间 总观测时间1260 20 开始时分终止时分3 7 11 17 19 23 31 41 53 58图一 观测记录l 2.用工作抽样法来分析把1 小时分成60 个整数，随机地抽出其中的10 个作为观测的时分，设取出的时分（min）分别为19、23、31、17、11、7、41、53、58、3，把这些时分按大小顺序排列，即表示在60 分钟内，

3、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810 80 停车率停车次数 观测次数210 20 由此可见，采用秒表时间研究和工作抽样调查结果是一样的，但采用工作抽样具有省时、可靠、经济等优点。第一节 工作抽样概述 一 工作抽样的定义工作抽样是利用数理统计的原理，用随机抽样方法研究生产率的一种技术。工作抽样又称为瞬时观测法，是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，并按预定的目的整理、分析所调查的资料得出需要的结果。-32-1 2 3二 工作抽样的特点1.节省时间及费用。这种方法的费用只有秒表时间研究

4、的5%50%。2.不受时间的限制，可以在任意时间内进行观测，也可以在任何时候中断，任何时候再继续，而不会影响其结果。3.不需对观测者进行专门培训。由于是间断抽样，因此还能减少观测者的疲劳。4.有时由于调查对象分布较广，观测者需要把大部分时间花在路上，不太经济合理因此必须很好地选择观测路线。5.由于工作抽样无法将作业细分，因此不能取代其他作业测定方法。三 工作抽样的用途1.收集生产中有关设备和人力资源信息，用以研究改善资源利用、降低成本。2.验证建立或改进管理制度的可行性。3.制订工时标准。工作抽样，工时研究和预定动作时间标准都可用来制定工时标准，但适用面有差别。工时研究用秒表测时，比较使用于周

5、期短而又重复工作的场合；预定动作时间标准比较 适用于完全确定的工作或设计新的操作方法；而工作抽样则用于确定不可避免的延迟，或制定不规则组成部分。第二节 工作抽样的原理一 工作抽样的观测精度l 工作抽样一般取2 的范围，即确定95.45%的可靠度，就是说实现预定的抽样数据中有95.45%以上落入2 的范围，仅有4.55%的误差，所允许的误差用精确度来衡量。精确度有分为绝对精确度E 和相对精确度S，根据统计学中二项分布标准，在一定条件下为：式中：P 观测事件发生率n 观测次数Z 正态分布下的Z 值相对精度为绝对精度与观测事件发生率之比：例1：根 据 工 作 抽 样 查 明 某 机 器 的 停 工

6、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1500次。而 实 际 却 观 测 了1800次，其 中 停 工500次，停 工 率 为28%，问 此 观 测 结 果 能 否 满 足 预 定 误 差 要 求？解：根 据 题 意，P=0.28,1-P=0.72,n=1800,Z=1.96由公式三得：S=0.07410%因此满足预定的精度要求。二 工作抽样的观测次数l 工作抽样时观测次数的多少直接影响抽样的成本与所得结果的精确度。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

7、无限增加，否则将失去工作抽样的意义，观测次数的多少可由绝对误差和相对误差公式来确定。第三节 工作抽样的步骤 1.确立调查目的与范围 调查目的不同，则项目分类，观测次数与方法均不相同。如以机器开动情况为调查目的，则还需明确调查的范围，是一台机器还是几台机器；如以车间工作人员的工作比率为观测对象，则还需确定是机加工车间、装配车间、还是全厂所有车间。2.调查项目分类 根据所确定的目的与范围，就可以对调查对象的活动进行分类，分类的粗细根据抽样的目的而定。如果只是调查机器的开动率，观测项目可分为“操作”、“停止”、“闲置”。如果要进一步了解机器停止和闲置的原因，则应将可能发生的原因作详细分类，抽样项目分

8、类是工作抽样表格设计的基础，也是抽样结果达到抽样目的的保证，必须结合本单位的实际调查目的而制定。3.决定观测方法观测前，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。4.向有关人员说明为使工作抽样取得成功，必须向工人说明调查目的、意义，请他们协助，以消除不必要的疑虑，并要求他们按照平时的工作情形工作，切勿紧张或做作。5.设计调查表格调查表格的内容和形式取决于调查的目的和要求。象表一那样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。如果象表二那样设置调查表格，能比较清楚的了解空闲的原因。6.试观测，决定观测次数 正式观测以前，需要进行一定次数的试观测，通过试

9、观测，得出观测时间的发生率，然后根据公式（公式四）或（公式五）决定正式观测次数。例3，对某机器作业率进行观测，估计该机器停车率为25.6%，需要观测精度的绝对误差为0.01，可靠度为95%，求需观测的次数。P=0.25,1-P=0.75,Z=1.96,E=0.01 由公式四，n=P（1-P）Z2/E2=0.25X0.75X1.962/0.012=7203 次 若再经过300 次观测，连同原理观测的100 次，共400 次中，机器停车状态90 次，则重新调整观测次数为多少？P=90/400=22.5%n=P（1-P）Z2/E2=0.225X0.775X1.962/0.012=6699 次 因此需

10、要将观测次数调整为6699 次。7.决定观测时刻 观测时刻的决定必须保证随机性，这是工作抽样的理论依据。为了保证抽样时间的随机性可利用随机数表。也可由计算机来产生随机数。系统随机抽样法决定观测时刻 实例：设某工厂一个车间进行工作抽样，决定观测5天，每天观测30 次，该车间是上午8 点上班，下午5 点下班，中午12 点至1 点休息。可按下列步骤决定每日观测时刻。（1）作两位数的乱数排列，以黄色纸片代表个位，取10 张，上面分别写0、1、2、9；以绿色纸片代表十位，上面同样分别写上0、1、2、9。将两种纸片充分混合。每次从这两种颜色中随机抽取1 张，记下数字。然后各自放回，再重新抽取。如此反复抽取

11、15 次。假设乱数排列为：11、18、39、70、63、77、37、25、44、59、33、42、76、81、03。（2）将此数列小余50 的数保留，大于50 的数减去50，保留其余数。得：11、18、39、20、13、27、37、25、44、09、33、42、16、31、03。（3）去掉大于30 的数，得出11、18、20、13、27、25、09、16、03。（4）取乱数排列最前面的数字11，作为第一日第一次的观测时刻。因为8:00 点上班，所以第一次观测时刻为8:11。每日工作480min，每日观测30 次。从而每次观测的时间间隔为：（480 11）/30 15.616（min）第二次观测

12、时刻为8 点11 分16 分8 点27 分第三次观测时刻为8 点43 分如此类推，可得出第一天30 次的各个观测时刻。（5）决定第二天第一次的观测时刻。取乱数排列的第二个数18。则第二天第一次的观测时刻即是8 点18 分，各次观测的时间间隔为16 分。推算方法同上。（6）以后几天的观测时刻如法炮制。此法随简单，但除了第一次观测时刻是随机产生的以外，其余的观测策时刻随机性不强。连续分层随机抽样法决定观测时刻 例如：某工厂的某车间每天的工作时间安排如下：上午 8:00-8:30 30 分钟 工作准备及调整机器 8:30-11:45 195 分钟 上午的工作时间 11:45-12:00 15 分钟

13、收拾 下午 1:00-1:15 15 分钟 准备下午的工作 1:15-4:30 195 分钟 下午的工作时间 4:30-5:00 30 分钟 收拾，打扫清洁 这样就必须各段断时间分别规定观测次数和观测时间。所以称之为分层抽样。设每日需观测的总次数为200 次，每天8 小时工作。则观测次数如下：上午和下午的工作时间共为195 195 390 分，工作时间内总共需观测（390/480）200 163 次。8.检查异常值作出结论 由工作抽样得到的观测结果，只是估计值，并不是真实值。用估计值代替真实值需要计算它的置信区间，若由异常值出现应剔除掉。设以P表示所观测时间发生率的真实值，P 表示与之相应的估计值，由前面所讲的只是，P 符合正态分布，其置信区间为：Z 正态分布下的Z 值可查表得知 标准差 Z 估计值P 的精确度 由正态分布曲线可知，当置信区间在X3 的范围内时，置信度已达到99.73%，因此置信区间可以限定在P3 即：的范围内，超出此范围，就作为异常值除去。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。