为什么秒表会威胁制造业的复兴

大约 25 年前，我在通用汽车 (GM) 的工厂车间工作由机器人统治的商店和以人为主的大会区。我很快了解到来自机器人的数据很容易通过以太网访问，但与人类有关的数据必须由工业工程师使用秒表手动生成，进行与 Frederick Taylor 在 Model T 时期引入的时间研究相同的时间研究。对比即使在那时也很明显：现代工业时代与已经有大约 75 年历史的数据收集方法相撞。

四分之一个世纪后，我仍然在装配区散步，看到年轻的工程师进行时间研究。工具发生了变化——他们更有可能使用 iPhone 而不是卡西欧——但活动仍然相同，这让我感到不安。时间研究（和运动研究）是开创性的技术。他们使美国制造业成为世界上最好的制造业。但它们也存在严重缺陷。在工业物联网 (IIoT) 时代，时间研究跟不上。

关注上市时间和生产力

毫无疑问，美国制造业正在上升，以 2004 年以来最快的速度扩张。 2017 年，由于回流和外国直接投资，171,000 个制造业工作岗位返回美国。推动这种复苏的原因可能是市场准入。

“回归就是上市时间，”咨询公司 AT Kearney 的高级顾问 Ben Smith 说。 “这不仅仅是在匹兹堡找到一家旧工厂并重新打开灯的问题。现代制造商很可能更喜欢分布在全国各地的 15 家小工厂，以获得更好的市场准入，这意味着工厂经理将注意力从成本转移到生产力。”

传统观点认为，IIoT 将提高生产力。据埃森哲称，工业物联网可以说是未来十年生产力和增长的最大驱动力。 GE Digital 认为，IIoT 将带来每年价值约 8.6 万亿美元的性能提升。

一个问题是，工厂创造的大部分价值不是来自机器，而是来自人。波士顿咨询集团的一项研究发现，人们仍然在工厂车间执行高达 90% 的任务。因此，您可以在奶牛回家之前优化您的机器，但您只能优化工厂中发生的事情的 10%。

上市时间与数据时间的冲突

“在任何给定的生产线上，只有一小部分任务是由机器执行的，”SRI International 商业研发副总裁 Peter Marcotullio 说。 “如果您正在对机器进行检测，那么您只会捕获过程的一小部分。”

我了解 IIoT 的吸引力。查看数据集的大小。在您进行时间研究或填写标准化工作图表所需的时间里，您的预测分析引擎可能拥有 50 GB 的机器数据。将整体设备效率 (OEE) 计算到小数点后三位很简单。如果上市时间至关重要，那么数据获取时间必须非常重要。

但是，优化设备和提高整体工厂生产力之间没有直线关系。当您将机器的贡献视为价值创造的百分比时，您会发现 IIoT 错过了大局。工厂经理做出的一些最关键的决策——从日常人员配备和产量预测到工作成本和报价——都需要来自人员的数据。来自人们的数据驱动着收入和利润，这就是为什么我看到人们即使在今天也进行时间和运动研究时如此担心的原因。

不完整且不可靠的数据集

时间研究有两个问题：数据集的大小和它应得的信任。首先，时间研究是不完整的。如果工程师从生产线返回，每个站点有 10 个样本，他或她会被称赞。但是 10 个样本不足以解释操作员的可变性。样品是在星期一早上还是星期五下午采集有关系吗？发薪日还是后天？没有足够的数据来建立相关性和因果关系。

这就引出了第二个问题：数据可靠性。 Werner Heisenberg 证明了观察行为本身可以扰乱被观察的系统。对于量子物理学而言，对工作站而言同样如此。一些工人为了给观察者留下深刻印象而动作更快；其他人则缓慢地工作，以达到他们知道为自己创造的标准。使这一困难更加复杂的是测量挑战。例如，观察者必须始终如一地确定活动的开始和结束时间。

时间研究导致的测量结果充其量是可疑的。这会影响人们从中得出的结论。它对运营商的伤害和对业务的伤害一样多，因为如果上市时间需要数据，而数据又不容易来自人，那么制造商就会对机器过度索引。人们失去工作。

现代工厂缺少什么？

有很多方法可以增加关于人的数据集：常规的 Gemba 步行、仪表光幕和其他收集数据的防错系统，以及与制造执行系统 ​​(MES) 的无数物理挂钩，以计算周期时间和推断生产力。但这些数据无法扩展。人工装配活动的数据对分析来说实际上是不可见的。

“当制造商想要解决生产问题时，他们会召集工人和管理人员集思广益，” Benhamou Global Ventures 的普通合伙人 Anik Bose 说。 “如果他们想提高资产利用率，他们会聘请精益专家进行时间和运动研究，或者依靠工程师每年两次的访问。对于新产品的推出，他们关闭了生产线进行实验。这都是手动和临时的，因为他们别无选择。他们没有支持任何其他类型方法的实时数据。”

如果植物几乎不能衡量人类的生产力，他们将如何提高它？如果他们不能提高人类的生产力，人类操作员会怎样？我回想起 Marshall Goldsmith 的名言：“让你来到这里的东西不会让你到达那里。”时间研究把我们带到了这里，为此我感谢泰勒先生。但是当我看到“那里”时，我认为它会随着（人类）劳动生产率的提高而加速上市时间，我相信时间研究的时候到了。

关于作者

博士Prasad Akella 领导的团队在通用汽车制造了世界上第一台协作机器人。他是的CEO 德里希提 ，一家部署人工智能以与工厂车间的人类协作并增强其能力的新公司。