数据生产效率分析报告.docx

数据生产效率分析报告数据生产效率整体情况1.1各工序间平均生产效率基线数据大赛已经结束，根据大赛积累的数据结果统计，各生产工序之间的生产效率基线，如下表 1：表1　内业一天平均生产效率单位：平方公里工序每小时平均生产效率一天平均生产效率按90%折算总面积需要的天数内业一天平均生产效率信息录入平均生产效率0.514.073.6630081.94影像处理平均生产效率9.0372.2565.033004.61更新平均生产效率0.735.885.2930056.69矢量化平均生产效率0.322.58220总天数185.891.61根据表1得出以下结论：信息录入一天平均生产效率为4.07平，按90%折算，为3.66平。影像处理一天平均生产效率为72.25平，按90%折算，为65.03平。更新一天平均生产效率为5.88平，按90%折算，为5.29平。矢量化一天平均生产效率为2.58平，按90%折算，为2.32平。根据以上数据得出（按90%折算），内业一天的平均生产效率为1.61标准平方公里/人日，如果加工一个300平方公里的项目，内业生产约为186天。（未包含嵌道和配图）1.2项目评审时生产效率之间对比目前毛利润评审时内业平均生产效率按1.4标准平方公里/人日进行评审，根据数据技能大赛数据统计结果建议在以后的毛利润评审过程中可以提高内业生产效率的评估，可以按整体内业一天的平均生产效率，建议值为1.6标准平方公里/人日，也可以按各个工序的一天平均生产效率，最后进行累加来评审项目的毛利润。影像矢量化数据分析因信息录入、影像处理、更新嵌道等工序员工参与较少，在这里将不作为主要对象进行分析，可详见原始数据的统计，《数据技能大赛效率分析.xlsx数据技能大赛效率分析.xlsx》。影像矢量化作为数据加工主要工序，本次对矢量化做主要分析，主要从以下几个方面进行了统计：最快用时与最慢用时进行了对比；最快一天生产效率与最慢一天生产效率进行了对比；排名靠前与排名靠后之间进行了对比；根据现有员工工资水平对比；根据员工学历进行了对比；根据员工入职年限进行了对比分析；根据部门分工对比；根据地区状态进行了对比。说明：因考题题量较大，有部分员工没有在规定的时间内完成，并且根据评分结果分析，后面完成矢量成果质量还达不到规定的要求，最后在统一时间内提交比赛成果，这样会造成统计的生产效率会偏高。2.1矢量化最快用时与最慢用时之间对比制作1.17平方公里矢量化最快用时及最慢用时，并根据大赛时间原始数据，折算成一天8小时计算，统计出一天的平均生产效率，见表2：表 2　最快与最慢用时对比标准面积最快用时最慢用时最快一天生产效率最慢一天生产效率平均一天生产效率1.172:154:004.162.342.58　从表2中可以看出，最快一天与最慢一天的平均生产效率之差为1.82平，速度快了近43.75%，说明排后的员工技能提升的空间很大。2.2前10名与后10名之间对比分别统计前10名，前30名，前50名以及后10名，30名，后50名的生产效率，见表3：表3　前10名与后10名之间对比前10名平均生产效率前30名平均生产效率前50名平均生产效率后10名平均生产效率后30名平均生产效率后50名平均生产效率3.573.152.932.342.342.34　从表3中可以看出，前10名生产效率与后10名生产效率之差为1.23平，速度快了近34.45%，后50名员工的平均生产效率为2.34平，效率低的占据比例较大，技能分布严重不平衡，排名靠后的不但生产效率较低，而且质量平均得分不高，是影响整个项目进度、质量的根本原因。2.3根据员工工资水平生产效率对比2.3.1北京地区工资水平与生产效率方差分析通过统计工具分析对找出北京生产效率与工资水平之间的对应关系，见图1：说明：因统计工具不识别字母进行分析，只当作文本，故用数字1－8代替A－H来进行分析。图1　北京地区工资水平与生产效率方差分析根据图1结果显示，P值为0.169大于0.05，说明不同工资水平员工之间相关性不强，和生产效率没有必然的联系，而R-Sq＝28.67%说明组内差异较大，也就说，同一级别工资水平的员工生产效率差距较大，可能原因：北京地区员工工序较为复杂，需做更新、嵌道、配图、管理协调等工作，不单纯只以矢量化工作效率支付工资，可能造成其相关性不强，并且人员级别分类也比较明显，有项目经理、事业部主管、项目组长、质量检查人员等，可能存在分配不平衡的问题，根据均值也可以找出北京地区工资水平与生产效率标准对应关系如下：要达到D类的工资水平，一天的生产效率需要达到2.7526平；要达到E类的工资水平，一天的生产效率需要达到2.8103平；要达到F类的工资水平，一天的生产效率需要达到3.0469平；要达到H类的工资水平，一天的生产