IE七大手法之工作抽查法模板.pptVIP

2021/2/7 * 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。 2021/2/7 * 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 σ — 标准差 Z·σ — 估计值P的精确度 2021/2/7 * 由正态分布曲线可知,当置信区间在X±3 σ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`±3 σ即: 的范围内,超出此范围,就作为异常值除去。 2021/2/7 * 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。 观测天数 每天观测次数 （n） 工作次数 工作率 （％） 工作率均值 （％） 1 100 81 81 81.7 2 100 67 67 3 100 78 78 4 100 79 79 5 100 87 87 6 100 85 85 7 100 73 73 8 100 94 94 9 100 89 89 10 100 84 84 合计 1000 817 81.7 2021/2/7 * 解:由题意,n＝100,P＝0.817,1－P＝0.183 子样本标准差 σ=(P(1-P)/n)1/2=((0.817*0.183)/100)1/2=0.039 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＝0.701 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: 2021/2/7 * 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,观测次数也已达到或超过预定的观测次数,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。 2021/2/7 * 在工作抽样时使用控制图 通过控制图得到在工作过程中产生的异常,从而分析其原因,并对工作进行持续改进。因此,有必要经常性地对工作抽样进行控制图分析。 2021/2/7 * 工作抽样应用举例 例一:美国中西部的一个大制造商建立一所大型仓库,以缓和其季节性的生产高峰。在高峰作业时,从生产方面抽调入员扩充仓库工作力量。管理人员认为,所要求扩充的人力数量过多,要求厂方对拥有的94名人员的仓库所使用的工作方法进行检查和改进。 仓库的九位领班举行一连串会议,听取工作抽样的目的和方法说明,并协助编制作业活动分类清单,如表所示。 2021/2/7 * 2021/2/7 * 2021/2/7 * 对每一领班人发放10套观察用的表格和一份随机数表(见表3—l—24)。用随机数表和按时分层法,由每位领班人填写所调查的10天内的每天8小时中,每小时时间读数(如每天上午7:30时开始工作,则7:30到8:30是这一天的第一个小时……等)。在11:30时到12:00时为午餐时时间不作抽样记录。各位领班有各自不同的时间系列,每天也不相同(每位领班从随机数表上的不同地方开始,以避免重复)。 由调查结果表可见,从空闲栏、办事工作栏以及产品的搬运或其中栏中发现,有可以改进的地方。例如,通过加强管理可以避免或减少一些迟误的时间;通过拨两名纯办事的人员来代替这些材料的兼办人员,可以提高工作效率,大大减少办事工作这一栏的时间。此外还可以减少在电梯上发生的延迟时间等。 2021/2/7 * 例二 利用工作抽样计算标准时间 有一钻床工,每天工作8小时,经过一天的分散抽样后,结果是空闲比率为15％,即有72分钟是空闲的,其余的408分钟在工作。在这一天观测中,其被评定的平均绩效指标为l10％。从检验信息知,该工人生产合格产品420件。此外,根据以往的测定,该作业的宽放率定为15％,如表所示。由这些数据计算标准时间。 2021/2/7 * 2021/2/7 * 2021/2/7 * 例三 计算装配作业标准时间 某工厂的机械装配作业10名工人作同样工作。为了制定标准时间,对这l 0名工人进行1天时间的分散抽样。在观测中要求同时评定出操作者的绩效指标。 10名工人在三天中共生产合格产品16314件。 3天的观测记录经过整理见表。 2021/2/7 * 20