工作抽样方法概论.pptVIP

正式观测时每日的观测时刻必须是随机的 随机表法 系统抽样原理时间间隔法。 分层抽样法 表8-12 机械设备开动率观测数据 日期 观测次数n 设备开动数 设备开动率p 6月9日 200 160 80.0% 6月10日 200 166 83.0% 6月11日 200 162 81.0% 6月12日 200 132 66.0% 6月13日 200 162 81.0% 6月16日 200 156 78.0% 6月17日 200 144 82.0% 6月18日 200 166 83.0% 6月19日 200 162 81.0% 6月20日 200 156 83.0% 合计 2000 1596 79.8% 例10-3 对某工厂某车间的设备自6月9日至6月20日期间进行了10天（休息日除外）的现场巡回观测，得到观测的结果列在表8-12中。根据表中记录的数据绘制管理图来进行分析。 解：表8-12已求出10天的平均开动率（作业率）=79.8%，则: 管理界限=±3σ=0.798±3×0.0284 UCL=0.798+3×0.0284=0.8832 LCL=0.798-3×0.0284=0.7128 由管理界限及设备开动率可绘制管理图，详见图8-6。从管理图中可以看出，6月12日的点在界外，可以判断66%的开动率为异常值，应剔除。 日期 观测 次数n 设备 开动数 设备 开动率p 6月9日 200 160 80.0% 6月10日 200 166 83.0% 6月11日 200 162 81.0% 6月12日 200 132 66.0% 6月13日 200 162 81.0% 6月16日 200 156 78.0% 6月17日 200 144 82.0% 6月18日 200 166 83.0% 6月19日 200 162 81.0% 6月20日 200 156 83.0% 合计 2000 1596 79.8% 图8-6 管理图 重新计算设备开动率（作业率），求绝对误差及相对误差，剔除异常值后的设备平均开动率为： 由事先确定的E=±3%，可靠度为95%,计算出总的观测次数为： 1800次观测数据远大于所需的观测次数，足以保证精度要求。此时绝对精度为： 相对精度为： 原选择的绝对精度为±3%，相对精度为±5%，说明此观测也是有效的。 若剔除异常值后实际观测次数没有达到所需的观测数，则需继续补测。 第三节 工作抽样应用实例 例 10-5 某饮料厂工作抽样应用 例 10-4某企业的齿轮厂工作抽样应用 例8-4 某企业的齿轮分厂加工一批圆柱齿轮，应用工作研究对作业进行分析与改进。 解：用工作抽样法解决该问题的具体步骤如下： 齿轮加工是某企业的重要作业之一，从每月的计划完成情况看，该厂齿轮生产属薄弱环节，一直影响整机的配套率。劳资部门认为主要原因是该工段的作业效率低，估计的作业率仅为70％。为了减少无效时间，提高作业率，决定运用工作抽样法进行作业改进。 初步调查。主要对齿轮作业的工艺、设备、人员、布置及作业方法等进行了调查。调查的部分结果见表8-13。 工序 内容 设备 台数 工人数 夹具 1 钻扩孔、倒角 立钻 1 1 钻模 2 拉内孔、键槽 拉床 1 1 球面导向套 3 粗车外圆及两端面 普通车床 3 3 心轴 4 精车外圆及两端面 普通车床 2 2 心轴 5 滚齿形 滚齿机 3 3 心轴 6 磨齿 磨齿机 2 2 心轴 7 打印去毛刺 台钻 1 1 8 检查 1 表8-13 齿轮加工工艺过程 对观测项目进行分类。因为主要调查空闲原因，因此对可能发生空闲的观测项目进行了详细的分类。如表8-14所示。 作业 辅助作业 宽放 作业 辅助作业 宽放 钻、扩孔 准备材料 商谈问题 滚齿 清点数量 入厕 拉键槽 中间检查 搬运零件 磨齿 其他 其他 粗车 清理工作地 等待加工 去毛刺 精车 准备工夹具 休息 终检查 表8-14 观测项目分类 确定观测次数。相对误差S取为5％，作业率P为70％，代入式8-6计算观测次数n： 确定观测期间和一天的观测次数。齿轮加工作业较为稳定，且日产量很均匀，故可取较短的观测时间，确定为3天，共有14个工位，由此计算得每天观测次数为： 确定观测路径，如图8-7所示。 ○—相应工位操作者的位置 ×—观测者的位置 图8-7 齿轮加工抽样观测路径 确定观测时刻。用表8-9所示的随机时刻表选择观测时刻。首先选1～3列为3天的观测时刻表，每列时间从上到下加8，表示从早8：00开始，当时间大于12：00时，则加9，表示扣除中午的1小时休息时间，然后再剔除旁边括号内数字大于16的时间，则选择的3天观测时间如表8-15所示。 表8-