跳轉到

1.3 時間研究與工廠數據的統計#

本章導言#

科學管理從 Taylor 的個人觀測開始，到了二十世紀初期，便從「單次碼錶測量」逐漸走向有系統的數據收集與統計分析。工廠不再只記錄完成量，更開始記錄作業時間、停機原因、廢品率、等待時間等一系列操作數據，嘗試將車間現場的變異（variability）也納入管理的計算範圍。

這項轉變的推手之一是 Frank B. Gilbreth（弗蘭克·吉爾布雷斯，1868–1924） 與 Lillian M. Gilbreth（莉蓮·吉爾布雷斯，1878–1972） 夫婦。他們延伸 Taylor 的時間研究，創立了動作研究（motion study）。吉爾布雷斯夫婦相信：「減少不必要的動作，往往比加快動作更有效」。他們利用電影與燈光軌跡（cyclegraphic）、微動作研究（micromotion study）將動作拆解為最基本的單元（therbligs，Gilbreth 字母倒拼而來），尋找「最經濟的動作序列」。

另一方面，Taylor 學派的追隨者也意識到：現場測量必定有隨機變動。若只憑一兩次觀測就定出標準時間，容易受到工人狀態、機器溫度或環境干擾的影響。因此，時間研究逐步引入樣本觀測、平均值、分佈與變異數的想法，為後來的品質管制與統計方法鋪路。

從單點測量到樣本統計#

時間研究者面對的現實是：完成同一工序的時間並非恆定，而是有一個分佈（distribution）。理想化的標準時間 \(T_s\) 是對「正常作業狀態」下所需時間的合理估計。實務上，研究人員會在不同時段、不同班次觀測 \(n\) 次，記錄每次觀測時間 \(x_1, \ldots, x_n\) 。

最基本的統計量是樣本平均數與樣本標準差：

\[ \bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i, \qquad s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n} (x_i - \bar{x})^2} \]

平均值 \(\bar{x}\) 用於估計「典型時間」，標準差 \(s\) 則用於衡量作業時間的一致性（consistency）。若 \(s\) 相對 \(\bar{x}\) 過大，表示作業變異大，可能是工作標準不夠明確、工具不穩定，或是存在不可預期的干擾，宜先穩定流程再訂定標準時間。

機率的導入：常態近似與「正常時間」#

時間研究早期並未明確引用高斯分配，但實務觀測中，重複作業的時間分佈往往呈現略偏右（right-skewed）：大多數次數集中在較短區間，偶爾因故障、尋找工具等原因出現較長的尾巴。儘管如此，當觀測次數夠大且排除明顯異常值後，常用平均值加寬放的方式來訂定標準時間。這套做法間接預告了後世將工序時間視為隨機變數的思路。

Gilbreth 夫婦的動作研究則強調「剔除無效動作（ineffective motions）」。他們將動作歸納為 \(17\) 類 therbligs（如抓取、運送、定位、檢查、休息等），並標示有效與無效。藉由消除無效動作，不僅降低平均時間 \(\bar{x}\) ，更能顯著降低變異 \(s\) ，達到「穩定流程」的目的。

工廠數據：產出、停機與效率指標#

隨著生產規模擴大，車間管理需要更宏觀的指標。最基本的是機器利用率（machine utilization）與總合設備效率（Overall Equipment Effectiveness，OEE）的早期雛形。

機器利用率定義為：

\[ U = \frac{\text{實際生產時間}}{\text{計畫可用時間}} \times 100\% \]

其中「計畫可用時間」是排定生產的工時，「實際生產時間」則扣除停機（downtime）。但單看利用率仍不足以反映品質與速度。現代 OEE 將效率拆解為可用率（Availability）、性能率（Performance）、品質率（Quality） 三者乘積，此思路可追溯到二十世紀初對「有效產出」的量化努力。

另一個重要指標是勞動生產力（labor productivity）：

\[ P = \frac{\text{產出量（件）}}{\text{投入工時（人時）}} \]

Taylor 的標準時間提供了「理論產出」的基準，因此可以計算效率比率（efficiency ratio）：

\[ E_{eff} = \frac{\text{標準工時}}{\text{實際工時}} \times 100\% = \frac{\text{實際產出} \times T_s}{\text{實際工時}} \times 100\% \]

若 \(E_{eff} > 100\%\) ，表示工人實際效率高於標準；反之則低於標準。這個比率將「主觀評估」轉換為可比較的相對效率數據，是管理控制最早的量化工具之一。

例題 1.3.1：某工序標準時間 \(T_s = 2.5\) 分鐘／件。某班次生產 \(180\) 件，實際工時 \(480\) 分鐘（8 小時）。計算該班次的效率比率。

解：標準工時 = \(180 \times 2.5 = 450\) 分鐘。

效率比率：

\[ E_{eff} = \frac{450}{480} \times 100\% = 93.75\% \]

也可從勞動生產力角度看：理論生產力 \(480 / 2.5 = 192\) 件／班，實際 \(180\) 件， \(180/192 \approx 93.75\%\) ，結果一致。

變異的量化：為何要統計？#

工廠現場最重要的洞見之一是：流程的穩定性（stability）比單次的效率更重要。如果每日產出波動極大，排程、物料與人力就無法預測。時間研究從樣本標準差出發，逐步引導管理思維從「追求極限值」轉向「控制變異」。

這個思路在日後被 Walter A. Shewhart（沃爾特·休哈特，1891–1967） 明確化為統計製程管制（Statistical Process Control, SPC）（見第7章）。雖然 Shewhart 的管制圖要到 1924 年才問世，但早在 1910 年代，Gilbreth 與許多工業工程先驅已經在強調「動作的一致性」與「流程的可重複性」。可以說，工廠數據的統計，是品質管制數學理論的直接前身。

從管理數據到數列與預測#

隨著記錄的累積，工廠開始擁有按日、按週、按月的時間序列數據（time series）：產量、停機時數、廢品數、訂單量等。這些數列自然地引出「趨勢與波動」的問題。如何根據過去的產出預測未來需求？如何區分暫時波動與長期趨勢？

這些問題正是第2章「成長、平滑與預測數列」的起點。2.2 節的學習曲線描述的是生產經驗累積帶來的平均時間下降，2.3 節的指數平滑則直接利用歷史觀測數據做短期預測。可以說，1.3 節將「車間的觀測」系統化為可分析的數據庫，才使得後續的預測模型成為可能。

動作研究的可視化：流程簡化#

Gilbreth 夫婦強調將動作流程繪製出來以便分析。簡單的流程示意有助於看出不必要的移動：

上圖右側簡化後，消除了多餘的「搬運—轉向—翻轉」等無效動作，降低平均時間與變異。

前因後果與驅動關係#

  • 管理問題驅動理論：單靠碼錶個人判斷難以應付大規模生產的變異。工廠需要可重複、可驗證的數據程序，才能在不同班次、不同車間維持一致的標準。
  • 理論如何改變實務：時間研究與動作研究將「效率」從直覺量化為指標體系（標準時間、效率比率、生產力）。這套體系直接成為工廠成本會計的依據，也為管理控制制度奠基。此思路與《會計的數學》第7章預算差異分析（實際 vs. 標準）密切相關。
  • 對後續章節的影響：2.2 節學習曲線將「重複生產次數」與「平均單位時間」建模為數列函數。2.3 節指數平滑則利用歷史均值與變異的加權方式做預測。第7章品質管制更直接繼承「觀測樣本—計算變異—判斷是否異常」這條脈絡。
  • 與兄弟書的連結：《經濟的數學》第1章強調邊際分析，《機率統計》強調隨機樣本與估計，1.3 節則是這兩者最早在管理現場的實務應用。將作業時間視為隨機變數並用樣本估計，是統計思維滲入管理決策的重要橋樑。

練習#

  1. 某工序觀測 \(5\) 次時間（秒）： \(12.0, 11.8, 12.2, 11.9, 12.1\) 。計算 \(\bar{x}\) 與 \(s\) （取至小數點後二位）。
  2. 某班次標準工時為 \(960\) 分鐘，實際生產 \(420\) 件，每件標準時間 \(2.0\) 分鐘。計算效率比率，並解釋此數值的管理意義。
  3. 機器利用率 \(U = 80\%\) ，性能率 \(90\%\) ，品質率 \(95\%\) 。估算 OEE（百分比），並說明哪一項最可能是提升空間最大？
  4. 思考題：Gilbreth 強調「減少動作數」勝過「加快動作速度」。試舉一個日常例子說明，並解釋其對「平均時間」與「變異」的影響。
  5. 思考題：若工廠只記錄「總產量」而不記錄「停機原因分類」，對於持續改善（continuous improvement）會造成什麼困難？請用「數據驅動決策」的角度說明。

年表速查#

  • 1890 年代：F. B. Gilbreth 研究砌磚工人的動作，提出動作簡化。
  • 1904：Gilbreth 開始運用電影記錄動作（micromotion study）。
  • 1909：F. W. Taylor 發表《工廠管理》（Shop Management），強調系統化記錄。
  • 1911：Taylor《科學管理原理》出版，推動時間研究標準化。
  • 1917：Gilbreth 夫婦發表《應用動作研究》（Applied Motion Study），系統化 therbligs。
  • 1924：W. A. Shewhart 發表管制圖（控制圖），將工廠數據正式導入統計製程管制。

名詞速查表#

  • 動作研究（motion study）：分析與簡化作業動作以減少無效動作的研究方法。
  • 微動作研究（micromotion study）：用影片或高速攝影拆解至極小動作單元的分析技術。
  • Therbligs：Gilbreth 將基本動作歸納的 17 類動作符號系統。
  • **樣本平均數 \(\bar{x}\) 、樣本標準差 \(s\) **：描述觀測時間集中趨勢與離散程度的統計量。
  • 效率比率（efficiency ratio）： \(\frac{\text{標準工時}}{\text{實際工時}}\) ，用以衡量實際作業效率。
  • 機器利用率（utilization）：實際生產時間佔計畫可用時間的比例。
  • OEE（Overall Equipment Effectiveness）：可用率×性能率×品質率，用於衡量設備有效產出。
  • 流程穩定性（process stability）：作業結果波動在可控範圍內的狀態。