收益：
- 能够计算标准时间、节奏等级和余量（余量）概念
- 能够利用 AI 生成作业步骤分析、ECRS 优化和 MTM/生产线平衡草稿
- 能够运用真实测量数据验证人工智能建议的标准时间的能力
工作研究是工业工程的基础学科之一：通过系统地检查工作的完成方式（方法研究）并测量工作所需的时间（时间研究），产生更好的工作方法和现实的标准时间。标准时间；它是成本核算、产能规划、生产线平衡和激励系统的基础。错误的标准意味着错误的定价和不切实际的目标。 AI在这方面的功能非常强大，可以分析作业步骤、产生ECRS改进想法、建立生产线平衡蓝图；但速度分级和实际时间测量来自现场。在本单元中，我们将介绍标准时间核算和人工智能的适当作用。
标准时间的组成部分
标准时间是通过几个步骤观察到的原始时间得出的。
1) 观察时间 (NZ)：用秒表测量的原始时间（平均值）。2) 正常时间 (NZ) = OZ × 节奏（评级因子） - 配速是操作员相对于“正常”速度的评级。 - 100% = 正常，110% = 比正常快，90% = 慢。3) 标准时间（SZ）= NZ ×（1 + 份额比例） - 份额：个人需要、疲劳（休息）、不可避免的延误。
一个小例子。假设装配操作的平均观察时间为 45 秒，观察到的节奏为 110%，总裕量为 15%：
NZ = 45 × 1.10 = 49.5 秒SZ = 49.5 × (1 + 0.15) = 49.5 × 1.15 ≈ 56.9 秒
因此，尽管实际性能很快（节奏很高），但加上裕量后，标准时间超过了观察时间。这里的节奏值是一个主观的工程判断，需要经验；人工智能无法为你观察到这一点。
注意：告诉AI“计算标准时间”时，一定要给出节奏和余量。如果人工智能自发地说“假设节奏为 100%”并继续，那么该假设可能无法反映球场上的现实，并且会扭曲你的标准时间。
观察多少？ （样本大小）
一次测量是不够的；存在过程可变性。所需的观察数量是根据所需的置信度和精度统计确定的。一个粗略的方法是查看前几次观测的变异性并计算目标精度所需的 n。
通过以下初步观察（秒）估计 95% 置信度和 ±5% 精度所需的观察数量。写出公式和假设。观测值：{{ 44, 46, 45, 48, 43, 47, ... }}下一步：当前观测值数量是否足够，如果不够，还需要多少？
方法研究和 ECRS 与 AI
方法研究的目的是为了把工作做得更好。 ECRS 查询是一个强大的框架：消除、组合、重新排列、简化。
角色：您是一名专门从事工作研究的工业工程师。任务：使用 ECRS 框架评估以下工作步骤。对于每个步骤：可以消除/合并/重新排序/简化该步骤吗？写下具体的建议和预计的时间效果。工作步骤及持续时间（秒）： 1．从架子 (6)2 中取出零件。将其放在柜台上 (4)3。手动启动螺钉 (8)4。用扭矩扳手 (5)5 拧紧。检查 (3)6。将成品放入盒子中 (5) 规则：避免提出会损害人体工程学和质量的建议；为每个建议添加“必须经过现场测试”的注释。
弱提示/强提示
弱提示：
加快速度。
没有上下文；人工智能会提出通用且与成本无关的建议，例如“添加自动化”。
强力提示：
使用 ECRS 分析以下工作步骤，并给出仅适用于现有设备且无需额外投资的建议。指定每项建议的预计秒数增益和潜在的质量/人体工程学风险。将奖金相加并计算新的预计周期时间。步骤：{{ ... }}
第二个即时约束（不追加投资）要求有风险和可衡量的回报；这使得这些建议可以直接适用。
生产线平衡
平衡装配线上工作站之间的负载可减少瓶颈和空闲等待。基本概念：
节拍时间 = 可用生产时间 / 需求（所需速度） 最小工位数 = 总工作内容 / 节拍时间（向上取整） 生产线效率 = 总工作内容 / （工位数 × 周期时间）
例：总工作内容180秒/件，每天生产450分钟，日需求300件：
节拍 = (450 × 60) / 300 = 27000 / 300 = 90 秒/件 最小工位 = 180 / 90 = 2 个工位
AI根据优先级关系生成任务分配给站点的草稿；但您检查优先级图是否正确，并且分配的任务实际上没有超出节拍时间。
提示：在AI建议的工位分配中，将每个工位的时间一一相加，确保总时间不超过节拍时间。人工智能有时会将超出节拍的任务分配给一个工作站，并将其呈现为“平衡”。
迷你案例：虚幻标准
纺织车间缝纫工位的标准时间是多年前确定的，操作人员总是超额完成目标。工业工程师 Kerem 重新研究了这项工作：他进行了 15 次观察，评估速度为 95%（操作员稍慢），得到的份额为 12%。它将这些数据输入人工智能，计算标准时间，并通过 ECRS 请求改进建议。人工智能将一步与双手并行工作（利用两只手）的建议结合起来。 Kerem 实地测试了该提案；周期时间缩短并建立了新的、现实的标准。差异：用旧标准计算，未更新的节奏和方法。 AI加速计算和推荐；人类进行了节奏评估和现场测试。
常见错误
- 忘记份额：通过不添加休息和个人份额来制定不切实际（太短）的标准。
- 将节奏留给人工智能：基于猜测，而不在现场进行主观节奏评估。
- 观察不足：通过单次/少量测量来设定标准；忽略可变性。
- 车站超节拍：线路平衡时不将车站负荷与节拍时间进行比较。
- 不更新标准：方法改变时继续使用旧标准。
综上所述
- 标准时间=正常时间×（1+分子）；正常时间=观察时间×配速。所有三个组件都是必需的。
- 步速评级是一种主观的工程判断； AI无法替你观察。
- 足够的观察数量由统计数据确定；单一测量无法建立标准。
- ECRS是一个强大的方法改进框架；寻求有约束和风险的建议。
- 请务必确认各站的生产线平衡没有超过其节拍时间。
应用任务
选择一份工作（真实或虚构，5-7 个步骤）。记录步骤的平均观察时间，确定节奏（例如 105%）和份额比率（例如 13%）。让AI计算标准时间并显示每一步。关键验证：手动计算NZ和SZ并与AI进行比较。然后用ECRS对步骤进行分析，并得到至少两条具有“无额外投资”约束的建议；将每个建议的第二个增益相加并找到新的循环时间。最后，假设每天的需求，计算节拍时间和最少站数；检查AI的工位分配是否超过节拍。