Standarddata for arbejdsmåling: Syntetiske og analytiske standarddata
Standarddata for arbejdsmåling: Syntetiske og analytiske standarddata!
(1) Konstante elementer, som ikke varierer fra job til job.
(2) Elementer af samme art, men varierende på grund af vanskeligheder, størrelse, tryk og vægt mv. Involveret.
(3) Elementer, der varierer i ydelsestidspunktet på grund af variationen i de tekniske egenskaber ved materialer eller processer som hastighed, dybde, fodring af snit osv.
For den første type elementer kan standarddata kompileres ved at lave mange undersøgelser på samme element eller samme job. På samme måde kan standarddataene for den tredje type elementer beregnes ud fra det anvendte udstyrs fysiske egenskaber, såsom længden af jobbet, dens diameter, spindelhastighedens hastighed, skæringsdybde osv. Men sværhedsgraden kommer mens du beskæftiger sig med den anden type. I denne tilstand skal en række tidspunkter på jobbet udføres.
Nu er i hvert tilfælde en eller måske flere af jobvariablerne varierede, og effekten af denne variation på tiden studeres. For at opnå forholdet mellem variabel og præstationstider skal der gennemføres et stort antal undersøgelser. Dette kan gøres ved regressionsanalyse.
Ved at holde ovennævnte diskussion i betragtning er standarddata klassificeret i to typer:
1. Syntetiske standarddata:
Vi har allerede udtalt, at disse data let kan kompileres ved hjælp af tidsundersøgelser eller prøveudtagning eller PMTS osv. Nogle gange kan kombinationen af disse også bruges. Den elementære sammenbrud kan være mikroskopisk eller makroskopisk ifølge situationen.
Mikroskopiske data er baseret på minutbevægelser (dvs. Therblig-reach, carry, hold osv.) Involveret i operationen og overholdes af mikroskopiske metoder. I makroskopiske metoder behandler data store elementer. Derfor er dette en gruppe bevægelser som elementerne, såsom afhentning af komponenten og reparation i chuck osv. Makrodata indsamles ved tidsstudie, og mikrodata er resultatet af mikrobevægelsesstudie og analyse.
De forskellige trin involveret i udvikling af standarddata er som følger:
1. Fastsæt anvendelsesområdet for standarddata.
2. Job er opdelt i elementer. Elementer er de konstante elementer eller variable elementer eller maskinelement.
3. Gennemfør tidsundersøgelserne for forskellige job under forskellige forhold.
4. Lav en tjekliste over jobforhold og verificere jobforholdene mod de jobbetingelser, der er nævnt i dataene.
5. Opsummer tidsstudierne ved hjælp af en sammenfattende formular.
6. Konstante og variable elementer er differentieret.
7. Jobkarakteristika analyseres, hvilket medfører variabilitet i elementer.
8. Et plot kan laves mellem det normale tidspunkt for hvert element og den variable dimension, f.eks. .......... størrelsen af varen som vist i figur 7.2.
9. Standarddata er udarbejdet.
10. Endelig testes dataene for dens nøjagtighed og korrektion.
Arbejdsbetingelserne, hvor de syntetiske standarddata er nyttige, er:
a) Job, der involverer stærkt gentagne operationer af kort varighed.
b) høj lønomkostninger
(c) Hyppige metodevariationer.
(d) Når et stort antal mennesker gør det samme arbejde.
2. Analytiske standarddata:
Her anvendes matematisk model til at bestemme standardtiderne for det givne job. Lad jobbet bestå af forskellige elementer E 1 E 2, E 3 ... E n,
Den grundlæggende eller normale tid af jobbet er
NT = NT E1 + NT E2 + NT E3 + ...... + NT En
hvor den elementære basale tid er som følger:
NT E1 = f 1 (V 1 V 2, V 3 ... .. V m )
NT E2 = f 2 (V 1 V 2, V 3 ....... V m )
NT En = fn (V 1 V 2, V 3 ... V m )
hvor V 1 V 2, V 3 ... V m variablerne.
Der findes forskellige matematiske teknikker til udvikling af analytiske standarddata. Størrelsen af elementer afhænger af det valgte tilfælde. Almindeligt anvendte teknikker er lineær programmering, regressionsanalyse, kømodel, krøllet regressionsanalyse, ikke-lineær programmering mv.
Arbejdsbetingelser, hvor analytisk standarddato er meget nyttig og vellykket:
a) Job, der involverer ikke-gentagne operationer med lang varighed.
(b) Lav lønomkostninger.
(c) Ufrivillig metodevariation.
(d) Når et lille antal mennesker gør det samme arbejde.
