简介这份PPT资料系统讲解预定动作时间标准法MTM面向工业工程、生产管理及精益改善方向的从业者与学习者帮助解决作业时间估算、工作方法设计与标准时间设定等实际问题。压缩包内仅含1个PPT文件大小约1.07MB以图文并茂的幻灯片形式呈现便于课堂讲授或自学翻阅。内容从MTM的起源与PTS概念切入梳理1926年MTA至1955年DMT、BMT等方法演进重点展开基本动作说明如伸手Reach的条件A至E划分、动作型态与TMU时间单位换算并延伸至搬运等动作分析及MTM数据表应用。读者可借此掌握将复杂作业分解为基本动作、代入预设时间值以优化流程的完整思路理解MTM在方法改善、标准时间设定与动作经济性设计中的价值同时认识其不适用于需谨慎判断作业的局限。目前已有416人学习下载适合作为工业工程入门与实务参考的课件素材。1. 预定动作时间标准法MTM从“秒表测时”到“查表算时”的范式切换很多工厂做标准工时第一反应是拿秒表去产线掐时间。但秒表法有个绕不开的硬伤同一个工位张三和李四做出来的时间能差 20%测十次得取平均还得给宽放最后算出来的标准工时既不可复现也没法在产线还没建起来的时候就用。预定动作时间标准法Predetermined Time StandardsPTS解决的正是这个问题——它不测人而是把作业拆成基本动作单元每个单元查表得到标准时间累加即得。MTMMethods-Time Measurement方法时间衡量是 PTS 家族里应用最广的一套体系核心单位是 TMUTime Measurement Unit1 TMU 0.00001 小时 0.036 秒。这意味着 MTM 把时间精度做到了毫秒级而且结果只取决于方法本身不取决于谁来做。对做 IE、工艺规划、产线设计的人来说MTM 不是替代秒表而是在“方法未定、产线未建”阶段就能给出可信工时的那把尺子。它适合的场景很明确重复性高的手工作业、装配线平衡、新产线工时预估、以及需要做方法对比的改善项目。2. MTM 的动作分类与 TMU 换算拆到哪一层才算够2.1 MTM-1 的十个基本动作单元MTM-1 是最细的层级把人的手工作业拆成十类基本动作伸手Reach、移动Move、转动Turn、加压Apply Pressure、抓取Grasp、定位Position、释放Release、拆卸Disassemble、眼睛移动Eye Travel、眼睛聚焦Eye Focus。每个动作再按距离、重量、精度、对称性等变量查表。比如“伸手”按距离分五档从 2 英寸以内到 20 英寸以上TMU 值从 2.0 到 22.1 不等。拆到这一层的好处是精度高代价是分析耗时——一个 30 秒的作业循环拆成 MTM-1 可能要写上百行动作描述。2.2 TMU 与秒的换算关系及宽放处理TMU 是纯时间单位不含宽放。实际用的时候MTM 算出来的是“正常时间”还需要加宽放才能变成标准工时。常见做法是MTM 正常时间 × (1 宽放率)。宽放率一般取 10%18%视作业强度、环境、疲劳程度而定。换算关系如下单位换算1 TMU0.036 秒1 TMU0.0006 分钟1 TMU0.00001 小时1000 TMU36 秒100000 TMU1 小时注意MTM 表里的 TMU 值已经包含了“正常速度”下的操作时间不要再额外乘绩效系数否则会重复宽放。2.3 用 Python 做 TMU 累加与标准工时换算手工累加 TMU 容易出错尤其是动作单元上百的时候。我一般会写个小脚本做累加和宽放计算# mtm_calc.py # 输入动作描述列表每项为 (动作名, TMU值) # 输出总TMU、正常时间、标准工时含宽放 actions [ (伸手 8英寸, 7.1), (抓取 简单, 2.0), (移动 12英寸, 8.4), (定位 松配合, 5.6), (释放 简单, 2.0), (眼睛移动, 1.6), ] total_tmu sum(t for _, t in actions) normal_sec total_tmu * 0.036 # TMU转秒 allowance_rate 0.15 # 宽放率15% standard_sec normal_sec * (1 allowance_rate) print(f总TMU: {total_tmu}) print(f正常时间: {normal_sec:.2f} 秒) print(f标准工时: {standard_sec:.2f} 秒)逻辑说明total_tmu把所有动作的 TMU 值累加normal_sec按 1 TMU 0.036 秒换算standard_sec在正常时间基础上加宽放。参数说明allowance_rate根据实际作业环境调整轻负荷装配可取 0.100.12重负荷或高精度可取 0.150.18。这个脚本可以直接嵌到 Excel 的 VBA 里也可以做成 Web 小工具给产线 IE 用。2.4 拆到哪一层MTM-1、MTM-2、MTM-UAS 的选型MTM-1 精度最高但最费时MTM-2 把动作合并成 14 个单元MTM-UAS 进一步合并成 7 个。选型逻辑很简单如果作业循环短于 1 分钟且重复性极高用 MTM-1如果循环在 13 分钟MTM-2 够用如果只是做产线粗平衡或工时预估MTM-UAS 的效率最高。常见做法是新产线规划用 MTM-UAS 快速出工时量产后再用 MTM-1 做重点工位的精细优化。3. 用 MTM 做方法分析从动作拆解到产线平衡3.1 方法分析的基本流程ECRS 与 MTM 的结合MTM 不只是算时间它更大的价值在于方法分析。把作业拆成动作单元后用 ECRS取消、合并、重排、简化逐条审视这个“伸手”能不能取消这个“抓取”能不能和“移动”合并这个“定位”能不能改成松配合每改一处重新查表算 TMU前后对比就能量化改善效果。我一般会先画一张动作分析表左边是原始方法右边是改善方法中间标 TMU 差值。3.2 动作分析表用表格对比改善前后的 TMU下面是一个简单的动作分析表模板用 Markdown 表格展示序号动作描述原始 TMU改善后动作改善后 TMU差值1伸手取螺丝7.1取消改用料盒自滑0-7.12抓取螺丝2.0取消0-2.03移动至孔位8.4移动至孔位8.404定位对准5.6改用导向孔2.8-2.85释放2.0释放2.00合计25.113.2-11.9改善后总 TMU 从 25.1 降到 13.2降幅 47%。换算成秒原始正常时间 0.90 秒改善后 0.48 秒。如果这个动作每天重复 5000 次一天就能省 2100 秒约 35 分钟。3.3 产线平衡用 MTM 工时做工位分配产线平衡的核心是让每个工位的工时尽量接近节拍时间。用 MTM 算出来的工时比秒表法更稳定因为不受操作者差异影响。具体步骤先把产品装配拆成若干作业单元每个单元用 MTM 算 TMU然后按节拍时间把作业单元分配到工位最后算平衡率。平衡率 总 MTM 工时 / (工位数 × 最大工位工时) × 100%。常见做法是先用 MTM-UAS 快速分配再用 MTM-1 对瓶颈工位做精细调整。# line_balance.py # 输入作业单元列表 (名称, TMU)节拍时间秒 # 输出工位分配方案与平衡率 tasks [(A, 120), (B, 85), (C, 200), (D, 95), (E, 150), (F, 110)] cycle_sec 8.0 # 节拍时间8秒 cycle_tmu cycle_sec / 0.036 # 转为TMU stations [] current [] current_tmu 0 for name, tmu in tasks: if current_tmu tmu cycle_tmu: current.append((name, tmu)) current_tmu tmu else: stations.append((current, current_tmu)) current [(name, tmu)] current_tmu tmu stations.append((current, current_tmu)) max_tmu max(s[1] for s in stations) balance_rate sum(t for _, t in tasks) / (len(stations) * max_tmu) * 100 for i, (s, t) in enumerate(stations, 1): print(f工位{i}: {s} 总TMU{t} 工时{t*0.036:.2f}秒) print(f平衡率: {balance_rate:.1f}%)逻辑说明按顺序把作业单元塞进工位超过节拍就开新工位。cycle_tmu是节拍时间换算成 TMU。balance_rate用总 TMU 除以工位数乘最大工位 TMU。参数说明cycle_sec根据客户需求节拍调整比如日需求 3600 件、每天工作 8 小时节拍就是 8 秒。这个脚本的局限是只做顺序分配实际产线还要考虑工位物理约束和物料流向。3.4 常见坑MTM 分析中的过度拆解与漏算新手做 MTM 最容易犯两个错一是拆得太细把“伸手”拆成“肩动、肘动、腕动”MTM-1 不支持这种拆法每个基本动作已经是不可再分的最小单元二是漏算眼睛动作和辅助动作比如“眼睛移动”和“眼睛聚焦”在精密装配里占比不小漏掉会导致工时偏低。另一个坑是忽略“同时动作”——如果左手和右手同时做动作MTM 有专门的同时动作规则不能简单相加。常见做法是先用 MTM-2 做整体分析对瓶颈工位再用 MTM-1 细拆同时动作单独标注。4. MTM 与秒表法、PTS 其他体系的对比与选用4.1 MTM 与秒表测时的差异精度、可复现性与适用阶段秒表法测的是“实际时间”受操作者技能、努力度、环境、测量误差影响大但胜在快、直观。MTM 算的是“方法时间”只取决于方法本身可复现性极强但分析耗时。适用阶段也不同秒表法适合量产后的工时验证和绩效评估MTM 适合产线规划、方法对比、报价工时预估。我一般会两者结合新产线用 MTM 出工时量产后用秒表抽验偏差超过 15% 就回头查方法。4.2 PTS 家族其他体系WF、MOD、MTM 的选用边界PTS 不只是 MTM。WFWork Factor按“工作因子”查表适合重负荷作业MODModular Arrangement of Predetermined Time Standards用 21 个模块查表更快精度略低。选用边界MTM 适合中高精度装配WF 适合搬运和重工MOD 适合快速估算。常见做法是汽车电子装配用 MTM-1家电装配用 MTM-2物流搬运用 WF 或 MOD。4.3 用 MTM 做报价工时从 TMU 到人工成本的换算报价时客户要的是“这件产品做出来要多少人工成本”。用 MTM 算总 TMU转成秒加宽放再乘人工费率就是单件人工成本。公式单件人工成本 总 TMU × 0.036 × (1 宽放率) × 人工费率元/秒。比如总 TMU 5000宽放 15%人工费率 0.05 元/秒单件人工成本 5000 × 0.036 × 1.15 × 0.05 10.35 元。这个数字比拍脑袋报价靠谱得多而且客户问起来能逐条拆解。项目数值总 TMU5000正常时间秒180宽放率15%标准工时秒207人工费率元/秒0.05单件人工成本元10.35注意人工费率要包含直接工资、社保、福利等全部人工相关成本不能只算基本工资。5. 用 MTM 做相关性分析与工时预测的进阶技巧5.1 用相关性分析方法筛选关键动作变量MTM 查表时同一个动作在不同变量下 TMU 值不同。比如“移动”受距离、重量、精度影响。如果动作单元很多逐个查表很慢。我一般会用相关性分析找出对总 TMU 影响最大的几个变量优先控制它们。比如用 Python 的pandas算皮尔逊相关系数import pandas as pd # 模拟数据距离、重量、精度等级、TMU data { distance: [2, 5, 8, 12, 16, 20], weight: [1, 1, 2, 2, 5, 5], precision: [1, 2, 1, 3, 2, 3], tmu: [2.0, 4.5, 7.1, 10.2, 14.8, 22.1] } df pd.DataFrame(data) corr df.corr()[tmu].sort_values(ascendingFalse) print(corr)逻辑说明df.corr()算各变量与 TMU 的皮尔逊相关系数sort_values按相关性降序排列。参数说明distance单位英寸weight单位磅precision为精度等级1 松、2 中、3 紧。结果里距离的相关系数通常最高说明距离是主导变量改善时优先缩短移动距离。5.2 用回归模型做 TMU 快速预估如果动作单元太多逐个查表不现实可以用历史数据拟合一个回归模型输入距离、重量、精度直接输出 TMU 预估值。常见做法是用scikit-learn的线性回归from sklearn.linear_model import LinearRegression import numpy as np X np.array([[2,1,1],[5,1,2],[8,2,1],[12,2,3],[16,5,2],[20,5,3]]) y np.array([2.0, 4.5, 7.1, 10.2, 14.8, 22.1]) model LinearRegression().fit(X, y) pred model.predict([[10, 2, 2]]) print(f预估TMU: {pred[0]:.1f})逻辑说明用历史查表数据训练线性回归输入新动作的变量组合输出 TMU 预估值。参数说明X每行是一个动作的变量组合y是对应 TMU。这个模型只适合快速估算正式工时还是以查表为准。回归的 R² 如果低于 0.9说明变量选得不够或关系非线性需要加变量或换模型。5.3 验证 MTM 工时准确性的三个方法MTM 算出来的工时准不准得验证。我一般用三个方法一是秒表抽验选 35 个工位实测偏差超过 15% 就查方法描述二是产线实际产出反推用日产量和实际工时反算单件工时和 MTM 对比三是让操作者做“方法复现”看实际动作和 MTM 描述是否一致。常见坑是MTM 分析时假设的是“标准方法”但产线实际做的时候改了方法导致工时对不上。所以 MTM 分析完要出标准作业指导书把方法固定下来。5.4 把 MTM 表做成可查询的 Web 工具MTM 查表频繁纸质表翻起来慢。我一般会把常用动作的 TMU 表做成一个简单的 Web 查询工具用 HTML JavaScript 实现产线 IE 在手机上就能查。核心逻辑就是一个 JSON 对象存表输入变量返回 TMU。这样比翻 PDF 快得多也减少查错。工具不用复杂能查、能累加、能算标准工时就行。本文还有配套的精品资源点击获取