CN104820901A - 基于生产现场数据的服装一线员工技能评价方法 - Google Patents

Abstract

本发明公开了一种基于生产现场数据的服装一线员工技能评价方法，其步骤如下：进行服装生产现场数据收集，建立员工生产数据库；根据对生产状况的认识对生产数据库中的数据信息进行异常数据的筛选剔除；对筛选后的数据进行数据分析，计算员工的生产技能系数和生产一致性系数；计算得出员工技能系数，建立企业员工技能数据库，根据生产的多样性，每个员工相对应的可能有多个技能系；定期进行生产数据库信息的更新和补充，更新员工的技能数据，将员工技能数据转化为操作车种技能和员工技能等级。本发明为企业生产编排、人员考核与培训等提供基础和方向，辅助企业人力资源部进行人才的培养，辅助产能预测、提高生产计划的精确度和执行力。

Description

基于生产现场数据的服装一线员工技能评价方法

技术领域

本发明属于服装生产管理的技术领域，涉及到RFID生产管理系统、吊挂系统、GSD系统以及员工技能的评价，特别涉及服装生产企业客观评价一线员工技能的一种基于生产现场数据的新方法。

背景技术

服装生产现场是劳动密集型区域，生产系统为柔性生产系统，人员在生产中起着至关重要的作用，而员工技能的柔性决定着生产系统的柔性和效率，为服装生产带来很大的可变性和不可控制性。同时，服装生产企业又面临着员工高流失、难招工的局面。为了应对这种困难状态，当前很多服装企业将员工技能纳入员工评定和薪资体系当中，一方面是对员工的多方位培养和肯定；另一方面是对整个生产状态的掌控，为人员技能配比、人员生产调度和生产编排提供依据。目前，服装企业对一线员工的技能评定多为主观评价，主要方法有两种：一种是根据班组长对员工的技能了解，以生产效率为参考进行主观定论；另一种是从时间、质量上对员工进行定点考级。现有的方法无法综合考虑员工生产率、生产稳定性以及操作工序状态等，并与实际生产状态存在一定的脱离，无法融入实际生产过程进行科学的客观评价。

生产现场数据反应服装生产现场每个员工生产过程中每一步的状态，详细到一线员工操作每一道工序每一件半成品的加工时间信息。生产现场数据的来源根据服装企业生产状况的不同而不同，可来自于RFID服装生产管理系统以生产批量为单位记录的工序加工时间等数据信息；也可来源于吊挂线系统等以单件为单位记录的工序加工信息；也可采用人工测量的方法，在保证数据准确度和一定数据量的前提下，对每个员工的操作时间进行直接测量。生产现场数据为技能评定提供最基础、最真实的信息，需覆盖员工生产的整个过程才能保证数据的准确性和普遍性。

GSD(General Sewing Data)系统是专门为缝制品行业所设计的一套预定动作时间分析系统，适用于缝制品行业的裁剪、车缝、熨烫、检验以及包装等相关操作的标准动作和标准时间分析，为企业标准化提供基础及量度，为技能评定提供衡量的标准。

Eviews(Econometrics Views)是计量经济学软件，能够快速进行数据分析、回归分析和预测的有效工具。Eviews在系统数据分析和评价、金融分析、宏观经济预测、模拟、销售预测及成本分析等领域中有着广泛的应用。

发明内容

为了解决上述技术问题，本发明提供了一种基于生产现场数据的服装一线员工技能评价方法，基于RFID系统等收集的一线实时生产数据，从员工生产效率和生产稳定性两方面对员工技能进行综合性的分析，其科学、客观、完全与企业生产相融合，为企业生产编排、人员考核与培训等提供基础和方向，辅助企业人力资源部进行人才的培养，辅助产能预测、提高生产计划的精确度和执行力。

为了达到上述目的，本发明的技术方案是：一种基于生产现场数据的服装一线员工技能评价方法，其步骤如下：

(一)进行服装生产现场数据收集，建立员工生产数据库；

(二)根据对生产状况的认识对生产数据库中的数据信息进行异常数据的筛选剔除；

(三)对筛选后的数据进行数据分析，计算员工的生产技能系数和生产一致性系数；

(四)计算得出员工技能系数，建立企业员工技能数据库，根据生产的多样性，每个员工相对应的可能有多个技能系；

(五)定期进行生产数据库信息的更新和补充，更新员工的技能数据，保持与生产的同步化。

所述服装生产现场数据包含整个生产过程的数据组，包括每个员工所操作工序的工序信息、实际生产时间信息、标准生产时间信息、所使用的设备。

所述生产现场数据的来源可以由吊挂线等服装生产自动化传输工具及配套运行系统测量、RFID服装一线生产管理系统收集或人工现场实际测量。

所述数据信息通过统计学区间估计的方法进行筛选剔除，选取最能代表员工生产状态的数据。

所述员工i操作工序j的生产技能系数为：其中，Me_ij表示员工i操作工序j单位工时序列集合A_ij的中位数，S_j表示工序j的标准工时。

所述员工i操作工序j的单位工时序列集合为：A_ij＝{A_i1，A_i2，A_i3，......A_in}，其中，A_in是第n件半成品的单位工时。

所述生产一致性系数为：其中，S_σj表示工序j的标准工序波动差。

所述员工技能系数是生产技能系数Rij和生产一致性系数H_ij加以权重得到的，员工i操作工序j的技能系数L_ij为：L_ij＝ω₁R_ij+ω₂H_ij；其中，ω₁+ω₂＝1。

本发明是着眼于改善服装企业生产现场状况、提高企业生产效率和管理决策能力，员工技能从生产效率和生产稳定性两方面反应，本发明用生产技能系数衡量员工生产效率，用生产一致性系数衡量生产的稳定性，综合生产技能系数和生产一致性系数最终得到员工所操作工序的技能系数。

本发明首次与生产现场实际进行彻底的融合，通过不同的方法进行生产现场数据的收集，满足不同企业的应用；首次综合考虑影响一线员工技能的因素，并对这些因素进行量化处理，使员工的技能评价更加客观、全面；从反映员工技能的生产效率和生产稳定性两个方面进行综合衡量，并最终用生产技能系数和生产一致性系数对这两方面进行表示；通过加权的方法对生产技能系数和生产一致性进行综合考虑，得出员工技能系数，能够灵活的适应不同服装企业的应用，企业可根据自身情况进行权重的分配；对员工生产一致性进行分析时，采用工序波动差(标准差)来反映生产的波动幅度；以企业生产的整体波动幅度作为评价标准，得出一致性系数；最终得到的技能数据库是一个动态的数据库，根据生产现场数据及时更新与补充而使员工技能呈现动态变化，反应员工的成长与学习，同实际生产同步。本发明为企业生产编排、人员考核与培训等提供基础和方向，辅助企业人力资源部进行人才的培养，辅助产能预测、提高生产计划的精确度和执行力，是动态的、可定时更新的，同时可依据员工实际生产状态而同步变化。

附图说明

图1为本发明的流程图。

图2为员工i操作工序j的数据分析结果

具体实施方式

下面通过附图和实施例具体描述一下本发明。

基于生产现场数据的服装一线员工技能评价方法，如图1所示，其步骤如下：

(一)进行服装生产现场数据收集，建立员工生产数据库。

服装生产现场数据包含整个生产过程的数据组，包括每个员工所操作工序的工序信息、实际生产时间信息、标准生产时间信息、设备信息。上述数据的范围应该涵盖员工整个生产过程的状态。

生产数据的来源可以由吊挂线等服装生产自动化传输工具及配套运行系统测量、RFID等服装一线生产管理系统收集或人工现场实际测量。同时，也可以由上述两种测量方法共同配合测量所得。

(二)根据对生产状况的认识对生产数据库中的数据信息进行异常数据的筛选剔除。

对生产数据库中的数据采用统计学上区间估计的方法进行筛选剔除，取置信区间之内的数据作为所用分析数据。经过现场统计后发现员工在正常作业时会被外界因素(如断针、换线、商量工作、机器故障、返修等)所干扰，这种被干扰的概率可通过进行现场浮余率测试而得到。对生产数据库中的数据采用统计学上区间估计的方法进行筛选剔除，置信区间为(其中为置信上限，为置信下限，σ是事先确定下的概率值)。当X_i>置信上限或者X_i<置信下限时候应予以剔除，取置信区间之内的数据作为所用分析数据。

(三)对筛选后的数据进行数据分析，计算员工的生产技能系数和生产一致性系数。

1、生产技能系数

现实生产中一个工序加工的单位工时是一个趋势有规律而波动无规则的数据集合，大量实验数据统计分析，可知员工单工序的单位工时所组成的时间序列符合正态分布。本发明选取该时间序列的中位数作为员工操作某工序稳定状态下生产效率的衡量。通过计算单位工时序列集合、求取生产效率中位数进而计算生产技能系数。

单位工时：服装裁片在流水线上进行分工序加工时，单工序单件半成品的加工时间(单位：秒)。员工i操作工序j的单位工时序列集合为：

A_ij＝{A_i1，A_i2，A_i3，......A_in}   (1)

A_in：第n件半成品的单位工时，可以是单件流水中的单件工时，也可以是批量加工中每一批的平均工时。

使用Eviews软件对单位工时序列集合进行分析，求取单位工时序列及生产效率的中位数Me_ij，其中，Me_ij表示员工i操作工序j的中位数，单位为秒。

用R_ij表示员工i操作工序j的生产技能系数；S_j表示工序j的标准工时，由企业的GSD等工时分析系统而得到的一个标准性参考数据。生产技能系数的计算公式为：

$R_{\mathrm{ij}}=\frac{{\mathrm{Me}}_{\mathrm{ij}}}{S_j}---\left(2\right)$

2、生产一致性系数

生产一致性反映了生产过程中员工状态的稳定性，也反映了随着生产时间的进行，生产单位工时的波动幅度。员工的稳定性越好则表示员工受外界的影响就越小，生产适应能力越强。对于同一生产技能系数的员工，即员工的生产效率相同，在生产过程中可能是完全不同的状态，从而造成了实际生产状态和产能的不同。

标准差(即均方差)能够反应组内数据个体间的离散程度。本发明用“工序波动差”(即标准差)作为员工生产一致性的衡量依据。即为：

${\mathrm{\&sigma;}}_{\mathrm{ij}}=\sqrt{\frac{1}{j-1}{\mathrm{\&Sigma;}}_{j=1}^j{(A_{\mathrm{ij}}-\mathrm{\&mu;})}^2}---\left(3\right)$

其中：μ表示数列单位工时序列集合A_ij的平均数。

为了方便得到生产技能系数，将工序波动差转化为生产一致性系数H_ij：

$H_{\mathrm{ij}}=\frac{{\mathrm{\&sigma;}}_{\mathrm{ij}}}{{\mathrm{\&sigma;}}_{\mathrm{sj}}}---\left(4\right)$

其中，σ_sj表示工序j的标准工序波动差，单位为秒。标准工序波动差σ_sj是一个企业一致性波动的参考标准，反应生产现场的普遍状态，可根据企业的生产状况而确定，通过整体分析生产现场的波动状况而得到，可选取一定数量员工作为样本，计算样本工序波动差的中位数作为标准工序波动差。

(四)计算得出员工技能系数，建立企业员工技能数据库，根据生产的多样性，每个员工相对应的可能有多个技能系数。

根据计算的员工生技能系数和生产一致性系数，最终可以得到员工操作工序的技能系数L。对员工生产技能系数和生产一致性系数这两个变量加以权重衡量，得出员工i操作工序j的技能系数L_ij公式如下：

L_ij＝ω₁R_ij+ω₂H_ij   (5)

其中，ω₁+ω₂＝1，ω₁和ω₂可根据企业的实际生产状况进行权重的衡量和配置。一般用主观赋权法确定指标权重ω₁、ω₂的值，即根据人们主观上对各评价指标的重视程度确定权重。服装企业可根据自身的生产类型和生产特点自行设置，一般而言，单件流生产对员工的生产一致性要求较高，因此赋予较高的权重；捆包流侧重于个体员工的生产效率，对员工的生产一致性要求低，同时根据捆包数量的增加生产一致性的权重比例逐渐减小。

生产技能系数是员工的生产效率，生产一致性系数反映了员工生产的稳定性，因此，员工工序技能系数利用生产技能系数和生产一致性系数这两个变量加以权重得到，其综合了员工生产效率和生产稳定性能够较为全面的对员工技能进行衡量。

(五)定期进行生产数据库信息的更新和补充，更新员工的技能数据，保持与生产的同步化。

员工在生产中会逐渐成长，技能也会不断增强，因此需不断采集员工新的生产数据，更新生产数据库信息，并对新阶段员工技能进行评定。

员工技能的更新是为了获得最接近实际生产的数据信息，使员工技能数据库中的信息保持与生产的同步化。员工技能的更新就是员工技能评定的再次循环。

本发明利用生产现场的实时数据建立员工的生产数据信息数据库，进行客观的评定，最终建立员工操作技能数据库，为企业对员工的衡量，对生产现场的编排提供依据。同时，随着生产现场数据的变化而定期更新和补充，实现动态性变化，表现员工的成长和学习过程。

相比其它的员工技能评定方法，该方法得出的结果更加具体，可直接用于生产线编排和产能预测，也能够更加全面的表现员工，为员工的培训和指导提供侧重点。该评定方法具有一定的灵活性，可根据企业的生产状况和特点设置评定的比重和管理的侧重点。

实施例：某一针织生产厂，员工i操作工序j，员工i为90后，工龄为2.7年。通过企业的RFID系统收集生产数据，通过整理计算得到单位工时序列集合为：A_ij＝{A_i1，A_i2，A_i3，......A_i275}，共有275个数据。该员工生产数据的部分内容如表1所示。

表1员工i操作工序j部分生产数据

使用Eviews软件对单位工时序列集合A_ij进行分析，分析的结果如图2所示，图2中横坐标表示时间，纵坐标表示频数，单位工时序列集合A_ij中的数据通过由大到小进行排列，其中中位数能够表示员工概率性最大的状态。

通过软件分析员工i的中位数为：Me_ij＝33.98s，S_j＝41s，生产技能系数： $R_{\mathrm{ij}}=\frac{{\mathrm{Me}}_{\mathrm{ij}}}{S_j}=\frac{33.98}{41}=0.83$

单位工时序列集合A_ij的平均数为：μ＝46.1s，工序波动差：

${\mathrm{\&sigma;}}_{\mathrm{ij}}=\sqrt{\frac{1}{j-1}{\mathrm{\&Sigma;}}_{j=1}^j{(A_{\mathrm{ij}}-\mathrm{\&mu;})}^2}=\sqrt{\frac{1}{j-1}{\mathrm{\&Sigma;}}_{j=1}^{263}{(A_{\mathrm{ij}}-46.1)}^2}=21.62s.$

该案例中企业的标准工序波动差：σ_sj＝15.07s；则生产一致性系数为： $H_{\mathrm{ij}}=\frac{{\mathrm{\&sigma;}}_{\mathrm{ij}}}{{\mathrm{\&sigma;}}_{\mathrm{sj}}}=\frac{21.62}{15.07}=1.43,$ 其属于一致性较差范围。

本案例为批量生产中取权重：ω₁＝0.7，ω₂＝0.3；员工技能系数：L_ij＝ω₁R_ij+ω₂H_ij＝0.7*0.83+0.3*1.43＝1.01；

员工i的效率技能较高，但是员工i为90后女孩，易受外界环境影响，所以生产一致性技能较低，生产效率不稳定，因此整体员工技能一般。该类型员工适合批量生产，不适合单件流生产线。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于生产现场数据的服装一线员工技能评价方法，其特征在于，其步骤如下：

(一)进行服装生产现场数据收集，建立员工生产数据库；

(二)根据对生产状况的认识对生产数据库中的数据信息进行异常数据的筛选剔除；

(三)对筛选后的数据进行数据分析，计算员工的生产技能系数和生产一致性系数；

(四)计算得出员工技能系数，建立企业员工技能数据库，根据生产的多样性，每个员工相对应的可能有多个技能系；

(五)定期进行生产数据库信息的更新和补充，更新员工的技能数据，保持与生产的同步化。

2.根据权利要求1所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述服装生产现场数据包含整个生产过程的数据组，包括每个员工所操作工序的工序信息、实际生产时间信息、标准生产时间信息、所使用的设备。

3.根据权利要求2所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述生产现场数据的来源可以由吊挂线等服装生产自动化传输工具及配套运行系统测量、RFID服装一线生产管理系统收集或人工现场实际测量。

4.根据权利要求1所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述数据通过统计学区间估计的方法进行筛选剔除，选取最能代表员工生产状态的数据。

5.根据权利要求1所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述员工i操作工序j的生产技能系数为：其中，Me_ij表示员工i操作工序j单位工时序列集合A_ij的中位数，S_j表示工序j的标准工时。

6.根据权利要求5所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述员工i操作工序j的单位工时序列集合为：A_ij＝{A_i1，A_i2，A_i3，......A_in}，其中，A_in是第n件半成品的单位工时。

7.根据权利要求6所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述生产一致性系数为：其中，S_σj表示工序j的标准工序波动差。

8.根据权利要求7所述的基于生产现场数据的服装一线员工技能评价方法，其特征在于，所述员工技能系数是生产技能系数R_ij和生产一致性系数H_ij加以权重得到的，员工i操作工序j的技能系数L_ij为：L_ij＝ω₁R_ij+ω₂H_ij；其中，ω₁+ω₂＝1。