平均完工耗时从四天降到三天,跟单员仍在催一张拖了很久的工单,这两件事可以同时发生。报表汇总了已完工工单的耗时,尚未完工的那张却可能还没被计入。即使只看已完工的部分,平均数也未必能反映慢单的变化。
平均数下降,也可能出现更长的工单
先用两组假设数据看这个差别。单位均为自然日,起止事件相同:第一组五张工单分别耗时4、4、4、4、4天;第二组是1、1、1、1、11天。总耗时由20天变成15天,平均由4天降到3天,最长的一张却从4天变成11天。

第二组中位数是1天,可以帮助描述这组工单的通常耗时;那张11天的工单,则需要另行追查。换一个统计量,并不会替业务找到等待发生在哪里。NIST对位置统计量的说明解释了偏斜和极端值为什么会让平均数与中位数表现不同,上面的数字只用于说明这种差别,不是某家工厂的改善结果。
先把那张11天的工单找出来
生产数据分析可以从平均数返回明细:这张工单什么时候释放、什么时候完工,哪一段时间仍待解释?本文用释放到所选完工事件之间的历时举例;若报表计算的是开工到报工或释放到入库,回查时应沿各自的起止记录走。报工、完工与入库对应的事件不同,两个报表同叫“耗时”,也未必能直接对上。
自然日历时会包含等待和非工作时段,不能直接读成设备加工工时。需要按工作日计算或扣除暂停时段时,采用什么日历、扣掉哪些时间,应在底稿中保留。这样才知道11天里哪些是所选指标本来就包含的时间,哪些仍需业务解释。
异常时间与真实等待分开查
追查还可能遇到一条完工时间早于释放时间的记录。先检查时区、补录及事件关联;记录修正后再计算。若时间记录有效,就沿状态变化找真实等待。两条分支对应不同处理,不能看见耗时过长便把它当作脏数据删掉。确需从某项分析中排除记录,应保留原始明细和排除理由。
把耗时按区间展开,能够看见多数工单集中在哪里、尾部拖了多远。NIST的直方图说明列出了这类分布图可观察的内容。图能帮助定位要查的记录,具体是否停料、返工或等待资源,要回到工单证据中确认。
跨期比较先看产品结构
比较两期表现时,再看产品结构是否变了。第二期短流程产品增多,汇总平均下降,长流程产品可能并没有变快。按可比较的产品或工艺路线分组,才能继续判断是业务构成变了,还是同类工单耗时变了;记录太少的分组,也应保留波动带来的不确定性。
还有一批工单,根本没进这个平均数
截至统计时点仍未完工的工单,没有最终完工耗时。报表如果只统计已完工记录,这批尚在等待的业务就不在平均数里。给它们填零会扭曲结果,直接把已等待天数混进完工耗时,也改变了指标的含义。
跟单用的底稿可以同时保留两份结果:一份是已完工工单的耗时分布;另一份列截至同一时点仍未完工的工单、在途时长及当前状态。前者解释已经结束的业务,后者用于安排眼前的追查。如果要进一步推断所有工单的整体周期,还需采用适合处理未完成记录的方法,不能仅据完工样本下结论。
对灵核数智的制造业岗位级AI任务而言,这里值得评估的是生产数据整理工作:按业务确认的起止口径汇总记录,让分析结果能返回工单明细,同时把未完工清单交给跟单人员。计算、查询和数据接入怎样实现,需要按实际方案验证;这项任务也不包含据此承诺交期预测或自动排产。
下一次查看“平均三天”,可以沿从工单查报表差异的方法找到它包含了哪些明细,再看旁边尚未完工的清单。仍未完工、需要继续催办的工单,应当留在后一份清单上,带着截至时点、当前状态和待核实的等待区间。








