什么是标准工时？按照industrial engineering handbook：
Time standards have traditionally been defined as the time required by an average skilled operator, working at a normal pace, to perform a specified task using a prescribed method, allowing time for personal needs, fatigue, and delay.
用我蹩脚的翻译来翻译一下，就是说在一个普通熟练工人在带有生理宽放，疲劳宽放，延迟宽放的情况下根据预定的标准操作手法以一个正常速度下所需要的时间。
生理宽放，疲劳宽放，延迟宽放都有表可查。预定的标准操作手法也很容易理解。但是如何找到一个普通熟练工人以正常速度去完成工作成为了一个难题，因为这样的定义中间似乎充斥着主观的臆断，有的人说找一个工作了2,3年的操作人员进行测量就行了。那工作2,3年的人就是算普通熟练工人了吗？而且他在操作的时候，怎么样才算是正常速度呢？
为了避免这样令人尴尬的问题在我们身上发生，我们今天有必要好好讨论下。我们把这个问题分为两个子问题：
1、什么是一个普通熟练的工人？
2、什么是正常速度？
1、什么是一个普通熟练的工人？
六号认为要换一个思维去思考，不能认为正常速度的普通熟练工人是实际存在的。
问题来了，既然这样的人不存在，那我们的测量对象是谁呢？没有测量对象，我们怎么测量呢？
六号认为，答案来自于统计。接下来我们从统计学的角度去思考这个问题。
一个普通熟练（average skilled）的工人，我们可以认为他是一个虚拟存在的人，这个人能够代表工厂整体的熟练程度。
在统计学中，一般有平均数，中数，众数来代表某一组数据的中心趋势，不知道是巧合，还是因为惯例，在上述的英文定义中，用了average这样的词眼。那么就是说，把工厂里面所有人的熟练程度平均一下，那么就是普通熟练了。
但是这时，发现两个问题，一是用什么去衡量熟练程度呢？又没有像测量温度所用的温度计那样的熟练度计……二是工人这么多，即使有这样的熟练度计，测量成本是不是会很高？
问题我们逐个解决。
问题一，用什么去衡量熟练程度呢？
时间是一种能够衡量熟练程度的方式，比如在吉尼斯纪录中，吃完10个汉堡的最短时间，这就反映了在世界范围内，在吃10个汉堡领域中，所能达到的最熟练程度。
问题二，工人这么多，测量成本是不是会很高？
是的，如果咱们工厂有着上百，甚至上千人，如果你提议同时测量上千人的操作过程，你的老板一定认为你疯了！而且他绝不愿意为此买单。那怎么办呢？通过样本（sample）分析推测整体（population）成本就会大幅度降低。具体一点怎么做呢？我把工人师傅全部编号，然后在所有的编号中随机抽取一小部分（注意，这里一般性需要满足一定的显著性水平，一般为0.05）工人进行测量，这样，我们就能够用小样本去推测整体的水平。
在解决了这两个问题之后，看来我们就能够找到普通熟练（average skilled）的工人了！
2、什么是正常速度呢？
正常这个词，乍一看是一个绝对的状态，但是它实质上是相对的，每个人的评价标准的不同，会导致评价结果的差异。比如有的人觉得在高兴的状态下工作算是正常，因为他觉得人应该大部分正常状态是高兴的；但是有的人觉得大部分正常状态是不高兴，也不难过。那这如何是好？
如果不通过自己主观意愿设定标准，而是通过客观的结果来设定标准，会不会更好一些？比如说，是所有速度的平均值，就是正常速度。
那我们如何找到正常速度呢？聪明的读者可能在找普通熟练的工人的过程中就已经知道了答案。对，还是来源于统计。
这次我们就不是在所有的工人整体上面进行随机采样了。而是在我们刚刚找到的“普通熟练工人”的所有的操作中进行随机（注意随机二字，连续的采集数据，往往不是随机的）采样了。这样采样可能就涵盖了各种各样的因素，比如时间，温度，心情等等。
具体可以怎么做呢？可以给某个时间跨度内（可能是一年，可能是一个月）每分钟编号，然后随机选择观测时间点（注意，这里一般性需要满足一定的显著性水平，一般为0.05），去观测“普通熟练工人”，在这里也就是采样样本中所包含的工人。为了更好的测量，可以观测的时候，重新选择样本。
这样，我们又能找到正常速度了。
3、这样的方式与现有的方式对比
根据六号的观察，目前大部分企业的测量工时的方式是，采用视频录取3-5个操作循环，然后采用视频分析出工时数据，进行标准工时的制定。
这样的方式存在两个问题：
1、如何确定被录制视频的工人是普通熟练，是正常速度？
2、根据霍桑效应，人们会在被观测的时候改变自己的行为。咱们架着摄影机，然后长时间跟着操作人员，并且操作人员很可能知道你做这件事情的目的，几乎是100%的概率，他会改变自己日常的行为。
那么在上述介绍的统计的方法，有效的解决了第一个问题，又因为这种方法测量时间短，测量点随机，会一定程度上避免霍桑效应，降低工人改变日常行为的概率。
如果有朋友想要尝试这样方式，遇到了问题，可以联系我。
Time standards have traditionally been defined as the time required by an average skilled operator, working at a normal pace, to perform a specified task using a prescribed method, allowing time for personal needs, fatigue, and delay.
用我蹩脚的翻译来翻译一下，就是说在一个普通熟练工人在带有生理宽放，疲劳宽放，延迟宽放的情况下根据预定的标准操作手法以一个正常速度下所需要的时间。
生理宽放，疲劳宽放，延迟宽放都有表可查。预定的标准操作手法也很容易理解。但是如何找到一个普通熟练工人以正常速度去完成工作成为了一个难题，因为这样的定义中间似乎充斥着主观的臆断，有的人说找一个工作了2,3年的操作人员进行测量就行了。那工作2,3年的人就是算普通熟练工人了吗？而且他在操作的时候，怎么样才算是正常速度呢？
为了避免这样令人尴尬的问题在我们身上发生，我们今天有必要好好讨论下。我们把这个问题分为两个子问题：
1、什么是一个普通熟练的工人？
2、什么是正常速度？
1、什么是一个普通熟练的工人？
六号认为要换一个思维去思考，不能认为正常速度的普通熟练工人是实际存在的。
问题来了，既然这样的人不存在，那我们的测量对象是谁呢？没有测量对象，我们怎么测量呢？
六号认为，答案来自于统计。接下来我们从统计学的角度去思考这个问题。
一个普通熟练（average skilled）的工人，我们可以认为他是一个虚拟存在的人，这个人能够代表工厂整体的熟练程度。
在统计学中，一般有平均数，中数，众数来代表某一组数据的中心趋势，不知道是巧合，还是因为惯例，在上述的英文定义中，用了average这样的词眼。那么就是说，把工厂里面所有人的熟练程度平均一下，那么就是普通熟练了。
但是这时，发现两个问题，一是用什么去衡量熟练程度呢？又没有像测量温度所用的温度计那样的熟练度计……二是工人这么多，即使有这样的熟练度计，测量成本是不是会很高？
问题我们逐个解决。
问题一，用什么去衡量熟练程度呢？
时间是一种能够衡量熟练程度的方式，比如在吉尼斯纪录中，吃完10个汉堡的最短时间，这就反映了在世界范围内，在吃10个汉堡领域中，所能达到的最熟练程度。
问题二，工人这么多，测量成本是不是会很高？
是的，如果咱们工厂有着上百，甚至上千人，如果你提议同时测量上千人的操作过程，你的老板一定认为你疯了！而且他绝不愿意为此买单。那怎么办呢？通过样本（sample）分析推测整体（population）成本就会大幅度降低。具体一点怎么做呢？我把工人师傅全部编号，然后在所有的编号中随机抽取一小部分（注意，这里一般性需要满足一定的显著性水平，一般为0.05）工人进行测量，这样，我们就能够用小样本去推测整体的水平。
在解决了这两个问题之后，看来我们就能够找到普通熟练（average skilled）的工人了！
2、什么是正常速度呢？
正常这个词，乍一看是一个绝对的状态，但是它实质上是相对的，每个人的评价标准的不同，会导致评价结果的差异。比如有的人觉得在高兴的状态下工作算是正常，因为他觉得人应该大部分正常状态是高兴的；但是有的人觉得大部分正常状态是不高兴，也不难过。那这如何是好？
如果不通过自己主观意愿设定标准，而是通过客观的结果来设定标准，会不会更好一些？比如说，是所有速度的平均值，就是正常速度。
那我们如何找到正常速度呢？聪明的读者可能在找普通熟练的工人的过程中就已经知道了答案。对，还是来源于统计。
这次我们就不是在所有的工人整体上面进行随机采样了。而是在我们刚刚找到的“普通熟练工人”的所有的操作中进行随机（注意随机二字，连续的采集数据，往往不是随机的）采样了。这样采样可能就涵盖了各种各样的因素，比如时间，温度，心情等等。
具体可以怎么做呢？可以给某个时间跨度内（可能是一年，可能是一个月）每分钟编号，然后随机选择观测时间点（注意，这里一般性需要满足一定的显著性水平，一般为0.05），去观测“普通熟练工人”，在这里也就是采样样本中所包含的工人。为了更好的测量，可以观测的时候，重新选择样本。
这样，我们又能找到正常速度了。
3、这样的方式与现有的方式对比
根据六号的观察，目前大部分企业的测量工时的方式是，采用视频录取3-5个操作循环，然后采用视频分析出工时数据，进行标准工时的制定。
这样的方式存在两个问题：
1、如何确定被录制视频的工人是普通熟练，是正常速度？
2、根据霍桑效应，人们会在被观测的时候改变自己的行为。咱们架着摄影机，然后长时间跟着操作人员，并且操作人员很可能知道你做这件事情的目的，几乎是100%的概率，他会改变自己日常的行为。
那么在上述介绍的统计的方法，有效的解决了第一个问题，又因为这种方法测量时间短，测量点随机，会一定程度上避免霍桑效应，降低工人改变日常行为的概率。
如果有朋友想要尝试这样方式，遇到了问题，可以联系我。
