Benchmarking studie van PDTM systemen
Steven Bollez en Jonas De Ridder
Promotor: prof. dr. ir. Dirk Van Goubergen
Begeleider: ir. Karel Bauters
Masterproef ingediend tot het behalen van de academische graad van
Master in de ingenieurswetenschappen: bedrijfskundige systeemtechnieken en
operationeel onderzoek
Vakgroep Technische Bedrijfsvoering
Voorzitter: prof. dr. El-Houssaine Aghezzaf
Faculteit Ingenieurswetenschappen en Architectuur
Academiejaar 2010-2011
Benchmarking studie van PDTM systemen
Steven Bollez en Jonas De Ridder
Promotor: prof. dr. ir. Dirk Van Goubergen
Begeleider: ir. Karel Bauters
Masterproef ingediend tot het behalen van de academische graad van
Master in de ingenieurswetenschappen: bedrijfskundige systeemtechnieken en
operationeel onderzoek
Vakgroep Technische Bedrijfsvoering
Voorzitter: prof. dr. El-Houssaine Aghezzaf
Faculteit Ingenieurswetenschappen en Architectuur
Academiejaar 2010-2011
I
Voorwoord en dankwoord
Deze scriptie onderzoekt de verschillen tussen een aantal PDTM systemen en mogelijke
verbanden met de inhoud van de manuele arbeid die wordt geanalyseerd. De systemen
ter sprake zijn MTM-1, MTM-2, MTM-3, SAM, VWF, MOST en MODAPTS. De doelstelling
van dit onderzoek is het bepalen van het optimale PDTMS naar gelang de situatie
waarvoor het gebruikt wordt. Het onderzoek is hierbij tweeledig en bevat zowel een
praktische als theoretische benadering. Deze tweeledigheid komt van het feit dat zowel de
nauwkeurigheid als de nodige investering in tijd van het systeem de keuze zal bepalen.
De opbouw van dit werk is zodanig dat er een logisch verloop is tussen de verschillende
onderdelen. Het onderzoek gebeurde hierbij niet noodzakelijk in deze volgorde. Hieronder
wordt kort het verloop van deze thesis uiteengezet.
Alvorens verder te gaan wensen de auteurs de promotor, prof. dr. ir. Dirk Van Goubergen,
en begeleider, ir. Karel Bauters, te danken voor de medewerking, feedback en het mede
mogelijk maken van deze scriptie. Verder wensen de auteurs ook doctoraatstudent
Peeradaech Suwittayaruk te bedanken voor de hulp bij het inschatten van de tempo‟s van
de gebruikte video‟s. Ook vrienden en familie wensen ze te danken voor de morele steun.
Introductie
In dit deel wordt eerst kort verduidelijkt wat een PDTMS is en waarvoor een
dergelijk systeem wordt gebruikt. Vervolgens wordt de probleemstelling
uiteengezet en wordt de doelstelling van dit werk geformuleerd.
DEEL I: Literatuurstudie
Hier wordt gestart met een algemeen overzicht van de geschiedenis der PDTM
systemen, gevolgd door een beknopte beschrijving van de verschillende systemen
die worden behandeld in het onderzoek zodat de lezer ermee vertrouwd geraakt.
Daarna wordt een overzicht gegeven per systeem van enkele belangrijke
kenmerken.
Een tweede luik in de literatuurstudie handelt over het ietwat speciale PDTM
systeem “Mento Factor” en over leercurves. Deze theorie zal van pas komen in het
onderzoek naar de toepassingssnelheid van de systemen en de leersnelheid
ervan.
II
DEEL II: Onderzoek
In dit deel wordt het probleem verder ontleed in twee afzonderlijk te behandelen
deelproblemen en wordt de methodologie, die telkens werd toegepast, uitgewerkt.
Dit gebeurt voor beide geformuleerde deelproblemen, zijnde eerst de
nauwkeurigheid en vervolgens de analyseduur.
DEEL III: Resultaten nauwkeurigheid
Dit deel behandelt de resultaten van het onderzoek voor het eerste deelprobleem;
de nauwkeurigheid. Zowel de theoretische als de praktische benadering voor het
probleem van de nauwkeurigheid worden overlopen. Beide delen gaan na
waarvan de nauwkeurigheid van de verschillende systemen afhankelijk is.
Conclusies uit beide delen worden dan overlopen. Daarna worden de conclusies
en hypotheses uit de theorie getoetst aan de hand van de resultaten uit de praktijk.
DEEL IV: Resultaten analyseduur
Deel IV van dit werk gaat verder in op de resultaten in verband met het onderzoek
van het tweede deelprobleem, namelijk de analyseduur. Daarbij wordt nagegaan
hoe snel de verschillende systemen aangeleerd kunnen worden en wat het
verband is tussen de analyseduur en de inhoud van het geanalyseerde werk. Dit is
vooral gebaseerd op praktische resultaten.
DEEL V: Conclusies en bemerkingen
In dit laatste deel worden de conclusies van beide deelproblemen samengevat en
worden aanbevelingen geformuleerd hoe het onderzoek en de resultaten ervan
dienen geïnterpreteerd en gebruikt te worden. Daarna volgen een aantal
voorstellen voor toekomstig werk.
DEEL VI: Bijlagen
Dit onderzoek sluit af met enkele bijlagen. Deze omvatten voornamelijk de tabellen
met codes en tijdswaarden, die nodig zijn om de PDTM systemen toe te kunnen
passen (Bijlage A tot I). Daarna volgt een uitgebreid overzicht van kenmerken voor
elk systeem (Bijlage J). Bijlage K omvat de beschrijvingen van de inhoud van de
geanalyseerde video‟s. Ook wordt één analyse volledig uitgewerkt weergegeven in
Bijlage L en M. Twee tabellen die de waarden van enkele grafieken verklaren
worden Bijlage N en O meegegeven. En om af te sluiten beschrijft Bijlage P welke
MTM-1 code(s) overeenstemmen met codes uit andere systemen.
III
De auteurs geven de toelating deze masterproef voor consultatie beschikbaar te stellen
en delen van de masterproef te kopiëren voor persoonlijk gebruik.
Elk ander gebruik valt onder de beperkingen van het auteursrecht, in het bijzonder met
betrekking tot de verplichting de bron uitdrukkelijk te vermelden bij het aanhalen van
resultaten uit deze masterproef.
The authors give permission to make this master dissertation available for consultation
and to copy parts of this master dissertation for personal use.
In the case of any other use, the limitations of the copyright have to be respected, in
particular with regard to the obligation to state expressly the source when quoting results
from this master dissertation.
Datum: Handtekeningen:
IV
Overzicht
Deze thesis beschrijft het onderzoek en de resultaten van een benchmarking studie van
“predetermined time motion” systemen (PDTMS). De doelstelling van deze thesis is te
bepalen in welke situatie welk PDTMS best wordt gebruikt. Dit werk omvat grotendeels
een vergelijkende studie van MTM-2, MTM-3, SAM, VWF, MOST en MODAPTS ten
opzichte van MTM-1. Het onderzoek is onderverdeeld in twee delen. Eerst wordt de
invloed van verschillende eigenschappen van het te onderzoeken werk op de
nauwkeurigheid van het systeem nagegaan. Dit wordt gedaan zowel op basis van een
theoretische als van een praktische benadering. De vaststellingen uit de theoretische
vergelijking worden getoetst en bevestigd door deze in de praktijk toe te passen op
verschillende video‟s van industriële werkinhoud. Voor het tweede deel wordt de invloed
van de werkinhoud op de analyseduur nagegaan, evenals de tijd die nodig is om de
systemen aan te leren. Hierbij wordt vooral een praktische werkwijze gehanteerd.
Volgende informatie in de vorm van conclusies en aanbevelingen werd uiteengezet in het
onderzoek van de verschillende vergelijkende analyses in dit document.
1. In het algemeen besluit deze thesis dat de keuze van het te gebruiken PDTMS
sterk afhankelijk is van de hanteerbaarheid van voorwerpen en de afgelegde
afstanden in de werkinhoud.
2. Aan de hand van het onderzoek kan op basis van een korte werkbeschrijving voor
lange cycli met vrij grote zekerheid worden bepaald welk systeem de grootste
nauwkeurigheid zal hebben. Voor kortere cycli kan dit ook maar moet men dieper
in detail treden.
3. Ook worden redenen gegeven voor de afwijkingen voor verschillende elementen in
de verschillende PDTM systemen.
4. Op basis van de opgemeten tijden van de auteurs wordt een idee gekregen van de
snelheid waaraan een nieuw systeem kan geassimileerd worden. Leercurves
werden hiervoor opgesteld.
5. Een aantal vaststellingen worden geformuleerd in verband met de correlatie
tussen de analyseduur en de werkinhoud.
Trefwoorden: vergelijking, PDTM, nauwkeurigheid, analyseduur, leersnelheid
V
Benchmarking study of PTM systems
Steven Bollez, Jonas De Ridder
Promotors: prof. dr. ir. Dirk Van Goubergen, ir. Karel Bouter
Abstract: This article describes the research and the results
of a benchmarking study of predetermined time motion
systems (PTMS). The purpose of this study is to determine
which PTMS is best used under which circumstances. It is
mostly a comparative study of MTM-2, MTM-3, SAM, VWF,
MOST and MODAPTS to MTM-1. The research is divided in
two parts. First, the influence of multiple characteristics, of
the work to be analyzed, on the accuracy of the system is
determined. This is done based in both a practical and a
theoretical approach. Conclusions from the theoretical
approach are tested and acknowledged thru a practical
application on several videos of industrial work content.
Second, the time needed to learn a new PTMS, as well as the
influence of several characteristics, of the work content, on
the application time of the system, are studied. A more
practical approach is applied herein. In general, this study
concludes that the choice of the optimal PTMS is highly
dependent on the ease of handling and the distances reached.
A choice can in some situations - mostly for long work cycles -
be made just on the basis of the work description but in
general every case should be analyzed separately. Reasons
are given for the deviation if the systems and learning curves
were composed in order to have an idea of the learning speed.
Some correlations were found between the work content and
the time for analysis. With the findings of this paper one is
able to make a better decision on which PTMS should be used
for a certain type of work.
Keywords: comparison, PTMS, accuracy, application time,
learning rate
INTRODUCTION
Today, over 50 different PTM systems are available.
This makes it hard for industrial engineers to determine
what system they should use. Not only is there a big
difference in accuracy between these systems but also in
the time that needs to be invested to learn and apply these
systems. Not choosing this system carefully could result in
big errors in the determination of standard work times and
in large wastes of time. So a wide variety of systems is
available, but there is no clear understanding as to when to
use which system.
In general, one wants a PTMS that is accurate and easily
and fast to apply. Unfortunately these characteristics are
mutually exclusive. In general, a more detailed PTMS has
a high accuracy but a slow application time. For a quick to
apply PTMS, it is usually the other way around. Thus, the
problem is two-fold. In order to determine which system to
use, one needs to make a trade-off between accuracy and
speed.
This paper will discuss the study that is performed on
both the sub problems. First, a more detailed problem
description is given for both sub problems, along with the
different approaches for both of them. In the next sections,
this paper goes into more detail about the approaches and
the results therein, followed by some preliminary
conclusions. This is done sequentially for both sub
problems. In the end, a general conclusion is put forward
along with a recommended way of determining the best
PTMS to use. Interesting ideas for future work are also
suggested.
The topic for this research was provided by D. Van
Goubergen for the purpose of the authors’ master thesis at
the faculty. The goal of this research is to look for key
aspects in the work content that one wants to analyze and
translate this in a choice for a predetermined time motion
system. Not only the accuracy of the system is of
importance but also the time needed to study and apply a
new PTMS.
THE PROBLEM
As stated in the introduction, the problem is two-fold.
This paragraph will discuss both sub problems separately.
The problems and how they will be approached in this
paper are formulated.
A. Sub problem 1
The first problem is related to the accuracy of each
system. Accuracy concerns to what extent the values from
the tables of the PTMS match reality. How does one know
which system is the more accurate one for some specific
work content? In order to determine this, a comparison is
needed between the different systems. Since MTM-1 is a
first generation system and is more detailed than any other
in this research, it is safe to say that it is also the most
accurate one. Therefore, a comparison between the other
systems and MTM-1 is allowed. By looking at the
deviation towards MTM-1, one also knows the deviation
towards the real time. This is possible since MTM-1 is
considered highly accurate and since its accuracy is well
known. Because theory and practice do not always agree
with each other, both a theoretical and practical
examination will be performed.
The theoretical approach aims to compare MTM-2,
MTM-3, SAM, VWF, MOST and MODAPTS to MTM-1
by calculating the deviation of most common elements.
These elements are body motions and steps, tool using
motions like screw, hammer and crank, and reach, grasp,
move and position motions. Of the last four, many
combinations can be made and compared.
VI
In the practical study, the results of the application of the
different systems on multiple industrial videos need to be
analyzed. In order to be able to compare the theoretical and
practical results, one needs comparable elements. These
can be obtained by dividing the analyses of the videos into
blocks. How exactly this is done, will be illustrated later
on in this article. Once all analyses are divided into blocks,
blocks of the same type can be arranged together and
examined. Conclusions from both practical and theoretical
examination can then be compared.
Based on previous conclusions one can use the results of
the investigations to try to determine which PTMS is best
used for some work content. The findings from this first
part of the research can now be tested in practice.
B. Sub problem 2
The second problem is related to the learning rate of a
new system and its application speed. In some situations it
is more important to use a PTMS which is easily learnt and
fast to apply, than a very accurate one. Therefore it is
interesting to know what influences this application speed.
The research here focuses on these two matters and is
based on the times that were needed to during the previous
practical application of the systems. With these data,
learning curves can be constructed to identify easier to
learn systems. Secondly, they can be used to detect
correlations with several aspects of the analyzed work.
Depending on the needs of the company, the purpose of
the PTMS analysis, and the work content to be analyzed, a
system could be selected with the least application time
and the highest learning rate.
ANALYSIS AND RESULTS
This paragraph includes how calculations were made,
what the results are from those calculations and what can
be derived from them. This section will also make a
distinction of both sub problems. First the accuracy will be
investigated, next, the analysis time.
A. Sub problem 1: Accuracy
1) Theoretical approach
As discussed in the problem description, in order to have
an idea of the accuracy, the deviation of the different
systems from MTM-1 was calculated. Doing so, the
systems are also compared to one another since comparing
B to A and C to A, also compares B to C. This was done
for several elements and combinations of elements.
Following formula was used to calculate the deviation.
[ ] ( – )
( )
The values obtained need to be interpreted as follows. In
order to obtain the same time value of the PTMS, the time
value of MTM-1 needs to increase is the percentage. The
elements for which this deviation is calculated are
displayed in Table 1. This table contains the most important
movements that are most common. All combinations of
“reach” and “grasp” and of “move” and “position” are
investigated. This is not the case for all combinations of
“reach”, “grasp” and “move, and of “reach”, “grasp”,
“move” and “position”. The reason for this is that there are
too many combinations possible (39 and 234). Also, the
body movements and actions like screw, crank and
hammer are examined. The possible combinations were
determined based on literature and the corresponding
codes for the comparison were based on the definitions of
the various systems.
Table 1: Examined combinations
The results of all these comparisons will not be tabulated
here because this would make this paper grow out of
proportion due to the number of tables. Only the deducted
conclusions of these tables will be summed up. A
deviation of +/- 5% or lower is considered as good.
It appears MOST and VWF overestimate the time
needed for walk movements. This means those systems are
better not used for work with a lot of walking. With
increasing number of steps, the deviation of MOST
decreases. This is not the case for VWF. Other systems are
relatively accurate in this matter. When looking at the
elements “Bend” and Arise” most systems are equally
REACH+GRASP
RA-G1A RB-G1C2 RC-G4A
RA-G1C1 RB-G3 RC-G4B
RA-G3 RC-G1B RC-G4C
RB-G1A RC-G1C3 RB-APA
RB-G1C1 RC-G3
MOVE
MA-RL1 MB-RL1 MC-RL1
REACH+GRASP+MOVE
RA-G1A-MA-RL1 RB-G1C2-MB-RL1 RC/D-G4A-MB-RL1
RA-G1A-MB-RL1 RC/D-G1B-MB-RL1 RC/D-G4C-MC-RL1
RB-G1A-MB-RL1 RC/D-G1C3-MB-RL1
MOVE+POSITION
MC-P1SE-RL1 MC-P2SE-RL1 MC-P3SE-RL1
MC-P1SSE-RL1 MC-P2SSE-RL1 MC-P3SSE-RL1
MC-P1NSE-RL1 MC-P2NSE-RL1 MC-P3NSE-RL1
MC-P1SD-RL1 MC-P2SD-RL1 MC-P3SD-RL1
MC-P1SSD-RL1 MC-P2SSD-RL1 MC-P3SSD-RL1
MC-P1NSD-RL1 MC-P2NSD-RL1 MC-P3NSD-RL1
REACH+GRASP+MOVE+POSITION
RA-G1A-MC-P3SSE-RL1
RB-G1C2-MC-P2SD-RL1
RC/D-G4A-MC-P2SE-RL1
RA-G1C1-MC-
P1SSE-RL1
RB-G3-MC-P1NSD-
RL1
RC/D-G4B-MC-P3SE-
RL1
RA-G3-MC-P2SE-RL1
RC/D-G1B-MC-P1SD-RL1
RC/D-G4C-MC-P3SD-RL1
RB-G1A-MC-P1SE-
RL1
RC/D-G1C3-MC-
P2NSD-RL1
RC/D-G4A-MC-
P3NSD-RL1
RB-G1C1-MC-P2SSE-RL1
RC/D-G3-MC-P1NSE-RL1
RC/D-G4A-MC-P3NSE-RL1
VII
accurate. Only VWF seems to underestimate the time a lot.
This is why the authors believe VWF is best used only in
situations where the bending and rising can happen in an
unobstructed manner. For sitting and standing up, all
systems’ deviations result in an underestimation of about
20% towards MTM-1. This mostly has to do with
differences in definitions. In general, it can be concluded
that MTM-1, MTM-2, SAM and MODAPTS are the better
systems for these body movements.
Looking at the elements concerning tool usage, MTM-1,
MTM-2 and SAM are more accurate. Others can also be
used but need more care in applying. MTM-3 is least fit
for these kinds of actions. Even though VWF and MOST
contain some dedicated elements in their tables, they tend
to deviate a lot, when compared to MTM-1.
For the comparison of the different combinations of
“reach” and “move” the deviation of all distance categories
of MTM-1 was calculated. MTM-1 has a new value for
every 2cm until the distance of 30cm, from then on a new
category starts every 5cm, up to 80cm. This means there
are 25 distance intervals for which the deviation needs to
be calculated. As a consequence, this also makes it
difficult to come to a general conclusion. This is why a
normal distribution for the occurrence of the distances was
composed based on the results of the practical application
of MTM-1. Based on this distribution a weighted average
of the deviations for the different combinations of “reach”,
“grasp”, “move” and “position” can be calculated. This
gives a more general idea of the accuracy of the systems
for each specific combination. Beside this average, also the
number of times a system has the lowest deviation for a
certain distance interval was counted for each
combination. This frequency gives an extra indication as to
how accurate the system is and is a good addition because
a good average doesn’t necessarily mean the individual
deviations are also good. It needs said that the weighted
averages are in fact only interesting when there is a big
variation in distances traveled in the work content. For
small variations it is advised to look at the deviation in the
concerning distance intervals.
When looking at the pure “reach” and “grasp”
combinations MTM-1, MTM-2, SAM and MODAPTS
seem to be the more accurate systems based on the
weighted average deviation and the frequency. MTM-2 has
an overall lower deviation to MTM-1 than the other
systems. SAM has the lowest deviation for RC/D-G3,
RC/D-G4A and RC/D-G1B while MODAPTS is most
interesting in RB-G1C1, RB-G1C2, RC/D-G4C, RB-G3.
For the pure movements (without positioning) MODAPS
and MOST have the lowest deviation. MTM-3 however
also has a low deviation for MA and MB. VWF appears
almost as many times as MTM-3 as “best” system for MB
but still has a high weighted average.
When the movement is combined with positioning
MOST is most suited for difficult assemblies, as is VWF
but in smaller extent. The other systems, especially
MTM-3, tend to underestimate these times. Only in the
easiest positioning (of type P1) MTM-2, MTM-3, VWF
and MODAPTS are eligible candidates.
The deviations of the combination of “reach” and
“grasp” move “move” are favorable for MTM-2. It occurs
most often as the system with the lowest deviation over all
combinations and distances and thus often has a low
average deviation. Furthermore, also MOST and
MODAPTS have good scores in these combinations,
especially for the more difficult grasps.
When positioning is added to the equation, again, MOST
has the best deviation for the difficult assemblies. Also
VWF has an acceptable deviation for this category. Other
systems are most suitable for the easier assemblies.
When considering what system to choose to analyze
some work content, one does better not look at the
elements separately. He should calculate the weighted
average of all deviations of all elements. The error that one
element makes can be averaged out by the others or on the
contrary be enlarged. This also means that the larger
elements will have a larger weight in this average. When a
system has a very low deviation for an element with a
large weight, the chances are that this system also shows
the smallest total deviation. With this in mind, this chance
increases for long cycles when this element occurs
multiple times. Long cycles also tend to have a larger
variation in traveled distances then short cycles. Therefore
it is advised to base the choice of a PTMS in short cycles
on the deviation of the concerning distance intervals. This
theory will be tested in practice but first the results of the
practical approach are examined.
2) Practical approach
For the practical approach 21 videos have been analyzed
with the each system. During the application, the time
needed to analyze the first cycle, as well as for the total
video, was noted down. This is important for the research
concerning the second sub problem. At the end of each
analysis the normal time was calculated for the first cycle
and compared to the real time of this cycle. This gives us
the deviation towards the real time.
As expected, MTM-1 is the most accurate system with
an average deviation of -1,76%, followed by MTM-2 (-
1,79%). MTM-3, MOST and MODAPTS have comparable
values – all around +3,50%. To complete this series SAM
has an average deviation of +7,79% and VWF of +10,47%.
These averages however are not weighed to the lengths of
the cycles. This is not entirely correct because this way, a
percentage of a short cycle has the same influence than one
of a longer cycle. When calculating the weighted average,
the results are somewhat different.
Now, MTM-2 has the lowest deviation (+0,71%). MTM-
1 is second with +2,02%, followed by MODAPTS
(+5,71%), MOST (+8,67%), MTM-3 (+9,71%), SAM
(+10,28%) and VWF (+13,22%). One could conclude from
VIII
this for example that MTM-3 is less accurate for long
cycles. This is however contrary to the common literature.
Further investigation for the reason of this result indicated
that this is due to the videos that were analyzed. Only few
videos with long cycles were analyzed. Also, in those
videos, there were a lot of small movements like screwing
for which the theoretical study showed that MTM-3 is not
so accurate. Similar reasoning can be followed for MOST.
In general, it can be concluded that MTM-1 and MTM-2
are the systems with the lowest deviations based on these
videos.
To be able to compare the results to the theoretical
findings the deviation of the analyses towards MTM-1 is
also determined. It is found that MTM-2 is again the
system with the least weighted average deviation (+1,73).
The order from least to most deviation is the same as
above (MODAPTS, MOST, MTM-3, SAM, VWF). Also,
the systems seem to continuously overestimate the MTM-1
value.
Because of the generalization it is hard to compare to the
theoretical findings. Since MTM-2 tends to have a small
deviation in the theoretical comparison it seems logical
that it also has a good general accuracy, so in some way
this confirms this practical result. Still it is interesting to
examine the practical results further. This is why the
analyses are divided into blocks. This results in block of
different types.
In general, four types can be distinguished in
correspondence with the combinations of the theoretical
approach. These are called RG, M, MP and RGMP, where
the letters refer to the first letter of the element (Reach=R
and so on). It is expected that the deviations of the blocks
are equal to those from the theoretical approach since the
definitions are the same. However this is not always the
case because of occurrence of ,for example, simultaneous
motions or the absence of the element “Release” which
was always incorporated in the theory.
For the blocks of type “RG”, the authors experienced no
difficulty in the application of the different definitions of
the systems. They were found quite fitting in most cases. A
remark that can be made however, is that the systems –
apart from MTM-1 – use very general definitions en do not
make much distinction between different difficulties of
grasp movements. Also MTM-3, SAM, VWF and MOST
use large distance intervals for their elements. This is
probably a cause for the large deviation that is noticed in
distances near the lower limits of the interval. This is
confirmed from the theoretical approach. The deviation
from MTM-1 is highly dependent of the distance covered
and the type of grasp and reach that is used in MTM-1,
which was also noticed in the theoretical research. On
average MTM-2 has the lowest deviation for this block
type, followed by MODAPTS, SAM en MOST. These last
systems gain accuracy with increasing distance. Another
remark worth making is that the different systems tend to
have a similar curve. This clearly indicates a similar
influence of the type of grasp or reach. This is proven by
calculating the correlation.
From the blocks of type “M” similar findings can be
stated. The deviation is highly influenced by the weight,
distance, and type but also from the presence or absence of
the element “Release”. When “Positioning” is added
(“MP” blocks) it is observed that the deviation changes
strongly depending on the type of positioning. For difficult
assemblies most systems underestimate the value. MOST
and VWF have lower deviations, just like theory states.
The authors again experienced that the definitions were
very general and are used for several different assembly
types.
“RGM” and “RGMP” blocks are in fact combinations
of previous blocks, except for MTM-3. Therefore most
findings can be extrapolated to these types. To come to
greater conclusions more analyses should be performed
but the conclusions that can be made confirm the findings
from the theoretical examination.
3) Applying the findings
The next step is the application of the findings in
practice to try to determine the system with the least
deviation. As was stated in the explanation of the
theoretical findings, the weighted average deviation should
be calculated of all elements of the work content to be
analyzed. The authors tried to determine the system with
the lowest deviation and compare this with the results from
the practical approach. Also they test the hypothesis that
the elements with the largest weight determine which
system has the lowest deviation, regardless of the small
elements. This is done on three arbitrarily chosen videos,
two with short cycles and one with a long cycle.
For all videos the weighted average deviation per system
was calculated in the first phase based on the average
deviation for the different elements. The time values of
MTM-1 served as the weights for the calculation. Results
are shown in the Table 2 below.
If the choice were based on the results of the first phase,
it would result in choosing the wrong system for video 1
and 2. These happen to be the two short cycles. Video 3
has a long cycle and for the calculation of the average
values only the large repetitive elements were taken into
account. This is a first indication that the larger elements
do determine the overall deviation and the final choice of
the system to be used. If MTM-2 were chosen for video 1,
the error would be acceptable. The same can be said for
video 2.
Another remark that can be made for video 1 and 2 is
that MOST has with the lowest deviation in the element
with the largest weight. This system also happens to have
the second lowest deviation for video 1 and the lowest
deviation for video 2. This is again an indication that the
largest elements determine the overall accuracy. If one
would base his choice on this, the error would be less than
IX
when the choice was based on the system with the lowest
weighted average. One needs to keep in mind that the
practical results are prone to small errors in the judgment
of elements and to differences with the theoretical
approach.
If one wants to be certain of the choice it is best,
certainly for small cycles, to look at the elements more in
detail. This means, taking into account the distances
traveled. This is not always possible, but the authors
assume that the work area of the work to be analyzed is
well known to the analyst so that the reach and move
distances can be approximated quite accurately. Again the
weighted average deviation is calculated but now, based
on the deviations for the specific distances. This is called
Phase 2 in the table. The results are now closer to the
practical results. This means the choice can be made more
accurately. The drawback from this is that the analyst
needs to go in so much detail. The choice of a PTMS
should be easy and quick. Therefore the authors believe
that the choice is best based on the Phase 1 calculations.
Table 2: Results application of theory
B. Sub problem 2: Analysis time and learning curves
In the following chapter the duration of the analysis and
the learning rate of a PTMS will be discussed. This is an
important element in the choosing of which PTMS to use.
For both parameters a comparison between the
experimental found data and the values found in literature
will be made.
1) Relative analysis duration
To analyze a work method a certain time is needed. This
is called the “duration of the analysis”. The duration of the
analysis compared to the duration of the cycle (“relative
duration”) varies from video to video. When each method
is applied, the relative duration for each video can be
plotted in a graph. Therefor the same sequence of analyses
is kept for each system. Very unpredictable curves are the
result of this plotting. The first step in this part of the study
is to see if there is some correlation between each graph.
Therefor the MTM-1 durations of the analyses are seen as
the reference. The conclusion is that there is some
correlation between the graphs. This means that the graphs
follow an analogous pattern. The next step is then to
search for the underlying causes. In this study, this has
been done in both a qualitative and a quantitative manner.
The qualitative manner is a subjective approach, but is a
great help for the quantitative research. This approach
consists of looking for elements that could be the cause of
the fluctuation in the relative analysis’ duration. It revealed
some possible causes for the variation. One of these is that
the number of handlings per second has a positive
correlation with the relative duration. This means that
when a method consists of many small movements, the
number of handlings performed per second will be great,
and thus the duration of the analysis will be longer. The
number of elements per second is compared to the relative
durations and the correlation is calculated for each system.
It is concluded that none of the properties can be solely
accounted for the variation in the duration of the analysis.
There are other elements which have an influence, such as
the number of steps taken, the number of screw-motions,
the amount of simultaneous motions, etc. The influence of
the number of steps has the highest negative correlation.
This is because taking steps is usually a large element,
which can easily and fast be analyzed. This also reduces
the number of elements per second. The opposite is true
when there is a high degree of simultaneity. The
conclusion of this quantitative approach is that the relative
duration of analyses is dependent on many factors.
2) Learning effect and learning rate
The authors also kept track of the time needed to
perform the analysis of each first cycle of a video. When a
method is applied to analyze a video, the duration of the
analysis compared to the duration of the first cycle will be
higher for the first videos than for the later analyzed
videos. This is because each method has to be assimilated
by the authors. This is called the “learning effect”. Each
method has its own learning curve which is based on the
relative durations. Because of the high variation in these
curves, a trend line is calculated. Based on this trend line
one can calculate for each following video the
improvement compared to the previous video. The authors
presumed a method to be known once this improvement is
less than 2%. The corresponding values of the relative
duration can then be compared to the values found in the
literature.
Table 3: The duration of the analysis relative to the duration of
the first cycle (“relative duration”) from practice compared to the
values from the literature
Me-
thod
MTM-1 MTM-2 SAM MTM-3 VWF MOST MOD
Literat
ure 250 100 50 35 à 50 20 50 30
Experi
mental 63 25 17 16 37 61 45
Apparently, for the methods MTM-1, MTM-2, MTM-3
and SAM a much lower value is found in practice. There
are some reasons for this result. In this calculation no time
for performing the two-hand analysis was included, also
Video 1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
Phase I -0,7% 20,3% 5,8% 37,7% 9,4% 10,3%
PhaseII -3,9% 16,3% -2,9% 35,2% -2,1% 1,3%
Practice 4,1% 8,6% -7,3% 28,7% -2,9% -2,0%
Video 2
Phase I -25,7% -23,5% -20,2% 2,5% 7,2% -18,1%
PhaseII -26,3% -21,1% -20,7% -0,6% 7,3% -17,6%
Practice -23,0% -22,2% -24,9% 2,9% 2,7% -12,2%
Video 3
Phase I 0,0% 17,4% -6,3% 17,7% 63,7% 14,4%
Practice 0,6% 9,9% 9,7% 9,1% 7,7% 0,9%
X
there was no time added when adjustments were made. It
is not clear whether or not these extra times are included in
the values from the literature. Another reason is that the
content of the videos was better known each time another
method was applied. For VWF, MOST en MODAPTS a
higher value is found in practice. The latter three methods
were applied by another author for who these methods
were completely new. As stated, these values are based on
a trend line which was based on our experimental findings.
The R² value corresponding to the trend lines however
show that these lines are not very good approximations.
Using the relative durations’ trend line one can express
the learning effect in a percentage value. The percentages
are calculated as the relative improvement each time the
number of analyses doubles. Here it can be calculated
between analysis 1 and 2, 2 and 4, 4 and 8 and 8 and 16.
The average values of these are given in the following
table:
Table 4: Learning rates calculated from the trend lines
Trend-
line
MT
M-1
MT
M-2
SA
M
MT
M-3
VW
F
MO
ST
MO
D
Avg 87% 82% 92% 86% 70% 82% 74%
From it, one can conclude that VWF and MODAPTS are
easy to apprehend. For VWF specifically it says that the
relative time to perform the analysis of video number 2*X
is 70% of the time that was needed to analyze video
number X. MTM-2 and MOST are a bit more difficult to
learn and apply. For SAM the value of 92% is calculated.
This doesn’t mean that the method is very difficult to
learn. The real reason for this unexpectedly high value is
that SAM is similar to MTM-2 and was one of the last
methods to apply. This means one the one hand that the
method was already known and on the other hand that the
content of the videos was very well known. The learning
effect is consequently lower. For MTM-1 a high value is
found. This indicates that the MTM-1 method is more
difficult to apprehend. This is a logic result because of the
complexity of this method.
CONCLUSION
If an analyst must decide which system he wishes to
apply for a time study, there are many parameters that may
influence his choice. On the one hand, he wants a system
that is accurate enough and on the other hand, he prefers
one that is quickly learned and easily applied. It is not easy
to make such a choice. In this article, the authors sought a
way to determine the best alternative based on the
expected variation of each system and based on the
complexity of these systems.
To apply the method as described in the article, the
analyst is expected to have knowledge of some features of
the work. This proved especially important for short
cycles. For longer cycles an estimation for the deviation
can be calculated without knowing too many details. The
implementation of the theoretical findings in the field
showed that the elements with the greatest weight in the
total work content determine the total deviation. Therefore,
the choice for the most accurate system can be based on
the deviations of the largest and most common elements in
one cycle. So, one does not need to do a detailed analysis
of the handlings for long cycles. Only calculating the
weighted average deviation of the main elements is
sufficient. For short cycles, the results showed that a more
detailed knowledge of the work content is required.
Besides the accuracy, one mustn’t neglect the
importance of the analysis time. The analysis time is
greatly dependent on the complexity of the PTM system
used, but it can also be influenced by characteristics of the
work content. The authors showed that the duration of the
analysis has a positive correlation with the number of
elements per time unit in the work. The correlation
however is limited. This means that other characteristics
have a role in the variation of the duration. The authors
tested the correlation of a few characteristics and found
that the correlation was limited in each case. Thus many
factors together influence the analysis time. More
investigation would be necessary to find the relationship
between work content and analysis time.
The authors also kept track of their learning effect.
When a new method is applied for the first time, it will
require more time than after a few performed analyses.
The learning curve of each system was approximated by a
learning curve to ease making conclusions. The authors
calculated the required time per time unit to perform an
analysis for each system and concluded that there was a
big difference compared to the values found in literature.
Also the learning rates were calculated. These indicated
that VWF and MODAPTS are the most easy to apprehend.
MTM-1 proved to be the most difficult.
To make a definitive choice between the systems, a
trade-off between the desired accuracy and the speed at
which one wishes to apply the analysis has to be made.
The results of this study can help making this choice.
FUTURE WORK
The conducted study was bounded by a time limit and is
therefore restricted. There certainly is room for future
work. To ease the choice of which PMT system to use, a
program could be written, based on the findings of this
study. A user should then give in some parameters of the
work content. For example: the types and distances of the
handlings. The program then calculates based on these
parameters which system is likely to be the most accurate.
The user doesn’t need to look up values in tables or make
all the calculations himself, as has been done in this work,
to see which one is best. The program does that for
him/her. The program could also show and take into
account the duration required to perform the analyses.
Another possible expansion is to extent the number of
PTM systems in the benchmarking study. There are a lot
more methods available, which aren’t as much used as the
ones discussed in this work, but which are viable
alternatives. Also the number of analyses should be
XI
extended to get better conclusions. If one has a lot more
data a classification per industry could be possible. Also
the relation between the duration of the analysis and the
work content could become more clear. These expansions
make sure that even better and more specific
recommendations can be given.
A decision tree can be made. The tree should guide the
user to the PTM system which fits best with the content of
the video and the expectations of the analyst. Therefor the
tree should ask the user some specific questions and as the
user answers more and more questions, the tree should
eventually be able to point to one PTM system which is
likely to give the best performance.
Also, Mento Factor could be applied on each system to
predict how long an analysis would take to perform.
Unfortunately, clear documentation about Mento Factor
isn’t easy to find.
Eventually a new PTM system could maybe be constructed
based on the findings of this work. Again, more data is
needed to construct a new system. Also the authors don’t
believe that one system could replace all the existing ones.
Improvements in the current PTM systems however are
definitely possible. Some values should be revised and for
some systems it might be a big improvement if some other
elements are added.
I. BIBLIOGRAPHY
A. Books and papers
Association Française Work Factor, .. (sd). Méthode
d'analyse et mesure des procédures mentales.
WOFAC Corporation.
Best, T. (sd). Work Measurement in Skilled Labor
Environments. Opgehaald van http://www.iienet2.org/.
Brown, A. (1994). MTM Core Data Validation. Work
Study(Vol. 43, No 5), 15-22.
Carey, P., Farrell, J., Hui, M., & Sullivan, B. (2001).
Heyde's Modapts: A Language of Work.
Dossett, R. (1992). Computer application of a natural-
language predetermined motion time system. Computers
and Industrial Engineering(Vol. 23, Nos 1-4), 319-322.
Groover, M. P. (2007). Work Systems and the Methods,
Measurement, and Management of Work. Pearson Prentice
Hall.
Kanawaty, G. (1992). Introduction to work study (4e
ed.). International Labour Organisation.
Karger, D. W. (1986). Engineered Work Measurement
(4e ed.). Industrial Press, Inc.
Koppa, R. (sd). Work Measurement. Opgehaald van
Scribd: http://www.scribd.com/doc/16759875/Work-
Measurement
Kukreja, V. (sd). Time Study of Bolt Making Process at
LPS Ltd. using Maynard Operation Sequence Technique.
Thesis, Delhi College of Engineering.
Macdonald, W., Evans, O., Nolan, G., & Pratt, L.
(1999). An Evaluation of Current Practices in Setting
Work Rates. Paper, Latrobe Univeristy.
Meyers, F. E., & Stewart, J. R. (2001). Motion and Time
Study for Lean Manufacturing. Prentice Hall.
Mundell, M., & Danner, D. (1994). Motion and Time
Study: Improving Productivity (7e ed.). Prentice Hall.
Niebel, B. W. (1993). Motion and Time Study (9e ed.).
Irwin Professional Publishing.
Niebel, B. W., & Freivalds, A. (1999). Methods,
Standards, and Work Design (10e ed.). WCB/McGraw-
Hill.
Rabie, A. (sd). Evaluation of the Accuracy of
BasicMOST. Paper.
Raouf, A. (1988). Computer-Aided Design: Applications
in Predetermined Motion Time Systems. Paper, King Fahd
University of Petroleum & Minerals, Department of
Systems Engineering.
Salvendy, G. (1967/2004). Classification of human
motions. Theoretical Issues in Ergonomics Science(Vol. 5,
Issue 2), 169-178.
Salvendy, G. (2001). Handbook of industrial engineering
(3e ed.). Wiley-Interscience.
Schmid, R. O. (1957). An analysis of predetermined
time systems. Newark College of Engineering.
Stewart, J. R. (2002). Applying MODAPTS Standards.
The Society for Work Science, 1-4.
Taylor, P. L., & S, E. (sd). MGP Profile for Wii
Habilitation and B2B Opportunities. Opgehaald van
www.nds.org.au.
Vree, F. G. (1978). Mento Factor testing application.
Work Factor Raad.
Zandin, K. B. (2001). Maynard's industrial engineering
handbook (5e ed.). McGraw-Hill Professional.
Zandin, K. B. (2003). MOST Work Measurement
Systems (3e ed.). Marcel Dekker.
Knotta, K., Suryb, R.J., (1986). An investigation in to
the minimum cycle time restrictions of MTM-2 and MTM-
3. IIE Transactions (Vol 18, Issue 4), 340-391
XII
B. Websites
AJ-CONSULTANTS. Opgehaald van http://www.aj-
consultants.com/
Maynard. Opgehaald van http://www.hbmaynard.com/
MODAPTS - The language of work. Opgehaald van
http://www.modapts.org
MODAPTS info. Opgehaald van http://modapts.info
OfficeLine Methods Engineering (Vrex). Opgehaald van
http://www.officeline.be
The MTM Association for Standards and Research.
Opgehaald van http://www.mtm.org/systems.htm
The UK MTM Association. Opgehaald van
http://www.ukmtm.co.uk/system.asp
Work-Factor Raad. Opgehaald van http://work-
factor.nl/html/wf_systemen.html
C. Handbooks and Coursenotes
Tijd- en Methodestudie, Prof. dr. ir. Dirk Van
Goubergen, Industrial Management – Vakgroep
Technische Bedrijfsvoering (2008)
Kwaliteitstechnieken en Industriële Statistiek, dr. ir.
Sofie Van Volsem (2009)
Montgomery, D. G. (2008). Statistical Quality Control:
A Modern Introduction (6e ed.). John Wiley & Sons.
L.C.W. Lokalisatie Componenten Werktuigen, Office
Line, Office Line Methode Engineering (1998)
SAM-cursus Volvo Cars Gent, Volvo Cars Europe
Industry (2000)
XIII
Inhoud
Voorwoord en dankwoord ................................................................................................... I
Overzicht ......................................................................................................................... IV
Extended abstract ………………………………………………………………………………...V
Inhoud ........................................................................................................................... XIII
Tabel van afkortingen en symbolen .............................................................................. XVII
Introductie .......................................................................................................................... 1
1. Wat is een PDTM systeem? .................................................................................... 1
2. De PDTMS procedure ............................................................................................. 1
3. Probleemstelling...................................................................................................... 3
4. Doelstelling ............................................................................................................. 3
DEEL I: Literatuurstudie ................................................................................................ 4
1. Geschiedenis .......................................................................................................... 4
2. Besproken PDTM systemen .................................................................................... 6
2.1. MTM-1 ............................................................................................................. 8
2.2. MTM-2 ............................................................................................................. 9
2.3. MTM-3 ............................................................................................................. 9
2.4. SAM ............................................................................................................... 10
2.5. WF/VWF ........................................................................................................ 10
2.6. MOST ............................................................................................................ 12
2.7. MODAPTS ..................................................................................................... 18
2.8. LCW ............................................................................................................... 21
2.9. VRex .............................................................................................................. 22
3. Algemene vergelijking ........................................................................................... 23
4. Mento factor .......................................................................................................... 26
5. Learning curves..................................................................................................... 28
DEEL II: Onderzoek ..................................................................................................... 30
1. Ontleding van het probleem .................................................................................. 31
1.1. Probleem 1: Nauwkeurigheid ......................................................................... 31
1.2. Probleem 2: Analyseduur ............................................................................... 32
XIV
2. Methodologie ........................................................................................................ 32
2.1. Aanpak probleem 1: Nauwkeurigheid ............................................................. 32
2.2. Aanpak probleem 2: Analyseduur .................................................................. 42
DEEL III: Resultaten nauwkeurigheid ........................................................................ 45
1. Theoretische benadering ....................................................................................... 46
1.1. Grote lichaamsbewegingen: Stappen, buigen, zitten en opstaan en lezen ..... 46
1.2. Gebruik van werktuigen: Schroeven, hameren en draaien aan een hendel .... 50
1.3. Reik- en grijpcombinaties ............................................................................... 54
1.3.1. Bepaling verdeling van frequentie van afstandscategorieën .................... 56
1.3.2. Berekening gewogen afwijkingen ............................................................ 58
1.4. Verplaatsbewegingen ..................................................................................... 61
1.4.1. Zuivere verplaatsbewegingen ................................................................. 61
1.4.2. Verplaatsbewegingen met montage ........................................................ 62
1.5. Combinaties reiken, grijpen, verplaatsen (en monteren)................................. 65
1.5.1. Zonder monteren .................................................................................... 66
1.5.2. Met monteren .......................................................................................... 67
1.6. Samenvatting theoretische bevindingen ......................................................... 70
2. Praktische benadering........................................................................................... 72
2.1. Inleiding ......................................................................................................... 72
2.2. Algemene nauwkeurigheid ten opzichte van de reële tijd ............................... 72
2.3. Algemene nauwkeurigheid ten opzichte van MTM-1 ...................................... 76
2.4. Opdeling in blokken ........................................................................................ 79
2.4.1. Blokken “RG” .......................................................................................... 80
2.4.2. Blokken “M” ............................................................................................. 81
2.4.3. Blokken “MP” .......................................................................................... 82
2.4.4. Blokken “RGM” ....................................................................................... 83
2.4.5. Blokken “RGMP” ..................................................................................... 83
3. Toepassing van theoretische resultaten in praktijk ................................................ 85
3.1. Voorbeeld 1 .................................................................................................... 85
XV
3.2. Voorbeeld 2 .................................................................................................... 89
3.3. Voorbeeld 3 .................................................................................................... 91
3.4. Besluit ............................................................................................................ 93
DEEL IV: Resultaten analyseduur .............................................................................. 94
1. Algemeen .............................................................................................................. 95
2. Verband leercurves en werkinhoud ....................................................................... 98
2.1. Bespreking leercurves van MTM-1, MTM-2, MTM-3 en SAM ......................... 98
2.1.1. Aantonen gelijkmatig verloop .................................................................. 98
2.1.2. Op zoek naar oorzaken (kwalitatief) ...................................................... 100
2.2. Bespreking leercurves VWF, MOST en MODAPTS ..................................... 105
2.2.1. Aantonen gelijkmatig verloop ................................................................ 105
2.2.2. Op zoek naar oorzaken (kwalitatief) ...................................................... 105
2.3. Kwantitatieve benadering ............................................................................. 107
2.3.1. Berekening correlatie met elementendichtheid ...................................... 110
2.3.2. Voorspelling van analyseduur ............................................................... 110
2.3.3. Berekening correlatie met werkinhoud .................................................. 111
3. Snelheid van aanleren......................................................................................... 113
3.1. Verloop leercurve toekenning van tabelwaarden .......................................... 113
3.2. Opstellen van algemene leercurves ............................................................. 113
3.3. Bepalen van leerpercentage ........................................................................ 118
4. Tussentijdse samenvatting leercurves en analyseduur ........................................ 120
DEEL V: Conclusies en bemerkingen ......................................................................... 121
1. Algemene Conclusie ........................................................................................... 122
2. Toekomstig werk ................................................................................................. 124
DEEL VI: Bijlagen .................................................................................................... 127
Bijlage A. Therbligs classificatie ............................................................................ 127
Bijlage B. MTM-1 tabellen ..................................................................................... 128
Bijlage C. MTM-2 tabellen......................................................................................... 132
Bijlage D. MTM-3 tabellen......................................................................................... 133
Bijlage E. SAM tabellen ............................................................................................ 133
XVI
Bijlage F. MOST tabellen.......................................................................................... 135
Bijlage G. MODAPTS tabellen .................................................................................. 138
Bijlage H. VWF tabellen ............................................................................................ 140
Bijlage I. MF-C tabellen ........................................................................................... 142
Bijlage J. Algemeen overzicht PDTM systemen ....................................................... 144
Bijlage K. Beschrijving video‟s .................................................................................. 145
Bijlage L. Twee-handenanalyse video H13 .............................................................. 153
Bijlage M. Analyses, blokken en afwijking van video H13 ...................................... 154
Bijlage N. Afwijking t.o.v. werkelijke tijd en MTM-1 praktijk per cyclus ...................... 155
Bijlage O. Resultaten analyseduur per systeem ........................................................ 156
Bijlage P. Overeenkomende definities ...................................................................... 157
Bibliografie ..................................................................................................................... 159
1. Boeken/Vaktijdschriften ....................................................................................... 159
2. Websites ............................................................................................................. 161
3. Cursussen/Handleidingen ................................................................................... 161
Lijst van Figuren ............................................................................................................ 162
Lijst van Tabellen ........................................................................................................... 163
XVII
Tabel van afkortingen en symbolen
PDTM(S) = Predetermined Time Motion (System)
MTM = Methods- Time Measurement
SAM = Sequence based Activity and Method analysis
VWF = Very easy Work Factor
MOST = Maynard Operation Sequence Technique
MODAPTS = MODular Arrangements of Predetermined Time Standards
LCW = Lokalisatie Componenten & Werktuigen
R = Reach
G = Grasp
M = Move
P = Position
Benchmarking studie van PDTM systemen Universiteit Gent
Introductie: Wat is een PDTM systeem? 1
Introductie
1. Wat is een PDTM systeem? PDTM staat voor “Predetermined Time and Motion”. Zoals de naam al doet vermoeden
gaat het om vooraf bepaalde tijden die worden toegekend aan elementaire bewegingen.
Deze tijden zijn gegroepeerd in tabellen per type beweging. Deze systemen gaan er van
uit dat elke handeling kan worden ontbonden in elementaire bewegingen. Een dergelijk
systeem is bijgevolg een verzameling van basis bewegingselementen met elk een
geassocieerde normaaltijd. Deze tijden werden bepaald aan de hand van uitgebreide
studies in verschillende industrietakken. Ze zijn weergegeven in een bepaalde eenheid,
afhankelijk van het PDTMS, en vertegenwoordigen de tijd die de bijhorende beweging zou
duren aan een bepaald tempo. Dit tempo is belangrijk want een persoon die aan een
hoog tempo werkt zal dezelfde handeling immers sneller voltooien dan iemand die aan
een traag tempo werkt.
Een PDTMS laat toe manuele taken te analyseren aan de hand van een set van
procedures voor het toepassen van deze tabellen. Met de analyse kan een standaardtijd
bepaald woorden voor deze taken. Dit komt van pas in grote productieomgevingen waar
dezelfde handelingen regelmatig voorkomen. Deze standaardtijd maakt het mogelijk om
een goede voorspelling te maken omtrent de dagelijkse productie of de snelheid van de
productielijn.
2. De PDTMS procedure Het toepassen van een PDTMS volgt telkens dezelfde procedure. Deze bestaat uit
een viertal stappen. Figuur 1 geeft een schematische weergave van deze werkwijze.
a. Het analyseren van de werkinhoud van een bestaande taak die wordt uitgevoerd
door een operator of het opstellen van en toekomstige werkmethode die zal
gebruikt worden door de operator. De samenstelling van een methode bestaat uit
een aaneenschakeling van basisbewegingen. Deze zijn gebaseerd op de lay-out
van de werkplaats, de set van tools die zal worden gebruikt en de onderdelen die
worden behandeld. De analyse van een handeling houdt in dat, voor beide handen
afzonderlijk, het werk opgedeeld wordt in kleine bewegingselementen (therbligs).
Dit noemt men algemeen een twee-handenanalyse.
Benchmarking studie van PDTM systemen Universiteit Gent
Introductie: De PDTMS procedure 2
b. Vervolgens wordt voor de elementen van beide handen gezocht naar de
overeenkomstige waarden uit de tabellen. Deze waarden vertegenwoordigen de
tijd die nodig is voor het uitvoeren van dat element aan het tempo waarop het
PDTMS gebaseerd is. Hierbij wordt rekening gehouden met het type handeling, de
afgelegde afstand, de moeilijkheid van de handeling, het gewicht van het voorwerp
dat wordt behandeld… Afhankelijk van de uitgebreidheid van het PDTMS zullen
deze waarden de werkelijkheid beter of slechter benaderen. De waarden voor de
bewegingselementen worden opgeteld om de totale normaaltijd te bekomen. Bij
simultane handelingen wordt de grootste waarde gekozen.
c. Hierna wordt de werkmethode geëvalueerd om verbeteringen aan te brengen door
bijvoorbeeld handelingen te verwijderen, afstanden te verkorten, speciale tools te
introduceren… Dit wordt gedaan teneinde de totale normaaltijd te verkorten.
d. Omwille van variaties in de werkinhoud, vermoeiing van de arbeiders en
persoonlijke ongemakken, die het werk beïnvloeden, moet aan deze normaaltijd
nog een toelage toegevoegd worden. Deze wordt bepaald aan de hand van
speciaal hiervoor ontworpen tabellen. Men houdt hierbij dan onder andere
rekening met de omgevingstemperatuur, de blootstelling aan trillingen,
omgevingsgeluid, de houding van de arbeider, en heel wat andere ergonomische
aspecten. Dikwijls is het zo dat deze waarde om en bij de 10 à 12% ligt van de
normaaltijd. Op die manier bekomt men de standaardtijd van de complete
handeling.
Figuur 1: Flow PDTM analyse
Benchmarking studie van PDTM systemen Universiteit Gent
Introductie: Probleemstelling 3
3. Probleemstelling
Tegenwoordig zijn er meer dan 50 PDTM systemen beschikbaar in de industrie. Elk heeft
zijn eigen kenmerken, zowel positief als negatief. Sommige systemen zijn heel uitgebreid
en gedetailleerd waardoor ze een hoge accuraatheid verkrijgen maar bijgevolg een
grotere analysetijd vergen. Bovendien zijn ze moeilijker onder de knie te krijgen en duurt
de training voor deze systemen ook langer. Het ander uiterste is ook mogelijk. Bepaalde
methodes zijn snel aan te leren en vergen heel wat minder tijd, maar zijn daarentegen
veel minder nauwkeurig. Deze laatste PDTM systemen verkrijgen maar een goed,
betrouwbaar resultaat bij gebruik voor taken met een langere cyclustijd zoals later in dit
document duidelijk zal worden. Het probleem situeert zich dus in het derde blok van
Figuur 1.
Vermits er zoveel verschillende methodes zijn, met elk andere eigenschappen, is het
moeilijk te weten welk PDTMS moet toegepast worden in welke situatie. Er moet een
afweging gemaakt worden tussen de gewenste nauwkeurigheid en de investering die men
wil doen op vlak van training en tijd voor de uitvoering van de analyse. Het grote gamma
aan methodes maakt deze afweging net heel ingewikkeld.
4. Doelstelling
Het is in deze thesis de bedoeling een benchmarking studie uit te voeren. Deze studie zal
de resultaten, nauwkeurigheden en gebruiksgemak van de verschillende PDTMS
onderzoeken en vergelijken. Er wordt nagegaan waarin de belangrijkste methodes van
elkaar verschillen. Op basis hiervan trachten de auteurs enkele criteria op te stellen die de
keuze voor een optimaal PDTMS helpen te maken. Het uiteindelijke doel is een methode
te vinden die een goede keuze voor het te gebruiken PDTMS helpt te maken.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:1 Geschiedenis 4
DEEL I: Literatuurstudie
In dit deel zullen de voornaamste eigenschappen van de belangrijkste en meest gebruikte
PDTM systemen uit de industrie besproken worden. Alsook wordt de werking ervan kort
toegelicht daar ze uitvoerig worden toegepast in het verder verloop van deze thesis. Voor
de tabellen van de verschillende systemen wordt verwezen naar de bijlage achteraan het
verslag. Daarnaast worden ook Mento factor en learning curves, en de reden waarom
deze nuttig kunnen zijn, besproken.
De besproken PDTM systemen zullen één voor één overlopen worden waarna wordt
afgesloten met een eerste algemene vergelijking van de methodes. Dit vormt de basis
voor het verder onderzoek in DEEL II. De informatie die hier wordt weergegeven is een
synthese van deze afkomstig uit verschillende handboeken waarvan de referenties
kunnen teruggevonden worden in de bibliografie.
1. Geschiedenis
De idee dat handmatig werk bestaat uit elementaire bewegingselementen wordt
toegeschreven aan Frank B. Gilbreth. Hij was de pionier in het bestuderen van het
onderwerp van de beweging. Zijn studies resulteerden in de eerste methodische indeling
van bewegingselementen, die hij “therbligs” noemde (dat is ongeveer “Gilbreth” gespeld
achterste voren). De 17 therbligs, die voornamelijk bestaan uit arm- en handbewegingen
worden opgesomd en omschreven in de tabel uit Bijlage A.
Asa B. Segur wordt gecrediteerd met het ontwikkelen van het eerste commerciële PDTM-
systeem, genaamd "Motion-Time Analysis" (MTA). Segur was op de hoogte van de
indeling opgesteld door Gilbreth voor de regeling van elementaire deelbewegingen. MTA's
17 basis bewegingselementen kwamen nauw overeen met Gilbreth's 17 therbligs. Segur
begon de ontwikkeling van MTA in 1922 door het analyseren van opnames van
operatoren die fabriekstaken uitvoerden, opgenomen tijdens de Eerste Wereldoorlog. De
films waren oorspronkelijk bedoeld voor gebruik als lesmateriaal voor blinden en
mindervalide werknemers, maar Segur construeerde zijn systeem van bewegingen en
tijden hieruit. Vermoedelijk om commerciële redenen, beperkte hij de toegang tot MTA. Dit
is een van de redenen waarom zijn systeem niet meer gebruikt wordt. Maar zijn werk
beïnvloedde degenen die hem volgden in het ontwikkelingen van PDTM systemen.
Een van deze analisten was Joseph H. Quick, die het "Work-Factor"-systeem ontwikkelde
tussen 1934 en 1938. Het systeem was gebaseerd op de analyse van grote aantallen
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:1 Geschiedenis 5
speelfilms, snapshots, stroboscopische verlichtingstechnieken en via stopwatch genomen
studies van vele verschillende soorten industriële activiteiten. Onder Quick ‟s bijdrage in
het PDTM onderzoek zitten zijn studies in onder meer cognitief werk, zoals visuele
inspectie en soortgelijke technische arbeid.
Harold B. Maynard wordt beschouwd als een van de belangrijkste figuren in de
ontwikkeling van PDTM systemen. Hij is grotendeels verantwoordelijk voor de Methods-
Time Measurement (MTM) systemen, en het in Pittsburgh gevestigde adviesbureau van
H.B. Maynard & Company draagt zijn naam. In 1946, begon Maynard de ontwikkeling van
MTM met collega‟s G.J. Stegemerten en J.L. Schwab gesponsord door de Westinghouse
Electric Company. Hun studie begon met het analyseren van opnames van booroperaties
en het relateren van werkpatronen aan de therbligs. De therblig indeling bleek verkieselijk
te zijn in sommige opzichten en veel van de fundamentele bewegingselementen werden
herzien, hernoemd of verwijderd. MTM werd het meest succesvolle en meest gebruikte
eerste niveau PDTMS na zijn release in 1948. De MTM-database van de
bewegingselementen werd gebruikt in de ontwikkeling van vele hogere-niveau systemen,
met inbegrip van die in de MTM familie.
Andere individuen die voor hun inspanningen in de ontwikkeling van PDTM systemen
dienen vermeld te worden, omvatten G.B. Bailey en R. Presgrave, die Basic Motion
Timestudy ontwikkelden in 1950; R.M. Crossan en H.W. Nance, die Master Standard Data
ontwikkelden in de late jaren 1950 en G.C. Heyde, hij ontwikkelde het Modular
Arrangement of Predetermined Time Standards (MODAPTS) in het midden van de jaren
1960.
Kjell B. Zandin is grotendeels verantwoordelijk voor de ontwikkeling van de Maynard
Operation Sequence Techniek (MOST). Beginnend in de late jaren 1960, leidde hij een
groep op de Zweedse afdeling van H.B. Maynard & Company in het bestuderen van
toepassingen van MTM. Er werd vastgesteld dat er overeenkomsten waren in de
bewegingspatronen en MTM sequenties van handmatige handelingen. Dit heeft
uiteindelijk geresulteerd in de definitie van drie principiële bewegingsgroepen, welke
sequentie modellen werden genoemd in het MOST systeem. MOST werd voor het eerst
geïntroduceerd in Zweden in 1972 en in de Verenigde Staten in 1974. Vandaag is het een
van de meest gebruikte PDTM systemen.
Latere verdere ontwikkeling van de PDTM systemen is de automatisering van een aantal
van deze systemen als commerciële producten. Voorbeelden omvatten MOST voor
Windows en MTM-LINK. [1.6]
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 6
2. Besproken PDTM systemen
Zoals reeds vermeld, is er een scala aan PDTM systemen beschikbaar. Het is uiteraard
niet de bedoeling deze allemaal in detail uit te leggen. In dit deel worden enkel de
belangrijkste en meest gebruikte methodes uiteengezet. Andere zijn hier meestal uit
afgeleid of worden in de praktijk slechts heel beperkt gebruikt. Figuur 2 geeft een indicatie
van de evolutie in PDTM systemen. Hiervan zullen enkel volgende worden besproken:
MTM-1
MTM-2
MTM-3
SAM
VWF
MOST
MODAPTS
LCW
VRex (software) [2.5]
De uiteenzetting in deze literatuurstudie blijft beperkt tot de eigenschappen van de
systemen. Voor de uitgebreide theorie en regels van toepassen wordt verwezen naar de
documenten vermeld in de bibliografie achteraan (p.159) dit document.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 7
Figuur 2: Stamboom van PDTM systemen [1.14]
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 8
2.1. MTM-1
Methods-Time Measurement (MTM) is een van de meest wijdverspreide PDTM systemen.
Het behoort tot de eerste generatie en bevat een uitgebreide gegevenstabel van tijden.
Deze zijn het resultaat van frame-per-frame analyses van video‟s over verschillende types
werk.
In MTM-1 maakt men onderscheid tussen zeven fundamentele klassen van bewegingen:
“REACH”, “MOVE”, “TURN”, “GRASP”, “POSITION”, “DISENGAGE” en “RELEASE”.
Binnen deze klassen kunnen nog onderverdelingen gemaakt worden naargelang de
moeilijkheidsgraad van de beweging. Naast deze fundamentele bewegingen zijn ook
andere bewegingen opgenomen in MTM zoals stappen, buigen en lezen. De tabellen voor
de verschillende klassen zijn te vinden in Bijlage B.
De eenheid die wordt gebruikt in MTM is de “Time Measurement Unit” of TMU die een
waarde heeft van 0.00001 uur of 0.036 sec [1.19]. Verder dient ook vermeld te worden dat
deze waarden gebaseerd zijn op bewegingen aan een standaard tempo van 60 Bedaux
(d.i. een schaal die het tempo van de handeling aanduidt waarbij 60 Bedaux de standaard
snelheid is; een hoge waarde vertegenwoordigt een snel tempo, een lage waarde, een
traag tempo).
Om bij dit systeem met 95% zekerheid te kunnen zeggen dat de afwijking, ten opzichte
van de werkelijke tijd, binnen de 5% ligt, moet de cyclustijd minstens 1630 TMU (oftewel
58,68 sec) lang zijn [3.5]. Deze zogenaamde “balancing time” 1 is ten gevolge van zowel
onnauwkeurigheden in het systeem, als van variaties in de beoordelingen van de
personen die de analyses uitvoeren. Deze zullen voortaan “applicators” genoemd worden.
Daarnaast kan men als regel stellen dat de duur van een analyse van 1 minuut werk 250
minuten in beslag neemt [2.6].
Men kan zeggen dat MTM-1 het best tot zijn recht komt bij de analyse van korte cyclische
handelingen waar een hoge accuraatheid is gewenst. Dit is meestal het geval bij de
productie van grote reeksen. Omwille van de lange duur van een analyse is MTM-1 veel
minder aangeraden bij lange operaties, hoewel het toch een grote nauwkeurigheid zou
leveren. De vraag is dan echter of de extra tijd die men investeert in de analyse, de extra
nauwkeurigheid waard is.
1 De balancing time is de minimale hoeveelheid werk die moet geanalyseerd worden met het
systeem opdat een specifiek niveau van nauwkeurigheid wordt bereikt. Dit is ten gevolge van het balancing effect, wat een statistisch fenomeen is waarbij overschattingen en onderschattingen in de waarden elkaar compenseren naarmate de werkinhoud toeneemt [1.11].
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 9
2.2. MTM-2
Dit is een tweede generatie systeem gebaseerd op MTM-1 zoals de naam al doet
vermoeden. Hierbij zijn verschillende bewegingsklassen samengenomen om tot een
eenvoudiger systeem te komen, weliswaar met enig verlies van nauwkeurigheid. Zo is
men gekomen tot volgende klassen: “GET”, “PUT”, “GET WEIGHT”, “PUT WEIGHT”,
“REGRASP”, “APPLY PRESSURE”, “EYE ACTION”, “FOOT ACTION”, “STEP”, “BEND &
ARISE” en “CRANK”. Ook hier is nog een onderverdeling te maken in de “GET” en de
“PUT” klassen afhankelijk van de moeilijkheidsgraad. Het is duidelijk dat “GET” een
samenstelling is van “REACH”, “GRASP” en “RELEASE” en dat “PUT” een samenstelling
is van “MOVE” en “POSITION” uit MTM-1. De tabellen zijn te vinden in 0.
De eenheid voor MTM-2 is net als voor zijn voorganger TMU en is ook gebaseerd op een
tempo van 60 Bedaux. De werkwijze van de analyse is verder ook geheel analoog.
Voor een nauwkeurigheid met een afwijking van 5% ten opzichte van de werkelijke
waarde, met een betrouwbaarheidsinterval van 95%, dient de cyclustijd minstens 7000
TMU (oftewel 4,2 min) lang te zijn [3.5]. Bij MTM-2 duurt de analyse gemiddeld 100
minuten per minuut arbeid [2.6].
In vergelijking met MTM-1 is deze tweede generatie beter geschikt voor iets langere
cyclische handelingen. Het voordeel hierbij is vooral de kortere analysetijd en het sneller
aanleren van deze techniek, ten koste wel van de accuraatheid.
2.3. MTM-3
Dit is het derde niveau systeem van MTM. Het werd ontworpen om de analysetijd nog
verder in te korten, ondanks het verder verlies van nauwkeurigheid. MTM-3 bevat slechts
vier elementen: “HANDLE”, “TRANSPORT”, “STEP & FOOT MOTIONS” en “BEND &
ARISE”. Het bevat geen waarden voor bewegingen met het oog. De tabel is te vinden in
Bijlage D.
De eenheid is ook hier de TMU en is tevens ook gebaseerd op een tempo van 60 Bedaux.
Voor een nauwkeurigheid met een afwijking van 5% ten opzichte van de werkelijke
waarde, met een betrouwbaarheidsinterval van 95%, dient de cyclustijd minstens 15800
TMU (oftewel 9,48 min) lang te zijn [3.5]. Als regel kan men stellen dat de duur van een
analyse per 1 minuut werk 35 tot 50 minuten in beslag neemt [2.6].
Deze methode is vooral bedoeld voor langere handelingen of analyses waar de
nauwkeurigheid minder van belang is en waar de snelheid van analyseren primeert.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 10
2.4. SAM
Sequence Based Activity and Method Analysis, of kortweg SAM, is gebaseerd op MTM-1
en MTM-2. Het werd voor het eerst geïntroduceerd in 1997 in Zweden en heeft als grote
voordeel dat het een vrij systeem is en dus geen licentiekosten inhoudt.
De handelingen worden opgedeeld in basishandelingen: “GET” en “PUT”, en bijkomende
handelingen: “APPLY FORCE”, “STEP” en “BEND”. Daarnaast zijn er ook repetitieve
handelingen die apart worden gewaardeerd: “SCREWING”, “CRANK”, “TO AND FROM”,
“HAMMER”, “PRESS BUTTON”, “READ” en “NOTE DOWN”.
De gebruikte eenheid is hier de “factor” en is een veelvoud van TMU. Eén factor is
namelijk gelijk aan vijf TMU en dus aan 0.18 sec. Tabellen zijn eveneens te vinden in
Bijlage E.
Voor een nauwkeurigheid met een afwijking van 5% ten opzichte van de werkelijke
waarde, met een betrouwbaarheidsinterval van 95%, dient de cyclustijd minstens 8600
TMU (oftewel 5.16 min) lang te zijn [3.5]. SAM is dus vergelijkbaar met MTM-2 op vlak
van nauwkeurigheid, waarbij MTM-2 nog net iets nauwkeuriger is. Er dient opgemerkt dat
de applicatordeviatie kleiner is dan bij voorgaande besproken methodes. De balance time
is dus minder afhankelijk van de verschillende inschattingen van de applicators. Anders
gezegd, is het uiteindelijke resultaat minder afhankelijk van de persoon die de analyse
uitvoert [3.5]. Verder kan men als regel stellen dat de duur van een analyse per 1 minuut
werk ongeveer 50 minuten in beslag neemt.
2.5. WF/VWF
Uit Figuur 2 weet men dat het eerste PDTM system ontwikkeld werd in 1924 door A. B.
Segur. Segur was een van de eerste die het verband tussen tijd en beweging erkende.
Het principe dat zegt dat „de tijd die nodig is om een bepaalde handeling uit te voeren
door experts‟ consistent is, werd door hem geformuleerd. Hij geloofde dat „work factors‟
gebruikt konden worden om standaarden op te stellen voor alle soorten manueel en
mentaal werk. Zo ontwikkelde hij de „Motion Time Analysis‟ (MTA) – methode (soms ook
„Methods Time Analysis‟ genoemd).
In de vroege jaren 1930 kwam er onvrede over de kwaliteit van de standaardtijden,
bekomen via de stopwatch methode, binnen een bepaalde industrie. Dit leidde uiteindelijk
tot het eerste gepubliceerde PDTMS, namelijk ‟work factor‟. Hiermee kon de normaaltijd
bepaald worden gebruik makend van „motion time‟ data. Hierbij wordt „basic motion‟
gedefinieerd als “die beweging die de minste moeilijkheid of precisie nodig heeft voor elke
mogelijke combinatie van de afstand en het gebruikte lichaamsdeel”. [1.24]
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 11
Work-Factor data kwam pas echt beschikbaar in 1938, na vier jaar van onderzoek. Hierbij
werd data verzameld met behulp van de „micromotion‟ techniek, stopwatch analyses en
een speciaal ontworpen tijdsmachine. [1.14] De methode werd ontwikkeld uit een intensief
onderzoek. Er ontstonden drie varianten waaruit, afhankelijk van het objectief van de
studie en de gewenste accuraatheid, kan gekozen worden. Dit zijn de „Detailed‟, „Ready‟
en „Brief work factor‟. Elke methode staat op zichzelf, maar ze kunnen wel onderling
gemixt worden. Er is ook nog een vierde belangrijke techniek, namelijk „Mento-Factor‟. Op
deze laatste komen we later nog terug. „Detailed work-factor‟ (DWF) is de meest
uitgebreide versie en wordt best gebruikt voor kort cyclische maar sterk repetitieve
werkmethoden. „Ready work-factor‟ (RWF) is minder nauwkeurig en wordt best gebruikt
wanneer de cycli minstens 0,06 minuten duren. Hiermee kan men drie keer sneller
analyseren, waarbij men tot 5% aan accuraatheid inboet. „Brief work-factor‟ (BWF) is de
meest vereenvoudigde versie van de drie. Deze combineert de verschillende
standaardelementen in segmenten. Ze kan gebruikt worden voor niet-repetitief werk met
lange cycli of waar er een minder gedetailleerde meting nodig is en is in dit opzicht te
vergelijken met MTM-3. De analysetijd is 1/10e ten opzichte van de „Detailed‟ techniek, de
accuraatheid is 10% minder goed.
Op de besproken methodes bestaan er nog meer varianten. De „very easy work-factor‟
(VWF) is er zo een. Aangezien we deze in ons onderzoek gebruikt hebben, is het
aangewezen om hierover iets gedetailleerder uitleg te geven.
De VWF-methode is er één van level 3, wat betekent dat deze zich tussen de „ready work-
factor‟ en de „brief work-factor‟ bevindt. Ze werd gepubliceerd in 1985 en is afgeleid uit
RWF. De tijdseenheid heet de „Very easy Unit‟ (VU) en komt overeen met 0,001 minuut =
0,06 seconden.
VWF maakt gebruik van 10 elementen en de tijdstabel bevat 23 tijdsklasses. De
analysetijd voor 1 minuut werkmethode bedraagt ongeveer 20 minuten. De accuraatheid
is 0 tot 5% minder goed dan bij RWF. Het intrinsiek VWF tempo komt overeen met een
werktempo van 75 Bedaux.
VWF werkt niet met basiselementen maar met segmenten. Hierbij wordt gekeken naar het
type grasp en assembly. Aan de combinatie wordt een code gegeven. Hiervoor is een
tabel beschikbaar in Bijlage H. Daarnaast zijn er nog “add-ons” en waarden voor andere
regels, zoals stappen, lichaamsbewegingen enzovoort.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 12
2.6. MOST
De Maynard Operation Sequence Technique (MOST) is eveneens gebaseerd op MTM en
maakt gebruik van dezelfde eenheid (TMU). Naast de basisversie, “BasicMOST”, zijn er
nog bijkomende versies ontwikkeld zoals MaxiMOST en MiniMOST. Deze zullen hier
echter niet verder worden besproken.
MOST werd ontwikkeld door de Zweedse divisie van H.B. Maynard and Company, Inc
tussen 1967 en 1972 voor de Saab-Scania fabriek, onder de directie van Kjell B. Zandin.
MOST is een gesimplificeerd systeem verder uitgewerkt door Zandin (1980) en is
gebaseerd op een intensieve review van MTM data. De MOST methode laat de analist
toe vijf keer sneller tot de normaaltijden te komen dan via MTM-1 (dus 1 min cyclus =
50 min analysetijd), zonder de accuraatheid te compromitteren. [1.14] De methode kan
gebruikt worden zowel voor werk in productieomgevingen als bij materiaal gebruik,
distributie en onderhoudsactiviteiten. En dit voor zowat elke cycluslengte en graad van
herhaling, zolang er maar variatie is in het bewegingspatroon tussen de verschillende
cycli. Het systeem is vooral gericht op activiteiten die de beweging van objecten omvat.
Het merendeel van industrieel werk omvat dan ook het verplaatsen van objecten van de
ene locatie naar een andere in de werkomgeving. Dit leidt tot het gebruik van minder
elementen in deze methode, waaruit een eenvoudiger te gebruiken, een sneller te
implementeren en meer economisch systeem volgt.
De fundamentele handelingen die in de methode van MOST gebruikt worden, vormen
grotere blokken dan bij MTM-2. MOST gebruikt slechts 16 verschillende elementen, daar
waar MTM-2 er 37 heeft. BasicMOST maakt gebruik van sequentiemodellen (Eng. motion
aggregates). De primaire elementen zijn niet langer basisbewegingen, maar fundamentele
activiteiten. Elke activiteit wordt nog eens onderverdeeld in een opeenvolging van
subactiviteiten volgens een logische en voorgeschreven volgorde. Dit is een voordeel van
de MOST techniek. Operaties dienen niet gedetailleerd ingedeeld te worden. MOST
groepeert de basisbewegingen die regelmatig in eenzelfde sequentie voorkomen.
BasicMOST identificeert drie basis sequentiemodellen (Eng. activity sequence models):
„general move‟, „controlled move‟ en „tool use‟ om manueel werk te beschrijven.
- General Move: De „general move‟ kan omschreven worden als een vrije en
ruimtelijke beweging van een object in de lucht. Het is de meest voorkomende
vorm van beweging. Het omvat 35% of meer van de handelingen die door een
machine operator uitgevoerd worden. Dit aandeel ligt bij een “assembly line
worker” zelfs nog hoger. Sommige bronnen vermelden dat het manuele werk voor
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 13
ongeveer 50% uit „general moves‟ bestaat. Een voorbeeld hiervan is: naar een
locatie stappen, zich bukken om een object op te pikken, naar het object reiken en
het vastgrijpen, weer rechtkomen en het object elders neerzetten.
De „general move‟ sequentie bestaat uit drie fases, die elk nog eens opgedeeld
kunnen worden in verschillende parameters. Dit maakt het mogelijk om de
verschillende manieren waarin een „general move‟ kan voorkomen, te beschrijven.
De fasen en corresponderende parameters zijn:
o „Get‟: neem het object, parameters A, B en G
o „Put‟: plaats of verplaats het object naar een nieuwe locatie, parameters A,
B en P
o „Return‟: keer terug naar de originele positie, parameter A
De volledige sequentie van de „general move‟, uitgedrukt als zijn 7 subactiviteiten,
wordt dan:
Waarbij
o A = „action distance‟ (voornamelijk horizontale afstand van een hand- of
lichaamsbeweging, zowel beladen als onbeladen)
o B = „body motion‟ of „bend‟ (voornamelijk verticale lichaamsbewegingen)
o G = „gain control‟ of „grasp‟ (elke manuele actie van de handen, vingers of
voeten nodig om fysisch de controle over een of meerdere objecten te
krijgen)
o P = „placement‟ of „position‟ (de actie nodig om een object opzij te leggen,
te positioneren, te richten… )
Een opmerking die we hierbij dienen te maken, is dat de „body motion‟ ook voor de
„action distance‟ kan voorkomen.
General Move
Get
A B G
Put
A B P
Return
A
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 14
- Controlled Move: Deze sequentie van subactiviteiten beschrijft de beweging van
een object wanneer het in contact blijft met een oppervlak of vasthangt aan een
ander object gedurende de beweging. Een aantal voorbeelden hiervan zijn:
zwengelen, draaien aan een stuur, indrukken van een knop of schakelaar … Dit
zijn manuele operaties. Ook de „controlled move‟ kan in drie fases en bijhorende
subactiviteiten (parameters) opgedeeld worden:
o „Get‟, parameters A, B en G
o „Move or Actuate‟, gevolgd door „process time‟ en „align„, parameters M, X
en I
o „Return‟, parameter A
De sequentie van de „controlled move‟ is:
Waarbij:
o M = „move, controlled‟ (elke manuele lichaamsbeweging nodig om een
object te bewegen over een gecontroleerd pad)
o X = „process time‟ (geen manuele bewegingen, enkel machinetijd)
o I = „alignment‟ (wanneer een manuele beweging nodig is op het einde van
de „controlled move‟ om het object te oriënteren)
De parameters A, B en G werden hoger beschreven.
- Tool use: De „tool use‟ sequentie omvat het gebruik van de meeste
handgereedschappen, zoals vastzetten of losdraaien, snijden, kuisen, meten en
schrijven. Ze kan ook gebruikt worden om mentale handelingen te beschrijven die
het gebruik van de hersenen omvatten, zoals lezen en inspecteren. Ze is
opgebouwd als een combinatie van de „general move‟ en de „controlled move‟ en
wordt geschreven als volgt:
Controlled Move
Get
A B G
Move
M X I
Return
A
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 15
o „Get tool‟, parameters A, B en G
o „Put‟ of „Place tool into position‟, parameters A, B en P
o „Tool use code‟, parameter *
o „Put tool aside‟, parameters A, B en P
o „Return‟, parameter A
Het sterretje „*‟ wordt ingevuld door een of meerdere van volgende mogelijke
parameters:
o F = „fasten‟
o L = „loosen‟
o C = „cut‟
o S = „surface treat‟
o R = „record‟
o T = „think‟
o M = „measure‟
Naast deze drie basissequenties om manueel werk te beschrijven, zijn er in BasicMOST
ook sequentiemodellen voorzien om tijd- en methodestudie toe te laten wanneer er met
zware objecten gewerkt wordt. Deze zijn:
- Manual crane: bij het gebruiken van een manueel gehanteerde kraanarm of van
een monorail kraan om zware objecten te verplaatsen.
A T K F V L V P T A
- Powered crane: wanneer de zwaarste objecten verplaatst dienen te worden met
behulp van een gemotoriseerde kraan, zoals brugkranen.
A T K T P T A
- Truck: omvat het transport van objecten gebruikmakend van transportmiddelen,
zoals een vorklift, een stapelaar, een transpallet of een steekwagen.
A S T L T L T A
Tool Use
Get
A B G
Put
A B P
Tool Use
Code
*
Put Tool Aside
A B P
Re-turn
A
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 16
Waarbij:
o A = action distance
o T = transport (empty)
o K = hook up and unhook
o F = free object
o V = vertical move
o L = loaded move or load/unload
o P = place
o S = start and park
Binnen elke subactiviteit is er nog variatie mogelijk. Deze wordt aangeduid via de index
die elke parameter meekrijgt. MOST gebruikt de indices 0, 1, 3, 6, 10 en 16. Deze zijn
gerelateerd aan de relatieve moeilijkheidsgraad (afhankelijk van de inhoud en condities)
van elke subactiviteit. Om hieruit de TMU te bepalen, overeenkomstig de tijdswaarde van
de gehele sequentie, dient men de indices met een schaalfactor 10 te vermenigvuldigen
en op te tellen. Het is mogelijk om hogere indices toe te kennen, bijvoorbeeld wanneer het
aantal stappen meer dan 10 passen bedraagt. Dit zijn uitbreidingen van de bestaande
tabellen. Op de parameter X „process time‟ na, komt dit niet vaak voor. De „process time‟
in de tabellen heeft een maximum van 7.0 seconden. Uiteraard zijn langere machinetijden
mogelijk. Om dan de correcte index bij de parameter „X‟ te bepalen, dient men de
werkelijke machinetijd te vermenigvuldigen met de factor 2.78 en deze uitkomst afronden
naar de hoger gelegen gehele waarde. [1.24]
Het gebruik van minder elementen om de werkmethode te omschrijven, tezamen met een
kleiner aantal parameters horend bij die elementen, zorgt ervoor dat het systeem minder
onderhevig is aan afwijkingen (lees: fout en nauwkeurigheid) door de applicator. Het kan
beschouwd worden als een verbetering van andere PDTM systemen. Het ontwerp van
BasicMOST is gebaseerd op twee termen; „Balancing Time‟ (BT) en „Balancing Effect‟
(BE). De eerste term drukt uit wat het minimaal te analyseren werk is opdat een bepaald
niveau van accuraatheid in de normaaltijd kan bereikt worden. Het „balancing effect‟
refereert naar het statistisch fenomeen dat ervoor zorgt dat dit niveau bereikt wordt. De
totale accuraatheid van de gehele operatie is beter dan de nauwkeurigheden van de
individuele elementen waaruit de operatie bestaat door het gecombineerde effect van
afwijkingen in de afzonderlijke elementen.
BasicMOST is ontworpen voor een balanstijd van 3235 TMU, oftewel ongeveer 2 minuten.
Dit betekent dat wanneer de geanalyseerde tijd van een werkmethode minstens
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 17
3235 TMU bedraagt, er een betrouwbaarheid van 95% bestaat dat deze tijd slechts 5%
zal afwijken van de ware tijd. [1.16]
Dit gegeven maakt het mogelijk de accuraatheid van de geanalyseerde tijden op
voorhand te voorspellen. De formules om de nauwkeurigheid te berekenen vertrekken van
het principe dat de elementen waaruit een operatie bestaat statistisch onafhankelijk zijn.
Hieruit volgt de uitdrukking
r²*t = constante
waarbij r de deviatie van het element of operatie is en t de gemeten tijd van het element of
operatie. De afwijking „r‟ wordt dan weer als volgt berekend
De toegestane afwijking „re‟ van elk element in de operatie die „n‟ keer herhaald wordt over
zijn „Balance period‟ (BP) (of berekeningsperiode) en welke de nauwkeurigheid van +-5%
garandeert in de berekende totale operatietijd is
√
Hierbij staat „BP‟ voor de tijd die voorzien is om „n‟ cycli uit te voeren en „t‟ voor de
gemiddelde tijd berekend met de BasicMOST techniek. Bijvoorbeeld een operator heeft
6.5 uur (BP) om 75 cycli (n) uit te voeren.
De fout ratio ra vertegenwoordigt de accuraatheid van de operatie of het element wanneer
het zou uitgevoerd worden als een enkele handeling in een werkcyclus. Deze waarde is
onafhankelijk van het aantal keer (cycli) dat de operatie wordt uitgevoerd, maar hangt wel
af van de balanstijd van het systeem, zijnde 3235 TMU.
√
De bovenstaande berekeningen gaan uit van een normale verdeling. Hiervoor is het nodig
dat een voldoende groot sample (aantal cycli) genomen wordt. Het benodigd aantal cycli
dat hiervoor nodig is volgt uit de voorlopige sample grootte en de geobserveerde tijden:
[(40/x)*nx2 – (x)2
)]2
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 18
De accuraatheid van geanalyseerde tijden kan voorspeld worden met 95%
betrouwbaarheid in relatie tot de ingebouwde nauwkeurigheid van +-5%. Uit de formule
van re volgt namelijk dat wanneer een element (of operatie) een totale geanalyseerde tijd,
inclusief de herhalingen, (n*t) heeft die groter is dan de balans periode (BP), de
nauwkeurigheid beter is dan 5%.
Ook uit de vergelijking van re volgt een invers verband tussen de accuraatheid en de
geanalyseerde tijd. Wanneer deze laatste korter wordt, dan neemt de onnauwkeurigheid
toe.
Zoals al vermeld, bestaan er naast de hierboven besproken BasicMOST techniek ook nog
twee belangrijke afleidingen hiervan, namelijk MiniMOST en MaxiMOST (uitgebracht in
1980). De eerste wordt voornamelijk toegepast bij identieke, kort cyclische operaties die
veel herhaald worden (minder dan 1 minuut per cyclus). De laatste is eerder geschikt voor
lange cycli met duidelijke variaties qua methode tussen de verschillende cycli en niet
repetitieve cycli van meer dan twee minuten (dit is echter geen dwingende regel). Soms
wordt ook gesteld dat MaxiMOST, BasicMOST en MiniMOST geschikt zijn voor operaties
die respectievelijk minder dan 150 keer, tussen 150 en 1500 keer en meer dan 1500 keer
per week worden uitgevoerd. MiniMOST wordt aangeraden om te gebruiken wanneer zo
goed als alle reik- en verplaatsbewegingen kleiner zijn dan 25 cm. [1.10] [1.15] Een
beslissingsboom die helpt om het correcte MOST systeem uit te kiezen, wordt
meegegeven in Bijlage F.
Een speciaal geval is „Admin MOST‟ (voorheen „Clerical MOST‟). Deze is gelijkaardig aan
BasicMOST maar specifiek voor administratieve taken ontworpen. Deze afleiding dateert
van de jaren ‟70.
Van MOST bestaan er tevens ook software versies. De voordelen van gecomputeriseerde
systemen ten opzichte van het manuele werk zijn een snellere analyse en het
minimaliseren van (menselijke) fouten. Een voorbeeld hiervan is „MOST for Windows‟. Het
index nummer kan door dit programma zelfs automatisch toegekend worden na het
ingeven van enkele parameters.
2.7. MODAPTS
MODAPTS heeft de wijze waarop men naar het werk uitgeoefend door mensen kijkt,
grondig veranderd. De methode wordt al tientallen jaren toegepast in de handelssector,
de gezondheidszorg en de industrie. De capaciteit van een persoon met betrekking tot het
werk werd voorheen gemeten door een stopwatch of door middel van ramingen opgesteld
op basis van ervaring of ingewikkelde en logge „time-motion systems‟. De focus lag op
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 19
hoelang het duurde om een klus te klaren. MODAPTS biedt een eenvoudige
beschrijvende taal voor het begrijpen van het werk, de nodige vaardigheden, de
mogelijkheden tot verbetering, maar tegelijkertijd verschaft het ook redelijke tijden voor de
uitvoering van het werk. De methode is ontwikkeld om niet enkel voor professionals
toegankelijk te zijn. MODAPTS kan gemakkelijk verklaard en begrepen worden.
Het acroniem MODAPTS staat voor „MODular Arrangements of Predetermined Time
Standards‟. Het is een relatief eenvoudig te gebruiken PDTMS van de derde generatie.
MODAPTS is oorspronkelijk een Australische methode die ervan uitgaat dat grotere
lichaamsdelen langer over een bepaalde beweging doen dan kleinere. Zo zal een
beweging van een hand, een voorarm of de hele arm respectievelijk twee, drie en vier
keer zo lang duren als voor een vingerbeweging in deze methode. MODAPTS is gebouwd
op een volledig systeem van macro tijdstandaarden. De tijden zijn gebaseerd op het feit
dat bewegingen uitgevoerd zullen worden aan de meest energie efficiënte snelheid. [1.24]
MODAPTS werd ontwikkeld door G. C. Heyde, doordat deze op zoek was naar een
methode om sneller en makkelijker tot standaarden te komen. Hij begon met de
ontwikkeling van een nieuwe methode in 1965 omdat hij moeilijkheden ondervond met de
bestaande systemen. Hij was op dat moment “Chief of Management Services” bij Unilever
Australië, waar hij met een team instond voor “improvement”. MODAPTS zag het eerste
daglicht in 1966. Heyde richtte AAPTSAR, “Australian Association for Predetermined Time
Standards and Research” op. In 1983 werd een tweede en uitgebreidere editie van
MODAPTS PLUS uitgebracht. Ook ontwikkelde hij software voor dit systeem en
onderrichte hij erover over de hele wereld.
Heyde gebruikte MTM-2 als basis, maar vond dat dit nog beter kon, vooral wat betreft het
toekennen van tijden aan de verschillende lichaamsdelen. Hij zocht en vond een systeem
dat enkel gebruik maakt van gehele tijdswaarden en gemakkelijk kan onthouden worden.
Tegenwoordig bestaat MODAPTS uit een database met 44 elementen. Het systeem is
gebaseerd op de idee dat alle lichaamsbewegingen kunnen uitgedrukt worden als een
veelvoud van een tijdseenheid, de MOD. Deze MOD is gedefinieerd als de normaaltijd
nodig om een eenvoudige vingerbeweging uit te voeren en komt overeen met een waarde
van 0,129 seconden.
Elke beweging wordt geïdentificeerd aan de hand van een tweedelige code. Het eerste
deel duidt op het lichaamsdeel dat betrokken is bij de beweging. Het tweede deel vormt
de factor waarmee de eenheidsunit moet vermenigvuldigd worden. Zo wordt een
vingerbeweging gecodeerd als M1 met normaaltijd 1*0,129 sec, een handbeweging wordt
M2 met normaaltijd 2*0,129 sec = 0,258 sec. Dit geldt ook voor een voetbeweging (F3),
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 20
gebruik van de ogen (E2), enzovoort. De oorsprong van deze waarden is empirisch en
afgeleid uit een onderzoek bestaande uit meer dan 20 industriële organisaties, een wijd
bereik van activiteiten en heel veel operatoren. MODAPTS kan aldus gebruikt worden om
alle soorten handelingen te beschrijven uit de industrie, van op kantoor en voor het
hanteren van materialen. [1.14]
Studies hebben aangetoond dat, in vergelijking met MTM-1, de standaarden uit
MODAPTS tussen de 2 à 3 percent hoger uitvallen. Het MODAPTS systeem is getest
door de accounting firma Price Waterhouse voor verschillende industrieën en vergeleken
met bestaande PDTM systemen [2.3]. Het resultaat van de studie was:
- De nauwkeurigheid is vergelijkbaar met andere systemen, zoals MTM en Work
Factor
- Een gemiddelde geschoolde opzichter kan de methode aanleren en toepassen
- Een gemiddeld geschoolde werknemer kan de methode begrijpen
Een andere studie aan “Israël Institute of Technology” toonde aan dat MODAPTS twee
keer zo snel als MTM-1 en Work Factor kan toegepast worden bij cyclustijden van
1 minuut of minder. Het is bovendien 25% sneller dan MTM-2.
De elementen van MODAPTS worden weergegeven in drie groepen: „movement‟,
„terminal‟ en „supporting‟ elementen. Hierbij wordt ook nog onderscheid gemaakt tussen
„small/light‟ en „large/heavy‟ objecten. De tabellen worden weergegeven in Bijlage G. De
betekenis en inhoud van de drie groepen worden hieronder uiteengezet.
- Movement: Een beweging uitgevoerd door het vinger-hand-arm-schouder-romp
systeem. Deze beweging is nodig om een deel van de arm te positioneren zodat
een „terminal‟ activiteit uitgevoerd kan worden
- Terminal: Dit is een GET of PUT operatie die aan het einde van een beweging
uitgevoerd wordt. Een „terminal‟ operatie wordt dus altijd vooraf gegaan door een
„movement‟. Er wordt onderscheid gemaakt tussen „low conscious control‟ en „high
conscious control‟.
- Supporting: Ook soms als „auxiliary‟ aangeduid. Dit zijn activiteiten zoals stappen,
buigen, inspecteren…
De voordelen van MODAPTS zijn onder meer dat het een gemakkelijk aan te leren en te
gebruiken methode is en dat er weinig berekeningen aan te pas komen. Ook is
MODAPTS zeer consistent. Dit betekent dat wanneer verschillende analisten het PDTM
systeem zouden toepassen op eenzelfde werk, de verschillen miniem zijn. Dit komt
doordat er slechts weinig elementen zijn waaruit moet gekozen worden.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 21
Ook voor dit systeem bestaan reeds enkele afgeleide versies en tevens is er software
beschikbaar. MODAPTS wordt tegenwoordig onder andere gebruikt in de auto-industrie
door Hyundai.[1.22]
2.8. LCW
LCW is een universeel toepasbaar systeem dat op eenvoudige wijze toelaat tijden te
berekenen en methodeverbeteringen aan te duiden.[3.4] LCW is de afkorting van
Lokalisatie Componenten & Werktuigen. Deze drie termen vormen de kerngedachte van
het LCW-systeem. Het LCW systeem werd ontwikkeld door dhr. Carlos Willermarck door
een statistische verwerking toe te passen op een MTM-1 analyse van een duizendtal
werksequenties uit verschillende sectoren. Zijn initiële doel was een snel toe te passen
tijdstudiesysteem te creëren gebaseerd op MTM-1. Het probleem met vele andere
systemen, zoals MTM, is dat de analysetijd een veelvoud is van de geanalyseerde
werktijd. Ook chronometreren is zeer intensief, aangezien er veel herhalingen nodig zijn
om tot een betrouwbaar resultaat te komen. Wanneer een werkmethode verandert, dient
alles opnieuw gedaan te worden. LCW probeert deze problemen te minimaliseren zonder
in te boeten aan nauwkeurigheid en trefzekerheid.
Het systeem werkt ook met vooraf bepaalde tijden en heeft tot doel nauwkeurige
werkmethodes en tijdnormen te bepalen voor hand- en kantoorwerk, waarbij ook
ergonomische aspecten in rekening gebracht worden.
De basisidee van het LCW systeem is dat arbeid gelijk is aan het aantal verhandelingen
van objecten. Het volstaat deze verhandelingen te quoteren in plaats van de menselijke
bewegingen die moeilijker en dus trager te evalueren zijn. Elke herkenbare verhandeling
kreeg een arbeidstijd toegekend die een veelvoud was van 4,5 Seconden. De
verhandelingstijden werden verfijnd in 3 verschillende categorieën om een
nauwkeurigheid van +/-3% te bekomen.
LCW is een object georiënteerd tijdstudie systeem. Het is met andere woorden gebaseerd
op de beweging van objecten en niet op menselijke bewegingen. De meeste bestaande
analysesystemen beperken zich tot een bewegingsstudie, waarbij men aan de hand van
bewegingen tijdnormen opstelt. LCW neemt als basis de voorwerpen die de arbeid en het
verbruiken van tijd veroorzaken. Object bewegingen zijn grotere blokken, waardoor het
LCW systeem eenvoudiger in gebruik is. De analyse van 1 minuut arbeid wordt verricht in
10 minuten analysetijd. Bovendien kan LCW eenvoudig aangeleerd worden door
zelfstudie.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:2 Besproken PDTM systemen 22
Door de eenvoud en snelheid van werken en omdat het gebaseerd is op MTM-1, wordt dit
systeem vaak MTM-Easy genoemd.[2.5]
Het basisconcept is:
- Arbeid is de resultante van het nemen en plaatsen van iets door iemand.
- Afstanden zijn meestal niet belangrijk omdat we statistisch gezien steeds een
gemiddelde verplaatsingsafstand van 30 cm nastreven.
- Acties ten overstaan van objecten gedragen zich als gemiddelden waarbij we 3
basisacties herkennen.
- Stappen en buigingen of lay-out worden gemiddeld bekeken. 1 stap is gelijk aan
20 TMU en 1 buiging is gelijk aan 3 stappen.
- Het gebruik van kracht is gelijk aan veelvouden van 20 TMU.
Het systeem van vooraf bepaalde tijden wordt teruggebracht naar slechts 6 toepasbare
codes “1/2V, 1/4V, 1/8V, Stap, Buigen en Krachtstap”. De tijden horend bij deze 6
elementen zijn ontstaan door het praktisch toetsen ervan met de MTM-1 analyse. Naast
deze codes zijn er weliswaar nog bijkomende regels die moeten gerespecteerd worden.
Deze techniek wordt in het softwarepakket VRex Suite gebruikt (zie volgende paragraaf).
In dit werk zal VRex niet toegepast worden. Wegens het belang en potentieel ervan kon
deze methode echter niet ontbreken in deze literatuurstudie.
2.9. VRex
VRex Software Suite is een lean software tool gebaseerd op tijd- en methodestudie om
productiviteitsverbeteringen in arbeid te bereiken. [2.5] De VRex software integreert
bestaande tijdstudie technieken, zoals „stopwatch‟ en PDTM systemen zoals MTM-1,
MTM-SD, MTM-UAS, SAM, VWF en LCW. De meeste van deze systemen werden
hierboven besproken.
Code Time Action
1/4V 1,125
Sec
Take or place action without difficulty and with 1 recognizable stop of the hand.
1/2V 2,250
Sec
Take or place action with one extra difficulty recognized like an additional hand
or arm movement "Positioning, pressing in, grabbing etc.".
1/8V 0,560
Sec
Short or frequential handling's while only using the hand or arm.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:3 Algemene vergelijking 23
Het doel van VRex is om standaardtijden sneller, eenvoudiger en met meer informatie te
bepalen. De methodiek die daarbij gehanteerd wordt is deze van de “7 muda‟s van
productiviteit”. Hiermee worden alle mogelijke verliezen die aanwezig zijn in een
arbeidsproces geclassificeerd in gestandaardiseerde categorieën, waardoor men
tijdstudie onafhankelijke resultaten bekomt. De verliezen en de bijhorende verbeteringen
worden aangegeven. Dankzij de technologie van de “7 muda‟s” worden de verliezen
gekwantificeerd in plaats van gekwalificeerd. Ze worden in Tabel 5 opgelijst. De Vrex suite
kan tevens de nodige SMED (Single Minute Exchange of Die) & OEE (Overall equipment
Effectiveness) gegevens verwerken tijdens de tijdstudie analyse. Ook worden er Pareto
diagrama's berekend zodat men omsteltijden kan reduceren of machinetijden kan
optimaliseren. Bovendien garandeert VRex foutvrije analyses door steeds een
referentievideo weer te geven. Deze moet aan een gelijk tempo lopen als het te
analyseren werk. Het tempo van de geanalyseerde en de genormeerde verhandeling
wordt afgebeeld. De analyse is pas correct wanneer beide films een gelijk tempo hebben.
Tabel 5: Muda's in Vrex [2.5]
Muda Oorzaak
Muda 1 Tempo
Muda 2 Idle Time
Muda 3 Product complexity of design efficiency
Muda 4 DFA - design for assembly
Muda 5 DFM - design for manufacturing
Muda 6 IP - Intermediate places
Muda 7 S&B - Stappen en buigingen.
3. Algemene vergelijking
In deze paragraaf worden de belangrijkste eigenschappen van bovenstaande PDTM
systemen nog eens op een rij gezet, om deze zo gemakkelijk te kunnen vergelijken. Tabel
6 geeft een eerste algemeen overzicht van de belangrijkste kenmerken van de
verschillende besproken PDTM systemen.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:3 Algemene vergelijking 24
Tabel 6: Overzicht van de eigenschappen van de verschillende PDTM systemen
PDTMS Nauwkeurig-
heid*
Balance
tijd**
Snelheid
(1min) Eenheid
Eenheids-
waarde
[sec]
Intrinsiek
Tempo
[Bedaux]
Aantal
elementen Bedoeld voor…
MTM-1 5% 1630 250 min TMU 0.036 60 342 Kort cyclisch
werk
MTM-2 10% 7000 100 min TMU 0.036 60 39
Middelmatig
lang, cyclisch
werk
MTM-3 17% 15600 35-50
min TMU 0.036 60
10
Lang niet-
cyclisch werk
SAM 13% 8600 50 min FACTOR 0.18 60 61 Middelmatig lang
cyclisch werk
MOST 6,5% 3235 50 min TMU 0.036 60 220 Omnivalent met
gevarieerd werk
MODAPTS ? ? 30 min MOD 0.129 60 44 Omnivalent
VWF ? ? 20 min VU 0.06 75 68
*Procentuele variatie op werkelijk waarde bij cyclustijd van 1630TMU, met betrouwbaarheidsinterval van 95%.
**Cyclustijd vanaf dewelke met 95% zekerheid kan gezegd worden dat de afwijking 5% bedraagt.
De vraagtekens in deze tabel duiden op het feit dat deze in de literatuur niet rechtstreeks zijn af te leiden.
Een andere vergelijking die kan gemaakt worden, maar waar er niet veel informatie over
gevonden werd, is de mate van gebruiksvriendelijkheid van elke methode. Hierbij speelt
de hoeveelheid documentatie die nodig is om een systeem toe te passen een rol. In Tabel
7 wordt dit voor enkele PDTM systemen weergegeven [1.10]. Dit zal ook zijn invloed
hebben op de analyseduur.
Tabel 7: Benodigde pagina's documentatie
PDTM systeem Aantal pagina’s documentatie
nodig (operatie van 3 minuten)
MTM-1 16
MTM-2 10
MTM-3 8
MiniMOST 2
BasicMOST 1
MaxiMOST 0.5
Onderstaande Figuur 3 vergelijkt de nauwkeurigheid van de verschillende methodes. Het
geeft een beeld vanaf welke cyclustijd een bepaalde nauwkeurigheid kan worden bereikt
met de methodes. Daarnaast kan ook de precisie van de verschillende systemen bij
eenzelfde cyslustijd worden vergeken. Op de X-as is de cyclustijd weergegeven van het
geanalyseerde werk. Op de Y-as is het verwacht percentage afwijking van het resultaat
van de analyse ten opzichte van de werkelijke tijd. Deze grafiek dient dus als volgt
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:3 Algemene vergelijking 25
gelezen te worden. Voor een cyclustijd X kan met 95% zekerheid gezegd worden dat
systeem Z en gemiddeld een procentuele afwijking van Y % zal vertonen ten opzichte van
de werkelijke waarde. Deze curves werden opgesteld aan de hand van de balancing time
van de verschillende systemen en hun relatieve nauwkeurigheid.
Figuur 3: Percentage afwijking t.o.v. cyclustijd
Ook Figuur 4 geeft dergelijk beeld, maar dan over de hele MTM-familie. Aan de hand van
deze figuren stelt men vast dat MTM-1 voor een vaste cyclustijd een kleinere afwijking zal
vertonen dan MOST, gevolgd door MTM-2, SAM en MTM-3. Voor MODAPTS kon geen
dergelijke curve gevonden of opgesteld worden uit de beschikbare literatuur. De auteurs
vermoeden echter dat MODAPTS in de buurt van MOST en MTM-2 zal liggen.
Op basis van de balancing time werden aanbevelingen gedaan met betrekking op de
minimale cyclustijd waarvoor MTM-2 en MTM-3 best worden gebruikt. Uit het onderzoek
in [1.26] worden deze restricties voor MTM-2 en MTM-3 echter niet ondersteund. Dit
impliceert dat de kortere analyseduur niet ten koste gaat van de nauwkeurigheid maar
enkel van de mate van detaillering van de beschrijving van de elementen. Dus dat met
hogere niveau systemen nog steeds accurate analyses kunnen worden uitgevoerd. Dit
onderzoek doet de vraag rijzen of een dergelijke conclusie ook kan gemaakt worden voor
de andere systemen (MOST, MODAPTS en VWF). Verdere informatie over dit onderzoek
was niet toegankelijk omdat het betreffende artikel niet kon worden ingezien.
1630
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:4 Mento factor 26
Figuur 4: Percentage afwijking t.o.v. cyclustijd (MTM-familie)
4. Mento factor
Mento factor is ook een soort PDTMS dat bedoeld is voor mentale processen, zoals het
controleren van een voorwerp op bepaalde eigenschappen of vergelijken van twee
voorwerpen met elkaar. De opbouw is vergelijkbaar met PDTM systemen bedoeld voor
manuele arbeid. Uiteraard zijn de klassen verschillend en hebben ze betrekking op minder
zichtbare, mentale aspecten zoals het registreren en ophalen van informatie uit het
geheugen. Deze elementen komen ook voor in detailed work factor (DWF) en rapid work
factor (RWF). Deze zijn niet in vorige paragrafen besproken maar vormen de basis
waarop VWF en mento factor zijn gebaseerd. De elementen in deze systemen zijn de
volgende [1.1], [1.23]:
Fixeren van het zicht
Inspecteren
Reageren
Berekenen
Opslaan in geheugen
Ophalen uit geheugen
De waarden hieruit geven echter slechts nauwkeurige resultaten zolang het aandeel van
deze handelingen in het totale proces minder dan 20% uitmaakt.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:4 Mento factor 27
Mento factor is specifiek opgesteld voor niet-creatieve mentale processen in
administratieve en industriële taken. De waarden uit de tabellen van dit systeem werden
bepaald in de laboratoria van experimentele psychologie in de Verenigde Staten en
Nederland.
De basiselementen in mento factor zijn te vinden in Tabel 8. Deze kunnen gebruikt
worden voor zogenaamde “mentale intervallen” te analyseren. Er wordt onderscheid
gemaakt tussen vier intervallen: (1) het interval van inspectie, (2) het interval van reactie,
(3) het interval van berekening en (4) het interval van lezen. Elk van deze bevat in ieder
geval volgende drie fases: (i) ontvangst van informatie die beroep doet op fysiologische
processen (kijken, horen, ruiken…), (ii) identificatie van de impulsen ten gevolge van de
ontvangen informatie ter vergelijking met de opgeslagen informatie in het geheugen (het
mentale proces) en (iii) de organisatie van de respons die zich opnieuw kan manifesteren
als impulsen naar het zenuwstelsel voor het aansturen van motorische functies. Dit wordt
ook geïllustreerd in Figuur 5.
Er is ook een gereduceerde versie beschikbaar, mento factor compact of MF-C, die een
veel beperktere tabel heeft en sneller toe te passen is. Ten gevolge van de reductie is er
wel een afname van nauwkeurigheid. De compacte tabel is te vinden in Bijlage I. De
eenheid van MF-C is de Ready Unit of RU terwijl dit voor de volledige versie de Time Unit
of TU is. Daarnaast verschillen beide ook in intrinsiek tempo. Deze is 75 Bedaux voor de
compacte versie en 78 voor de volledige versie.
Tabel 8: Standaard elementen van mento factor
Standaard element Code
Bewegingen met het oog ES/Fo
Omzetting van energie See/Hue
Geleiden Con
Identificeren Id
Uitsluiten Disc
Omvatten Sp/Scan
Beslissen De
In geheugen opslaan/
uit geheugen ophalen Mem/Rec
Omzetten/converteren Cvt
Berekenen Com/Su
Verplaatsen van aandacht Tra
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:5 Learning curves 28
Figuur 5: Het mentale interval
5. Learning curves
Learning curves of leercurve duiden op het patroon in uitvoeringstijd dat vastgesteld wordt
wanneer mensen een repetitieve handeling uitoefenen. Het is een grafiek die de relatie
weergeeft tussen bijvoorbeeld de productietijd van één eenheid en het cumulatieve aantal
geproduceerde eenheden. Men stelt vast dat hoe meer men een handeling uitvoert, hoe
ervarener men er in wordt en dus hoe minder tijd men nodig heeft om deze handeling uit
te voeren. Het verschil tussen de tijd die nodig is de eerste maal dat de handeling wordt
uitgevoerd en de tweede maal is daarbij ook groter dan bijvoorbeeld tussen de 20ste en
21ste maal. De benodigde tijd zal dus afnemen aan een vertragend tempo. De afname
daarbij is weliswaar voorspelbaar [1.6].
Hieronder volgt een verdere uiteenzetting van de theorie van leercurves die relevant zou
kunnen zijn voor het onderzoek. (Er wordt hierbij ook verwezen naar de cursus methods
engineering & work measurement van prof. Dirk Van Goubergen [3.1])
De “unit curve theory” zegt dat wanneer het totaal geproduceerde volume verdubbelt, de
kost per tijd per eenheid afneemt met een constant percentage X. Men noemt (100-X) dan
de “learning rate”. Stel bijvoorbeeld dat een persoon een learning rate heeft van 80%, dan
is de werkduur voor de 2e eenheid 80% van deze voor de 1e eenheid en is de werkduur
voor de 4e eenheid 80% van deze voor de 2e.
Er zijn drie mogelijke benaderingen voor de schatting van de leercurves. Ten eerste is er
de Aritmetische benadering, welke tevens de eenvoudigste is. Hierbij wordt gesteld dat de
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL I:5 Learning curves 29
arbeid per eenheid met een constante factor afneemt telkens de productie verdubbelt. Het
nadeel hierbij is echter dat de tussenliggende waarden niet gekend zijn.
Een tweede aanpak betreft de logaritmische benadering. Hierbij gaat men uit van
volgende formule om de duur van de nde eenheid te bepalen:
Waarbij: voor de kost/duur voor de nde eenheid
het productnummer
de kost/duur voor de eerste eenheid
de helling van de leercurve
wordt hierbij berekend op basis van de learning rate volgens:
( ) ( )
In tegenstelling tot de vorige aanpak kan de kost hierbij wel voor elk productnummer
berekend worden.
Als derde en laatste aanpak is er de “learning curve coëfficiënt approach “. Deze berekent
de duur voor het nde element als volgt:
C staat hier voor een leercoëfficiënt die men kan terugvinden in tabellen en wordt bepaald
door n en de learning rate.
Deze curves worden dikwijls toegepast in de industrie om op die manier de snelste
“leerlingen” te selecteren voor een bepaalde job en om te voorspellen hoeveel tijd deze
persoon uiteindelijk nodig zal hebben voor de handeling. In het kader van het onderzoek
naar de benodigde analysetijd kan deze techniek eventueel ook toegepast worden als
alternatief op het gebruik van Mento factor. Het komt er in dit geval op neer dat de
leercurves van de auteurs gezocht worden op de toepassing van de verschillende PDTM
systemen. Dit zal verder in DEEL IV:3 behandeld worden.
DEEL II: Onderzoek
In dit deel wordt gestart met een diepere ontleding van het probleem. Daarbij wordt het
opgesplitst in twee deelproblemen die elk apart worden besproken. Vervolgens zullen de
methodologieën voor beide deelproblemen worden behandeld. Er wordt voor beide
deelproblemen ook nagedacht over verschillende parameters die een invloed kunnen
hebben op de resultaten.
Voor het eerste probleem wordt zowel een theoretische en praktische aanpak uitgewerkt.
De theoretische betreft hierbij vooral een vergelijkende studie van de getabelleerde
waarden. De praktische baseert zich op de toepassing van de verschillende PDTM
systemen.
Ook voor het tweede probleem wordt een praktische benadering gehanteerd. Een
theoretische aanpak wordt ook geformuleerd maar zal uiteindelijk niet uitvoerbaar blijken
omwille van beperkte informatie.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:1 Ontleding van het probleem 31
1. Ontleding van het probleem
De keuze voor een optimaal PDTM systeem is tweeledig. Ten eerste moet men bepalen
welke nauwkeurigheid men met de analyse wil behalen. Ten tweede moet men een
investering maken in tijd om de analyse uit te voeren. Zoals reeds vermeld, zijn beide
factoren met elkaar verbonden. Indien men de analysemethode snel wil aanleren en
kunnen uitvoeren dan zal dit een gevolg hebben voor de nauwkeurigheid. Er moet dus
telkens een afweging gemaakt worden tussen de nauwkeurigheid enerzijds en de
geïnvesteerde tijd anderzijds.
Dit wil zeggen dat het probleem moet opgesplitst worden in (1) „Welk systeem presteert
het best op vlak van nauwkeurigheid en wat zijn de belangrijke kenmerken?‟ en (2) „Welk
PDTMS is het interessantst op vlak van geïnvesteerde tijd?‟ De aanpak voor beide vragen
is verschillend.
1.1. Probleem 1: Nauwkeurigheid
De nauwkeurigheid heeft betrekking op hoe goed de waarden uit de tabel de werkelijke
tijd benaderen en hoe goed de definities aansluiten bij de uitgevoerde handelingen. Dit is
van groot belang in productieomgevingen waar de geanalyseerde handelingen regelmatig
worden herhaald. De tijden en definities verschillen voor al de PDTM systemen.
Elke instelling voor tijd- en methodestudie, zoals de “MTM association” of “Work Factor
counsil”, heeft meestal voldoende eigen onderzoek gedaan naar de nauwkeurigheid van
hun PDTM systeem. Het is hier dan ook niet de bedoeling de resultaten hiervan te
reproduceren. De resultaten van deze onderzoeken zijn helaas niet zomaar toegankelijk.
Men dient eerst lid te worden van deze organisaties, wil men deze verslagen doornemen.
Al wat gekend is, is Figuur 4 uit de literatuurstudie en de "balance time" van de
verschillende systemen. Wat nog nauwelijks beschikbaar is, is een vergelijking van de
methodes op vlak van nauwkeurigheid per type werk. Dus op basis van de inhoud van het
te analyseren werk. Het ene PDTMS kan bijvoorbeeld accuratere resultaten opleveren bij
handelingen met een overheersend aandeel aan kleine, korte bewegingen terwijl een
ander systeem betere resultaten kan leveren bij handelingen waar bijvoorbeeld veel over
en weer wordt gestapt.
Voor het eerste probleem moet nagegaan worden waarvan de behaalde nauwkeurigheid
afhankelijk is. Deze zal bijvoorbeeld afhangen van de gemiddelde afstand die afgelegd
wordt door de ledematen of door de moeilijkheid van de behandelde. Er moet dus gezocht
worden naar kenmerken van het werk die kunnen wijzen op een betere nauwkeurigheid in
het ene systeem dan in de anderen. Indien hier een duidelijk verband is tussen de
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 32
opbouw en specifieke eigenschappen van het werk, dan kan op basis hiervan een keuze
gemaakt worden voor het meest geschikte PDTMS.
1.2. Probleem 2: Analyseduur
De tweede vraag vergt een geheel andere benadering. Hoewel in de literatuur wel een
aantal waarden zijn weergegeven voor de gemiddelde duur van de analyse van één
minuut werk, kan het zijn dat deze waarden zijn verbloemd en bijgevolg een te
optimistische waarde geven. Daarom wordt de duur voor de uitvoer van een analyse ook
nagegaan door de auteurs.
Daarnaast maakt de literatuur niet duidelijk waarvan de analysetijd afhankelijk is. Om een
optimale keuze te maken is ook deze informatie interessant, wat een extra reden is voor
het onderzoeken van de analyseduur. Zo kan het bijvoorbeeld zijn dat een handeling met
veel simultane bewegingen sneller te analyseren is door de overlapping van handelingen.
Andersom kan uiteraard ook, namelijk dat het voorkomen van simultane handelingen de
analyse net ingewikkelder maakt. De invloed van verschillende factoren van het
geanalyseerde werk zullen ook trachten nagegaan te worden.
2. Methodologie
In vorige paragraaf werd vermeld dat het probleem tweeledig is en bijgevolg een dubbele
aanpak vereist. De komende uiteenzetting zal de redenering tot de vooropgestelde
aanpak voor beide problemen behandelen.
2.1. Aanpak probleem 1: Nauwkeurigheid
Om een goede vergelijking te kunnen maken van de verschillende PDTM systemen werd
voor de theoretische aanpak vooreerst gedacht aan een algemene vergelijking van alle
elementaire handelingen met dezelfde definitie over de verschillende systemen. Hierbij
wordt gekeken naar de definitie en tijdswaarde van een element in het ene systeem en
vergeleken met de tijdswaarden van de elementen uit de andere systemen die onder deze
definitie vallen. Vermits MTM-1 een bewezen PDTMS is kan deze als basis worden
gebruikt voor de vergelijking met de andere systemen. Alle PDTM systemen worden dan
vergeleken met dezelfde basis en dus met elkaar. Immers, als A met B wordt vergeleken,
en A met C, dan wordt impliciet ook B met C vergeleken.
Aan de hand van deze vergelijking zou men dan per element kunnen voorspellen in
hoeverre de tijd over- of onderschat zou zijn in vergelijking met MTM-1. Aangezien de
nauwkeurigheid van MTM-1 goed gekend is, zou men zo ook gemakkelijk de
nauwkeurigheid van de andere systemen kunnen bepalen. Dit, zonder deze andere
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 33
analyses te hoeven uitvoeren. De gebruiker hoeft in dat geval enkel een twee-
handenanalyse uit te voeren en een MTM-1 analyse om de nauwkeurigheid in te kunnen
schatten van de andere systemen.
De kritische lezer bemerkt hierbij wel dat het niet interessant is om telkens eerst een
MTM-1 analyse uit te voeren om dan tot de conclusie te komen dat de nauwkeurigheid
van analyse met een ander systeem ook binnen aanvaardbare grenzen ligt. Daarbij komt
nog dat een MTM-1 analyse voor langere cycli wel eens heel lang zou kunnen duren. Het
blijft echter interessant voor het onderzoek, de vergelijking van alle systemen met MTM-1
uit te voeren omdat met deze gegevens kan worden gezocht naar elementen in het werk
die ervoor zorgen dat een systeem X beter presteert dan systeem Y. Stel bijvoorbeeld dat
systeem X een veel hogere nauwkeurigheid haalt voor het vastvijzen van een bout dan
systeem Y. Wanneer een bepaalde werkmethode dan voor een groot deel uit het
vastschroeven van bouten bestaat dan is het duidelijk dat beter systeem X wordt gekozen
voor de analyse.
Hoe deze vergelijking van systemen zou worden uitgevoerd volgens deze eerste aanpak,
wordt in onderstaand voorbeeld geïllustreerd. Hierin wordt de vergelijking gemaakt tussen
code “0-0” uit VWF en de hierbij passende definitie van MTM-1.
Code “0-0” kan in VWF voor twee dingen staan: (1) het reiken naar een voorwerp gevolgd
door een gewone “contact grasp” of (2) een situatie waarin het voorwerp zich al in de
hand bevindt en wordt verplaatst naar een andere plek zonder assemblagehandeling. De
gemiddelde afstand van verplaatsen of reiken ligt hierbij tussen 25 en 50 cm. Belangrijk
hierbij is dat het gaat om de gemiddelde afstand. Dus wanneer je 30 cm reikt naar een
voorwerp en het over een afstand van 0 cm verplaatst, is de gemiddelde afstand 15 cm.
Deze definitie voor code “0-0” komt in MTM-1 overeen met ofwel alle reikbewegingen met
een afstand tussen 50 en 100 cm (dus gemiddeld afgelegde afstand tussen 25 en 50 cm)
of alle verplaatsbewegingen over diezelfde afstand. Het loslaten van een voorwerp kan
hiermee al dan niet gepaard gaan. Met het onderlijnde woord “alle” wordt hier zowel alle
afstanden gelegen binnen het interval 50 tot 100 cm, als alle types van bewegingen
binnen de reik- of verplaatsbeweging bedoeld. De codes hiervoor zijn dus RX50-100 en
MX50-100, al dan niet met RL1 erbij opgeteld, waarbij de “X” staat voor het type beweging
(A, B, C/D, E, Am of Bm voor het reiken en A, B, C of Bm voor het verplaatsen). Het komt
er hierbij dus op neer dat één enkele waarden uit de VWF-tabel vergeleken wordt met
enorm veel verschillende tijdswaarden.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 34
Als men bovenstaand voorbeeld wil uitwerken, dan moet code “0-0” van VWF vergeleken
worden met waarden uit de tabellen „Reach‟ en „Move‟ van MTM-1, rekening houdend met
het afstandsinterval en al dan niet met toevoeging van een release. Dit kan relatief snel
gebeuren. Wanneer men echter hetzelfde wil doen voor code “1-0”, dan moeten uit MTM-
1 de tabellen „Reach‟ (A, B, Am en Bm), „Move‟ (A, B en Bm) en „Grasp‟ (1A, 1C1, 1C2,
G3, G5) gecombineerd worden. Dit geeft een totaal van 54 tabellen.
Voor de andere codes van VWF gelden gelijkaardige vergelijkingen. Tabel 9 geeft een
overzicht van de vergelijking tussen de basisdefinities van VWF en MTM-1.
Tabel 9: Vergelijking definities MTM-1 - VWF
VWF
code
VWF definitie MTM-1 definities
0-0 Geen grijpen, geen assemblage. Louter reiken naar en/of
verplaatsen.*
Move A+B+C (+motion)
Reach A+B+C
Grasp G5
1-0 Reiken, grijpen en verplaatsen van een geïsoleerd object
waarvan de belangrijkste dimensie groter is dan 6mm*.
Geen assemblage.
Reach A+B (+motion)
Grasp 1A-1C1-1C2-G3
Move A+B (+motion)
2-0 Reiken, grijpen en verplaatsen van een object in een
hoop waarvan de belangrijkste dimensie groter is dan
6mm*. Geen assemblage.
Reach B-C
Grasp 1C1-4A-4B
Move A+B+C (+motion)
3-0 Reiken, grijpen en verplaatsen van een object waarvan de
belangrijkste dimensie kleiner dan of gelijk is aan 6mm,
zowel uit een hoop als geïsoleerd of het grijpen van een
geïsoleerd object met een hoogte of dikte kleiner dan
6mm*. Geen assemblage.
Reach C/D
Grasp 1B 1C3 G3-4C
Move A+B+C (+motion)
0-1 Louter assembleren, waarbij de grenzen als volgt zijn
bepaald: mechanisch: opening groter dan 3mm en
tolerantie meer dan 10%, oppervlakte: twee marges
groter dan 3mm.
P1SE – P1SSE
P1SD – P1SSD
(P1NSE en P1NSD vereist
Pp bij VWF)
1-1 Combinatie van 1-0 en 0-1. Reach A+B (+motion)
Grasp 1A-1C1-1C2-3
Move C (+motion)
Position Loose/S-SS/E-D
2-1 Combinatie van 2-0 en 0-1. Reach C
Grasp 1C1-4A-4B
Move C (+motion)
Position Loose/S-SS/E-D
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 35
3-1 Combinatie van 3-0 en 0-1. Reach D
Grasp 1B 1C3-3- 4C
Move C (+motion)
Position Loose/S-SS/E-D
0-2 Louter assembleren, waarbij de grenzen als volgt zijn
bepaald: mechanisch: opening kleiner dan 3mm of
tolerantie minder dan 10%, oppervlakte: één marge
kleiner dan 3mm.
P2SE – P2SSE
P2SD – P2SSD
(P2NSE en P2NSD vereist
Pp bij VWF)
1-2 Combinatie van 1-0 en 0-2. Reach A+B (+motion)
Grasp 1A-1C1-1C2-3
Move C (+motion)
Position Close/S-SS/E-D
2-2 Combinatie van 2-0 en 0-2. Reach C
Grasp 1C1-4A-4B
Move C (+motion)
Position Close/S-SS/E-D
3-2 Combinatie van 3-0 en 0-2. Reach D
Grasp 1B 1C3 3-4C
Move C (+motion)
Position Close/S-SS/E-D
0-3 Louter assembleren, waarbij de grenzen als volgt zijn
bepaald: mechanisch: opening kleiner dan 3mm en
tolerantie minder dan 10%, oppervlakte: twee marges
kleiner dan 3mm.
P3SE – P3SSE
P3SD – P3SSD
(P3NSE en P3NSD vereist
Pp bij VWF)
1-3 Combinatie van 1-0 en 0-3. Reach A+B (+motion)
Grasp 1A-1C1-1C2-3
Move C
Position Exact/S-SS/E-D
2-3 Combinatie van 2-0 en 0-3. Reach C
Grasp 1C1-4A-4B
Move C
Position Exact/S-SS/E-D
3-3 Combinatie van 3-0 en 0-3. Reach D
Grasp 1B-1C3-3-4C
Move C
Position Exact/S-SS/E-D
Het is duidelijk dat een enorme hoeveelheid aan tabellen nodig zou zijn om ook de andere
waarden te vergelijken omwille van de verschillende definities. Wat één enkele waarde
heeft in de ene methode heeft tientallen waarden in een andere methode, zoals
bovenstaand voorbeeld aantoont. Deze manier van werken is dus vrij omslachtig. Dit
heeft hier vooral te maken met het feit dat de systemen uit het voorbeeld van een andere
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 36
generatie zijn. MTM-1 behoort tot de eerste generatie PDTM systemen terwijl VWF tot de
tweede generatie behoort met gecombineerde waarden in de tabel. Wanneer systemen
uit eenzelfde generatie zouden worden vergeleken, heeft men dit effect veel minder. In
dat geval zou er voor elke generatie een basis moeten gekozen worden ten opzichte van
dewelke de vergelijking gebeurt. Er stellen zich bij deze onderzoeksmethode echter nog
een aantal andere problemen.
Wanneer bijvoorbeeld de toelage voor zware voorwerpen wat nader wordt bekeken, wordt
duidelijk dat doorheen de verschillende systemen andere manieren bestaan om deze in
rekening te brengen. Zo zal bij VWF eenvoudigweg een vaste toeslag aangerekend
worden terwijl het effect van het extra gewicht in MTM-1 in verschillende elementen zit
verwerkt. Een zwaar voorwerp heeft een statische en dynamische invloed in de
verplaatsbeweging “Move” en ook effect op de draaibeweging “Turn” en in de
positioneringshandeling “Position”. De toeslag voor gewicht in MTM-1 kan hierdoor niet uit
deze elementen gedestilleerd worden.
Omwille van al deze zaken komt men al snel tot de vaststelling dat deze aanpak niet tot
een goed resultaat zal leiden. Een andere aanpak dient dus te worden toegepast voor de
meeste types handelingen. Voor enkele bewegingen kan dit echter wel een goede
methode zijn. Hierbij wordt gedacht aan handelingen zoals hameren, schroeven, draaien
aan een hendel, stappen en buigen. De definities voor deze bewegingen zijn immers voor
de verschillende systemen vaak sterk op elkaar gelijkend. Verderop (DEEL III:1) in dit
werk zullen we de vergelijking van deze speciale handelingen opstellen en bespreken.
Onderstaande paragraaf gaat wat dieper in op de bepaling van de te onderzoeken
kenmerken in de handelingen.
Er zijn tal van kenmerken te bedenken die invloed kunnen hebben op de nauwkeurigheid
van een PDTMS. Enkele van deze werden al kort vernoemd in de uiteenzetting hierboven.
In deze paragraaf worden de belangrijkste kenmerken weergegeven die zullen worden
onderzocht. Het is mogelijk dat een werkmethode elementen bevat waar het ene systeem
beter presteert (lees: nauwkeuriger) dan een ander en elementen waar dat ene systeem
dan weer minder goed op presteert. Er zal daarom moeten gekeken worden naar een
gewogen waarde van de invloed van de kenmerken om de optimale keuze op te baseren.
Daarvoor moet rekening gehouden worden met het aandeel van de handelingen in de
totale werkinhoud. Neem bijvoorbeeld een situatie waarbij systeem X 20% afwijking heeft
ten opzichte van de werkelijke waarde voor het vastdraaien van een schroef dan systeem
Y, maar datzelfde systeem slechts 10% afwijking heeft voor het hameren op een staaf.
Dan hangt de keuze voor systeem X of Y af van de samenstelling van het geanalyseerde
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 37
werk. Indien het werk 2% schroeven bevat en 10% hameren, dan is systeem Y het
nauwkeurigste, ondanks dat systeem X veel nauwkeuriger is voor het schroeven. Dit
inzicht zal van pas komen in DEEL III:1.6.
Mogelijke kenmerken van de werkinhoud kunnen zijn:
Hoeveelheid wandelen, buigen en andere voetbewegingen: Deze elementen
kunnen belangrijk zijn vermits de definities hier heel duidelijk zijn en de verschillen
in tijdswaarde voor deze elementen gemakkelijk te bepalen zijn. Een taak waar
veel over en weer gewandeld wordt, kan bij een bepaald PDTM systeem
bijvoorbeeld een fout mee krijgen van 0,2 sec per stap, terwijl deze fout voor een
ander systeem slechts 0,05 sec per stap bedraagt. Dit laatste systeem zou dus
beter presteren in dit geval. Daarnaast zal het aandeel van deze elementen in de
totale werkinhoud dikwijls groter zijn, vermits deze dikwijls een grotere tijd in
beslag nemen. Hierdoor stijgt het belang van grote nauwkeurigheid voor deze
elementen.
Gewicht van de onderdelen: De toelage voor gewicht wordt in de verschillende
methodes anders verwerkt. Soms wordt de toelage genegeerd (vooral in de
hogere generaties), soms wordt een simpele toelage bijgevoegd aan de
tijdswaarde en soms wordt de toelage gesplitst over verschillende
bewegingselementen. Dit zorgt ook voor een verschil in nauwkeurigheid van de
systemen. Het is, zoals hierboven reeds vermeld werd, niet mogelijk de juiste mate
van onnauwkeurigheid toe te schrijven aan dit kenmerk, juist omwille van de
verschillende aanpak van de systemen. Een toeslag voor gewicht zal echter
meestal geen groot aandeel innemen van de totale tijd van het werk. Dit betekent
dan ook dat dit kenmerk waarschijnlijk minder van belang is voor de keuze van het
PDTMS.
Het type van grijpen: Er is een grote variatie in het toekennen van tijdswaarden
voor de grijpactie in de verschillende systemen. Ook dit kan dus een element zijn
waar belangrijke verschillen optreden. Net als voor voorgaand punt geldt hier de
opmerking dat de extra tijd van een moeilijkere grijp-handeling slechts een klein
aandeel betekent in de totale werkinhoud.
Gemiddelde afstand van reiken en verplaatsen en de spreiding hiervan: Vermits
deze handelingen over het algemeen het grootste aandeel uitmaken van een taak
zijn de afwijkingen op deze handelingen van groot belang voor de nauwkeurigheid.
De hogere generaties van PDTM systemen rekenen op variatie van onder andere
deze afstanden om de fout te compenseren. Indien de spreiding van de
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 38
gemiddelde afstand klein is, dan wordt deze fout veel minder gecompenseerd en
kan dit zelfs een cumulerend effect hebben.
De tolerantie bij het monteren van onderdelen speelt ook een belangrijke rol in de
tijd die nodig is voor een dergelijke handeling. Deze moeilijkheid van monteren
wordt over het algemeen wel expliciet toegekend maar de omschrijving van
wanneer deze toekenning moet gebeuren is niet altijd even duidelijk. Indien
verschillende personen de werkwijze analyseren zal dikwijls een verschillende
interpretatie gemaakt worden over de moeilijkheid van monteren. Dit komt vooral
door het gebrek aan informatie over de handeling. Zo weet men bijvoorbeeld niet
altijd wat de tolerantie is van het te monteren onderdeel en is men aangewezen op
eigen ervaring. Dit
Een iets andere manier van werken is gelijkaardig aan deze hierboven maar heeft een
andere insteek. In de vorige aanpak werd vertrokken vanuit de definitie van VWF en
gezocht naar de overeenkomstige definities in MTM-1. Dit zou dan herhaald worden voor
de andere systemen. Het is echter interessanter om te vertrekken vanuit MTM-1 en
overeenkomstige elementen te zoeken in de andere systemen. Dit wil zeggen, elementen
met een definitie die overeenkomt met deze van MTM-1. Per systeem kan dan de
afwijking ten opzichte van de MTM-1 waarden worden berekend. Op die manier worden
de invloeden van de afstand, het type reik-, grijp-, verplaats- en montagebeweging hierop
duidelijk. Aan de hand van deze gegevens kan dan op zoek worden gegaan naar types
bewegingen waar de verschillende systemen systematisch een hogere of lagere afwijking
vertonen ten opzichte van MTM-1. MTM-1 kan als referentie gebruikt worden omdat dit
een van de meest nauwkeurige systemen is. Een kleine afwijking ten opzichte van MTM-1
betekent dus in principe ook een kleine afwijking ten opzichte van de werkelijke tijd.
De systemen die onderzocht worden zijn van hogere generaties en bevatten bijgevolg
gecombineerde elementen. Zo staat de code “GB5” uit MTM-2 niet enkel voor een
reikbeweging, maar ook voor de daarop volgende grijpbeweging. Om ervoor te zorgen dat
definities overeen komen tussen MTM-1 en de andere onderzochte PDTM systemen moet
voor dit voorbeeld de reikbeweging uit MTM-1 opgeteld worden bij een grijpbeweging van
MTM-1. “GB5” wordt dan bijvoorbeeld vergeleken met “R10A + G1A”. Door de afstand te
laten variëren en telkens naar de procentuele afwijking tussen de waarden van de
verschillende systemen te kijken, kan het verband hiertussen weergegeven worden. Door
deze vergelijking vervolgens te herhalen maar dan met een andere MTM-1 code voor het
reiken, bijvoorbeeld “R10B”, kan de invloed van het type reikbeweging nagegaan worden.
Analoog voor het veranderen van het type grijpbeweging. Reiken en grijpen worden in
MTM-2, SAM en MODAPTS gecombineerd tot één code („get‟). Ook het verplaatsen en
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 39
positioneren is één code („put‟). Voor de systemen MTM-3, VWF en MOST moet de
werkwijze nog meer uitgebreid worden. Opnieuw wordt een groep van MTM-1 elementen
vergeleken met één element van deze systemen. “HB32” van MTM-3 wordt op die manier
onder andere vergeleken met de combinatie “RxC + G4B + MxC + P2SD” door de afstand
en types te laten variëren. De eigenschappen van het werk, waarvan een belangrijke
invloed wordt vermoed op de nauwkeurigheid, kunnen zo onderzocht worden.
Hier geldt weliswaar hetzelfde probleem, van het grote aantal tabellen en grafieken, als bij
de eerst besproken werkwijze. Om dit aantal te beperken worden daarom enkel de meest
voorkomende en de extreme combinaties van bewegingen onderzocht. Dit is vooral van
belang bij het onderzoek naar verbanden voor de afwijking van MTM-3, VWF en MOST
elementen vermits deze nog algemener zijn dan die van MTM-2, SAM en MODAPTS.
Neem nu de code “HB32” uit MTM-3. Deze vertegenwoordigt een reik-, grijp-, verplaats-
en positioneerbeweging. Er zijn dus heel wat combinaties (234) mogelijk in MTM-1 om
aan deze omschrijving te voldoen.
Zoals reeds vermeld werd, is het de bedoeling tot een model te komen dat het optimale
PDTMS selecteert. Er werd al aangehaald dat het hierbij interessant is om zich voor deze
beslissing te kunnen baseren op kenmerken van de uit te voeren taak. Uiteraard dienen
deze kenmerken eerst gedefinieerd te worden. Dit gebeurt in eerste instantie door middel
van voorgaande werkwijze en logisch redeneren.
De conclusies die op basis van dit onderzoek worden gemaakt zullen worden gestaafd
aan de hand van de praktische toepassing op een twintigtal video‟s met gevarieerde
inhoud van realistische operaties binnen de industriewereld. Deze video‟s werden
aanvankelijk geselecteerd uit een aanbod van “pacerating video‟s” die worden gebruikt
om ingenieurs het tempo te leren schatten van verschillende handelingen. Dit was
interessant omdat de pace hiervan gekend is. Met dit gegeven kan de werkelijke tijd van
de video omgerekend worden naar een tempo van 60 bedaux. Dit maakt de vergelijking
van het resultaat van de PDTM-analyses met deze tijd mogelijk. De selectie van de
video‟s gebeurde op basis van de inhoud ervan. Er werd hierbij getracht een grote variatie
aan handelingen te bekomen zodat het overgrote deel van elementen uit de tabellen van
de PDTM systemen werd vertegenwoordigd. Het nadeel van deze video‟s was echter dat
niet altijd duidelijk was wat er nu effectief gebeurde door de mindere kwaliteit van de
video‟s. Het bepalen van de afstanden, de moeilijkheden van monteren… was daardoor
niet altijd eenduidig. Daarnaast waren de cycli over het algemeen vrij kort.
Zoals blijkt uit de literatuurstudie zijn sommige PDTM systemen zoals MTM-3 slechts
nauwkeurig vanaf een grotere cyclustijd. Daarom werden ook enkele video‟s zelf
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 40
opgenomen en werden enkele interne video‟s van Volvo cars Gent gebruikt. Hiervan is de
inhoud heel goed gekend en is de cyclustijd groter en dus beter geschikt voor de PDTM
systemen van de latere generatie. Bij de opname van de eigen video‟s werd ervoor
gezorgd dat een overgroot deel van elementen aanwezig was. Het nadeel van de
zelfgemaakte video‟s is echter dat het werktempo hiervan niet gekend is en dus zelf moet
worden ingeschat. Dit inschatten gebeurde in samenwerking met ir. P; Suwittayaruk, een
doctoraatstudent wiens onderzoek handelt over het schatten van werktempo‟s.
Eerst zal op elk van deze video‟s een twee-handenanalyse worden uitgevoerd waarna de
verschillende besproken PDTM systemen uit de literatuurstudie zullen worden toegepast
met deze twee-handenanalyse als vertrekpunt. Er dient echter opgemerkt te worden dat
niet al deze systemen bedoeld zijn om op basis van een gedetailleerde twee-
handenanalyse uit te voeren. Zo is er bijvoorbeeld voor de MTM-3 of MOST analyse geen
grote detaillering van de handelingen noodzakelijk omdat deze systemen gebruik maken
van grote overkoepelende blokken van handelingen.
Door de resultaten van deze analyses te vergelijken met de werkelijke tijd wordt al een
eerste indicatie verkregen betreffende de nauwkeurigheid van de systemen. Daarnaast
wordt ook de tijd die nodig was om de analyses uit te voeren geregistreerd. Hierover
verder meer (zie DEEL IV:).
Om dieper in detail te treden wordt van iedere video de eerste cyclus verder opgedeeld in
kleinere blokken. De grootte van deze blokken, oftewel het aantal elementen dat deze
blokken bevatten, verschilt van situatie tot situatie en wordt vooral bepaald door het meest
algemene systeem. Hiermee wordt het systeem bedoeld waarvan één element meerdere
elementen van de andere systemen overkoepelt. Zo zal bijvoorbeeld de code “HB32” van
MTM-3 verschillende elementen van MTM-1 bevatten aangezien dit element staat voor
het reiken, grijpen, verplaatsen en monteren van een voorwerp. Hierbij wordt opgemerkt
dat het niet per se altijd de code van MTM-3 is die de grootte van het blok bepaalt, hoewel
dit dikwijls het geval is. Ook dient er opgemerkt te worden dat de code van MOST
opgedeeld werd waar mogelijk. Zo zal een simpele rijk-, grijp- en verplaatsbeweging bij
MOST opgesplitst kunnen worden als volgt: A1 B0 / G1 / A1 B0 P0 A0.
De reden voor het verder indelen in blokken is de volgende. De blokken vormen de
bouwstenen van de handeling die wordt uitgevoerd. De groepen elementen in deze
blokken vormen dus een geheel dat in elke handeling is terug te vinden. Dikwijls is dit wel
onder een andere vorm - ander type reiken of grijpen bijvoorbeeld - maar de volgorde en
combinatie is meestal dezelfde. Daarnaast zijn er ook verschillende types bouwstenen
zoals verder wordt vermeld. Als van elk type blok de afwijking wordt bepaald per systeem,
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 41
kunnen alle systemen onderling vergeleken worden en kunnen ook belangrijke
kenmerken die de nauwkeurigheid beïnvloeden gemakkelijker herkend worden. Deze
blokken zullen in principe dezelfde zijn als deze die in de theoretische vergelijking werden
opgebouwd. De conclusies zullen op basis hiervan dus kunnen bevestigd worden.
Wanneer alle cycli van alle video‟s in blokken zijn ingedeeld kunnen deze blokken
opgedeeld worden in verschillende types. Zo zijn er blokken die enkel de handelingen
reiken en grijpen bevatten, of blokken die enkel verplaatsen en assembleren bevatten, of
enkel schroeven of hameren bevatten. Wanneer de eigenschappen van al de
verschillende types kenbaar zijn, kunnen verbanden worden gezocht tussen de
afwijkingen van de blokken die tot eenzelfde type behoren. Deze verbanden worden
vervolgens getoetst aan de theoretische conclusies.
Wanneer dan een keuze moet worden gemaakt, gaat men allereerst op zoek naar de
verschillende eigenschappen om dan aan de hand hiervan de juiste keuze van het te
gebruiken PDTMS te maken. De keuze zal uiteraard afhangen van de totale
nauwkeurigheid van het PDTMS, welke op zijn beurt afhangt van de inhoud van het werk
en de samenstelling.
Wanneer bijvoorbeeld wordt vastgesteld dat MTM-2 veel nauwkeuriger is dan VWF bij
operaties met een gemiddelde aflegde afstand door de handen tussen 20 en 30 cm, kan
dit een criterium zijn om voor MTM-2 te kiezen wanneer de te analyseren taak ook dit
kenmerk bevat.
In het onderzoek moet geen rekening gehouden worden met de fout van de persoon die
de analyses uitvoerde op de onderzochte video‟s. Dit zou namelijk enkel tot verkeerde
conclusie kunnen leiden in verband met de vergelijking van de analyseresultaten met de
werkelijke tijd van de handeling. Dit behoort echter niet tot het doel van deze thesis.
De applicatorfout wordt vooral veroorzaakt door foutieve inschatting van bijvoorbeeld de
afgelegde afstand door de handen, of het gewicht van een voorwerp. Deze fout zou
kunnen worden bepaald door meerdere personen de analyses te laten uitvoeren en zo de
gemiddelde afwijking te bepalen. Deze applicatorfout zal de conclusies in verband met
afwijkingen van PDTM systemen ten opzichte van de MTM-1 waarde echter niet
beïnvloeden. Deze fout heeft enkel betrekking tot de evaluatie van het analyseresultaat
ten opzichte van de werkelijke tijd. De vergelijking van de systemen onderling is enkel
afhankelijk van de gekozen definitie voor elke geanalyseerde beweging. Eens een
beweging wordt geclassificeerd als een bepaald element wordt deze definitie consequent
toegepast voor de verschillende PDTM systemen. Indien de applicator dus een bepaalde
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 42
beweging verkeerd definieert zal dit zo zijn voor al de onderzochte PDTM systemen en
blijft de vergelijking van de elementen zinvol. Als een beweging bijvoorbeeld gedefinieerd
wordt als een eenvoudige verplaatsbeweging van 20cm, dan wordt deze definitie strikt
gevolgd voor de verschillende PDTM systemen. Voor MTM-1, MTM-2 en MTM-3 worden
de codes voor dit voorbeeld dan respectievelijk M20A, PA12 en TA32. Het is dus enkel de
vergelijking met de werkelijke tijd die hierdoor minder correct zal zijn.
De auteurs hebben de analyses volgens de verschillende PDTM systemen naar best
vermogen uitgevoerd. Het is echter mogelijk dat er nog enkele fouten aanwezig zijn in de
analyses. De auteurs geloven wel dat indien opgeleide mensen dezelfde analyses zouden
uitvoeren, de resultaten niet veel zouden verschillen. Zoals hierboven vermeld hebben
deze fouten echter geen invloed op de onderlinge vergelijking van de verschillende
systemen.
2.2. Aanpak probleem 2: Analyseduur
Voor het onderzoek naar de analyseduur van de verschillende systemen werd allereerst
gedacht aan het toepassen van “Mento Factor”. Hierbij zouden de verschillende stappen
van een PDTM analyse worden uitgeschreven en vervolgens geanalyseerd met dit
systeem.
Kort voorgesteld zouden de stappen uit een PDTM analyse als volgt kunnen worden
beschreven. Er wordt bij volgende beschrijving ervan uitgegaan dat de PDTM analyse
gebeurt op basis van een video en dat de twee-handenanalyse al is uitgevoerd. Stel nu
dat een bepaalde handeling moet worden geanalyseerd uit deze twee-handenanalyse.
Volgende lijst is niet gelimiteerd en heeft enkel tot doel de mogelijke aanpak te
verduidelijken.
(1) Allereerst wordt de handeling bekeken op de video. De ogen bewegen en
focussen op het beeld waarna de informatie die te zien is, wordt opgenomen door
de zintuigen.
(2) Deze informatie wordt vervolgens opgeslagen in het geheugen.
(3) Het brein tracht bepaalde elementen van de handeling in te schatten of te
herkennen. Afhankelijk van het type handeling kunnen deze zijn: de afstand, het
gewicht, de moeilijkheidsgraad van grijpen of plaatsen…
(4) Naargelang voorgaande inschatting, wordt hierop gereageerd door zich te
herinneren in welke tabel deze waarden opgezocht moeten worden. Deze
informatie wordt dus uit het geheugen opgehaald.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 43
(5) Men neemt de tabel bij zich en zoekt de code op die bij de inschatting van het
element hoort. Hierbij moeten de ogen opnieuw bewegen en focussen en de
opgenomen code vergelijken en herkennen.
(6) Wanneer de code is herkend moet de bijhorende tijdswaarde worden onthouden
en genoteerd voor de PTDM analyse.
Deze reeks wordt vervolgens herhaald voor het volgende element. Wanneer men weet
hoeveel elementen een bepaald werk inhoud, wat deze elementen zijn en welke
kenmerken van deze elementen moeten worden nagegaan, kan men dus bepalen
hoelang de analyse zal duren. Hierbij wordt ook rekening gehouden met het aantal
tabellen dat het gebruikte PDTMS inhoudt.
Voorgaande stappen zijn heel algemeen en de analyse aan de hand van “Mento Factor”
gaat veel meer in detail. Door gebrek aan informatie over de werking van dit systeem zal
deze werkwijze echter niet worden toegepast. De auteurs denken wel dat dit een
interessante toevoeging kan zijn aan het onderzoek op de analyseduur.
De duur van de analyse met een bepaald PDTMS zal zowel afhangen van het aantal
tabellen dat dit systeem inhoudt en het aantal kenmerken er worden gebruikt als van de
grootte van de elementen van dit systeem. Dit laatste wordt geïllustreerd door volgend
voorbeeld. Het element “HB” in MTM-3 bevat zowel het reiken, grijpen, verplaatsen en het
monteren van een voorwerp en is dus groter dan bijvoorbeeld een element van MTM-2 of
MTM-1. De elementaire bewegingen uit de twee-handenanalyse hoeven voor MTM-3 dus
niet zo in detail bekeken te worden en worden gecombineerd tot een groter geheel. De tijd
nodig om dit geheel te onderzoeken is voor MTM-3 dus korter dan wanneer elke
elementaire handeling moet worden onderzocht in MTM-1.
De gebruikte aanpak voor het onderzoek naar de analysetijd is meer praktijkgericht.
Hierbij werd de tijd opgenomen die nodig was voor de auteurs om de verschillende
analyses toe te passen op de video‟s. De aanpak wordt hieronder uitvoerig beschreven.
Elk PDTMS werd toegepast op de verschillende video‟s. Dit gebeurde op basis van vooraf
gemaakte twee-handenanalyses van deze video‟s. Per video werden eerst alle codes van
de elementen van het gebruikte PDTMS genoteerd voor beide handen. Hierbij werd de
benodigde tijd genoteerd per cyclus. Daarna pas werden de bijhorende tijdswaarden
opgezocht in de tabellen en genoteerd. Ook de tijd die hiervoor nodig was werd
genoteerd.
De video‟s werden eerst allemaal geanalyseerd met het ene systeem voor ze opnieuw
werden geanalyseerd met een ander systeem. Daarbij werd de volgorde waarin de
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL II:2 Methodologie 44
video‟s werden geanalyseerd gelijk gehouden voor de methodes MTM-1, MTM-2, MTM-3
en SAM. Dus wanneer video “E2” als eerste werd geanalyseerd met MTM-1, dan wordt
“E2” ook als eerste geanalyseerd voor de andere systemen. De methodes VWF, MOST
en MODAPTS werden uitgevoerd door een andere auteur, in een vaste volgorde, maar
verschillend van de voorgaande. Dit gebeurde om praktische redenen. Dit bemoeilijkt de
vergelijking tussen alle systemen. Het is nochtans geen slechte zaak omdat conclusies
ten gevolge van eventuele toevalligheden omwille van de vaste volgorde hierdoor kunnen
worden weerlegd.
De reden voor het één voor één afwerken van de systemen is dat op die manier de
leercurve van elk systeem afzonderlijk kan worden opgesteld. Wanneer de systemen door
elkaar zouden worden toegepast, zullen de leercurves veel minder uitgesproken zijn en
dus tot minder accurate conclusies leiden. Door de verschillende volgorde van beide
auteurs zullen er twee grafieken opgesteld dienen te worden.
Deze leercurves zijn nodig omdat de auteurs geen speciale opleiding ondergaan hebben
voor het toepassen van de verschillende PDTM systemen en dus de systemen zelfstandig
moeten aanleren. Hierdoor duurt de analyse vrij lang wanneer een nieuw systeem voor
het eerst door de auteurs wordt toegepast. Naargelang men hiermee meer vertrouwd
raakt, daalt de benodigde tijd. Door het opstellen van de leercurves van de auteurs kan
een benadering gemaakt worden over de duur van een analyse. Daarnaast kunnen ook
verbanden worden waargenomen tussen de samenstelling van het geanalyseerde werk
en de duur van de analyse en kan ook een indicatie worden gegeven over de snelheid
waarmee men een PDTMS aanleert.
Om geen vertekend beeld te krijgen in de leercurves worden enkel de tijden uitgezet die
nodig waren voor het analyseren van de eerste cyclus van elke video. Daarbij wordt niet
zuiver de tijd uitgezet, maar het aantal seconden analysetijd dat nodig was per seconde
werkelijke tijd van de cyclus. Hierbij is de duur van de werkelijke tijd omgerekend naar een
tempo van 60 bedaux. De reden waarom enkel de eerste cyclus wordt uitgezet is omdat
de volgende cycli sterk gelijken op de eerste en er dus binnen elk filmpje als het ware ook
een leereffect zichtbaar zou zijn. Dit zou de conclusies kunnen beïnvloeden.
Van de leercurves, uitgezet als analysetijd op werkelijke tijdsduur, wordt een dalende
curve verwacht. Dit duidt er op dat de auteurs steeds minder tijd nodig hadden per minuut
tijdsduur om de analyse uit te voeren. De leercurves zullen al dan niet de waarden uit de
literatuur bevestigen.
DEEL III: Resultaten nauwkeurigheid
Dit hoofdstuk bespreekt de resultaten van de uitgevoerde analyses van het eerste
probleem met het oog op mogelijke verbanden tussen eigenschappen van het werk en de
resultaten van de PDTM analyses.
Er wordt gestart met de theoretische benadering. Hierbij wordt begonnen met een
vergelijking van een aantal algemene handelingen die in de verschillende PDTM
systemen een zeer gelijkaardige definitie hebben. Het gaat hier om grote
lichaamsbewegingen zoals zitten, buigen en stappen. Dit wordt gevolgd door het nagaan
van de afwijking op handelingen die gebruik maken van werktuigen. Daarna komen de
reik-, grijp-, verplaats- en montagebewegingen en -combinaties aan de beurt. Hier wordt
vooral aandacht besteed aan de invloed van de afstand en het type beweging. De
theoretische benadering wordt afgesloten met een samenvatting van de bevindingen. Bij
deze analyse wordt getracht een verklaring te geven voor de afwijkingen en advies
gegeven voor de toepassing van de verschillende systemen op basis van deze gegevens.
Hierop aansluitend worden de resultaten van de praktische toepassing van de systemen
uitgewerkt en vergeleken met de voorgaande bevindingen uit de theoretische benadering.
Uiteindelijk wordt aan de hand van de theorie een methode toegepast in de praktijk om op
basis van een aantal werkbeschrijvingen het systeem met de kleinste afwijking trachten te
achterhalen.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 46
1. Theoretische benadering
1.1. Grote lichaamsbewegingen: Stappen, buigen, zitten en
opstaan en lezen
De grote lichaamsbewegingen nemen dikwijls een groot aandeel van de totale
werkinhoud in beslag. Het is daarom van groot belang te weten hoe nauwkeurig de
verschillende PDTM systemen deze bewegingen inschatten. De mate waarin de afwijking
bij deze bewegingen de keuze van het te gebruiken PDTMS bepaalt, hangt af van het
aandeel dat ze vertegenwoordigen in het geheel van de werkinhoud. Dit geldt trouwens
voor alle bewegingen. Hoe dit de keuze beïnvloedt, zal later worden besproken.
De vergelijking gebeurt door de elementen naast elkaar uit te zetten en telkens de
afwijking te berekenen ten opzichte van MTM-1. Zoals vermeld in de beschrijving van de
werkmethode, wordt uitgegaan van een grote nauwkeurigheid van MTM-1. Daardoor is de
vergelijking hiermee betekenisvol en representatief voor vergelijking met de werkelijke
duurtijd van de bewegingen. Deze manier van werken is verantwoord omdat MTM-1 een
bewezen nauwkeurigheid heeft en al tientallen jaren wordt gebruik voor nauwkeurige
inschatting van de normaaltijd.
Onderstaande Tabel 10 geeft een overzicht van de verschillende tijdswaarden voor de
belangrijkste lichaamsbewegingen.
Tabel 11 geeft vervolgens de procentuele afwijking van deze elementen ten opzichte van
MTM-1. In deze vergelijking wordt ook de tijdswaarde voor “lezen” toegevoegd. Het
aandeel van dit element is meestal heel klein maar voor de volledigheid werd dit hier ook
onderzocht. De afwijkingspercentages worden berekend met volgende formule.
( )
Dit percentage dient dus als volgt geïnterpreteerd te worden; om dezelfde tijdswaarde te
bekomen als het onderzochte PDTMS moet de tijdswaarde van MTM-1 met dit
percentage vergroot worden. Of omgekeerd, om dezelfde tijdswaarde te hebben als deze
van MTM-1 moet de onderzochte tijdswaarde gedeeld worden door (1 + Afwijkings %).
Deze formule wordt voor alle hierop volgende vergelijkingen toegepast.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 47
Tabel 10: Tijdswaarden lichaamsbewegingen
Tijd [s] MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
Walk (1 step) 0,54 0,65 0,65 0,54 0,83 0,65 1,08
Walk (1 meter) 0,63 0,65 0,65 0,54 0,83 0,65 1,08
Sidestep/bodyturn (1 foot) 0,67 0,65 0,65 0,54 0,75 0,65 1,08
Sidestep/bodyturn (2 feet) 1,34 1,30 1,30 1,08 1,50 1,29 1,08
Bend 1,04 2,20 2,20 2,16
0,75 2,16 2,16
Arise 1,15 1,13
sit 1,25 2,20 2,20 2,16
0,75 1,08 1,08
stand up 1,56 1,13 1,08 1,08
Read (1 word) 0,18 0,25 / 0,36 0,38 0,39 0,36
Tabel 11: Procentuele afwijking lichaamsbewegingen
MTM-2 MTM-3 SAM VWF MOST MODAPTS
Walk (1 step) 20,00% 20,00% 0,00% 52,78% 100,00% 19,44%
Walk (1 meter) 3,45% 3,45% -13,79% 31,70% 72,41% 2,97%
Sidestep/bodyturn (1 foot) -3,23% -3,23% -19,35% 12,01% 61,29% -3,67%
Sidestep/bodyturn (2 feet) -3,23% -3,23% -19,35% 12,01% -19,35% -3,67%
Bend 0,35% 0,35% -1,48%
-28,16% -1,48% -0,11%
Arise -2,04%
Sit -21,75% -21,75% -23,18%
-39,96% -13,54% 37,64%
Stand up -28,00% -30,88%
Read (1 word) 37,51% NVT 98,02% 106,27% 98,02% 112,87%
Deze waarden zijn ook weergegeven in Figuur 6. Hierbij werd een aparte vergelijking
gemaakt tussen de systemen die buigen of zitten en rechtstaan enerzijds individueel en
anderzijds gecombineerd behandelen.
Uit deze figuur kunnen een aantal zaken vastgesteld worden. Onmiddellijk vallen de grote
verschillen op tussen de verschillende methodes. Allereerst valt op dat MOST een grote
afwijking heeft voor stappen. Dit kan een grote afwijking in de totale normaaltijd
betekenen. Deze deviatie dient bij MOST wel genuanceerd te worden omdat hier in
principe ook een reikbeweging bij hoort. Indien bij de waarde van MTM-1 de waarde voor
een reikbeweging wordt samengeteld, wordt de afwijking dus kleiner. Uitgaande van het
verschil tussen beide tijdswaarden zou de reikbeweging een TMU-waarde moeten hebben
van 12,6 om de afwijking tot 0% terug te brengen. Dit zou overeenkomen met een afstand
van ongeveer 35cm. Een tweede opmerking hierbij is dat de waarde voor MOST ook
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 48
opgaat voor 2 stappen. In dat geval is het afwijkingspercentage volgens de formule op
pagina 48 gelijk aan (3*0,36 - 2*15*0,036) / (2*15*0,036) = 0%. De eerste term in de teller
is hierbij de tijdswaarde van MOST voor twee stappen, de tweede is deze van MTM-1. Dit
betekent dus dat de daaropvolgende reikbeweging wordt genegeerd door MOST. Ze
wordt zoals gezegd al verondersteld in deze waarde, of anders gezegd, men veronderstelt
dat de reikbeweging volledig tijdens het stappen gebeurt. In deze vergelijking wordt wel
uitgegaan van een niet-gehinderde stap.
Figuur 6: Procentuele afwijking lichaamsbewegingen
Ook VWF heeft een grote overschatting, wat stappen betreft, ten opzichte van MTM-1. In
tegenstelling tot MOST omvat deze waarde geen volgende reikbeweging. Dit betekent dat
de fout die hier gemaakt wordt meer zal doorwegen dan die van MOST. Het gaat hier om
een overschatting over alle verschillende stapbewegingen. Hier dient dus zeker rekening
mee gehouden te worden.
Wanneer we kijken naar de andere PDTM systemen merken we dat de afwijking hierbij
beperkt is voor een stapbeweging van 1m en voor zijwaartse stappen. Enkel voor SAM is
er een relatief grote onderschatting voor deze bewegingen. Een stap bij SAM lijkt
afgesteld te zijn op de waarde van MTM-1 voor een gewone stap. Hieruit volgt dat men
voor de analyse van stappen met SAM beter uitgaan van het aantal stappen en niet van
de afgelegde afstand. Voor een gewone stap overschatten MTM-2, MTM-3 en MODAPTS
ieder ongeveer 20%. Om een nauwkeurige analyse uit te voeren met deze drie systemen
-40,00%
-20,00%
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
120,00%
Afw
ijkin
g [
%]
Type beweging
MTM-2
MTM-3
SAM
VWF
MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 49
lijkt het dus beter om te kijken naar de afgelegde loopafstand in plaats van het aantal
stappen dat wordt genomen.
Bij het buigen en opstaan merkt men op dat de verschillende systemen de waarde van
MTM-1 zeer goed benaderen. De afwijking is kleiner dan 5%. De enige uitzondering is
VWF. Deze onderschat het buigen namelijk met 28%. Gecombineerd met het opstaan
blijft de totale afwijking nog steeds -14,5%. Bijkomende opmerking dient wel gemaakt te
worden dat VWF niet expliciet een element heeft voor buigen en opstaan. De auteurs
veronderstellen dat hiervoor dezelfde tijdswaarde mag genomen worden als voor het
zitten en opstaan. De onderschatting kan betekenen dat men bij VWF ervan uitgaat dat
het buigen en opstaan vlot kan gebeuren. In ieder geval is het niet zinvol om VWF toe te
passen wanneer veel moeilijke buigbewegingen tot de werkinhoud behoren. Hetzelfde
kan gezegd worden voor de elementen “zitten” en “opstaan” waar ook MOST vrij veel
onderschat (-13% en -31%). Bij MOST is er echter nog een ander element voorzien voor
het zitten en opstaan met extra bewegingen.
Voor zitten en opstaan (zowel apart als gecombineerd) zijn er geen specifieke waarden
voorzien in MTM-2, MTM-3 en SAM, daarom werd hier dezelfde waarde genomen als
voor buigen en opstaan om de vergelijking te kunnen maken. Dit werd gedaan in de
veronderstelling dat dit de beste benadering is voor deze bewegingen. Zoals te
verwachten is, bekomt men hierdoor een onderschatting van ongeveer 22%. Hoewel
MOST hiervoor wel een element kent, bedraagt de onderschatting ook ongeveer 23%.
MODAPTS overschat dit met 38%. De grote overschatting bij MODAPTS is te verklaren
door de definitie van deze handeling. De definitie voor “zitten en opstaan” bij MODAPTS
brengt namelijk ook extra handelingen als het nemen en verschuiven van een stoel in
rekening. De reden voor de onderschatting van VWF en MOST is voor de auteurs niet
onmiddellijk duidelijk. Ze vermoeden dat een analoge redenering toepasselijk is als in
vorige alinea over het buigen bij VWF, dus dat de beweging vlot gebeurt zonder extra
handelingen in rekening te brengen.
Een laatste onderdeel van deze eerste vergelijking is het lezen. Buiten MTM-3, die geen
element bevat voor lezen, geven alle andere onderzochte PDTM systemen een ruime
overschatting, tot 106% voor VWF. De oorzaak voor deze afwijkingen ligt hoogst
waarschijnlijk in de definitie die de verschillende systemen hanteren. Zo is de tijdswaarde
bij MOST bedoeld voor het lezen van 3 woorden, terwijl dit bij VWF is voor het lezen van 5
individuele getallen of letters. MTM-2 geeft zelf geen duidelijke definitie, enkel dat een
waarde van 7 TMU moet toegekend worden voor een “Eye action”. SAM geeft dan weer
10 TMU voor het lezen van 1 term. Er zijn dus verschillende definities over de
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 50
verschillende systemen. De vergelijking die hier gemaakt wordt is dus niet 100% correct.
Het element „lezen‟ is niet altijd duidelijk in de verschillende systemen. Zo kan men zich
afvragen wat men dient toe te kennen bij MOST wanneer men een getal afleest.
1.2. Gebruik van werktuigen: Schroeven, hameren en draaien
aan een hendel
Het volgende luik onderzoekt een aantal meer mechanische handelingen die ook
regelmatig terugkomen in bepaalde sectoren. Dikwijls is het zo dat deze elementen een
groot deel van de werkinhoud vertegenwoordigen. Het is dus van belang te weten in
welke mate ook deze handelingen afwijken. Tabel 12 en Tabel 13 geven
achtereenvolgens de tijdswaarden2, 3 en procentuele afwijking voor volgende handelingen:
schroeven, heen-en-weer bewegen, draaien aan een hendel en hameren.
Tabel 12: Tijdswaarden mechanische handelingen
Tijd [s]
MTM-1 MTM-
2
MTM-
3 SAM VWF MOST MODAPTS
Screw
(<=4)
Met de vingers,
gemakkelijk 0,38 0,36 0,65 0,36 0,23 0,36 0,39
Met de vingers,
weerstand 0,52 0,61 0,65 0,54 0,23 0,36 0,39
Schroevendraaier,
gemakkelijk 0,38 0,36 0,65 0,36 0,30 1,08 0,65
Schroevendraaier,
weerstand 0,61 0,61 0,65 0,54 0,45 1,08 0,65
To &
From
<=10 0,43 0,43 0,50 0,36 0,38 0,72 0,77
(10)-45 0,91 0,79 1,15 0,90 0,38 0,72 1,03
>45 1,59 1,44 1,15 1,26 0,75 0,72 1,29
Crank 30cm 0,54 0,54 0,58 0,54 0,38 1,08 0,52
Hammer
Lichte slagen
(pols) 0,35 0,43 0,50 0,36 0,45 0,36 0,52
Krachtige slagen
(voorarm) 0,75 0,79 1,15 0,72 0,75 1,08 1,03
2 Voor de codes die werden gebruikt voor de verschillende elementen in de verschillende PDTM systemen
wordt verwezen naar het Excel bestand “Vgl_otherRules” op bijgesloten CD-ROM. 3 De formules voor MTM-1 werden bepaald aan de hand van [1.8]
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 51
Tabel 13: Procentuele afwijking mechanische handelingen
MTM-2 MTM-3 SAM VWF MOST MODAPTS
Screw
(<=4)
Met de vingers,
gemakkelijk -4,76% 71,43% -4,76% -40,48% -4,76% 2,38%
Met de vingers,
weerstand 18,06% 25,00% 4,17% -56,60% -30,56% -25,35%
Schroevendraaier
, gemakkelijk -4,76% 71,43% -4,76% -20,63% 185,71% 70,63%
Schroevendraaier
, weerstand 0,59% 6,51% -11,24% -26,04% 77,51% 6,02%
To &
From
<=10 0,00% 16,67% -16,67% -13,19% 66,67% 79,17%
(10)-45 -13,39% 25,98% -1,57% -58,99% -21,26% 12,86%
>45 -9,50% -27,60% -20,81% -52,87% -54,75% -18,93%
Crank 30cm 0,00% 6,67% 0,00% -30,56% 100,00% -4,44%
Hammer
Lichte slagen
(pols) 25,00% 45,83% 4,17% 30,21% 4,17% 49,31%
Krachtige slagen
(voorarm) 5,77% 53,85% -3,85% 0,16% 44,23% 37,82%
Vóór gestart wordt met de bespreking van de resultaten dient vermeld te worden dat er in
principe geen elementen zijn toegewijd in MTM-1 voor schroefbewegingen. Deze
bewegingen werden dan ook voor deze vergelijking opgebouwd uit meerdere elementen.
Een schroefbeweging bestaat immers uit een draaibeweging van de schroef, het loslaten,
terugdraaien van de hand en opnieuw grijpen van de schroef. Voor kleine schroeven kan
dit draaien vertaald worden naar een verplaatsafstand van 2cm. Voor grotere schroeven
kan het element “Turn” gebruikt worden. In deze vergelijking worden enkel kleine
schroeven bekeken. Ook voor het hameren is er geen specifieke code in MTM-1. Dit
wordt hier louter geïnterpreteerd als een heen-en-weer beweging met een bepaalde
afstand. Een toeslag voor gewicht is bij de lichte slagen niet nodig omdat het gaat om een
lichte hamer, dus met een gewicht kleiner dan 1kg. Voor de krachtige slagen wordt de
dynamische factor voor gewicht wel in rekening gebracht. De auteurs gaan er hierbij van
uit dat het gewicht van de hamer tussen 1kg en 2kg ligt. Voor de neergaande
hamerbeweging wordt de code genomen voor “move in motion”, omdat de beweging geen
afremming kent bij deze actie.
Figuur 7 geeft een overzicht van de procentuele afwijkingen. Voor MTM-2 stelt men vast
dat de waarden over het algemeen vrij goed overeenkomen met deze van MTM-1. Enkel
voor het moeilijk schroeven met de vingers, langere heen-en-weergaande bewegingen en
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 52
hamerslagen, is de afwijking meer dan 5%. Dit is eenvoudig te verklaren door het feit dat
MTM-2 geen specifieke elementen bevat voor dergelijke handelingen. Enkel voor het
draaien aan een hendel is een element voorzien. De kleine afwijking voor dit element is
echter grotendeels toevallig. Wanneer de diameter van de hendel veel kleiner wordt, zal
MTM-2 gaandeweg alsmaar meer overschatten. De afwijking van de heen-en-
weergaande beweging en het hameren hangt uiteraard ook af van de afstand die hierbij
wordt afgelegd. Als conclusie zou men kunnen stellen dat MTM-2 wel kan gebruikt
worden om dergelijke handelingen te analyseren, maar enkel wanneer het aandeel van
deze handelingen in de totale werkinhoud beperkt blijft.
Voor MTM-3 is voor geen enkel van deze handelingen specifiek een element voorzien in
de tabellen waardoor MTM-3 op het eerste zicht niet bestemd is om dergelijk werk te
analyseren. De enige elementen die hiervoor kunnen gebruikt worden zijn “Handle” en “
Transport”. Over het algemeen ziet men dus bijgevolg een vrij grote afwijking bij al deze
handelingen. Ook hier is de afwijking sterk afhankelijk van de afgelegde afstand. MTM-3
is dus niet interessant voor de analyse van dergelijke arbeid.
Voor de elementen van SAM werden geen grote afwijkingen verwacht omdat SAM voor
dergelijke analyses is ontworpen. Dit wordt ook bevestigd door de meeste handelingen.
Bij het heen-en-weer bewegen echter, wijkt SAM meer dan 5% af en heeft men te maken
met een onderschatting, zowel bij de heel korte als bij de lange afstanden. Voor de
afstanden tussen 10 en 45 cm scoort SAM wel zeer goed met slechts 1.57%
onderschatting. Deze afwijking heeft uiteraard ook te maken met de afstand waarop de
waarden zijn gebaseerd. In deze tabellen worden de elementen vergeleken ten opzichte
van één bepaalde afstand in MTM-1. De elementen bij SAM zijn een samenstelling van
verschillende afstanden binnen een bepaald interval. SAM is dus naast MTM-1 het meest
geschikt om dergelijk werk te analyseren.
VWF heeft over de hele lijn een grote afwijking, waarbij de tijden voor de meeste van deze
handelingen de MTM-1 waarde onderschatten. Enkel voor het hameren gaat het om een
overschatting. De oorzaak hiervoor zou kunnen te vinden zijn in de definitie van de
elementen. Er wordt hierbij geen onderscheid gemaakt in de moeilijkheidsgraad van het
schroeven. Ook voor de heen-en-weergaande beweging is er geen specifiek element
voorzien en is men beholpen met code 0-0 (-5), wat al dan niet een grote fout met zich
meebrengt naargelang de afstand. Wat het hameren betreft wordt enkel onderscheid
gemaakt in het gewicht van de hamer en niet naar de afgelegde afstand bij het slaan. Bij
het toepassen van VWF voor dergelijke handelingen is het dus belangrijk dat de
werktuigen en handelingen goed beantwoorden aan de definitie die VWF eraan geeft.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 53
Figuur 7: Procentuele afwijking mechanische handelingen
In de definities van MOST wordt zowel gekeken naar het aantal keer dat de handeling
wordt uitgevoerd, als welk werktuig gebruikt wordt, als met welk lichaamsdeel de
handeling wordt uitgeoefend, om de tijdswaarde te bepalen. Er wordt dus in zekere mate
wel rekening gehouden te worden met het gewicht van de tool en met de afstand die men
aflegt. Hoewel de tabellen voor het gebruik van tools bij MOST vrij uitgebreid zijn, blijkt de
afwijking toch aanzienlijk voor de besproken elementen.
MODAPTS voorziet ook geen specifieke elementen voor handelingen als schroeven en
hameren, wel voor draaien aan een hendel. Deze handelingen zijn voor de vergelijking
dus opgebouwd uit reiken, grijpen en verplaatsen. Omwille van het gebrek aan specifieke
elementen hiervoor, bekomt men daarbij grote afwijkingen.
Men dient echter niet te vergeten dat de afwijking van deze handelingen kan
geneutraliseerd worden door de andere bewegingen. De verschillende systemen kunnen
dus wel gebruikt worden voor deze handelingen maar men dient sterk rekening te houden
met het aandeel in de totale werkinhoud. Algemeen kan men voor deze handelingen
besluiten dat SAM het meest geschikt is (na MTM-1) en dat de andere systemen enkel in
aanmerking komen om gebruikt te worden wanneer het aandeel van deze handelingen
klein is.
-100,00%
-50,00%
0,00%
50,00%
100,00%
150,00%
200,00%
Screw (<=4) To & From Crank Hammer
Afw
ijkin
g [
%]
MTM-2 MTM-3
SAM VWF
MOST MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 54
1.3. Reik- en grijpcombinaties
De volgende paragrafen zullen handelen over de reik-, grijp-, verplaats- en
assemblagebewegingen over de verschillende systemen. De werkwijze die hierbij werd
aangenomen is besproken in DEEL II:2.1. Alvorens de vergelijkingen te kunnen uitvoeren
moeten de verschillende combinaties van elementen in MTM-1 in kaart gebracht worden.
Het is namelijk zo dat niet alle verschillende types reikbewegingen gepaard gaan met alle
types grijpbewegingen. Hetzelfde geldt voor de combinaties van de types verplaats- en
assemblagebewegingen. Tabel 14 en Tabel 18 p. 61 verderop geven een overzicht van
de mogelijke combinaties tussen deze elementen4 en de overeenkomstige elementen uit
de andere PDTM systemen. Bijlage P geeft een lijst van overeenkomstige definities van
de verschillende systemen.
Tabel 14: Combinaties Reach-Grasp + overeenkomstige elementen
De elementen uit MTM-3 en VWF nemen ook al de daaropvolgende verplaatsbeweging in
rekening. MTM-3 ook de daaropvolgende montagebeweging. De lezer kan dus voor de
vergelijking van de tijdswaarden een grote afwijking verwachten van deze elementen.
4 Deze combinaties werden gebaseerd op het boek “Engineered work measurement: the principles,
techniques, and data of methods” van Delmar W. Karger, Franklin H. Bayha
Type
reikbeweging
Type
grijpbeweging Overeenkomstige Element
MTM-2 MTM-3 SAM VWF MOST MODAPTS
Reach A G1A GB HA GS 1-0 A1..G1 Mx + G1
G1C1 GB HA GS 1-0 A1..G1 Mx + G1
G3 GB HA GS 1-0 A1..G1 Mx + G1
G5 GA HA GS 0-0 A1..G1 Mx + G0
Reach B G1A GB HA GS 1-0 A1..G1 Mx + G1
G1C1 GB HA GS 1-0 A1..G1 Mx + G1
G1C2 GC HB GS 2-0 A1..G1 Mx + G1
G3 GB HA GS 1-0 A1..G1 Mx + G1
G5 GA HA GS 0-0 A1..G1 Mx + G0
Reach C/D G1B GC HB GS 3-0 A1..G1 Mx + G3
G1C3 GC HB GS 3-0 A1..G1 Mx + G3
G3 GC HB GS 3-0 A1..G1 Mx + G3
G4A GC HA GS 2-0 A1..G1 Mx + G1
G4B GC HB GS 2-0 A1..G1 Mx + G3
G4C GC HB GS 3-0 A1..G1 Mx + G3
G5 GA HB GS 0-0 A1..G1 Mx + G0
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 55
Deze vergelijking is dus niet zinvol maar werd toch uitgevoerd omdat er zich in de praktijk
wel situaties voordoen waarbij de grijpactie niet altijd wordt gevolgd door een verplaatsing.
Bij VWF wordt hier al min of meer rekening mee gehouden omdat daarbij de gemiddelde
afstand een rol speelt. Dus een reikafstand van 50cm en een verplaatsing van 0cm geeft
een gemiddelde afstand van 25cm. De code hiervoor wordt dan “1-0 (-5)” in plaats van
“1-0”.
De vergelijking en de bijhorende afwijkingspercentages werden voor al deze combinaties
berekend in het Excel bestand “VGL_Tabellen”. Onderstaande Figuur 8 geeft een
illustratie van het verloop van de afwijkingspercentages in functie van de afstand voor RA-
G1A. Hiertoe wordt de eerste lijn uit Tabel 14 uitgezet in functie van de afstand. Er kan
geen algemene grafiek worden opgesteld voor de verschillende combinaties reiken en
grijpen. Hiervoor zouden de distributies van het voorkomen van de verschillende types
reiken en grijpen gekend moetend zijn. De auteurs konden hierover echter geen
informatie vinden. Verder lijkt dit trouwens niet nuttig omdat deze verdeling hoogst
waarschijnlijk niet zal kunnen teruggevonden worden in één enkele werkinhoud. Dus zou
deze algemene curve niet kunnen gebruikt worden. Daarenboven zou deze curve te
veralgemenend kunnen zijn.
Figuur 8: Afwijking van de overeenkomstige definities ten opzichte van RA-G1A in functie van de afstand
-100,00%
0,00%
100,00%
200,00%
300,00%
400,00%
500,00%
600,00%
700,00%
800,00%
2 4 6 8 101214161820222426283035404550556065707580
Afw
ijkin
g [
%]
Afstand [cm]
MTM-2
MTM-3
SAM
VWF
MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 56
Aan de hand van de vergelijking tussen de verschillende combinaties van reiken en
grijpen kunnen een aantal vaststellingen worden gedaan. Men stelt vast dat het
afwijkingspercentage voor deze bewegingen afhangt van drie zaken. Enerzijds de
reikafstand en anderzijds het type reikbeweging en grijpbeweging. Deze invloeden zullen
in volgende paragrafen een voor een behandeld worden.
De invloed van de afstand is duidelijk merkbaar in Figuur 8. Over al de verschillende
PDTM systemen is de invloed zeer sterk gelijkend. Naarmate de afstand toeneemt, daalt
de afwijking. Daarnaast zijn ook opwaartse sprongen merkbaar in de grafiek. Deze doen
zich voor telkens een volgende afstandscategorie begint in het vergeleken PDTMS. Zo
worden bij MTM-2 sprongen waargenomen op de afstanden 6, 16, 30 en 45cm. Men
merkt op dat de afwijking bij de aanvang van een nieuwe categorie telkens groot is en
afneemt naarmate de bovengrens van de categorie wordt benaderd. De mate waarin de
afwijking afneemt bij toenemende afstand lijkt zeer gelijkmatig te verlopen en is gelijk voor
de verschillende systemen. Dit is te zien in de grafiek (Figuur 8) aan de parallel lopende
curves. Aan de hand van deze grafiek alleen kan men niet besluiten welk PDTMS het
meest geschikt is voor een bepaald werk. Indien de afstanden van reiken voortdurend
dezelfde zouden zijn, zou dit wel kunnen. In realiteit is het echter zo dat verschillende
afstanden mogelijk zijn. In dat geval zullen de afwijkingen elkaar ofwel compenseren of
versterken. Het is daarom interessanter te kijken naar het gewogen gemiddelde van de
afwijkingen van de verschillende afstanden die voorkomen. Daarnaast moet ook gekeken
worden naar het aandeel van deze handelingen in de totale werkinhoud zoals al werd
vermeld.
1.3.1. Bepaling verdeling van frequentie van afstandscategorieën
Om een gewogen gemiddelde te berekenen over al de afstanden moet de verdeling van
de verschillende afstanden gekend zijn. De auteurs hebben hierover in de literatuur geen
nuttige informatie gevonden. Ook op basis van de onderzochte video‟s kan de distributie
niet benaderd worden. Drie verschillende distributies voor de afstanden werden daarom
getest: een normaalverdeling, een exponentiele verdeling en een gammaverdeling.
Hiervoor werd de frequentie waaraan de verschillende afstandscategorieën voorkomen
bepaald. Deze zijn te vinden in Tabel 15. Vervolgens werd aan de hand hiervan de
gemiddelde afstand berekend, alsook de standaardafwijking. Voor elk van de drie
verdelingen werd de verwachte frequentie berekend voor elke afstandscategorie en
vervolgens werd daarop een “goodness of fit” test uitgevoerd met behulp van een
chikwadraat-test. Deze test toont op statistische wijze aan of twee verdelingen
onafhankelijk van elkaar zijn, of er al dan niet een verband is. Het test dus ook of de
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 57
voorspelde waarden overeenkomen met elkaar. Geen van de testen bevestigde echter de
geldigheid van deze verdelingen.
De bekomen waarden voor de chikwadraat-test waren voor de drie verdelingen
respectievelijk 298,201, 245,707 en 244,551. Om de hypothese te aanvaarden zouden
deze kleiner moeten zijn dan de waarde 37,65 volgens een chikwadraat-verdeling met 24
vrijheidsgraden en met een significatie van 5%. Het aantal vrijheidsgraden is afkomstig
van het aantal afstandscategorieën in MTM-1, verminderd met 1. De reden voor dit grote
verschil kan deels verklaard worden door de keuze van de afstanden. Dit zijn immers
meestal schattingen. Voor korte afstanden is deze schatting niet altijd eenvoudig en wordt
er dikwijls afgerond naar „mooie getallen‟ zoals 10, 20 of 30cm. Dit zorgt ervoor dat de
andere categorieën van bijvoorbeeld 8cm en 12cm minder voorkomen en dus een grote
waarde veroorzaken in de chikwadraat-berekening.
Omdat de frequenties voor de verschillende afstanden onafhankelijk zijn van elkaar; kan
men zich echter baseren op de centrale limietstelling die zegt dat “de som van een groot
aantal onderling onafhankelijke en gelijk verdeelde stochastische variabelen met eindige
variantie bij benadering een normale verdeling heeft”. Daarom zal toch de benadering van
de normaalverdeling gebruikt worden met een gemiddelde van 27,53cm en een
standaardafwijking van 18,1cm. Dit gemiddelde werd bepaald aan de hand van de
frequenties uit onderstaande tabel, zo ook de standaardafwijking. Figuur 9 geeft dan de
cumulatieve normaalverdeling weer naast de cumulatieve van de frequenties van de
verschillende afstandscategorieën.
Figuur 9: Normale verdeling REACH en MOVE afstanden
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
120,00%
0 20 40 60 80 100
Cu
mu
lati
ef
perc
en
tag
e
Afstand [cm]
Gegevens
N(27,53;18,1)
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 58
Tabel 15: Normale verdeling REACH en MOVE afstanden
Afstand
[cm] Aantal Aandeel
Cumulatief
aandeel N(27,53;18,1)
2 8 1,78% 1,78% 8,74%
4 34 7,56% 9,33% 10,56%
6 26 5,78% 15,11% 12,63%
8 6 1,33% 16,44% 14,97%
10 32 7,11% 23,56% 17,58%
12 18 4,00% 27,56% 20,46%
14 12 2,67% 30,22% 23,61%
16 14 3,11% 33,33% 27,00%
18 8 1,78% 35,11% 30,63%
20 41 9,11% 44,22% 34,45%
22 4 0,89% 45,11% 38,44%
24 18 4,00% 49,11% 42,56%
26 22 4,89% 54,00% 46,76%
28 1 0,22% 54,22% 50,99%
30 42 9,33% 63,56% 55,22%
35 29 6,44% 70,00% 65,43%
40 51 11,33% 81,33% 74,62%
45 27 6,00% 87,33% 82,34%
50 16 3,56% 90,89% 88,38%
55 9 2,00% 92,89% 92,78%
60 11 2,44% 95,33% 95,78%
65 6 1,33% 96,67% 97,68%
70 6 1,33% 98,00% 98,80%
75 2 0,44% 98,44% 99,42%
80 7 1,56% 100,00% 99,74%
1.3.2. Berekening gewogen afwijkingen
Nu de verdeling van de afstanden benaderd is, kan per combinatie van reiken en grijpen
het gewogen gemiddelde berekend worden van de afwijkingen. De resultaten hiervan zijn
te zien in Tabel 16 en Figuur 10. Bij dit wegen wordt niet enkel rekening gehouden met de
verdeling van de afstanden, zoals die hierboven werd bepaald, maar ook met de grootte
van het element. Wanneer een afwijking wordt vastgesteld van 20% op een element dat
maar 10 TMU groot is, heeft dit immers niet hetzelfde effect als 20% afwijking op een
element van 50 TMU. Een kleine opmerking die kan gemaakt worden is dat door de grote
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 59
spreiding van de normaalverdeling deze geen al te groot effect zal hebben op het
gewogen gemiddelde.
Tabel 16: Gewogen gemiddelde afwijking per combinatie REACH + GRASP
REACH +
GRASP
Gewogen gemiddelde afwijking per combinatie Beste
PDTMS MTM-2 MTM-3 SAM VWF MOST MODAPTS
RA-G1A 36,40% 160,00% 68,51% 176,64% 67,01% 65,05% MTM-2
RA-G1C1 -5,98% 79,21% 16,15% 90,68% 15,11% 13,76% MTM-2
RA-G3 4,43% 99,05% 29,01% 111,78% 27,85% 26,36% MTM-2
RB-G1A 6,04% 102,13% 31,00% 115,07% 29,84% 25,42% MTM-2
RB-G1C1 -21,48% 49,68% -2,99% 59,25% -3,86% -4,99% SAM
RB-G1C2 14,39% 106,20% -9,22% 49,03% -10,03% -11,08% SAM
RB-G3 -14,35% 63,27% 5,81% 73,71% 4,87% 3,64% MODAPTS
RC-G1B 39,02% 150,59% 10,33% 139,14% 9,35% 48,95% MOST
RC-G1C3 -1,16% 78,16% -21,56% 70,02% -22,26% 5,90% MTM-2
RC-G3 24,47% 124,35% -1,22% 114,10% -2,10% 33,36% SAM
RC-G4A 14,74% 40,50% -8,94% 49,49% -9,75% 22,94% SAM
RC-G4B 5,97% 91,02% -15,90% 38,07% -16,65% 13,54% MTM-2
RC-G4C -8,75% 64,48% -27,58% 56,96% -28,23% -2,23% MODAPTS
RB-APA 5,50% 28,85% 25,67% -6,81% 24,92% 28,22% MTM-2
Los van het aandeel in de totale werkinhoud zou men hieruit kunnen besluiten welk
PTDMS het best presteert in deze verschillende categorieën. Zo ziet men dat MTM-2 de
kleinste afwijking heeft voor de combinaties RA-G1A, RA-G1C1, RA-G3, RB-G1A, RC-
G1C3 en RC-G4B (Figuur 10). Voor cycli die veel variatie bevatten in de afstanden
waarover gereikt wordt, kan men zich op deze cijfers baseren. Voor een werkinhoud met
vele malen dezelfde afstand, baseert men zich beter op het afwijkingspercentage van die
specifieke afstand. Deze keuze per afstand wordt ook bepaald in het Excel-bestand. Deze
tabellen zijn hier niet weergegeven wegens de grote uitgebreidheid. Men stelt vast dat
het aantal maal dat een bepaald PDTMS als beste wordt geselecteerd per
afstandscategorie, niet noodzakelijk als gevolg heeft dat dit systeem ook voor het
gewogen gemiddelde de kleinste afwijking heeft, hoewel dit wel dikwijls het geval is.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 60
Figuur 10: Gewogen gemiddelde afwijking per combinatie REACH + GRASP
Over de verschillende groepen samen scoort MTM-2 het best, gevolgd door MODAPTS
en SAM. Dit wordt nogmaals weergegeven in onderstaande samenvattende Tabel 17.
Hiervoor werd het aantal keer dat de verschillende PDTM systemen als beste scoorden
per afstandscategorie van MTM-1 geteld. Deze conclusie wordt ook bevestigd door Tabel
16.
Tabel 17: Beste PDTM systemen samenvattend REACH + GRASP
MTM-2 MTM-3 SAM VWF MOST MODAPTS
RA-G1A 18 0 0 0 7 0
RA-G1C1 12 0 4 0 1 8
RA-G3 18 0 1 0 3 3
RB-G1A 19 0 2 0 1 3
RB-G1C1 1 5 5 0 0 14
RB-G1C2 10 0 5 0 0 10
RB-G3 8 1 5 0 0 11
RC-G1B 5 0 19 0 0 1
RC-G1C3 18 0 3 0 0 4
RC-G3 6 0 17 0 0 2
RC-G4A 5 6 10 0 0 4
RC-G4B 15 0 5 0 0 5
RC-G4C 9 0 0 0 1 15
RB-APA 8 7 2 4 2 2
-50,00%
0,00%
50,00%
100,00%
150,00%
200,00%
AF
wijkin
g [
%]
Combinatie REACH + GRASP
MTM-2 MTM-3
SAM VWF
MOST MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 61
1.4. Verplaatsbewegingen
Volgende paragrafen gaan dieper in op de verplaats- en assemblagebewegingen.
Tabel 18: Combinaties Move-Position
Type
verplaatsbeweging
Type assemblagebeweging
Move A Geen enkel, anders heel uitzonderlijk
Move B Geen enkel, anders heel uitzonderlijk
Move C Alle types Position
Voor Tabel 18 dient de opmerking gemaakt te worden dat wanneer het plaatsen van een
voorwerp kan gedaan worden met enkel een verplaatsbeweging, er geen
assemblagebeweging noodzakelijk is. Na elke verplaats- en positioneerbeweging volgt
over het algemeen nog een “Release”, het loslaten van het voorwerp. In geval van een
“G5” type grijpen („contact grasp‟) is dit uiteraard overbodig.
1.4.1. Zuivere verplaatsbewegingen
Alvorens de combinatie van verplaatsen en assembleren te behandelen, wordt eerst
gekeken naar de verplaatsing alleen. Het resultaat van deze vergelijking is te zien in
Tabel 19. Men stelt hierbij vast dat MODAPTS heel nauwkeurig blijkt te zijn voor types A
en B, en dat MOST het nauwkeurigst is voor type C. Net zoals bij het reiken en grijpen is
dit percentage vooral interessant wanneer er veel variatie in de afstanden zit van de
werkinhoud. Voor het geval dat de afstanden dikwijls dezelfde blijven is het dus ook
interessant om na te gaan welk PDTMS de laagste afwijking heeft per afstandscategorie.
Dit werd nagegaan per type verplaatsing. Tabel 20 geeft het resultaat hiervan. Ook hieruit
kan men besluiten dat MODAPTS het nauwkeurigst is, omdat het overwegend meer (9)
voorkomt dat de andere. Dit terwijl VWF en MTM-3 gelijkaardig scoren voor Move type B
(5 en 6 keer). Hoewel de gewogen waarde van MODAPTS bij Move C niet de kleinste is,
komt dit systeem wel regelmatig als beste voor in Tabel 20 over de verschillende
afstandscategorieën.
Tabel 19: Gewogen gemiddelde afwijking MOVE
MTM-2 MTM-3 SAM VWF MOST MODAPTS Best
Move A -15,25% -5,10% 30,57% -22,96% 29,40% 1,39% MODAPTS
Move B 41,72% -5,66% 29,79% -23,42% 28,63% 0,78% MODAPTS
Move C 85,03% 57,01% 98,19% -33,45% 11,78% -12,42% MOST
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 62
Tabel 20: Beste PDTM systemen samenvattend MOVE
Aantal MTM-2 MTM-3 SAM VWF MOST MODAPTS
Move A 5 4 3 4 0 9
Move B 0 5 3 6 1 10
Move C 0 6 0 3 3 13
Het verloop van de afwijking in functie van de afstand voor type Move A is ter illustratie
weergegeven in Figuur 11. De andere types vertonen eenzelfde verloop. Ook hier zijn
sprongen merkbaar ten gevolge van nieuwe afstandscategorieën in elk systeem.
Figuur 11: Afwijkingspercentages van de overeenkomstige definities ten opzichte van Move A in functie van de afstand
1.4.2. Verplaatsbewegingen met montage
Indien nu ook de combinatie met het assembleren wordt onderzocht krijgt men
onderstaande Tabel 21 voor de gewogen gemiddelde afwijking per combinatie. Hieruit
wordt vastgesteld dat MOST de kleinste afwijking heeft voor de moeilijkere assemblages,
terwijl voor de eenvoudigere ‟positions‟ geen eenduidig besluit kan worden genomen op
basis van deze waarden. Per type assemblage dient dus apart gekeken te worden welk
systeem de kleinste afwijking heeft.
Hoewel MODAPTS nauwkeurig bleek in situaties zonder assemblage, is dit met
assemblage minder het geval. De tijdswaarde voor dit extra element in MODAPTS blijkt in
grote mate te onderschatten. Hetzelfde geldt trouwens voor MTM-2, MTM-3 en SAM.
Slechts in een aantal gevallen is de afwijking ten opzichte van de MTM-1 waarde binnen
-100%
-50%
0%
50%
100%
150%
200%
250%
2 6 10 14 18 22 26 30 40 50 60 70 80
Afw
ijkin
g [
%]
Afstand [cm]
MTM-2 PA
MTM-3 TA
SAM PD
VWF 0-0
MOST A
MODAPTS M
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 63
de grens van 5%. Deze grens werd gekozen omdat dit percentage in de literatuur wordt
aanzien als een aanvaardbare afwijking. Om te stellen dat alle elementen afzonderlijk
binnen deze 5% moeten blijven zou heel optimistisch zijn. Het is vooral de gewogen
waarde die van belang is. De meeste PDTM systemen lijken niet geschikt te zijn voor
moeilijke assemblages. Deze conclusie is nu echter nog wat voorbarig want deze
handeling wordt altijd vooraf gegaan door een reik-, en verplaatsbeweging. De afwijking
bij deze beweging kan de onderschatting bij deze systemen mogelijks neutraliseren
waardoor het PDTMS toch geschikt kan zijn. Dit zal verder in dit hoofdstuk worden
onderzocht.
Tabel 21: Gewogen gemiddelde afwijking MOVE + POSITION
Move C + MTM-2 MTM-3 SAM VWF MOST MODAPTS Best
P1SE -6,62% 19,05% -14,48% 23,18% -15,24% -2,65% MODAPTS
P1SSE -18,88% 3,42% -25,70% 7,01% -26,37% -15,43% MTM-3
P1NSE 16,22% -1,38% 24,48% 39,29% -29,79% -19,36% MTM-3
P1SD 12,99% -4,13% 21,02% -0,80% -31,74% -21,61% VWF
P1SSD 0,73% -14,53% 7,89% -11,56% 22,84% 3,21% MTM-2
P1NSD -3,17% -17,84% 3,71% 16,05% 18,08% -0,79% MODAPTS
P2SE -3,75% -18,32% 4,33% 15,36% 17,38% -1,38% MODAPTS
P2SSE -12,79% -26,00% -5,47% 4,53% 6,36% -10,64% VWF
P2NSE -15,73% -28,49% -8,65% 28,01% 2,77% -13,65% MOST
P2SD -17,44% -29,94% -10,51% -1,05% 0,68% -15,41% MOST
P2SSD -24,18% -35,66% -17,82% -9,13% -7,54% -22,31% MOST
P2NSD -26,41% -37,56% -20,24% 11,78% -10,26% -24,60% MOST
P3SE -46,34% -54,47% -42,52% -18,49% 14,97% -45,02% MOST
P3SSE -49,27% -56,95% -45,66% -22,94% 8,69% -48,02% MOST
P3NSE -50,88% -57,81% -46,74% -8,54% 6,53% -49,06% MOST
P3SD -50,88% -58,32% -47,39% -25,39% 5,24% -49,67% MOST
P3SSD -53,35% -60,41% -50,03% -29,14% -0,04% -52,20% MOST
P3NSD -54,20% -61,14% -50,95% -15,75% -1,87% -53,08% MOST
Ook hier is het interessant om na te gaan welke systemen de minste afwijking vertonen
per afstandscategorie. Het aantal keer dat de verschillende systemen de laagste afwijking
hadden werd geteld en weergegeven in Tabel 22. MTM-2 blijkt vooral nauwkeurig voor
P1SE, dus voor gemakkelijk te behandelen onderdelen. Verder blijkt ook hieruit dat MOST
en VWF de laagste afwijkingen vertonen ten opzichte van MTM-1 voor de moeilijkere
assemblages.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 64
Tabel 22: Beste PDTM systemen MOVE + POSITION
AANTAL MTM-2 MTM-3 SAM VWF MOST MODAPTS
P1SE 13 2 1 3 0 6
P1SSE 1 4 1 8 1 10
P1NSE 4 8 4 0 2 7
P1SD 2 7 4 6 2 4
P1SSD 7 4 5 4 0 5
P1NSD 9 2 4 3 1 6
P2SE 9 2 5 3 0 6
P2SSE 1 0 6 9 2 7
P2NSE 4 0 8 2 4 7
P2SD 0 0 8 12 4 1
P2SSD 0 0 2 17 6 0
P2NSD 0 0 1 11 13 0
P3SE 0 0 0 11 14 0
P3SSE 0 0 0 3 22 0
P3NSE 0 0 0 18 7 0
P3SD 0 0 0 0 25 0
P3SSD 0 0 0 0 25 0
P3NSD 0 0 0 6 19 0
Wanneer men preciezer wil nagaan wat de invloed is van het type assemblage op de
afwijking kan men op zoek gaan naar de verschillende types “Position” die bij eenzelfde
code horen voor de verschillende systemen. Figuur 12 geeft een illustratie van een
dergelijke vergelijking voor MTM-2 code PC. De code „PC: put with obvious correcting
motions‟ uit MTM-2 wordt vergeleken met alle bijpassende „move+position‟-mogelijkheden
uit MTM-1. Men merkt op dat de afwijking telkens een vaste sprong maakt in
afwijkingspercentage over de verschillende afstanden. Daarnaast is ook te zien dat de
gemiddelde afwijking het laagst zal zijn voor “P1SSD”, “P1SND” en “P2SE”. Per type van
“Position” ziet men dezelfde stappen terugkeren. Voor de andere PDTM systemen
verlopen deze curves analoog. Deze vergelijking is een gelijkaardige benadering als de
waarden die werden weergegeven in Tabel 21 en voorziet enkel in een andere weergave
van de gegevens. Conclusies uit beide benaderingen zullen dus gelijk zijn.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 65
Figuur 12: MTM-2 PC afwijking voor verschillende montagetypes
1.5. Combinaties reiken, grijpen, verplaatsen (en monteren)
Zoals al werd aangehaald, is de volgende stap in het onderzoek; de combinatie van
reiken en grijpen met verplaatsen. Later zal daarbij ook het assembleren komen. Voor
deze vergelijking werden niet alle mogelijke combinaties bekeken, maar enkel deze die
het meest voorkwamen in de onderzochte video‟s en ook de extreme combinaties. Er zijn
namelijk 13 x 3 = 39 combinaties (13 reik-grijpmogelijkheden en 3 types verplaatsen) voor
REACH+GRASP+MOVE, en 13 x 18 = 234 (18 move-positionmogelijkheden) combinaties
voor REACH+GRASP+MOVE+POSITION. Voor de andere combinaties kan de lezer
gemakkelijk de afwijking zelf berekenen door de uitgelegde methode en formule toe te
passen.
De combinaties die worden onderzocht voor REACH+GRASP+MOVE zijn:
RA-G1A-MA
RA-G1A-MB
RB-G1A-MB
-50%
0%
50%
100%
150%
200%
250%
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79
Afw
ijkin
g [
%]
Afstand [cm]
MTM-1 C + P1NSE MTM-1 C + P1SDMTM-1 C + P1SSD MTM-1 C + P1NSDMTM-1 C + P2SE MTM-1 C + P2SSEMTM-1 C + P2NSE MTM-1 C + P3SEMTM-1 C + P3SSE MTM-1 C + P3NSEMTM-1 C + P2SD MTM-1 C + P2SSDMTM-1 C + P2NSD MTM-1 C + P3SDMTM-1 C + P3SSD MTM-1 C + P3NSD
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 66
RB-G1C2-MB
RC/D-G1B-MB
RC/D-G1C3-MB
RC/D-G4A-MB
RC/D-G4C-MC
Voor REACH+GRASP+MOVE+POSITION zijn deze:
RA-G1A-MC-P3SSE
RA-G1C1-MC-P1SSE
RA-G3-MC-P2SE
RB-G1A-MC-P1SE
RB-G1C1-MC-P2SSE
RB-G1C2-MC-P2SD
RB-G3-MC-P1NSD
RC/D-G1B-MC-P1SD
RC/D-G1C3-MC-P2NSD
RC/D-G3-MC-P1NSE
RC/D-G4A-MC-P2SE
RC/D-G4B-MC-P3SE
RC/D-G4C-MC-P3SD
1.5.1. Zonder monteren
Voor de eerste groep merkt men uit Tabel 23 onmiddellijk dat de nauwkeurigheid van
MTM-2 vrij goed is, ondanks dat deze voor louter het verplaatsen relatief veel afweek (zie
Tabel 19). De afwijkingen hebben elkaar dus wat opgeheven. Voor de andere systemen
geldt dit effect uiteraard ook. MTM-3 en VWF vertonen nog steeds een grote
overschatting. Voor verplaatsingen van voorwerpen zonder positionering blijken MTM-2,
MOST en MODAPTS de beste resultaten te leveren.
Wanneer men nagaat hoeveel keer, voor de verschillende combinaties van de reik- en
verplaatsafstanden, de verschillende PDTM systemen de laagste afwijking hadden, dan
merkt men op dat MTM-2 ook daar het meest voorkomt. In twee gevallen komen VWF en
MODAPTS echter ook in de buurt, namelijk bij RB-G1C2-MB en RC/D-G4C-MC. Bij deze
laatste zijn ze zelfs beter. Ook voor RC/D-G1C3-MB benaderen MOST en MODAPTS
sterk de laagste waarde uit de tabel. Bijkomend wordt hierbij vermeld dat MTM-2 over de
verschillende combinaties het meest voorkomt als systeem met laagste afwijking bij de
verschillende afstanden. Voor de moeilijkere grijpbewegingen komen andere PDTM
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 67
systemen in de buurt van MTM-2 en gaat men beter dieper in detail om te beslissen welk
systeem hiervoor het meest geschikt is.
Tabel 23: Gewogen gemiddelde afwijking REACH + GRASP + MOVE
Combinatie MTM-2 MTM-3 SAM VWF MOST MODAPTS Beste
RA-G1A-MA 7,29% 25,36% 47,08% 45,13% 8,63% 29,14% MTM-2
RA-G1A-MB 6,94% 24,95% 46,60% 44,66% 45,26% 28,72% MTM-2
RB-G1A-MB -4,56% 11,10% 31,15% 28,62% 29,16% 13,67% MTM-2
RB-G1C2-MB 2,29% 28,85% 7,26% 5,40% 5,84% -5,85% MTM-2
RC/D-G1B-MB 14,28% 43,84% 19,85% 49,00% 18,15% 27,45% MTM-2
RC/D-G1C3-MB -6,42% 17,93% -1,88% 22,17% -3,13% 4,33% SAM
RC/D-G4A-MB 2,48% 29,08% 7,46% 33,71% 6,03% 14,26% MTM-2
RC/D-G4C-MC -11,07% 6,38% -6,85% 10,20% -12,62% -0,95% MODAPTS
Tabel 24: Procentueel voorkomen als beste PDTM systeem REACH + GRASP + MOVE
Combinatie MTM-2 MTM-3 SAM VWF MOST MODAPTS Beste
RA-G1A-MA 61,44% 9,92% 2,88% 1,60% 15,20% 8,96% MTM-2
RA-G1A-MB 70,88% 20,16% 0,48% 0,00% 4,96% 3,52% MTM-2
RB-G1A-MB 55,68% 10,40% 7,36% 3,04% 8,96% 14,56% MTM-2
RB-G1C2-MB 29,60% 6,72% 14,24% 22,88% 6,24% 20,32% MTM-2
RC/D-G1B-MB 56,80% 2,88% 16,00% 0,00% 19,20% 5,12% MTM-2
RC/D-G1C3-MB 34,08% 9,92% 12,32% 5,44% 11,52% 26,72% MTM-2
RC/D-G4A-MB 56,64% 5,92% 13,44% 1,28% 10,40% 12,32% MTM-2
RC/D-G4C-MC 9,60% 9,28% 15,36% 24,80% 10,56% 30,40% MODAPTS
1.5.2. Met monteren
Indien nu ook de assemblage in rekening wordt gebracht krijgt men onderstaande
resultaten (Tabel 25 en Tabel 26). Hierbij variëren het type reik-, het type grijp-, en het
type assemblagebeweging, waarbij het type verplaatsbeweging, zijnde „MC‟, gelijk blijft.
Uit deze tabellen kan geen eenduidig verband worden vastgesteld tussen de
verschillende combinaties en de afwijkingen. Er zijn hiervoor namelijk te veel variabelen.
Enerzijds de variabelen van de combinatie (reiktype, grijptype en assemblagetype), en
anderzijds de variabelen van de verschillende PDTM systemen. Met deze laatste worden
dan vooral de definities van de verschillende types elementen bedoeld. Wanneer in
MTM-1 bijvoorbeeld wordt overgegaan van het ene type „Position‟ naar het andere type,
zal dit niet per se betekenen dat ook bij de andere PDTMS naar een ander type wordt
overgegaan. Voor “P1SE” en “P1SD” blijft de code voor VWF bijvoorbeeld “0-1”. De
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 68
bepaling welk systeem het best is dient geval per geval bekeken te worden. In bepaalde
gevallen komen meerdere systemen in aanmerking. Bijvoorbeeld voor “RB-G1C2-MC-
P2SD” hebben zowel MTM-2, als SAM en VWF en MOST een afwijking kleiner dan 5%.
Algemeen kan wel vastgesteld worden dat de meeste systemen een grote onderschatting
vertonen bij combinaties met moeilijke assemblagebewegingen en dat MTM-2,
MODAPTS en MOST over het algemeen de nauwkeurigste zijn. Daarnaast blijkt MOST
ook het best te presteren voor moeilijker te behandelen voorwerpen (Bvb. Position, type 3,
Exact).
Tabel 25: Gewogen gemiddelde afwijking REACH + GRASP + MOVE + POSITION
Combinatie MTM-2 MTM-3 SAM VWF MOST MODAPTS Best
RA-G1A-MC-
P3SSE -35,98% -36,96% -27,96% -20,96% 17,71% -30,49% MOST
RA-G1C1-MC-
P1SSE -13,83% 7,61% -9,40% 11,47% -11,61% -4,05% MODAPTS
RA-G3-MC-
P2SE -1,19% -2,71% 11,18% 21,98% 20,62% 7,28% MTM-2
RB-G1A-MC-
P1SE -1,63% 24,80% 3,46% 29,28% 2,51% 8,41% MTM-2
RB-G1C1-MC-
P2SSE -15,86% -17,16% -5,33% 3,87% 2,71% -8,65% MOST
RB-G1C2-MC-
P2SD 3,45% -21,89% -1,73% -2,07% -3,17% -5,13% SAM
RB-G3-MC-
P1NSD -7,18% -8,60% 4,45% 14,59% 13,31% 0,78% MODAPTS
RC/D-G1B-MC-
P1SD 22,89% -42,45% 16,92% -27,84% -52,73% 5,48% MODAPTS
RC/D-G1C3-MC-
P2NSD -17,22% -31,15% -21,33% 16,32% -14,65% -13,52% MODAPTS
RC/D-G3-MC-
P1NSE 19,65% -0,49% 13,72% 46,45% -18,26% 2,63% MTM-3
RC/D-G4A-MC-
P2SE 3,49% -13,92% -1,64% 7,92% 6,71% 8,13% SAM
RC/D-G4B-MC-
P3SE -31,69% -43,18% -35,07% -16,38% 6,10% -28,63% MOST
RC/D-G4C-MC-
P3SD -34,65% -48,89% -37,88% -13,65% -4,57% -31,70% MOST
RC/D-G4A-MC-
P3NSD -38,02% -48,45% -41,09% -12,90% -3,74% -35,24% MOST
RC/D-G4A-MC-
P3NSE -34,04% -45,14% -37,31% -7,31% 2,44% -31,08% MOST
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 69
Ook uitgaande van de frequentie van selectie als beste systeem bij de verschillende
afstanden kan men eenzelfde vaststelling doen. Ook hier komen MTM-2, MODAPTS en
MOST het meest frequent voor en blijken MOST en VWF het meest voor te komen bij
moeilijkere montages.
Tabel 26: Procentueel voorkomen als beste PDTM systeem REACH + GRASP + MOVE + POSITION
Combinatie MTM-2 MTM-3 SAM VWF MOST MODAPTS Beste
RA-G1A-MC-
P3SSE 0,00% 0,00% 12,96% 36,32% 50,72% 0,00% MOST
RA-G1C1-MC-
P1SSE 2,88% 12,64% 12,80% 25,28% 12,16% 34,24% MODAPTS
RA-G3-MC-P2SE 47,04% 16,00% 9,44% 2,88% 6,88% 17,76% MTM-2
RB-G1A-MC-P1SE 49,44% 7,84% 12,00% 5,44% 7,68% 17,60% MTM-2
RB-G1C1-MC-
P2SSE 0,16% 8,00% 12,96% 46,40% 14,72% 17,76% VWF
RB-G1C2-MC-
P2SD 40,00% 4,80% 13,12% 18,08% 5,44% 18,56% MTM-2
RB-G3-MC-P1NSD 20,00% 12,64% 11,36% 15,04% 12,32% 28,64% MODAPTS
RC/D-G1B-MC-
P1SD 4,32% 3,04% 16,32% 17,28% 0,00% 59,04% MODAPTS
RC/D-G1C3-MC-
P2NSD 4,16% 0,00% 0,16% 36,64% 38,88% 20,16% MOST
RC/D-G3-MC-
P1NSE 7,52% 15,36% 17,28% 0,00% 27,20% 32,64% MODAPTS
RC/D-G4A-MC-
P2SE 34,88% 12,16% 15,52% 13,60% 8,64% 15,20% MTM-2
RC/D-G4B-MC-
P3SE 0,00% 0,00% 0,00% 26,72% 73,28% 0,00% MOST
RC/D-G4C-MC-
P3SD 0,00% 0,00% 0,00% 26,24% 73,76% 0,00% MOST
RC/D-G4A-MC-
P3NSD 0,00% 0,00% 0,00% 28,48% 71,52% 0,00% MOST
RC/D-G4A-MC-
P3NSE 0,00% 0,00% 0,00% 57,76% 42,24% 0,00% VWF
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 70
1.6. Samenvatting theoretische bevindingen
Alvorens de bovenstaande bevindingen toe te passen in de praktijk wordt hier nog kort
een overzicht gegeven van de theoretische bevindingen.
MOST en VWF worden best niet gebruikt voor analyses uit te voeren waar veel over en
weer wordt gestapt. Vooral VWF is hierbij gevaarlijk. Indien de loopafstanden groter zijn,
zal de fout bij MOST meer uitmiddelen maar bij VWF is dit niet het geval. De andere
systemen vertonen maar een geringe afwijking ten opzichte van MTM-1. SAM onderschat
zijwaarts stappen maar voor gewone stappen is SAM nog steeds nauwkeurig. Voor
buigen en opstaan zijn alle systemen, behalve VWF bijna even nauwkeurig. VWF geeft
een grote onderschatting. Voor zitten en opstaan onderschatten alle systemen rond de
20%. Algemeen kan dus gezegd worden dat men voor handelingen met veel grote
lichaamsbewegingen best gebruik maakt van MTM-1, MTM-2, SAM of MODAPTS. MOST
is minder geschikt maar kan in beperkte mate ook.
Wanneer men zich baseert op de handelingen met werktuigen zijn vooral MTM1, MTM-2
en SAM aan te raden. De andere kunnen echter ook nog maar het hangt af van situatie
tot situatie. Voor een universeel systeem op vlak van deze vergelijking is men best met de
voorgestelde systemen.
Voor zuivere reik- en grijpbewegingen zijn MTM-1, MTM-2, SAM en MODAPTS over het
algemeen het nauwkeurigst over de verschillende afstanden. Ook voor de gewogen
gemiddeldes is dit het geval. MTM-2 heeft over het algemeen een kleine afwijking over de
verschillende reik- en grijpbewegingen met een aantal uitzonderingen (RC/D-G4A, RC/D-
G1B, RB-G1C1, RC/D-G3). Voor SAM geldt dat het voornamelijk kleine afwijkingen
vertoont voor de combinaties RC/D-G3, RC/D-G4A, RC/D-G1B. MODAPTS weer dan
vooral bij RB-G1C1, RB-G1C2, RC/D-G4C, RB-G3. MOST en de andere komen niet voor
in de vernoemde lijst maar dat wil daarom niet zeggen dat hier ook geen nauwkeurige
resultaten mee kunnen bereikt worden. Dit betekent enkel dat de andere systemen een
kleinere afwijking vertonen en dus nauwkeuriger zijn in specifieke gevallen.
Kijkt men naar de zuivere verplaatsbewegingen zonder nauwkeurige positionering dan
valt op dat MODAPTS en MOST de kleinste gewogen afwijking ten opzichte van MTM-1
vertonen. Voor Move type A en B is de gewogen afwijking van MTM-3 ook nog relatief
klein. Daarnaast presteert MTM-3 ook niet slecht bij een aantal afstanden voor Move
type C. De gewogen waarde hiervan is echter relatief hoog.
Voor verplaatsingen gecombineerd met assemblage valt vooral op dat MOST het beste
scoort voor moeilijke positioneringen met een kleinere tolerantie en waar meer
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:1 Theoretische benadering 71
handelingen voor nodig zijn. Ook VWF komt hier meer voor in aanmerking. De andere
PDTM systemen hebben hiervoor een grote onderschatting en zijn meer geschikt voor
eenvoudige plaatsingen. Vooral MTM-3 blijkt de moeilijke assemblages enorm te
onderschatten. Dit komt omdat in MTM-3 maar één element wordt gebruikt voor de
verschillende assemblagetypes.
Bij het reiken, grijpen en verplaatsen, zonder positioneren kan men vaststellen dat MTM-2
algemeen de laagste afwijking heeft en het meest voorkomt als beste systeem over de
verschillende afstanden. Afzonderlijk gezien, is het wel dikwijls zo dat de andere
systemen bij verschillende combinaties een lagere afwijking hebben. Voor een goede
keuze op basis hiervan gaat men beter dieper in detail, hoewel MTM-2 de meest
geschikte lijkt.
Gecombineerd met de verschillende assemblagebewegingen valt op dat MOST nu vooral
in aanmerking komt voor moeilijke positioneringen. Ook voor VWF is dit het geval maar in
iets mindere mate. De andere systemen worden best gebruikt voor minder ingewikkelde
assemblages.
Zoals al meermaals werd vermeld is de totale nauwkeurigheid afhankelijk van de
combinatie van de verschillende afwijkingen. Afwijkingen van verschillende elementen
kunnen elkaar immers versterken of afzwakken. Men dient zich dus voor de keuze niet
louter op deze afzonderlijke resultaten te baseren, maar op basis hiervan de gewogen
gemiddelde afwijking te berekenen. Men houdt op die manier voor de totale afwijking dus
rekening met de invloed dat de afwijkingen afzonderlijk hebben op het totale resultaat.
Indien het aandeel van een bepaald element heel groot is, is de kans echter groot dat het
systeem dat hierbij het best presteert ook voor het geheel de laagste afwijking zal hebben
omdat de andere afwijkingen veel minder invloed hebben. Het is dus best deze techniek
toe te passen op processen met een lange cyclustijd zodat de terugkerende handelingen
het meest invloed hebben. Voor kleine cycli en cycli die weinig terugkerende handelingen
bevatten, is het aangeraden dieper in detail te treden en berekent men het gewogen
gemiddelde beter aan de hand van de afwijking bij specifieke afstanden die men schat.
De berekening gebeurt in dit geval dus best niet op basis van de gewogen afwijkingen van
de combinaties. Deze laatste zaken zullen worden aangetoond aan de hand van een
aantal voorbeelden waarbij de theorie wordt getoetst aan de resultaten uit de praktijk.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 72
2. Praktische benadering
2.1. Inleiding
In het volgende deel van het onderzoek wordt op basis van de praktische toepassing van
de verschillende systemen de nauwkeurigheid nagegaan ten opzichte van de werkelijke
tijd. Na het toepassen van de uitgevoerde analyses op elk filmpje, kunnen de
normaaltijden bepaald worden. Deze tijden kunnen vervolgens vergeleken worden met de
werkelijke duurtijd van de werkmethode. Hiervoor dient de pace gekend te zijn. De tijd die
men uit de video‟s kon bepalen, dient namelijk omgerekend te worden aan de hand van
de pace tot een werktempo van 100%.Daarnaast wordt ook de afwijking ten opzichte van
MTM-1 onderzocht van de verschillende systemen. Dit is handig om onregelmatigheden
of foute pace schattingen uit te schakelen. Men gaat hierbij dus na in hoeverre dan
andere systemen afwijken van MTM-1. Hierbij wordt enkel gekeken naar de eerste cyclus
van elke video. De tabellen, grafieken en berekeningen voor deze sectie zijn te vinden in
de Excel-bestanden “Nauwkeurigheid praktijk”, “Indeling Blokken” en “VGL_Blokken”.
Daarnaast is in Bijlage K de beschrijving van de verschillende geanalyseerde video‟s
toegevoegd. Ook een voorbeeld van een twee-handenanalyse en de indeling in blokken
werden in Bijlage L en Bijlage M toegevoegd.
2.2. Algemene nauwkeurigheid ten opzichte van de reële tijd
Er wordt eerst dieper ingegaan op de vergelijking met de werkelijke tijd. De gevonden
normaaltijden werden opgelijst in een tabel. Vervolgens werd het procentueel verschil
tussen de normaaltijd en de werkelijke tijd bepaald. Dit wordt even uitgelegd aan de hand
van een voorbeeld. Voor de video “Rogers” werd uit de MTM-1 analyse een normaaltijd
van 36,81 seconden bepaald. De duur van het filmpje bedroeg 38,53 sec en omvatte ook
nog eens 7 sec machinetijd. De omrekening via de opgegeven pace van 105% gebeurt
dan als volgt:
( )
De machine tijd werd in de analysetijden met behulp van de PDTM systemen niet
meegerekend. Deze wordt dus ook bij de berekening van de werkelijke tijd weggelaten.
Voor “Rogers” bedraagt de uitkomst van deze berekening 33,11 seconden. Dit betekent
dat de MTM-1 analyse de werkelijke tijd met 11,18% overschat. Hiervoor werd
onderstaande formule gebruikt.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 73
Deze berekeningen worden voor elke video en elk systeem uitgevoerd. Het resultaat
hiervan kan het best gevisualiseerd worden in een grafiek (Figuur 13). Daarbij werden de
verschillende percentages uitgezet in volgorde van stijgende duur van de cyclus.
Door de nauwkeurigheden van de verschillende systemen uit te zetten naar toenemende
duur van de geanalyseerde cyclus kan nagegaan worden of de nauwkeurigheid van deze
systemen verbetert bij langere cycli. Volgens de literatuur zou dit het geval moeten zijn.
De duurtijd van de filmpjes in de grafiek is gebaseerd op de volledige werkmethode. Men
stelt een vrij grillig verloop vast waaruit niet onmiddellijk eenduidige conclusies genomen
kunnen worden. Op basis van deze voorstelling kan niet besloten worden curves
verbeteren voor langere cycli. Het loont wel de moeite om naar de gemiddelde afwijking
per systeem te kijken, weergegeven in Figuur 14.
Hieruit blijkt dat MTM-1 het meest nauwkeurig is over het gevarieerde aanbod aan
werkmethodes, met slechts -1.76% afwijking. MTM-2 is slechts iets minder nauwkeurig.
Daarna volgen in oplopende volgorde van minder nauwkeurig: MODAPTS, MTM-3,
MOST, SAM en VWF. SAM en VWF overschatten de werkelijke tijd vrij aanzienlijk. In
deze percentages werden de twee Volvo filmpjes buiten beschouwing gelaten, omdat de
auteurs de juistheid van de tempobepaling wantrouwen. (Tabel 27).
Tabel 27: Afwijking per systeem ten opzichte van de werkelijke tijd
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
excl. VOLVO gem. -1,76% -1,79% 3,37% 7,79% 10,47% 3,81% 3,27%
std. afw. 14,45% 15,58% 20,10% 19,46% 13,56% 16,16% 14,84%
Gewogen (excl. VOLVO) gem. 2,02% 0,71% 9,71% 10,28% 13,22% 8,67% 5,71%
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 74
Figuur 13: Nauwkeurigheid ten opzichte van werkelijke tijd
-40,00%
-30,00%
-20,00%
-10,00%
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
2,6
19
4,5
22
4,8
84
5,4
34
5,5
80
6,8
31
7,0
65
9,1
66
9,6
80
11
,67
6
12
,68
8
12
,93
8
16
,05
8
16
,47
2
19
,40
4
40
,45
7
79
,80
0
12
4,4
50
14
3,0
13
E7 A4 H1 G2 FDW3 G3 FDW20 H13 Lampen E2 A9 5_6 A1 E1 E14 Rogers Tafel FietsDeurklink
Afw
ijkin
g t
ov
WT
[%
]
Video in oplopende duurtijd [sec]
Afwijking ten opzichte van werkelijke tijd (eerste cyclus) [%]
MTM-1 MTM-2
MTM-3 SAM
VWF MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 75
Figuur 14: Gemiddelde en gewogen gemiddelde afwijking per systeem ten opzichte van werkelijke tijd
In de bovenstaande grafieken (Figuur 14) worden de afwijkingen van de verschillende
methodes uitgezet. Eerst werd gekeken naar de gemiddelde afwijking ten opzichte van de
werkelijke tijd. Men dient te herhalen dat men hiervoor de pace nodig heeft. Er wordt van
uit gegaan dat deze correct bepaald werd voor de in dit werk geanalyseerde video‟s. Het
is logischer om een gewogen gemiddelde te berekenen. Een afwijking van bijvoorbeeld
5% op een filmpje van 10 seconden is niet hetzelfde als diezelfde afwijking op een duur
van 1 minuut. Door het gewogen gemiddelde te nemen, krijgt een afwijking op een filmpje
met een langere duur een groter aandeel in het gemiddelde. Een snelle blik op de
resultaten toont aan dat dit een heel ander resultaat oplevert. De afwijkingen zijn sterk
toegenomen. Hieruit dient men te besluiten dat de methodes beter scoren wat afwijking
ten opzichte van de werkelijke tijd betreft bij korte werkcycli. Dit spreekt de literatuur
echter tegen. Een mogelijke verklaring hiervoor kan zijn dat de lange cycli uit het
onderzoek regelmatig elementen bevatten met korte bewegingen zoals schroeven.
MTM-3 heeft, zoals eerder werd aangetoond in DEEL III:1.2, een systematische
overschatting voor deze elementen waardoor de nauwkeurigheid voor deze video‟s
onmiddellijk een stuk minder is. Ook is het zo dat slechts 5 van de 21 filmpjes een
cyclusduur hebben van meer dan één minuut. De langste cyclus bedraagt 143 seconden.
-1,76% -1,79%
3,37%
7,79%
10,47%
3,45% 2,55%
-4,00%
-2,00%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
Afwijking tov WT
Afwijking tov WT 1e cyclus
Gemiddelde afwijking per systeem tov werkelijke tijd eerste cyclus [%]
2,02% 0,71%
9,71% 10,28%
13,22%
8,47%
5,30%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
Afwijking tov WTAfwijking tov WT 1e cyclus
Gewogen gemiddelde afwijking per systeem tov werkelijke tijd
eerste cyclus [%]
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 76
2.3. Algemene nauwkeurigheid ten opzichte van MTM-1
In volgende paragraaf volgt de vergelijking ten opzichte van MTM-1 ten opzichte van de
andere systemen. Er dient hierbij geen rekening gehouden te worden met de werktempo‟s
uit de video‟s.
Telt men over de verschillende video‟s het aantal keer dat elke methode er als beste
(lees: kleinste afwijking ten opzichte van de waarde uit de analyse met het MTM-1
systeem) uitkwam, dan merkt men dat, op SAM na, elke methode een aantal keer de
kroon spant.
Tabel 28: Aantal keer dat een methode de kleinste afwijking had over een video (eerste cyclus)
MTM-2 MTM-3 SAM VWF MOST MODAPTS
6 5 0 3 4 3
MTM-2 doet het iets beter dan MTM-3. Daarna volgt MOST, gevolgd door VWF en
MODAPTS. Dit wordt meegegeven ter indicatie. Het kan namelijk zijn dat het verschil
soms klein is. Ook het omgekeerde, dat één methode duidelijk beter is dan de rest, is
mogelijk. Dit kan beter weergegeven worden in een grafiek (Figuur 16).
Figuur 15: Gemiddelde en gewogen gemiddelde afwijking per systeem ten opzichte van MTM-1
1,33%
6,61%
11,17%
14,63%
6,40% 5,87%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
16,00%
Afwijking tov WT
Afwijking tov WT 1e cyclus
Gemiddelde afwijking per systeem tov MTM-1 eerste cyclus [%]
1,73%
10,09% 11,00%
14,55%
7,74%
5,72%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
16,00%
Afwijking tov WT
Afwijking tov WT 1e cyclus
Gewogen gemiddelde afwijking per systeem tov MTM-1 eerste
cyclus [%]
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 77
Kijkt men onmiddellijk naar de gewogen gemiddelden (Figuur 15) dan stelt men vast dat
de kleinste afwijking zich voordoet bij MTM-2, met slechts 1.73% afwijking. Daarna volgen
respectievelijk MODAPTS (6,02%), MOST (7.89%), MTM-3 (10.09%), SAM (11,00%) en
VWF (14.55%). De verschillen met MTM-1 zijn wel behoorlijk groot. Men stelt afwijkingen
per systeem vast tot 15%. Opnieuw kan dit gelegen zijn aan het groter aandeel korte cycli.
In deze berekening werden alle filmpjes in rekening gebracht, aangezien het probleem
van het kennen van de pace, niet meer geldt.
Men stelt vast dat elke methode gemiddeld genomen de normaaltijd van MTM-1
overschat. De afwijking van elk filmpje ten opzichte van de MTM-1 waarde wordt in Figuur
16 weergegeven voor alle systemen.
Voor de beperkte selectie van video‟s die in dit werk geanalyseerd werden, is het moeilijk
om goede algemene conclusies af te leiden. Uit de vergelijking met de werkelijke tijd leidt
men af dat MTM-1 en MTM-2 een vergelijkbare afwijking geven. Deze afwijking is beperkt.
Men kan bijgevolg stellen dat deze systemen accuraat zijn. De overige methoden
overschatten de werkelijke tijd tussen 5 en 14%. Dit is gebaseerd op het gewogen
gemiddelde van alle afwijkingen per systeem. Het blijft gevaarlijk om zich daarop te
baseren. Echter door de grote verscheidenheid in werkinhoud en cyclustijden zou men
een uitmiddeling mogen verwachten. Bovendien kan men uit het grillig verloop van de
curves moeilijk eenduidige vaststellingen bekomen. Hier bestaat ook nog het gevaar van
een verkeerde inschatting van het werktempo.
Dit laatste werd uitgeschakeld door de systemen onderling te vergelijken. Hierbij werd
MTM-1 als referentie genomen. Een analoge conclusie als hier net boven dringt zich op.
Het MTM-2 systeem heeft een beperkte afwijking ten opzichte van MTM-1. De andere
PDTM systemen wijken tot 15% af.
Algemeen kan men stellen dat het MTM-2 systeem een valabel alternatief is voor MTM-1.
De analyse kan veel sneller gebeuren, terwijl men weinig inboet aan nauwkeurigheid.
Deze resultaten zouden ook uit de theoretische benadering (DEEL III:1) moeten blijken.
Hier is echter een grove veralgemening toegepast. Er werd namelijk gekeken naar de
gewogen gemiddelde nauwkeurigheid over een twintigtal verschillende video‟s, met een
diverse inhoud. Toch is het feit dat MTM-2 het nauwkeurigst blijkt uit de praktijk niet
verwonderlijk, aangezien MTM-2 in de theoretische benadering ook regelmatig terugkwam
als een van de nauwkeurigste systemen (lees: kleinste afwijking ten opzichte van MTM-1).
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 78
Figuur 16: Nauwkeurigheid ten opzichte van MTM-1
-40,00%
-30,00%
-20,00%
-10,00%
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
2,6
19
4,5
22
4,8
84
5,4
34
5,5
80
6,8
31
7,0
65
9,1
66
9,6
80
11
,67
6
12
,68
8
12
,93
8
16
,05
8
16
,47
2
19
,40
4
40
,45
7
70
,68
0
75
,83
3
79
,80
0
12
4,4
50
14
3,0
13
E7 A4 H1 G2 FDW3 G3 FDW20 H13 Lampen E2 A9 5_6 A1 E1 E14 RogersVolvo 4103Volvo 1711Tafel FietsDeurklink
Afw
ijkin
g t
ov
MT
M-1
[%
]
Video in oplopende duurtijd [sec]
Afwijking ten opzichte van MTM-1 (eerste cyclus) [%]
MTM-2 MTM-3
SAM VWF
MOST MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 79
2.4. Opdeling in blokken
Om de redenen voor de afwijkingen binnen de verschillende systemen beter te begrijpen,
werden de analyses van de verschillende PDTM systemen opgedeeld in blokken. De
blokken omvatten verschillende combinaties van handelingen. De verschillende type
combinaties die werden onderscheiden zijn dezelfde als deze uit de theoretische
vergelijking en kregen de naam RG, M, MP, RGM en RGMP mee naargelang de inhoud
van het blok. In al de blokken werd de afwijking van de verschillende PDTM systemen
berekend ten opzichte van MTM-1. De verschillende types met dezelfde handelingen
werden vervolgens samengezet en er werd op zoek gegaan naar oorzaken voor de
afwijking. Zo verkreeg men bijvoorbeeld een lange lijst met „Move‟-blokken gedestilleerd
uit alle video‟s. Volgende paragrafen zullen de verschillende types één voor één
behandelen. De volgorde die hierbij wordt gevolgd is dezelfde als bij de theoretische
vergelijking. Ook zal een verklaring trachten gegeven te worden voor eventuele
afwijkingen met de theoretische waarden. Bij het zoeken naar de oorzaken werd vooral
gekeken naar de mate waarin de definities beantwoorden aan de inhoud van de
geanalyseerde handeling en naar de mate waarin de waarden uit de tabellen
overeenkomen met deze van MTM-1. Een aantal bewegingen werden niet nagegaan
omdat deze dezelfde resultaten opleveren als de theoretische vergelijking. Het gaat hierbij
om schroeven en draaien aan een hendel en dergelijke.
De verschillende blokken zijn afkomstig uit de verschillende video‟s en zijn onafhankelijk
van elkaar. Daarnaast dient ook opgemerkt te worden dat niet alles in duidelijke blokken
kon worden opgedeeld omdat het splitsen van een aantal elementen de nauwkeurigheid
van de analyse zou compromitteren. Niet alle blokken werden dus in deze analyse
opgenomen. Deze zullen achteraf afzonderlijk bekeken worden.
Voor de verschillende types blokken werd de afgelegde afstand bijgehouden, evenals om
welk type beweging het ging. De auteurs verwijzen voor de specifieke data naar het
Excel-bestand “VGL_Blokken” op bijgesloten CD-ROM.
De reden waarom de afwijkingen niet altijd dezelfde zijn als deze uit de theoretische
vergelijking is dat hier een aantal elementen aanwezig zijn die niet in rekening werden
gebracht voor de theoretische vergelijking. Het betreft hier vooral “Regrasp”,
reikbewegingen “in motion”, simultane bewegingen en gewicht. Omgekeerd kan ook, dat
een element niet aanwezig is in de praktijk, zoals het element “Release”. Een bijkomende
reden is dat de beoordeling van het type beweging niet altijd heel duidelijk is waardoor het
kan voorkomen dat een andere waarde wordt gekozen voor een bepaald element dan
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 80
welke werd gebruikt in de theoretische vergelijking, waardoor de praktische en
theoretische afwijking verschillen.
2.4.1. Blokken “RG”
Als vaststelling bij de blokken van het type RG kan men zeggen dat de definities voor de
verschillende systemen goed overeen kwamen met wat effectief plaatsvond in de video‟s.
De auteurs bedoelen hiermee dat de keuze voor het element zonder twijfel kon genomen
worden. Dikwijls werd wel ondervonden dat de definities heel vaag zijn en geen of weinig
onderscheid maken in de moeilijkheid van de reik- of grijpbeweging. Daarnaast was het
ook zo dat de afstandscategorieën vrij grote intervallen kennen, vooral dan in MTM-3,
SAM, VWF en MOST. Bij afstanden die net bij de ondergrens lagen werd dikwijls een
grote overschatting vastgesteld. Dit wordt ook bevestigd in het theoretisch onderzoek. Het
feit dat er weinig onderscheid in de types reiken en grijpen wordt gemaakt en dat de
afstandsintervallen zo groot zijn, worden dan ook aanzien als de oorzaak voor de
afwijking. Algemeen kan gezegd worden dat hoe meer onderscheid tussen de
verschillende types wordt gemaakt en hoe kleiner de afstandsintervallen in de tabellen,
hoe accurater het resultaat of hoe kleiner de afwijking ten opzichte van MTM-1.
De sterkte van deze systemen is nu net dat ze door de algemenere definities toch nog
grote nauwkeurigheden kunnen halen. De nauwkeurigheid hangt dan, zoals al duidelijk
was, vooral af van de variatie in de afstanden en verschillende types. Dit zorgt er voor dat
de fouten elkaar uitmiddelen. Op vlak van nauwkeurigheid blijkt uit de praktijk dat vooral
MTM-2 een kleinere afwijking heeft (gemiddeld 10,75%) gevolgd door MODAPTS en SAM
en MOST (gemiddeld rond 32% afwijking). Deze laatste geven vooral een kleinere
afwijking bij grotere afstanden. Deze gemiddelden werden aldus berekend over alle RG-
combinaties uit alle video‟s.
Kijkt men nu specifiek naar de verschillende systemen dan stelt men vast dat de definities
niet overal dezelfde zijn. Bijvoorbeeld bij MTM-2, VWF en MODAPTS wordt voor het
grijpen van een voorwerp uit een stapel, of voor het grijpen van een klein, plat voorwerp,
een andere waarde genomen uit de tabellen dan voor een gewone, gemakkelijke
grijpbeweging. Voor MTM-3, SAM en MOST is dit niet het geval en wordt dezelfde waarde
gebruikt.
Verder merkt men uit Figuur 17 dat de afwijking afneemt naarmate de afstand toeneemt
en dat deze een gelijkaardig verloop heeft voor de verschillende systemen. Dit wordt
aangetoond door de grote positieve correlatie die berekend werd ten opzichte van MTM-2.
Wanneer de afwijking bij het ene systeem afneemt stelt men vast dat dit bij de andere
systemen over het algemeen ook zo is. De mate waarin deze veranderen is daarbij niet
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 81
voor elk systeem gelijk. Bij de grenzen van de verschillende afstandscategorieën merkt
men dat de afwijking een opwaartse sprong vertoont. Dit laatste is duidelijker zichtbaar in
de theoretische vergelijking.
Figuur 17: Afwijking praktisch resultaat - blokken Reach+Grasp
2.4.2. Blokken “M”
Voor de blokken van het type M, met enkel verplaatsbewegingen is de definitie zelden de
oorzaak van de afwijking. De definities zijn hiervoor duidelijker in alle systemen en dus
wordt gemakkelijker het juiste element gekozen voor de verplaatsbewegingen. De reden
voor de afwijking is dan vooral te vinden in de afstanden en het ontbreken van het
element “Release” omdat het bijvoorbeeld ging om een “contact grasp”. Het loslaten van
het voorwerp zit echter wel inbegrepen in de elementen voor de verschillende PDTM
systemen wat ervoor zorgt dat de overschatting groter is indien bij de MTM-1 analyse
geen „release‟ werd toegepast, dan wanneer dit element wel aanwezig is bij MTM-1. Men
kan aan de hand van onderstaande Figuur 18 geen eenduidige verbanden ontdekken
omtrent de afwijkingen. Omwille hiervan kan men zeggen dat het van heel wat factoren
zal afhangen. Deze factoren zijn onder meer: de afstand, het gewicht, het type
verplaatsen, het al dan niet aanwezig zijn van een “Release” en het nog “in motion” zijn
van de beweging. Het is zo dat een toeslag voor gewicht in de meeste systemen slechts
voorkomt vanaf een bepaald gewicht (bijvoorbeeld vanaf een gewicht groter dan 10kg).
Daarbij is MTM-1 het enige systeem dat rekening houdt met de mogelijkheid dat de
verplaatsing nog “in motion” is.
-100,00%
0,00%
100,00%
200,00%
300,00%
400,00%
500,00%
600,00%
4 6 12 16 16 24 26 30 30 40 40 45 45 50 65
Afw
ijkin
g [
%]
Afstand [cm]
MTM2
MTM3
SAM
VWF
MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 82
Figuur 18: Afwijking praktisch resultaat - blokken Move
2.4.3. Blokken “MP”
Aan de hand van de afwijkingen van de blokken van het type MP kan enkel gezegd
worden dat deze opnieuw heel sterk afhangt van de verschillende factoren van de
beweging. De auteurs ondervonden wel dat de definities voor het positioneren heel
algemeen zijn. Daar waar bij MTM-1 18 verschillende mogelijkheden zijn, zijn er bij de
andere systemen maar 2 of 3 types. Bovendien werden er slechts een beperkt aantal pure
MP-sequenties gevonden.
Figuur 19: Afwijking praktisch resultaat - blokken Move + Position
-60,00%
-40,00%
-20,00%
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
120,00%
4 10 20 24 26 30 40 44 45 55 60 60 70 80 95
Afw
ijkin
g [
%]
Afstand [cm]
MTM2
MTM3
SAM
VWF
MOST
MODAPTS
-60,00%
-40,00%
-20,00%
0,00%
20,00%
40,00%
60,00%
80,00%
6 10 16 18 20 22 24 35 35 55Afw
ijkin
g [
%]
Afstanden [cm]
MTM2
MTM3
SAM
VWF
MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 83
2.4.4. Blokken “RGM”
Wanneer men nu kijkt naar de combinatie van reiken, grijpen en verplaatsen (deze komt
het meeste van alle types voor) wordt al snel duidelijk, aan de hand van onderstaande
Figuur 20, dat de afwijking afneemt met toenemende totale afstand. De totale afstand is
dan de som van de reik- en verplaatsafstand. Analoge conclusies als hierboven kunnen
worden genomen aangezien het gaat om combinaties van voorgaande elementen.
Afhankelijk van het type beweging zal de afwijking meer of minder zijn. Voor korte
afstanden is de afwijking het grootste voor al de PDTM systemen. Ter controle werd voor
deze curves ook de correlatie berekend. Het blijkt dat deze vrij hoog liggen (tussen 0,51
en 0,75) wat er op wijst dat de verschillende systemen gelijkaardig reageren op de
verschillende factoren die de afwijking beïnvloeden.
Figuur 20: Afwijking praktisch resultaat - blokken Reach + Grasp + Move
2.4.5. Blokken “RGMP”
Op basis van de afwijking voor de blokken RGMP komen opnieuw dezelfde oorzaken
boven. De afwijking is sterk afhankelijk van de afstand, het type grijpen en het type
positioneren. Op basis van Figuur 21 kan niet onmiddellijk een verband worden
vastgesteld tussen de afstand en de afwijking. Dit komt omdat verschillende types
-100,00%
-50,00%
0,00%
50,00%
100,00%
150,00%
200,00%
250,00%
6 4 4 12 20 14 26 6 10 10 24 30 30 20 35 50 45 45 50 65 40 50
2 4 4 4 610146 61418412203524354040403014262430264535406028404035454540654080705580
Afw
ijkin
g [
%]
Afstand [cm]
MTM2
MTM3
SAM
VWF
MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:2 Praktische benadering 84
handelingen door elkaar zijn uitgezet. Door het beperkt aantal waarnemingen kunnen
geen significante conclusies gemaakt worden wanneer deze afzonderlijk zouden
onderzocht worden.
Figuur 21: Afwijking praktisch resultaat - blokken Reach + Grasp + Move + Position
In bovenstaande paragrafen werd gepoogd om de theoretische benadering die vroeger
werd besproken ook eens toe te passen op de praktijk. Hiertoe werden de analyses van
alle video‟s ingedeeld in blokken. Elke blok kreeg een type mee. Uiteindelijk kon men
quasi alle blokken indelen in één van 5 categorieën. Deze zijn RG, M, MP, RGM en
RGMP. Van elke categorie kon vervolgens een analyse gemaakt worden. Aan de hand
van deze analyses konden weinig nieuwe vaststellingen gedaan worden. De factoren die
een belangrijke invloed hebben op de afwijking van verschillende systemen zijn dezelfde
als deze die in de theoretische vergelijking werden bepaald. Men merkt echter wel een
verschil tussen de theoretische waarden en deze die bekomen werden uit de praktijk. De
redenen voor de afwijkingen kunnen gevonden worden in de kleine variaties die steeds
aanwezig zijn. Na het indelen in blokken merkt men dat de elementen weinig exact
hetzelfde zijn. Het type reiken, grijpen, verplaatsen en positioneren kan verschillend zijn,
waardoor het moeilijk is om een echte oorzaak van de verschillen vast te stellen. Een
oplossing hiervoor kan gevonden worden door een veelvoud aan filmpjes te analyseren.
Vooral voor kleine cycli kunnen de verschillen belangrijke gevolgen hebben voor de totale
nauwkeurigheid. Dit zal duidelijk worden aan de hand van volgende paragrafen die de
theorie toepast op een voorbeeld uit de praktijk.
-40,00%
-20,00%
0,00%
20,00%
40,00%
60,00%
80,00%
20 30 34 36 38 46 46 60 65 65 70 75 80 86
Afw
ijkin
g [
%]
Afstand [cm]
MTM2
MTM3
SAM
VWF
MOST
MODAPTS
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 85
3. Toepassing van theoretische resultaten in praktijk
De volgende stap is, zoals beschreven werd in DEEL III:1, het toepassen van de
conclusies uit voorgaand onderzoek op de werkbeschrijving van een aantal video‟s. Op
basis van voorgaande bevindingen zal theoretisch het PDTMS gekozen worden met de
laagste afwijking. Dit wordt dan vergeleken met het resultaat uit de praktische analyses.
Indien de resultaten niet overeen komen zal dieper worden ingegaan op de vergelijking
van de elementen zodat het verschil tussen beide uitkomsten kan worden verklaard.
3.1. Voorbeeld 1
Een eerste video die hiervoor op arbitraire wijze werd gekozen is “G2”. Alvorens te starten
wordt hiervan een beschrijving gegeven zoals deze dient te worden gegeven om een
goede inschatting van het werk te kunnen bekomen. Hiermee wordt bedoeld dat
voldoende eigenschappen van de behandelde voorwerpen gekend moeten zijn, alsook
een schatting van de variatie in de afgelegde afstanden en de lay-out van de
werkomgeving. De auteurs veronderstellen dat deze informatie over het algemeen gekend
is voor de persoon die de analyse wil uitvoeren. Het is deze informatie die minstens nodig
is om de afwijking in te kunnen schatten aan de hand van een theoretische benadering.
De belangrijke informatie uit de beschrijving wordt onderlijnd. Vervolgens zal, in de eerste
fase, voor elke handeling vrij algemeen nagegaan worden welk PDTMS de laagste totale
afwijking vertoont voor die specifieke handeling. Op basis hiervan zal een eerste maal een
keuze worden gemaakt en vergeleken met het beste resultaat bepaald uit de praktijk.
Hierna wordt, indien nodig, per handeling dieper ingegaan op de afwijkingen naargelang
de afstanden. Opnieuw wordt in deze tweede fase een keuze gemaakt. Achteraf zal
nagegaan worden of de keuzes uit beide fasen aanvaardbaar waren en in hoeverre de
afwijking verschilt van deze die bekomen werd door de analyse in de praktijk.
De eerste stap van het werk in “G2” bestaat erin naar een nieuw stuk te reiken dat
gemakkelijk te grijpen is. Het stuk ligt op een hoop tussen andere gelijke stukken. Dit stuk
moet vervolgens naar de machine worden verplaatst om te monteren. Het stuk is niet
symmetrisch en vergt middelmatige druk om te monteren. Alvorens het stuk kan worden
gemonteerd moet een afgewerkt stuk uit de machine worden gehaald en op een stapel
worden gelegd. Hiervoor is geen precieze positionering nodig. Het reiken naar het
afgewerkte stuk gebeurt simultaan met het verplaatsen van het nieuwe stuk naar de
machine. Wanneer het nieuwe stuk is gepositioneerd en het afgewerkte op de stapel werd
geplaatst, moeten beide handen naar een knop reiken en deze induwen. De afgelegde
afstanden zijn vrij groot, tussen 30 en 60cm. De machine staat op 60cm voor de romp van
de persoon, de nieuwe onderdelen liggen op 40cm voor de persoon, tussen de persoon
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 86
en de machine. De afgewerkte onderdelen dienen 40cm te worden verplaatst naar een
stapel. De knop bevindt zich op 65cm van de machine vlak voor de persoon.
In deze cyclus kunnen dus in principe 3 handelingen worden onderscheiden. Ten eerste
een “RC-G4A-MC-P2NSE” voor het monteren van het nieuwe onderdeel. Als tweede
handeling onderscheidt men “RB-G1A-MB” voor het losmaken en wegleggen van het
afgewerkt onderdeel uit de machine. De derde handeling is het reiken naar de knop en
deze induwen “RB-APA”. Vermits de eerste en tweede handeling deels simultaan
gebeuren, moet de eerste handeling worden opgesplitst in “RC-G4A” en “MC-P2NSE”,
waarbij de verplaatsafstand voor dit laatste element heel kort is (het grootste deel van de
afstand is afgelegd tijdens het simultane reiken naar het afgewerkte stuk). Het verplaatsen
van het afgewerkte stuk gebeurt terwijl het nieuwe stuk wordt gemonteerd op de machine,
dus de verplaatsbeweging wordt gemaskeerd door de montage. Er blijft enkel RB-G1A
over.
Wanneer men nu nagaat welk systeem voor elk van deze handelingen het nauwkeurigst
is, krijgt men volgende systemen (Tabel 29): RC-G4A SAM, RB-G1A MTM-2,
MC-P2NSE MOST, RB-APA MTM-2.
Op basis van deze algemene vergelijking bekomt men geen eenduidig besluit over welk
PDTMS de minste afwijking heeft. Wel worden al een aantal systemen geëlimineerd. Er
dient voor een eenduidige keuze dieper in detail te worden gegaan. Hiervoor wordt
gekeken naar de afwijkingen voor elk van deze systemen onderling voor elke handeling
en wordt hiervan vervolgens het gewogen gemiddelde genomen (laatste rij). Er wordt dus
met andere woorden rekening gehouden met het aandeel dat elke handeling
vertegenwoordigt in de werkinhoud. De waarde die het gewicht bepaalt van de afwijkingen
is de gewogen gemiddelde waarde van MTM-1 voor dat type element. De weging
gebeurde daarbij op basis van de normaalverdeling die wordt besproken in DEEL III:1.3.1.
Het voorbeeld zal dit verduidelijken.
Per werkelement worden de overeenkomstige gewogen gemiddelde afwijkingen van de
verschillende systemen genomen. Deze zijn te zien in onderstaande Tabel 29. Van deze
percentages wordt vervolgens het gewogen gemiddelde bepaald voor elk systeem.
Hiervoor dient eerst het gewicht bepaald te worden van elk element. Dit wordt berekend
door eerst de MTM-1 waarde voor elke afstandscategorie te vermenigvuldigen met de
kans waarop deze voorkomt. Deze kans is afkomstig van de normaalverdeling die
hiervoor werd opgesteld. Vervolgens worden deze waarden opgeteld en gedeeld door de
som van de kansen, dit is dus niets anders dan het gewogen gemiddelde van de MTM-1
waarden. Dit gewicht kan worden gezien als de gemiddelde grootte, in TMU, van het
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 87
element. Wanneer al de gewichten op deze manier berekend zijn kan het gewogen
gemiddelde van de percentages worden berekend. Dit is voor het voorbeeld „G2‟ af te
lezen op de onderste rijd van Tabel 29.
Tabel 29: Voorbeeld toepassing theoretische conclusies op video “G2”, Fase I
MTM-2 MTM-3 SAM VWF MOST MODAPTS gewicht
RC-G4A 14,74% 40,50% -8,94% 49,49% -9,75% 22,94% 21,8
RB-G1A 6,04% 102,13% 31,00% 115,07% 29,84% 25,42% 15,1
MC-P2NSE -15,73% -28,49% -8,65% 28,01% 2,77% -13,65% 38,6
RB-APA 5,50% 28,85% 25,67% -6,81% 24,92% 28,22% 23,7
Gewogen
gemiddelde -0,65% 20,27% 5,77% 37,68% 9,44% 10,34%
Op basis van deze gewogen gemiddelden kan men dus besluiten dat MTM-2 de meest
aangewezen keuze. Dit komt echter niet overeen met het resultaat uit de praktijk (Tabel
30). Om de oorzaak hiervoor te vinden moet men nog dieper in detail gaan. Indien men
wel voor MTM-2 zou kiezen, zou de afwijking wel nog aanvaardbaar blijven. In plaats van
2% te onderschatten zou men nu 4% overschat worden.
Tabel 30: Afwijking t.o.v. MTM-1 praktijk voorbeeld 1
MTM-2 MTM-3 SAM VWF MOST MODAPTS
4,05% 8,56% -7,33% 28,71% -2,91% -1,96%
Tot nu toe werd nog geen rekening gehouden met de werkelijke afstanden (voorheen
werd een gewogen gemiddelde over alle afstanden berekend). Deze worden in de tweede
fase wel in rekening genomen. Voor de verschillende handelingen wordt nu dus niet meer
gekeken naar de gewogen gemiddeldes over alle afstanden (1 tot 80cm) maar naar de
afwijking per afstand. Uit de beschrijving van de werkinhoud weet men dat de afstanden
tussen 30 en 60 cm liggen. Dit zijn dan ook de afstandscategorieën die zullen worden
gecontroleerd. Hiervoor wordt het Excel-bestand “VGL_Tabellen” gebruikt.
Voor de eerste handeling RC-G4A over een afstand van ongeveer 40cm, wordt MTM-2
aangeduid als zijnde het nauwkeurigst (naast MTM-1). Voor het reiken naar de machine
over 60cm, code RB-G1A, is dit eveneens MTM-2. De beweging MC-P2NSE over een
afstand van ongeveer 6cm, geeft als resultaat MODAPTS en het reiken naar de knop over
65 cm geeft MTM-3, hoewel MODAPTS ook heel nauwkeurig is bij dit laatste. Vermits
MTM-2 en MODAPTS beide twee keer voorkomen, vermoed men al min of meer dat één
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 88
van deze systemen kans maakt de beste te zijn. Dit moet echter nog bevestigd worden
door eenzelfde analyse als in vorige fase, dus door te kijken naar het gewicht van elk type
handeling. Dit wordt daarom nogmaals uitgevoerd in onderstaande tabel (Tabel 31). Het
gewicht is deze keer de MTM-1 waarde (in TMU) van de handeling over die specifieke
afstand of afstandscategorie.
Tabel 31: Voorbeeld toepassing theoretische conclusies op video “G2”, Fase II
MTM-2 MTM-3 SAM VWF MOST MODAPTS gewicht
RC-G4A 12,03% 41,08% -17,01% 29,67% -17,01% 18,95% 24.1
RB-G1A -0,86% 46,55% 7,76% 79,60% -13,79% -7,33% 23,2
MC-P2NSE -20,14% -27,08% -13,19% 44,68% 38,89% -0,46% 28,8
RB-APA -6,63% 2,41% 5,42% -5,87% -9,64% -2,86% 33.2
Gewogen
gemiddelde -3,86% 16,31% -2,86% 35,22% -2,06% 1,28%
Uit deze tabel blijkt dat MODAPTS de kleinste afwijking heeft. SAM, MOST en MTM-2
komen volgens deze berekende waarden echter ook in aanmerking omdat de afwijking
kleiner is dan 5%. Wanneer deze waarden opnieuw worden vergeleken met de resultaten
uit de praktijk, merkt men inderdaad dat MODAPTS het best scoort. De percentages zijn
weliswaar niet identiek. Dit komt omdat bij de analyse kleine variaties kunnen optreden
zoals de inschatting van de afstand, regrasps die niet worden beschreven in de
werkbeschrijving, andere volgordes van handelingen, niet simultaan uitvoeren van
handelingen…. In dit specifieke geval werd bij de praktische analyse een “Disassemble” in
rekening gebracht terwijl dit niet gebeurde in de theoretische vergelijking. Dat dit niet
verwerkt zit in de theoretische uitwerking is omdat de tabellen, in het geval dit wel in
rekening zou gebracht zijn, enorm zouden uitbreiden. De werkwijze voor de berekening
van de afwijkingen zou echter volledig analoog verlopen.
Indien men zich voor de keuze van het te gebruiken PDTMS toch zou gebaseerd hebben
op het resultaat van de eerste fase, en dus gekozen zou hebben voor MTM-2, dan zou de
afwijking nog steeds binnen de 5% liggen (zie Tabel 31) volgens de theorie. De fout die
wordt gemaakt wanneer men niet dieper in detail had getreden, is dus relatief klein.
Wanneer men zich louter zou baseren op de algemene vergelijking per element (eerste
fase), en dus moet kiezen tussen MTM-2, SAM of MOST, wordt ook geen grote afwijking
berekend in de gedetailleerde theoretische vergelijking. De praktijk geeft zoals vermeld
een ander resultaat. Enkel MOST blijkt hierbij een goed alternatief. MOST is wel het
PDTMS dat als beste uitkwam voor de beweging met het grootste gewicht, namelijk MC-
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 89
P2NSE. Verder onderzoek is echter noodzakelijk om aan te tonen of het element met het
grootste gewicht de keuze van het PDTMS al dan niet bepaalt. Voor kleine cycli als deze
uit het voorbeeld is de kans dat dit zo is in ieder geval groter dan wanneer de cyclus
langer duurt. Het aandeel van een element met een groot gewicht is namelijk meer
doorslaggevend in korte cycli dan bij lange.
3.2. Voorbeeld 2
Een volgend voorbeeld, zal de theorie opnieuw toepassen op de video “H13”. De
werkinhoud wordt vooreerst kort beschreven, waarna opnieuw dezelfde aanpak wordt
gevolgd als in het eerste voorbeeld.
Het werk begint met het verwijderen van een afgewerkt stuk van een machine. Dit wordt
vervolgens opzij gelegd. Daarna wordt gereikt naar het eerste onderdeel van het nieuwe
stuk. Dit op een plek waarvan de afstand in elke cyclus verschilt, en is gemakkelijk vast te
nemen. Wanneer dit gegrepen is door de ene hand, wordt het naar het werkgebied
verplaatst terwijl de andere hand het tweede onderdeel grijpt. Het tweede onderdeel ligt
op een stapel maar is nog voldoende groot om gemakkelijk te nemen. Beide worden dan
samen naar de machine verplaatst en er op gemonteerd. Beide stukken zijn niet
symmetrisch en de tolerantie is vrij precies. Na deze montage wordt een derde onderdeel
genomen uit een stapel (dezelfde eigenschappen gelden voor dit stuk) en ook
gemonteerd op de machine. Hiervoor is de tolerantie dezelfde maar is de montage
makkelijker. Daarna reiken beide handen naar een drukknop en drukken deze in.
De grote handelingen waaruit dit werk is opgebouwd zijn de volgende:
1. Afgewerkt stuk nemen en naar stapel verplaatsen: RB-G1A-MB
2. Onderdeel 1 nemen (en verplaatsen naar werkgebied): RB-G1A(-MB)
3. Onderdeel 2 nemen en verplaatsen (simultaan met onderdeel 1) naar machine en
monteren: RC-G4A-MC-P3NSD
4. Onderdeel 3 nemen en naar machine verplaatsen en monteren:
RC-G4A-MC-P3NSE
5. Reiken naar de knoppen en deze induwen: RB-APA
Voor elk van deze handelingen worden de gewogen afwijkingen weergegeven in
onderstaande tabel (Tabel 32). Vervolgens wordt op analoge wijze als in het eerste
voorbeeld de gewogen totale afwijking berekend, met het gewogen gemiddelde van de
MTM-1 waarden als gewicht. Per handeling hebben volgende systemen de laagste
afwijking: MTM-2, MTM-2, MOST, MOST en MTM-2. Hiervan uitgaande zou men een
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 90
keuze moeten maken tussen MTM-2 en MOST. Of deze keuze optimaal zou zijn wordt
verder nagegaan.
Tabel 32: Voorbeeld toepassing theoretische conclusies op video “H13”, fase I
MTM-2 MTM-3 SAM VWF MOST MODAPTS Gewicht
RB-G1A-
MB -4,56% 11,10% 31,15% 28,62% 29,16% 13,67% 30,40
RB-G1A 6,04% 102,13% 31,00% 115,07% 29,84% 25,42% 15,12
RC/D-G4A-
MC-P3NSD -38,02% -48,45% -41,09% -12,90% -3,74% -35,24% 92,74
RC/D-G4A-
MC-P3NSE -34,04% -45,14% -37,31% -7,31% 2,44% -31,08% 87,14
RB-APA 5,50% 28,85% 25,67% -6,81% 24,92% 28,22% 23,72
Gewogen
gemiddelde -25,73% -23,53% -20,22% 2,47% 7,20% -18,09%
Uit bovenstaande tabel (Tabel 32) zou men besluiten dat VWF het meest geschikte
PDTMS is. Men merkt wel op dat MOST niet zoveel meer afwijkt dan VWF. Wanneer we
dit nagaan met de resultaten uit de praktijk (Tabel 33), merkt men net het omgekeerde.
Daar heeft MOST de kleinste afwijking ten opzichte van MTM-1 gevolgd door VWF.
MOST is opnieuw het systeem met de laagste afwijking bij het element met het grootste
gewicht, wat de hypothese uit vorig voorbeeld bevestigt. Ook hier ging het echter om een
korte cyclus. In voorbeeld 3 zal dit gecontroleerd worden op een langere cyclus.
Tabel 33: Afwijking t.o.v. MTM-1 praktijk voorbeeld 2
MTM-2 MTM-3 SAM VWF MOST MODAPTS
-22,96% -22,17% -24,93% 2,89% 2,73% -12,22%
Opnieuw wordt in de tweede fase dieper ingegaan op de afstanden. Met de video in het
achterhoofd schatten de auteurs de afstanden op 30cm voor het reiken naar het
afgewerkt stuk op de machine; 45cm voor het verplaatsen van dit stuk naar de stapel;
45cm voor het reiken naar onderdeel 1; 14cm voor het reiken naar onderdeel 2; 18cm
voor het verplaatsen naar de machine; 35cm voor het reiken naar onderdeel 3 en voor het
verplaatsen naar de machine; en ten slotte 40cm voor het reiken naar de knop.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 91
De tabel voor fase 2 wordt dan als volgt.
Tabel 34: Voorbeeld toepassing theoretische conclusies op video “H13”, fase II
MTM-2 MTM-3 SAM VWF MOST MODAPTS Gewicht
RB-G1A-
MB
-15,20% 1,19% 16,96% 24,01% 19,05% 4,78% 33,6
RB-G1A -5,26% 78,95% 5,26% 64,47% 5,26% 13,16% 19
RC/D-G4A-
MC-P3NSD
-41,32% -42,51% -34,13% -12,67% 7,78% -35,63% 83,5
RC/D-G4A-
MC-P3NSE
-29,53% -46,31% -38,48% -6,79% 0,67% -27,85% 87,14
RB-APA 3,05% 29,77% 14,50% -20,48% 14,50% 23,09% 26,2
Gewogen
gemiddelde
-26,28% -21,11% -20,66% -0,62% 7,33% -17,58%
Ook hieruit volgt hetzelfde besluit als in de eerste fase. Het verschil in dit voorbeeld is
opnieuw te wijten aan het element “Disengage” en een afstand die anders is ingeschat.
De fout die wordt gemaakt door VWF te kiezen in plaats van MOST zal evenwel niet groot
zijn. Vergelijken we dit met de eerste, oppervlakkige benadering waarbij kon gekozen
worden tussen MOST en MTM-2 dan merkt men op dat MOST de juiste keuze zou zijn
geweest. Indien men dus voor meerdere elementen hetzelfde PDTMS ziet terugkeren als
beste, en deze elementen hebben een groot aandeel in het geheel, is de kans groot dat
dit systeem ook de kleinste afwijking vertoont.
3.3. Voorbeeld 3
Het derde voorbeeld past de theorie nogmaals toe op een uitgebreidere werkinhoud,
namelijk deze van video “Deurklink”. Het werk in deze video bestaat er in 2 plaatjes op de
deur (voor- en achterkant) te vijzen met elk 4 vijzen en vervolgens de deurklink te
monteren en vast te zetten met een bevestigingspin (hameren). De opstelling van dit werk
werd zo opgezet zodat ook elementen als buigen en wandelen voldoende aan bod
komen. Voor het nemen van de onderdelen en werktuigen moet af en toe over en weer
gelopen worden. De verschillende handelingen worden beknopt in onderstaande lijst
gegeven.
1. Er worden 8 vijzen vastgeschroefd (8x vijs op schroevendraaier plaatsen, naar
deur brengen en vastvijzen (gemiddeld 7x draaien nodig)).
2. Twee deurplaten moeten nauwkeurig geplaatst worden (= surface assembly).
3. Twee deurklinken moeten gemonteerd worden door de deuropening.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 92
4. Eén deurpin moet nauwkeurig geplaatst worden en met 4 lichte hamerslagen
vastgeslaan worden.
5. Voor het over-en-weer stappen over de hele werkcyclus zijn in totaal 73 stappen
en voetbewegingen nodig en 8 buigbewegingen.
Per handeling worden nu de bijhorende afwijkingen en de totale gewogen gemiddelde
afwijking gegeven, enkel voor de grote elementen uit de werkmethode (zie Tabel 35):
Tabel 35: Voorbeeld toepassing theoretische conclusies op video “Deurklink”, fase II
MTM-2 MTM-3 SAM VWF MOST MODAPTS Gewicht
8x 7x
schroeven -4,76% 71,43% -4,76% -20,63% 185,71% 70,63% 8x7x10,5=588
8x P2SSD -24,18% -35,66% -17,82% -9,13% -7,54% -22,31% 8x42,86=342.88
8x P2SSD -24,18% -35,66% -17,82% -9,13% -7,54% -22,31% 8x42,86=342.88
8x RC-G1B 39,02% 150,59% 10,33% 139,14% 9,35% 48,95% 8x17,96=143.68
2x RB-G1A 6,04% 102,13% 31,00% 115,07% 29,84% 25,42% 2x15,12=30.24
2x P2SSD -24,18% -35,66% -17,82% -9,13% -7,54% -22,31% 2x42,86=85.72
2x RB-G1A 6,04% 102,13% 31,00% 115,07% 29,84% 25,42% 2x15,12=30.24
2x P3NSD -54,20% -61,14% -50,95% -15,75% -1,87% -53,08% 2x70,96=141.92
RC-G1B 39,02% 150,59% 10,33% 139,14% 9,35% 48,95% 17,96
P2SD -17,44% -29,94% -10,51% -1,05% 0,68% -15,41% 39,36
4x hameren 25,00% 45,83% 4,17% 30,21% 4,17% 49,31% 4x9,6=38.4
73x Stappen 20,00% 20,00% 0,00% 52,78% 100,00% 19,44% 73x15=1095
8x Bend +
Arise 0,35% 0,35% -1,48% -14,48% -1,48% -0,11% 8x60,9=487.2
Gewogen
gemiddelde -0,04% 17,43% -6,27% 17,70% 63,66% 14,41%
Uit het resultaat van het gewogen gemiddelde, zou men besluiten dat MTM-2 het meest
geschikt is om deze video te analyseren. Wanneer we dit vergelijken met het resultaat uit
de praktijk blijkt dit inderdaad te kloppen. De effectieve percentages komen echter niet
helemaal overeen. Dit is te wijten aan het feit dat in dit voorbeeld heel oppervlakkig werd
gekeken naar de verschillende handelingen van de werkinhoud. Dit werd opzettelijk
gedaan door de auteurs om de hypothese te testen uit de vorige voorbeelden dat de
keuze kan gebaseerd worden op de handelingen met het grootste aandeel in het werk. De
hypothese is bij deze dan ook bevestigd. In de bovenstaande tabel werden namelijk enkel
de grote elementen opgenomen. De gewogen gemiddelde afwijking van deze grote
blokken geeft MTM-2 als beste resultaat. Dit dient dus wat genuanceerd te worden omdat
er ook nog heel veel andere handelingen tot de werkmethode behoren die niet
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL III:3 Toepassing van theoretische resultaten in praktijk 93
opgenomen zijn in bovenstaande beschrijving. De reden hiervoor is omdat deze een veel
kleiner aandeel zouden inhouden op het totaal en dus veel minder invloed hebben op de
uiteindelijke keuze. Het effect hiervan is wel dat de bekomen afwijkingen niet dezelfde zijn
als deze die men bekomt uit de praktijk. De keuze van het systeem, op basis van de grote
blokken, klopt daarentegen wel met de praktijk (Tabel 36).
Tabel 36: Afwijking t.o.v. MTM-1 praktijk voorbeeld 3
MTM-2 MTM-3 SAM VWF MOST MODAPTS
0,58% 9,91% 9,68% 9,10% 7,69% 0,88%
Als verdere opmerking dient nog de grote afwijking van MOST verklaard te worden en het
verschil met het resultaat uit de praktijk. Dit kan deels verklaard worden door het grote
aantal stappen en het aantal keer schroeven. De fout die de systemen maken op een
schroefbeweging is in de tabel berekend voor één enkele schroefbeweging. In dit
voorbeeld worden echter meerdere schroefbewegingen na elkaar uitgevoerd. MOST
neemt hiervoor niet het product van de waarde van één enkele schroefbeweging, maar
kent een waarde toe afhankelijk van het aantal schroefbewegingen, dewelke lager zal
liggen dan het product. Dit zorgt ervoor dat de eigenlijke fout hierop minder zal zijn dan
wat er uit de tabel berekend wordt. Dezelfde verklaring kan worden gegeven voor het
aantal stappen. Bovendien wordt bij het stappen ook de daaropvolgende reikbeweging
inbegrepen. De fout die daarop zou gemaakt worden indien dit niet het geval was wordt
dus ook niet in rekening gebracht, wat de totale afwijking verder reduceert.
3.4. Besluit
Op basis van voorgaande uiteenzetting van de voorbeelden luidt de conclusie bij deze
methode dan ook als volg: „Voor de keuze van het te gebruiken PDTM systeem op basis
van de afwijking, mag men uitgaan van het systeem dat de kleinste gewogen gemiddelde
afwijking vertoont in de handelingen met het grootste aandeel in de totale werkinhoud‟.
Men dient echter kritisch te zijn en zich ervan bewust te zijn dat dit vooral geldt voor
langere cycli. Voor kortere cycli is een meer diepgaande analyse aan te raden omdat daar
de afstanden van de verschillende reik- en verplaatsbewegingen een belangrijk rol spelen.
In de lange cycli middelen deze effecten zich meer uit en kan men zich daarom meer
baseren op de gewogen gemiddeldes van de afwijkingen van de grote elementen.
DEEL IV: Resultaten analyseduur
Dit hoofdstuk zal handelen over de resultaten die bekomen werden in verband met de
analyseduur en de leersnelheid.
In een eerste luik wordt het verloop van de verschillende curves van analyseduur
besproken. Hierbij wordt nagegaan welke systemen een gelijkmatig verloop kennen en
wordt aan de hand van zowel een kwalitatieve als van een kwantitatieve analyse naar
oorzaken hiervoor gezocht. Eventuele verbanden met de geanalyseerde werkinhoud
worden aan de hand van statistiek nagegaan.
Het tweede luik handelt over de snelheid waaraan de systemen worden aangeleerd. De
vaststellingen worden hierbij gebaseerd op de praktische ervaring van de auteurs en
vergeleken met de waarden uit de literatuur.
Uiteindelijk wordt dit hoofdstuk afgesloten met een samenvatting van de bevindingen.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:1 Algemeen 95
1. Algemeen
In dit deel van deze thesis zal het probleem zoals besproken in DEEL II:2.2 behandeld
worden. Het probleem bestaat er in dat er voor het toepassen van elk van de
verschillende PDTM systemen, een zekere tijd nodig is. Dit heet de analyseduur. Deze is
voor elk systeem anders en is onder meer afhankelijk van de complexiteit van de
methode, van de inhoud van de geanalyseerde arbeid en van het leereffect. Het
toepassen van de MTM-1 methode zal meer tijd vergen dan de analyse met bijvoorbeeld
MTM-3. Het MTM-1 systeem omvat immers meer tabellen en codes en is veel
gedetailleerder dan MTM-3. Echter dient men een zeker leereffect niet te verwaarlozen.
De tijd nodig per tijdseenheid zal bij de eerste analyses sterk afnemen, doordat de
methode steeds beter en beter gekend wordt. Ook wanneer de geanalyseerde
werkinhoud veel gevarieerde elementen bevat kan men een langere analyseduur
verwachten dan wanneer dezelfde elementen voortdurend terugkomen. Deze
problematiek is het onderwerp van het volgende deel. De berekeningen en tabellen zijn
afkomstig uit het Excel-bestand “Analyseduur + Leercurves”.
Door de analysetijden (voor het toekennen van de codes) en de tijd nodig om de
bijhorende tijdswaarden op te zoeken bij te houden van de analyse van elke video en bij
elk systeem, kan men de leercurve opstellen (Figuur 22 en Figuur 23). Deze curve stelt de
analysetijd per videoduur voor en wordt dus uitgedrukt als “aantal seconden analysetijd
per seconde videoduur”. Hierbij werd de videoduur afgeleid van de duur de video,
rekening houdend met het tempo. Zodus werd de werkelijke tijd, aan een tempo van
100%, van de werkmethode bepaald. Deze waarden kunnen vervolgens uitgezet worden
in een grafiek. Deze curves worden leercurves genoemd. Ze stellen als het ware het
leerproces voor. In het ideale geval zou de analysetijd per videoduur moeten afnemen
aan een dalend tempo.
Verderop worden de leercurves, opgesteld door de auteurs op basis van hun
analysetijden per film, weergegeven (Figuur 22, p.97 en Figuur 23, p.97).
Vooreerst dient de wijze waarop deze grafieken werden opgesteld verklaard te worden.
De onderstaande beschrijving beperkt zich tot de grafiek van Figuur 22. Zoals reeds
gezegd, werd een bepaalde methode eerst toegepast op alle filmpjes in een vastgelegde
volgorde, alvorens aan een ander systeem werd begonnen. De volgorde waarin de
filmpjes werden geanalyseerd kan men aflezen op de horizontale as van Figuur 22 en
Figuur 23, maar is in dit kader van minder belang. Wel belangrijk is de volgorde waarin de
verschillende systemen werden toegepast. Na meerdere analyses van dezelfde video is
de werkinhoud steeds beter gekend. Hierdoor zullen de leercurves van de systemen lager
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:1 Algemeen 96
komen te liggen dan wanneer ze als eerste zouden toegepast worden. De volgorde, voor
de eerste auteur, was achtereenvolgens MTM-1, MTM-2, SAM en MTM-3. Er werd dus
begonnen met het systeem van de eerste generatie, gevolgd door twee systemen van de
tweede generatie en als laatste een systeem van de derde generatie. Deze analyses
werden eenmalig voorafgegaan door een zorgvuldig uitgevoerde twee-handenanalyse.
Deze twee-handenanalyse was eigenlijk al een tweede kennismaking met de filmpjes,
aangezien deze eerst gekozen moesten worden uit een 150 tal filmpjes. Bij elke analyse
werd de analysetijd bijgehouden, zowel voor het volledige filmpje als voor de eerste
cyclus. Deze werden respectievelijk uitgezet ten opzichte van de werkelijke tijd van het
volledige filmpje en van de eerste cyclus, aan 60 bedaux. De reden waarom de tijd van de
eerste cyclus werd bijgehouden is dat een tweede soortgelijke cyclus minder analysetijd
zal vergen dan de eerste. Dit hangt af van de variabiliteit tussen de verschillende cycli.
Wanneer deze zeer beperkt is, dan kan de analyse van een eerste cyclus haast integraal
worden overgenomen voor de daaropvolgende cycli. Dit zorgt ervoor dat de
analysetijd/filmduur zeer sterk daalt. Daarom zal de bespreking zich voornamelijk
beperken tot de analyses die betrekking hebben op de eerste cyclus van elke video. De
grafieken uit Figuur 22 en Figuur 23 zetten aldus de analysetijd/filmduur van de eerste
cyclus van elk filmpje uit.
Men kan nu trachten hieruit een aantal conclusies af te leiden. Vooreerst ziet men dat de
leercurve van het MTM-1 systeem heel wat hoger ligt dan die van de overige systemen.
Uit de literatuur werd een waarde van 250 minuten per minuut videoduur gevonden. De
waarden die hier bekomen worden, liggen heel wat lager, namelijk tussen 31 en 81
minuten. De gemiddelde waarde bedraagt 51,01 minuten analysetijd per minuut
videoduur. Het gemiddelde geeft echter een vertekend beeld. De waarden die in de
literatuur getabelleerd staan, zijn gebaseerd op deze van een gemiddeld geoefende
analist. De auteurs van dit werk hadden aanvankelijk geen ervaring met de verschillende
systemen. Pas na het toepassen van meerdere analyses kunnen de in dit werk bepaalde
analysetijden vergeleken worden met deze van in de literatuur. Het leereffect is hiertoe
van groot belang. De analysetijden/filmduur zullen rekening houdend hiermee pas
verderop bepaald worden.
Wanneer men de trendlijn opstelt van de leercurve, dan merkt men bij het MTM-1
systeem zeer duidelijk een dalende trend. Deze trend is ook terug te vinden bij MTM-2,
waar eveneens naar het einde toe een afvlakking optreedt. Bij de methodes SAM en
MTM-3 ziet men een haast vlakke curve. Het leereffect is hier minder uitgesproken. Een
reden hiervoor is dat de hogere niveau methodes makkelijker aan te leren zijn dan de
lagere en dus van bij aanvang al vrij goed begrepen worden.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:1 Algemeen 97
De bespreking van de tweede grafiek uit Figuur 23 is vrij analoog. De tijden waarop deze
grafiek gebaseerd is, werden opgesteld door een andere auteur en de volgorde van de
filmpjes was verschillend. Dit is de reden waarom er twee grafieken dienden opgesteld te
worden. De volgorde waarin de verschillende systemen werden toegepast is nu VWF,
MOST en als laatste MODAPTS.
De tijd die nodig was om de tijdswaarde van elke code op te zoeken en toe te kennen, is
niet in rekening gebracht. De uitgezette tijden omvatten enkel het herkennen, opzoeken
en toekennen van de best passende code.
Figuur 22: Analysetijd/eerste cyclus voor MTM-1, MTM-2, MTM-3 en SAM
Figuur 23: Analysetijd/eerste cyclus voor VWF, MOST en MODAPTS
Deze curves bevatten zichtbaar grote schommelingen. Het lijkt wel dat de verschillende
curves een soortgelijk verloop hebben. Wanneer een lagere of hogere waarde zich
voordoet bij de ene methode, dan is dit dikwijls het geval voor alle methoden.
0,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
90,00MTM-1
MTM-2
MTM-3
SAM
0,00
50,00
100,00
150,00
200,00
250,00
MODAPTS
MOST
VWF
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 98
2. Verband leercurves en werkinhoud
2.1. Bespreking leercurves van MTM-1, MTM-2, MTM-3 en SAM
2.1.1. Aantonen gelijkmatig verloop
Deze veronderstelling is gebaseerd op een visuele controle. Dit vergt echter nader
wiskundig onderzoek. Het verloop van de curves afzonderlijk en in vergelijking met elkaar,
kan wijzen op elementen in de geanalyseerde arbeid die de analyseduur beïnvloedden.
Indien kan aangetoond worden dat bepaalde elementen van de werkinhoud de
analyseduur beïnvloeden dan kan men hiermee rekening houden bij de selectie van het te
gebruiken PDTMS. Eerst dient echter bewezen te worden dat ze verschillende curves
inderdaad eenzelfde verloop volgen. Dit kan aangetoond worden aan de hand van de
correlatie. De correlatie tussen twee systemen van twee opeenvolgende waarden geeft
echter enkel +1 of -1 terug. Dit zegt dus niets over de mate waarin een curve stijgt of daalt
ten opzichte van een andere. Dit kan wel weergegeven worden door de covariantie tussen
de verschillende systemen van elke twee opeenvolgende punten te berekenen. Deze zal
een waarde geven die positief of negatief is. Hierbij staat positief voor een gelijklopend
deel van de curven (beide stijgen of beide dalen) en negatief voor een tegengesteld
verloop (de ene stijgt, de andere daalt). De covariantie geeft ook een indicatie over de
mate waarin de ene methode verandert ten opzichte van een ander.
Tabel 37: Correlatie en covariantie met MTM-1
MTM-2 MTM-3 SAM MTM-2 MTM-3 SAM
Correlatie tov MTM-1 Covariantie tov MTM-1
E1-E2 1,00 1,00 1,00 8,35 1,08 1,99
E2-E7 -1,00 -1,00 -1,00 -47,13 -23,56 -36,68
E7-G2 1,00 1,00 -1,00 475,75 185,85 -16,68
G2-G3 1,00 1,00 1,00 116,18 31,83 2,12
G3-H1 1,00 1,00 1,00 5,02 1,06 2,20
H1-H13 1,00 1,00 1,00 59,49 28,67 28,67
H13-E14 1,00 1,00 1,00 281,02 113,58 135,18
E14-Lamp 1,00 -1,00 1,00 1,92 -123,41 45,59
Lamp-Fiets 1,00 1,00 1,00 7,82 6,52 0,83
Fiets-5_6 1,00 1,00 1,00 73,78 21,13 38,23
5_6-A1 -1,00 -1,00 -1,00 -17,27 -13,29 -8,29
A1-Tafel 1,00 1,00 1,00 92,27 25,96 54,25
Tafel-A4 1,00 1,00 1,00 20,20 6,08 29,42
A4-A9 1,00 1,00 1,00 52,01 3,61 66,31
A9-Deur 1,00 -1,00 -1,00 0,08 -0,33 -0,06
Deur-FDW3 -1,00 -1,00 -1,00 -27,74 -13,92 -9,36
Totaal 0,722 0,439 0,540 115,291 32,260 27,540
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 99
Het kan echter eenvoudiger. Men kan de verhouding van het verschil tussen twee
opeenvolgende analyses nemen ten opzichte van het verschil tussen de bijhorende
MTM-1 waarden. Bijvoorbeeld (zie Tabel 38):
Tabel 38: Voorbeeld berekening relatieve wijziging leercurves
MTM-1 MTM-2 Verschil bij MTM-1 Verschil bij MTM-2 Verhouding
E1 67,40 36,43 69,10-67,40= 1,70 46,25-36,43= 9,82 9,82 / 1,70= 5,78
E2 69,10 46,25
Deze berekening toepassen op alle waarden geeft de volgende tabel (Tabel 39).
Tabel 39: Verhouding verschillen methode X t.o.v. verschil MTM-1
MTM-2 MTM-3 SAM
Verhouding verschillen tov verschil MTM-1
E1-E2 0,67 0,33 0,30
E2-E7 -0,67 -0,34 -0,52
E7-G2 0,56 0,22 -0,02
G2-G3 0,54 0,15 0,01
G3-H1 9,25 1,95 4,06
H1-H13 0,23 0,11 0,11
H13-E14 0,49 0,20 0,24
E14-Lamp 0,00 -0,20 0,08
Lamp-Fiets 8,12 6,77 0,86
Fiets-5_6 0,82 0,24 0,43
5_6-A1 -0,08 -0,06 -0,04
A1-Tafel 0,58 0,16 0,34
Tafel-A4 0,42 0,13 0,61
A4-A9 0,13 0,01 0,16
A9-Deur 1,48 -5,94 -1,03
Deur-FDW3 -0,69 -0,34 -0,23
FDW3-FDW20 -0,82 -1,20 -0,62
Hieruit leest men af dat het verschil, dit kan zowel een stijging als een daling betekenen,
bij overgang van E1 naar E2, bij MTM-2 5.78 keer groter is dan voor diezelfde stap bij
MTM-1. MTM-3 verandert slechts 0.75 keer zoveel als MTM-1 dat deed. Wil men nu
onderling weten hoeveel keer MTM-2 meer of minder dan MTM-3 wijzigt, dan dient men
die verhouding te bepalen.
Tabel 39 drukt dus per twee opeenvolgende punten uit of dit van de grafiek (Figuur 22)
voor alle systemen op dezelfde manier reageert en de mate waarin ze dit doet ten
opzichte van MTM-1. Men ziet dat voor het stuk van E1 naar E2 de drie methoden beide
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 100
het MTM-1 verloop volgen. Ze hebben namelijk allemaal een positieve waarde. Echter
reageert MTM-2 5.78 keer zo sterk, MTM-3 0.75 keer en SAM 1.38 keer. Voor het deel
van E2 naar E7 reageren ze omgekeerd ten opzichte van MTM-1. Men ziet (Figuur 22)
dat de MTM-1 curve hier inderdaad stijgt, waar de overige curven dalen. Men stelt vast
dat de curves, op een aantal uitzonderingen na, op eenzelfde manier reageren als de
MTM-1 curve. Deze uitzonderingen zijn meer interessant om te onderzoeken en de
redenen ervan te achterhalen.
2.1.2. Op zoek naar oorzaken (kwalitatief)
Nu het vrij gelijkaardige verloop van de verschillende curves is aangetoond, kan
nagegaan worden welke elementen de schommelingen in de analysetijd veroorzaken. Dit
kan namelijk een invloed hebben op de keuze van het meest geschikte PDTM systeem. In
een werkmethode kunnen elementen zitten die de analysetijd bij een bepaalde methode
sterk de hoogte in jagen. Dit zal zowel kwalitatief, op basis van kenmerken, als
kwantitatief onderzocht worden.
Kwalitatief te werk gaan betekent dat men naar specifieke eigenschappen op zoek gaat
van elke video die een invloed kunnen hebben op de analysetijd. Dit blijft een vrij
subjectieve benadering omdat het gebaseerd is op de meningen van de auteurs maar
gaat uit van logisch redeneren.
Om de kwalitatieve bespreking te vergemakkelijken en enigszins te ondersteunen werd
eerst een tabel opgesteld die informatie verschaft over welke handelingen voorkomen en
hoeveel keer deze voorkomen. Deze aantallen zijn gebaseerd op de
twee-handenanalyse. Speciale elementen zoals stappen, buigen en opstaan, draaien aan
een hendel, schroeven, hameren en pompen werden apart opgelijst. De waarden in de
tabel geven weer hoeveel keer er een code aan een bepaalde handeling moest
toegekend worden. Bijvoorbeeld bij het filmpje “Fiets” betekent de waarde 10 bij „screw‟
niet dat er 10 schroefhandelingen zijn, maar wel dat er 10 schroefsequenties plaatsvinden
die bestaan uit meerdere schroefbewegingen. Ook werd het aantal keren dat er gewicht
moest worden toegekend bijgehouden.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 101
Tabel 40: Aantal elementaire handelingen per video
1e cyclus U U Walk B&A Crank Screw Hammer Pomp WeightMachine-
tijd [sec]
Duur 1e
cycle [sec]
E1 12 5 2 1 6 0 0 4 5 1 0 0 0 5 1 2 6 19 7 1 2 0,00 16,47
E2 15 6 2 4 5 0 0 0 15 9 4 0 0 8 0 0 8 21 2 0,00 11,68
E7 8 2 0 0 2 0 2 0 0 2 0 2 0 2 0 0 2 6 3,65 6,27
G2 6 1 1 1 1 0 1 0 2 0 3 1 1 1 0 0 1 5 0,50 5,93
G3 7 1 0 4 1 0 0 0 4 0 2 0 1 3 1 1 2 8 0,00 6,83
H1 3 0 0 0 1 0 0 4 2 0 0 0 0 2 1 0 1 6 0,50 5,38
H13 8 2 0 2 2 0 0 5 2 1 1 0 1 3 2 0 3 10 1,25 10,42
E14 32 7 0 0 5 0 0 1 6 0 0 0 0 7 0 0 12 32 2 4,00 23,40
Lamp 10 2 0 0 3 0 1 5 13 9 0 0 1 3 2 1 5 13 1,00 10,68
Fiets 41 13 0 0 10 0 4 17 67 24 6 4 2 24 5 0 31 60 30 17 10 2 8 4,00 128,45
5_6 20 4 0 0 3 0 0 5 0 6 0 0 0 3 0 0 5 17 5 0,00 12,94
A1 12 7 0 0 5 0 1 5 2 1 0 1 0 5 0 0 8 17 3 2 8 0,00 16,06
Tafel 199 60 4 0 59 0 0 4 55 53 39 0 0 57 0 4 58 172 4 3 2 0,00 79,80
A4 5 1 1 1 2 0 1 0 2 2 3 1 0 1 1 1 1 3 0,00 4,52
A9 11 4 0 0 4 0 1 4 3 0 1 2 0 6 0 0 5 15 7 5,75 18,44
Deur 60 41 0 18 21 0 2 13 38 47 4 1 0 16 19 0 21 56 49 17 14 1 3,75 146,76
FDW3 6 2 1 0 2 0 1 0 0 0 0 1 0 2 0 1 2 6 5,75 11,33
FDW20 8 2 0 0 2 0 1 0 0 0 0 1 0 2 0 0 2 8 2 4,00 11,07
VolvoS 37 20 3 6 21 0 0 2 39 35 15 0 0 12 10 7 17 32 7 0,00 75,83
VolvoJ 21 7 0 3 3 0 3 19 21 20 0 3 0 5 12 0 11 26 14 7,00 77,68
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 102
Aangezien er twee volgordes werden aangehouden bij het analyseren van de video‟s, is
het ook hier nodig om de bespreking op te splitsen. Er wordt begonnen met de analyse
van Figuur 22, in combinatie met Tabel 40. Hierbij zal er eerst enkel gelet worden op het
al dan niet gelijkaardig reageren van de grafieken. Er valt onmiddellijk op dat de tweede
video, “E2” een langere analyseduur/filmduur kent dan de eerste, ondanks het feit dat er
weinig speciale handelingen in deze methode voorkomen. Men merkt wel op dat er meer
handelingen plaatsvinden op een kortere cyclustijd. Dit betekent dat er veel kleine, korte
bewegingen voorkomen. Dit kan een mogelijke verklaring zijn voor de stijging. Voorts
merkt men ook dat er meerdere soorten grasps gebruikt worden. Deze dienen van elkaar
onderscheiden te worden en de correcte code meekrijgen. Ook ziet men verschillende
moeilijkheden in het monteren en er is toekenning van gewicht vereist.
Voor de MTM-1 analyse stijgt de analysetijd nog verder bij filmpje “E7”. De overige
systemen kennen echter een dalend verloop. “E7” kent een heel korte cyclustijd,
waardoor kleine afwijkingen in de meting van de analyseduur sterk vergroot worden. Dit is
een eerste mogelijke oorzaak. Wanneer men echter kijkt naar het aantal elementen per
seconde filmduur, dan stelt men vast dat de waarde hierbij vrij hoog ligt. Dit kan er op
wijzen dat er hele wat simultane handelingen plaatsvinden in deze cyclus. Vermits MTM-
codes geeft aan beide handen kan dit een belangrijk effect hebben op de analyseduur
hiermee.
“G2” kent eveneens een heel korte cyclustijd en een eenvoudige werkmethode. De
analyse kan hier snel gebeuren. Daarnaast bemerkt men dat hier veel minder simultane
handelingen voorkomen. Het volgende filmpje “G3” heeft een stijgend verloop voor alle
systemen. Men stelt hier vast dat er opnieuw meer simultane handelingen voorkomen,
wat de analyse bemoeilijkt. Het is namelijk niet altijd eenduidig wat wel of niet simultaan
moet gerekend worden, omdat veel handelingen elkaar slechts deels overlappen.
Bovendien heeft elke methode zijn eigen manier om met simultane handelingen om te
gaan. Bij de ene wordt gekeken naar het element met de langste duur, bij een andere
worden beide gerekend in bepaalde gevallen, nog een andere kent een extra code toe…
Dit kan dus ook een mogelijke oorzaak zijn van de schommelingen. Verderop (DEEL
IV:2.3.3) zal dit dan ook bekrachtigd of ontkracht worden.
Het volgende filmpje in de rij “H1” omvat een eenvoudige werkmethode, met weinig
simultane handelingen. Voor “H13” geldt hetzelfde. Toch stelt men hier een daling vast in
de analyseduur/videoduur. Op basis van het aantal elementen/filmduur kan geen
duidelijke oorzaak worden vastgesteld. De auteurs merken wel op dat de video van “H1”
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 103
minder duidelijk was waardoor de eigenlijke analyseduur daar langer was dan wat ze had
moeten zijn. De daling had zich daar al moeten voordoen.
Naar “E14” toe merkt men een sterke stijging. Een aantal kenmerken die hierbij
vastgesteld worden, zijn de vele machinetijd, het verplaatsen van handen die reeds in
beweging waren, regelmatige regrasps en het feit dat de handelingen vaak niet mooi
afgelijnd waren. Bovendien omvat deze werkmethode veel simultane handelingen en veel
kleine bewegingen. Ook andere elementen zoals stappen en lichaamsbewegingen komen
in deze methode voor.
Voor het volgende filmpje “Lampen” verhoogt de analysetijd/filmduur voor MTM-3 vrij
sterk, waar de overige methoden een daling kennen. Een eigenschap van deze video is
dat er heel wat kleine bewegingen aanwezig zijn met de vingers zoals het openen en
sluiten van het doosje waarin de lamp geplaatst. Hierin zou de mogelijke reden kunnen
liggen voor de toename in MTM-3. Voor de MTM-3 methode zijn er immers geen
elementen voorzien voor korte bewegingen als deze waardoor de keuze van het te
gebruiken element bemoeilijkt. Voor MTM-1 is de daling veel sterker dan voor de andere
systemen. De keuze voor de elementen hierbij is veel voor de hand liggender daarbij komt
dat deze cyclus weinig simultane handelingen bevat. Dit kan mogelijks een extra reden
zijn voor de lagere analyseduur van MTM-1.
Hoewel alle curves bij “Fiets” een daling kennen, toch merkt men een verschil in de mate
waarin de daling zich voordoet. MTM-2 en MTM-3 dalen zeer duidelijk, MTM-1 en SAM
doen dit veel minder uitgesproken. Opnieuw betreft het hier een zeer lange cyclus, met
veel overige bewegingen zoals stappen, lichaam bewegen, pompen, draaien…. Omwille
van de ongelijkmatige daling in de verschillende curves kan besloten worden dat de
invloed van de verschillende elementen niet voor alle systemen gelijk is. Deze overige
bewegingen nemen vaak een grote tijd in beslag, waardoor ze de analysetijd/filmduur
kunnen beperken. Een grote tijdsblok kan hierdoor namelijk snel geanalyseerd worden.
Verder wijst het groot aandeel van wachten in het totaal aantal handelingen er op dat er
weinig simultane handelingen voorkomen.
De reden van stijgen bij video “5_6” kan verklaard worden door de inhoud van het filmpje.
In de twee handenanalyse wordt gesproken over „doek aligneren‟. Deze handeling omvat
een aantal regrasps en moves, maar konden niet duidelijk gedefinieerd worden. Dit kan
de analysetijd beïnvloeden. Daarnaast is er ook een groter aantal handelingen per
seconde filmduur en zijn er meer simultane handelingen aanwezig.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 104
Bij “A1” stelt men vast dat de MTM-1 methode een toename kent, terwijl de overige
systemen dalen. Het gaat hier om een eenvoudige werkmethode. De stijging bij MTM-1 is
mogelijk te verklaren door het feit dat er heel wat gewicht diende toegekend te worden.
De inschatting van het gewicht gebeurde bij het toepassen van het eerste PDTM systeem,
zijnde MTM-1. Eens dit geschat is, hoeft dit niet meer te gebeuren bij de andere
systemen.
“Tafel” kent dan weer een daling. Hierbij werd de volledige inhoud als één cyclus
beschouwd, maar binnenin deze ene cyclus van het monteren van een tafel, zit de cyclus
van het monteren van een tafelpoot. Deze laatste herhaalt zich vier keer binnen de
grotere cyclus. Hoewel er wel nog duidelijke verschillen zijn tussen de cycli van de poot,
toch zijn er ook grote gelijkenissen. Hierdoor is het mogelijk dat de analyse van de 2e, 3e
en 4e poot sneller gebeuren en dus de analysetijd/filmduur ingekort wordt.
Video “A4” merkt men voor de vier systemen een vrij gelijkmatige stijging. Dit ondanks dat
het aantal elementen per seconde filmduur is afgenomen ten opzichte van “Tafel”.
Vergelijkt men dit echter met “A1” dan is deze stijging logisch. Ze hebben een gelijkaardig
aantal elementen per seconde filmduur maar “A4” bevat geen extra elementen als
stappen of zware voorwerpen waardoor het de analyse sneller verloopt.
Bij MTM-1 treedt er vervolgens een sterke daling op bij “A9”. Dit filmpje omvat duidelijke
handelingen, redelijk wat machinetijd en relatief veel stappen. Naar “Deurklink” toe merkt
men dat de analysetijd/filmduur beperkt verandert. “Deurklink” heeft een lange cyclustijd
en omvat veel grote blokken, zoals stappen, vast- of losdraaien en buigen. Deze zijn snel
geanalyseerd.
De reden voor de tegengestelde evolutie bij de analyseduur van de volgende twee video‟s
“FDW3” en “FDW20” kan niet zomaar op basis van een kwalitatieve analyse worden
bepaald. Het leereffect is hier ook een duidelijke factor. Bij de laatste paar analyses merkt
men dat de curves minder en minder variëren. Voor de beide Volvo filmpjes treedt er nog
een lichte daling op. De vergelijking met MTM-1 is hier niet mogelijk, aangezien deze
analyse reeds vroeger uitgevoerd werd en men dus niet over de tijdsduur van de analyse
beschikt.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 105
2.2. Bespreking leercurves VWF, MOST en MODAPTS
2.2.1. Aantonen gelijkmatig verloop
Deze analyse zou nu overgedaan kunnen worden voor de tweede grafiek (Figuur 23).
Hierbij werd in de analyse een andere volgorde aangehouden. Men kan de volgorde
aanpassen naar de volgorde die werd aangehouden bij MTM-1. Maar hierbij wordt het
leereffect genegeerd. Dit effect kan een belangrijke invloed hebben en bijgevolg een
vertekend beeld geven. Wanneer men geen leereffect zou hebben, dan zou een stijging in
analysetijd/videoduur in de meeste gevallen groter worden dan wanneer er wel een
leereffect aanwezig is. Voor een daling geldt het omgekeerde. Maar een lichte stijging in
een situatie zonder leereffect kan evengoed een lichte daling worden als men rekening
houdt met het leereffect. Het lijkt aangewezen om ook hier de opsplitsing voort te zetten.
De drie curves, VWF, MOST en MODAPTS, worden onderling vergeleken. Hierbij werd
het VWF systeem als referentie genomen.
Tabel 41: Correlatie, covariantie en verhouding verschillen t.o.v. VWF
MOST MODAPTS MOST MODAPTS MOST MODAPTS
Correlatie tov VWF Covariantie tov VWF Verhouding verschil tov VWF
H13-H1 1,00 1,00 5192,02 10273,14 0,75 1,49
H1-G3 -1,00 -1,00 -486,35 -172,99 -1,72 -0,61
G3-G2 1,00 1,00 145,30 79,67 4,45 2,44
G2-FDW20 -1,00 1,00 -125,43 148,25 -0,93 1,10
FDW20-FDW3 1,00 -1,00 132,71 -12,17 9,21 -0,84
FDW3-E14 1,00 1,00 792,77 787,73 1,77 1,76
E14-E7 -1,00 1,00 -90,37 79,61 -3,68 3,25
E7-E2 1,00 1,00 693,41 875,80 0,58 0,73
E2-E1 1,00 1,00 1414,93 1177,38 1,01 0,84
E1-A9 -1,00 -1,00 -8,29 -1,65 -59,16 -11,74
A9-A4 1,00 1,00 56,38 26,13 8,41 3,90
A4-A1 1,00 1,00 171,11 20,48 1,62 0,19
A1-5_6 1,00 -1,00 29,65 -8,51 12,69 -3,64
5_6-Deur 1,00 1,00 376,41 208,23 3,88 2,15
Deur-Lamp 1,00 1,00 149,86 255,66 1,49 2,54
Lamp-Tafel 1,00 1,00 119,78 231,45 0,87 1,69
Tafel-Fiets 1,00 1,00 29,02 20,12 1,86 1,29
2.2.2. Op zoek naar oorzaken (kwalitatief)
Opnieuw volgt eerst een kwalitatieve bespreking. Deze is gebaseerd op Tabel 41 in
combinatie met Tabel 40 en Figuur 23. De elementen die de analysetijd beïnvloedden
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 106
zouden overeen moeten komen met wat hoger werd vastgesteld. Bij de tweede analyse
wordt er meteen een grote daling vastgesteld in de leercurve. Dit kan voornamelijk
toegeschreven worden aan het leereffect. Anderzijds omvat “H1” eenvoudige
werkhandelingen. Bij VWF wordt deze daling verdergezet bij “G3”. De overige methoden
reageren echter anders. Mogelijks kan een verklaring opnieuw gevonden worden in het
voorkomen van simultane handelingen, hoewel de mate hiervan maar matig is. MOST en
MODAPTS moeten beide handen coderen, terwijl in VWF enkel een code moet gegeven
worden aan de overkoepelende handeling. Het effect van simultane handelingen dient
verder onderzocht te worden.
De eenvoud van “G2” zorgt voor een daling. Hetzelfde geldt voor “FDW20”. Bij MOST
merken we echter een kleine stijging. Dit kan te maken hebben met de beschrijving van
de definities bij MOST. Bij “FDW3” liggen alle analysetijden/videoduur dicht bij elkaar. Dit
betekent dat MOST het makkelijker heeft om de analyse uit te voeren, aangezien we uit
de literatuur afleiden dat MOST normaalgezien bijna dubbel zo lang zou moeten duren als
VWF en MODAPTS. De methodes liggen op een te verwachten niveau vergeleken met
het vorige filmpje.
“E14” kent dan een matig aandeel simultane handelingen, maar kan niet als enige
oorzaak gezien worden van de grote stijging. Bijkomende reden kan gevonden worden in
de snelle opeenvolging van bewegingen in de video, waardoor de analyse ingewikkelder
werd. MOST kent een sterke toename bij “E7”, hoewel de andere licht dalen. Nu wordt
wel een grote mate van simultaneïteit vastgesteld. Het effect is echter omgekeerd van wat
men zou verwachten. De oorzaak kan hier dus niet in gevonden worden. Het gaat hier om
een heel korte cyclus, mogelijks heeft dit een invloed op het resultaat. Een kleine
afronding van de tijdswaarde zal immers een groter effect hebben bij een korte cyclus dan
op een lange.
Het werk in “E2” is zeer divers en bestaat uit korte handelingen. Dit maakt de analyse
ervan minder vlot. In de volgende filmpjes stelt men weinig verschil vast. De methoden
reageren, op film “5_6” na, op eenzelfde manier. “E1” bevat elementen als hameren en
draaien aan een hendel. Toch stelt men een daling vast ten opzichte van “E2” wat deze
elementen niet bevat. Hieruit zou kunnen gesteld worden dat deze elementen een positief
effect hebben op de analyseduur. Ook dit dient echter nagegaan te worden. Bij “A9” stelt
men opnieuw vast dat de analyse bij MOST relatief gezien makkelijker verliep. Een
verklaring kan gezien worden in de aanwezigheid van “stappen”. Bij MOST is het immers
zo dat de grijpbewegingen, volgend op een stap, al inbegrepen zitten in dit element
waardoor deze niet meer moeten gecodeerd worden.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 107
Naar “A4” toe kennen de methodes een relatief gezien even grote stijging. Dit kan
mogelijk opnieuw gelegen zijn aan de korte cyclus. Nadien dalen de curves voor de
analysetijd van “A1”. Hierbij worden ook een aantal stappen gezet en wordt er ook
gedraaid aan een hendel. Net als voor “E1” blijkt dit een positief effect te hebben op de
analyseduur. Bij het verloop naar “5_6” stelt men vast dat MOST stijgt hier, waar de
andere vrij gelijk blijven. Omwille van het stappen zou men voor MOST echter ook een
dalend verloop verwachten wanneer men zich baseert op de vorige video‟s. Ook is er
maar een matige simultaneïteit aanwezig. De reden dient dus ergens anders gevonden te
worden. Volgens de auteurs heeft dit opnieuw te maken met de definities van MOST.
Bij “deurklink” stelt men een daling vast, ondanks de grote verscheidenheid in de
methode. Maar “deurklink” bevat heel wat grote blokken, waardoor er relatief gezien
minder handelingen zijn per tijdseenheid. Bovendien komen hier ook heel wat stappen
voor en repetitieve handelingen wat de analyse vereenvoudigt. Bij “lampen” is het
tegendeel waar. Door de kleine bewegingen zijn er meer bewegingen per seconde en
verhoogt de analysetijd. “Tafel” bevat veel herhalingen, dit verlaagt de relatieve
analysetijd. De daling zet zich verder bij “Fiets”, waar opnieuw regelmatige stappen
worden geanalyseerd en repetitieve bewegingen. De stijging bij de Volvo filmpjes ten
opzichte van het vorige filmpje wordt verklaard doordat er hier heel wat kleinere
handelingen voorkomen, die bovendien soms moeilijk te definiëren waren door de
onduidelijke video of door verwarrende handelingen.
2.3. Kwantitatieve benadering
Wil men nu eerder kwantitatief op zoek gaan naar mogelijke oorzaken van de
schommelingen, dan kan men al heel wat afleiden uit de voorgaande kwalitatieve
beschrijving. Er valt op dat het aantal lijnen in de twee-handenanalyse niet per se
overeenstemt met een bepaalde filmduur. Dit wil zeggen dat het aantal elementaire
handelingen per tijdseenheid variabel is. Het is niet verwonderlijk dat wanneer men twee
video‟s analyseert, waarvan de eerste meer handelingen per tijdseenheid heeft, de eerste
meer analysetijd/filmduur zal vergen dan de tweede. Uit de twee handenanalyse wordt
snel bepaald hoeveel elementen een werkmethode omvat. Overige bewegingen, zoals
stappen, buigen/rechtstaan, draaien en hameren worden afzonderlijk geteld en bij het
vorige opgeteld. Het element „Wachten‟ werd niet mee gerekend. Hieraan dient geen code
toegekend te worden. Vervolgens wordt de verhouding bepaald van dit aantal ten
opzichte van de tijdsduur van de cyclus. Dit alles is gebaseerd op de eerste cyclus van
elke werkmethode. In Tabel 42 wordt deze bewerking uitgewerkt. De curve die ontstaat
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 108
door per video het bijhorende “#elem/sec” uit te zetten, wordt samen met de
analysetijden/videoduur uitgezet in Figuur 24 en Figuur 25.
Tabel 42: Bepalen van het aantal elementen per tijdseenheid
1e cyclus # LH (zw) # RH (zw) # other # elem/sec
E1 26 33 10 4,189
E2 32 37 2 6,081
E7 14 12 0 9,927
G2 11 9 0 3,681
G3 13 16 0 4,245
H1 4 10 0 2,867
H13 14 19 0 3,600
E14 44 51 2 4,999
Lamp 16 25 0 4,236
Fiets 68 126 67 2,097
5_6 27 25 5 4,406
A1 25 31 13 4,297
Tafel 322 291 9 7,794
A4 11 8 0 4,202
A9 20 28 7 4,335
Deurklink 142 113 81 2,349
FDW3 12 12 0 4,301
FDW20 13 13 2 3,963
Volvo1711(S) 87 78 7 2,268
Volvo4103(J) 37 57 14 1,528
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 109
Figuur 24: Aantal elementen/tijdseenheid ten opzichte van de analysetijd/filmduur (MTM-1, MTM-2, MTM-3 en SAM)
Figuur 25: Aantal elementen/tijdseenheid ten opzichte van de analysetijd/filmduur (VWF, MOST en MODAPTS)
Indien de curves van de PDTM systemen een gelijkaardig verloop zouden vertonen als de
curve van het aantal elementen per tijdsduur, dan zou dit laatste inderdaad een verklaring
kunnen zijn voor het verloop van de analysetijd/videoduur. Op het zicht is dit niet direct
vast te stellen. De correlatie tussen de verschillende curves kan enkel statistisch
aangetoond worden.
0
2
4
6
8
10
12
0,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
90,00
# e
lem
en
ten
/tijd
seen
heid
An
aly
seti
jd/f
ilm
du
ur
Video
MTM-1
MTM-2
MTM-3
SAM
#elem / sec
0
2
4
6
8
10
12
0,00
50,00
100,00
150,00
200,00
250,00
# e
lem
en
ten
/tijd
seen
heid
An
aly
seti
jd/f
ilm
du
ur
Video
MODAPTS
MOST
VWF
#elem / sec
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 110
2.3.1. Berekening correlatie met elementendichtheid
Eerst werd voor elke methode de correlatie berekend tussen het aantal elementen per
seconde cyclustijd en de waarden van de analyseduur per seconde cyclustijd. De
correlatie is steeds positief en duidt bijgevolg op een gelijklopende trend. Wanneer de
dichtheid van de elementen toeneemt, stijgt de analyseduur per seconde cyclustijd dus in
zekere mate mee. De berekende waarden zijn gegeven in onderstaande
Tabel 43. De waarden voor de MTM methodes liggen rond de waarde 0.5. De correlatie is
hier dus nog vrij groot. Voor de overige systemen varieert dit echter tussen 0.08 en 0.29.
Hiervoor kan dus niet met zekerheid gezegd worden dat de verandering in de analyseduur
te wijten is aan de elementendichtheid. Deze neigen bijgevolg eerder naar geen
statistisch verband. Dit duidt er op dat nog andere elementen meespelen in de bepaling
van de analyseduur.
Tabel 43: Correlatie tussen het aantal elementen per seconde en de analysetijd per videoduur
#elem / sec MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
gem 4,18 51,01 22,16 14,16 14,30 59,20 67,10 62,67
corr 0,58 0,55 0,46 0,29 0,08 0,27 0,13
2.3.2. Voorspelling van analyseduur
Nu de correlatie voor de verschillende systemen is aangetoond kan getracht worden de
werkelijke analyseduur te voorspellen op basis van de verhouding tussen de
elementendichtheid en de gestandaardiseerde analyseduur. Deze verhouding zou een vrij
constante waarde moeten hebben indien er inderdaad een statistisch verband bestaat.
Men stelt echter een grote standaardafwijking vast voor dit gemiddelde. Hieruit kunnen
wel, uitgaande van een normale verdeling, betrouwbaarheidsintervallen berekend worden.
De gemiddelde verhouding ligt dan met 95% zekerheid in dit interval.
Tabel 44: Bepalen betrouwbaarheidsinterval bij de verhouding aantal elementen/sec op analysetijd/videoduur
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
gem 0,0898 0,2051 0,3054 0,2986 0,0952 0,0729 0,0803
stdev 0,0288 0,0983 0,1270 0,1395 0,0582 0,0432 0,0444
95% (2z) onder 0,0765 0,1620 0,2497 0,2375 0,0683 0,0539 0,0609
btrwb int boven 0,1031 0,2482 0,3610 0,3597 0,1220 0,0918 0,0998
alpha=5% Z(a/2) 1,96 1,96 1,96 1,96 1,96 1,96 1,96
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 111
De voorspelde waarden worden berekend door de duur van de te analyseren cyclus te
delen door de hierboven bepaalde verhouding. Op de voorspelde waarden kan dan een
Chi-kwadraattest worden uitgevoerd. Deze gaat na in hoeverre de voorspelde
analyseduur overeenstemt met de geobserveerde waarden. Indien deze statistiek onder
een kritische waarde valt, dan is het model een goede benadering van de werkelijkheid.
Dan zou men kunnen besluiten dat men uit het aantal elementen per seconde een goede
schatting kan maken van de analyseduur. Zoals verwacht liggen de berekende Chi-
kwadraatwaarden boven deze kritische waarden (zie Tabel 45). De kritische waarden
werden berekend voor een significantie van 5% volgens onderstaande formule.
∑( )
Tabel 45: Chi-kwadraattest
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
chi² test 92,89 67,68 39,86 42,19 942,15 367,72 910,83
chi² krit 27,59 30,14 30,14 30,14 27,59 30,14 30,14
Uit deze resultaten besluit men dat de werkelijke waarden niet enkel afhankelijk zijn van
de elementendichtheid maar dus ook nog van andere factoren. Om deze te achterhalen
kunnen ook de correlaties tussen mogelijke belangrijke factoren en de analyseduur
berekend worden. De factoren waarmee de correlatie zal worden nagegaan zijn: het
aantal keer stappen, het aantal keer buigen en opstaan, het aantal keer schroeven,
hameren, pompen of draaien aan een hendel en het aantal keer toelages moeten
gegeven worden voor gewicht. Daarnaast wordt ook nagegaan of er een verband is met
de mate waarin handen wachten tijdens het werk.
2.3.3. Berekening correlatie met werkinhoud
Net als in voorgaande berekening wordt eerst de dichtheid bepaald van elk van deze
factoren. Daarna wordt de correlatie tussen deze dichtheid en de analyseduur berekend.
Onderstaande Tabel 46 geeft hiervan de resultaten weer.
Tabel 46: Correlatie met de overige elementen
Correlaties MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
Walk -0,364 -0,233 -0,120 0,004 -0,330 -0,339 -0,322
B&A -0,189 -0,220 -0,175 -0,205 -0,338 -0,440 -0,311
Crank 0,293 0,365 0,400 0,354 -0,076 0,066 -0,021
Screw -0,202 -0,188 -0,165 -0,166 -0,291 -0,393 -0,280
Hammer 0,214 0,331 0,380 0,275 -0,067 0,060 -0,046
Pomp -0,127 -0,130 -0,056 -0,108 -0,227 -0,286 -0,191
Weight 0,351 0,342 0,272 0,440 -0,062 0,053 0,038
Wait -0,465 -0,083 -0,032 -0,185 0,110 -0,221 -0,048
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:2 Verband leercurves en werkinhoud 112
Door gebrek aan video‟s met deze elementen moeten deze correlaties echter met een
kritisch oog worden benaderd. Enkel voor stappen en wachten kan met enige zekerheid
een verband gesteld worden. Aan de hand van de waarden voor stappen zou men
kunnen zeggen dat de analyseduur langer wordt naarmate minder stappen voorkomen.
Dit kan door logisch redeneren bevestigd worden. Wanneer een bepaalde werkinhoud
een groot aantal stappen bevat, wil dat dikwijls zeggen dat gedurende deze stappen geen
andere elementen voorkomen of gemaskeerd worden door deze stap. Dit haalt enerzijds
de elementendichtheid omlaag welke een positieve correlatie heeft met de analyseduur
en anderzijds zijn de waarden voor stappen gemakkelijk te bepalen. Voor SAM lijkt de
analyseduur minder invloed te ondervinden van het aantal stappen.
Wanneer de geanalyseerde werkinhoud een groot aandeel wachten voor de handen
inhoudt („wait‟), wil dit zeggen dat er minder simultane handelingen voorkomen dan
wanneer dit aandeel laag is. Uit de kwalitatieve beschrijving van DEEL IV:2.1.2 komt de
vraag of de analyseduur afhankelijk is van de mate waarin simultane handelingen
voorkomen. Om dit na te gaan dient de correlatie berekend te worden tussen het aandeel
wachten en de analyseduur. De verhouding van het aantal keer wachten tot het totaal
aantal elementen dient hiervoor eerst bepaald te worden. Uit de berekende correlatie uit
Tabel 46 stelt men vast dat vooral MTM-1 sterk wordt beïnvloed. SAM en MOST
ondervinden ook in mindere mate een negatieve correlatie maar bij de andere systemen
kan geen significant effect worden aangetoond. De negatieve correlatie duidt er op dat
hoe meer het element “wachten” in de twee-handenanalyse voorkomt, en dus hoe minder
simultane handelingen er voorkomen, hoe korter de analyseduur wordt. Nogmaals, dit is
hier enkel aangetoond voor MTM-1 en kon niet duidelijk worden aangetoond voor de
andere PDTM systemen.
Daarnaast zijn er nog andere invloeden te bedenken. Denk daarbij aan de kwaliteit van de
video‟s. Een analyse zal veel sneller kunnen uitgevoerd worden wanneer de inhoud en de
kwaliteit van de filmpjes optimaal is. Dit was in de geanalyseerde video‟s niet altijd het
geval. Wanneer een cyclus zeer kort is, is het effect van een afronding op de analyseduur
ook veel groter.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 113
3. Snelheid van aanleren
3.1. Verloop leercurve toekenning van tabelwaarden
Een grafiek van de benodigde tijd om aan elke code ook de bijhorende tijdswaarde toe te
kennen kan snel opgesteld worden. Ook hier stelt men in zekere mate een leereffect vast
(zie Figuur 26).
Het is duidelijk dat MTM-1 meer tijd vergt om de correcte waarde toe te kennen dan de
overige methodes, gevolgd door MTM-2, VWF, MTM-3 en SAM. MOST en MODAPTS
werden weggelaten omdat zij geen opzoekwerk vereisen. In MOST wordt met indices
gewerkt die men vervolgens dient te vermenigvuldigen met een bepaalde factor. Voor
MODAPTS werd een formule opgesteld die, rekening houdend met het al dan niet
simultaan zijn van bepaalde handelingen, de tijdswaarde berekent aan de hand van de
toegekende code.
Figuur 26: Tijdswaarden toekennen aan de codes / filmduur
3.2. Opstellen van algemene leercurves
De bovenstaande grafieken (Figuur 24 en Figuur 25) kunnen nu gecombineerd worden
met Figuur 26. Zo bekomt men de totale tijd die nodig was om de analyse uit te voeren
van de eerste cyclus in verhouding tot de duur ervan. De leercurve zal op basis van die
waarden opgesteld worden. (Figuur 27 en Figuur 28).
Men stelt vast dat de leercurves naar het einde toe sterk afvlakken voor alle methodes.
Voor de eerste waarden hebben deze curves echter een grillig verloop waardoor het
0,00
20,00
40,00
60,00
80,00
100,00
120,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20Videonummer
MTM-1
MTM-2
MTM-3
SAM
VWF
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 114
interessanter is om de trendlijn te gebruiken bij het verder bepalen van de
leerpercentages. De logaritmische trendlijn van elke curve en zijn vergelijking worden
bepaald aan de hand van Excel. Hieruit kan vervolgens de procentuele verandering ten
opzichte van het voorgaande filmpje berekend worden (zie Tabel 48). De procentuele
verandering is duidelijk telkens een verbetering.
Figuur 27: Totale analysetijd / eerste cyclus (MTM-1, MTM-2, MTM-3, SAM)
Figuur 28: Totale analysetijd / eerste cyclus (VWF, MOST en MODAPTS)
De tijd die uiteindelijk nodig zou zijn om een analyse volgens deze verschillende
systemen uit te voeren, kan aan de hand van deze laatst opgestelde leercurves bepaald
y = -14,44ln(x) + 93,798 R² = 0,3645
y = -9,43ln(x) + 47,198 R² = 0,5039
y = -3,952ln(x) + 24,523 R² = 0,3749
y = -2,126ln(x) + 20,794 R² = 0,2281
0,00
20,00
40,00
60,00
80,00
100,00
120,00E
1
E2
E7
G2
G3
H1
H1
3
E14
La
mpe
n
Fie
ts
5_
6
A1
Tafe
l
A4
A9
De
urk
link
FD
W3
FD
W20
Volv
o 1
71
1
Volv
o 4
10
3
#sec a
naly
seti
jd/f
ilm
du
ur
Video
MTM-1
MTM-2
MTM-3
SAM
y = -23,43ln(x) + 116,69 R² = 0,313
y = -35,3ln(x) + 137,4 R² = 0,4187
y = -41,2ln(x) + 148,04 R² = 0,5692
0,00
50,00
100,00
150,00
200,00
250,00
H1
3
H1
G3
G2
FD
W20
FD
W3
E14
E7
E2
E1
A9
A4
A1
5_
6
De
urk
link
La
mpe
n
Tafe
l
Fie
ts
Volv
o 4
10
3
Volv
o 1
71
1
#sec a
naly
seti
jd/f
ilm
du
ur
Video
MOST
MODAPTS
VWF
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 115
worden (zie Tabel 48). Deze waarden kunnen dan vergeleken worden met de waarden uit
de literatuur (zie Tabel 47).
Een methode wordt als beheerst beschouwd wanneer de procentuele verbetering onder
de arbitrair gekozen waarde van 2% zakt. Dit is voor elke methode op een verschillend
moment. Bij MTM-1 wordt dit vrij vlug bereikt na het analyseren van een achttal filmpjes.
Hierbij dient wel opgemerkt te worden dat de MTM-1 methode reeds aangeleerd en
toegepast werd in de cursus “Tijd- en Methodestudie” van Professor Van Goubergen. Het
MTM-3 systeem bereikt dit punt sneller dan de MTM-2 methode, wat een logisch resultaat
is, gezien het feit dat MTM-3 een hoger niveau PDTM systeem is dan MTM-2. SAM duikt
echter nog sneller onder de grens van 2%, hoewel het van een lager niveau is dan MTM-
3. Een verklaring hiervoor is de grote gelijkenis met het MTM-2 systeem, wat eerder werd
toegepast. Ook de overige drie methoden zakken onder de arbitraire grens van 2% na
een 10 à 15-tal analyses.
De uiteindelijk experimenteel bepaalde waarde voor de analysetijd/filmduur kan nu
bepaald worden. Zoals gezegd wordt in dit werk een PDTM systeem als beheerst
beschouwd, wanneer een verbetering van minder dan 2% wordt verkregen. De waarden
die hier vermeld worden zijn de waarden van de trendlijn die bij de procentuele
verbetering van maximaal 2% horen. Dit geeft het resultaat zoals weergegeven in
onderstaande Tabel 47.
Tabel 47: Analysetijd/filmduur: literatuur versus experimenteel met leercurve
Methode MTM-1 MTM-2 SAM MTM-3 VWF MOST MODAPTS
Literatuur 250 100 50 35 à 50 20 50 30
Experimenteel 63 25 17 16 37 61 45
Men stelt vast dat voor de eerste vier methodes de experimenteel bepaalde waarden heel
wat lager liggen dan de waarden uit de literatuur. Men kan op zoek gaan naar oorzaken
waarom de MTM-1 waarde experimenteel 63 uitkomt en in de literatuur 250 wordt
gevonden. De tijd voor het uitvoeren van de twee-handenanalyse werd niet in rekening
gebracht. Het is niet duidelijk of de waarde uit de literatuur deze wel of niet mee rekent.
Bovendien werd enkel de tijd voor een eerste globale analyse bijgehouden. Alle
aanpassingen en verbeteringen die later werden doorgevoerd, zijn hier dus niet meer bij
opgeteld. Deze redenen kunnen verklaringen zijn voor de toch wel grote afwijking ten
opzichte van de waarde uit de literatuur. Dezelfde redenen kunnen aangehaald worden
voor de overige MTM methodes en SAM; de analysetijd/filmduur ligt lager dan de in de
literatuur getabelleerde waarden. Deze tendens wordt tevens versterkt doordat men
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 116
gaandeweg de inhoud van de filmpjes beter leert kennen, wat de analysetijd per systeem
verder inkort. De analysetijd van bijvoorbeeld MTM-3 zou hoger gelegen hebben,
wanneer men dit systeem als eerste had toegepast.
Bekijkt men nu de methodes VWF, MOST en MODAPTS. De verschillen met de in de
literatuur gevonden waarden, zijn voor deze methodes minder groot. Er werden zelfs
experimenteel gevonden waarde bepaald die hoger liggen dan die in de literatuur. Een
verklaring kan gevonden worden in het feit dat deze drie methoden op een heel andere
manier toegepast dienen te worden dan bijvoorbeeld MTM-1. MTM-1 baseert zich voor de
analyse op de twee-handenanalyse, terwijl dit voor deze drie systemen nauwelijks het
geval is. Deze drie methodes zijn sterk verschillend van de hierboven aangehaalde
methodes, die allemaal duidelijk afgeleiden zijn van MTM-1. Het feit dat de analyses door
een ander persoon werden toegepast, kan ook een mogelijke verklaring zijn waarom nu
een overschatting wordt vastgesteld terwijl dit voor de eerste auteur eerder een
onderschatting was. Bovendien werd over MODAPTS maar een beperkte hoeveelheid
aan informatie gevonden waardoor het moeilijker was deze techniek toe te passen. De
waarden liggen lager wanneer men rekening houdt met de volledige filmduur omdat er
dan herhaling optreedt en dus de relatieve analysetijd daalt. Dit laatste zou echter een
vertekend beeld kunnen geven van de waarden.
Bovendien blijken de logaritmische trendlijnen geen goede benaderingen van de
leercurven. Dit wordt duidelijk gemaakt aan de hand van de R² waarden. Deze waarde is
een statistiek die informatie geeft over de mate waarin een model de werkelijke data
benadert en kan waarden aannemen tussen 0 en 1. Waarbij de waarde 1 staat voor een
perfecte overeenkomst tussen de door het model voorspelde waarden en de
experimenteel bepaalde waarden. Voor de hier opgestelde leercurves varieert de R²
waarde tussen 0.2281 en 0.5692. De variabiliteit van de leercurve is dus vrij groot, wat het
moeilijker maakt om betrouwbare conclusies te maken.
Bovendien zou men kunnen opperen dat de theorie van de leercurves hier niet volledig
toepasbaar is, aangezien ieder filmpje een andere inhoud bevat. De theorie zou wel
gelden indien men hetzelfde filmpje herhaaldelijk zou analyseren. In deze studie werd wel
telkens eenzelfde methode toegepast op filmpjes met een variërende inhoud, waardoor er
weliswaar een vorm van leereffect ontstaat, maar met een sterke variabiliteit. Het
leereffect heeft dus vooral betrekking op het aanleren van de methode; handelingen
kunnen sneller gelabeld worden met een bepaalde code en de bijhorende tijdswaarde
wordt sneller gevonden in de tabellen of men kent ze zelfs al uit het hoofd.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 117
Tabel 48: Analysetijd/filmduur op basis van de trendlijn
MTM-1 MTM-2 SAM MTM-3 VWF MOST MODAPTS MTM-1 MTM-2 SAM MTM-3 VWF MOST MODAPTS
1 93,80 47,20 20,79 24,52 148,04 116,69 137,40-14,44ln(x)
+ 93,798
-9,43ln(x) +
47,198
-2,126ln(x)
+ 20,794
-3,952ln(x)
+ 24,523
-41,2ln(x) +
148,04
-23,7ln(x) +
121,52
-35,3ln(x) +
137,4
2 83,79 40,66 19,32 21,78 119,48 100,45 112,93 10,67% 13,85% 7,09% 11,17% 19,29% 13,92% 17,81%
3 77,93 36,84 18,46 20,18 102,78 90,95 98,62 6,24% 8,10% 4,15% 6,53% 11,28% 8,14% 10,42%
4 73,78 34,13 17,85 19,04 90,92 84,21 88,46 4,43% 5,75% 2,94% 4,64% 8,01% 5,78% 7,39%
5 70,56 32,02 17,37 18,16 81,73 78,98 80,59 3,44% 4,46% 2,28% 3,60% 6,21% 4,48% 5,73%
6 67,92 30,30 16,98 17,44 74,22 74,71 74,15 2,81% 3,64% 1,86% 2,94% 5,07% 3,66% 4,68%
7 65,70 28,85 16,66 16,83 67,87 71,10 68,71 2,37% 3,08% 1,58% 2,48% 4,29% 3,10% 3,96%
8 63,77 27,59 16,37 16,31 62,37 67,97 64,00 2,06% 2,67% 1,37% 2,15% 3,72% 2,68% 3,43%
9 62,07 26,48 16,12 15,84 57,51 65,21 59,84 1,81% 2,35% 1,20% 1,90% 3,28% 2,36% 3,03%
10 60,55 25,48 15,90 15,42 53,17 62,74 56,12 1,62% 2,11% 1,08% 1,70% 2,93% 2,12% 2,71%
11 59,17 24,59 15,70 15,05 49,25 60,51 52,75 1,47% 1,90% 0,97% 1,54% 2,65% 1,91% 2,45%
12 57,92 23,77 15,51 14,70 45,66 58,47 49,68 1,34% 1,74% 0,89% 1,40% 2,42% 1,75% 2,24%
13 56,76 23,01 15,34 14,39 42,36 56,59 46,86 1,23% 1,60% 0,82% 1,29% 2,23% 1,61% 2,06%
14 55,69 22,31 15,18 14,09 39,31 54,86 44,24 1,14% 1,48% 0,76% 1,19% 2,06% 1,49% 1,90%
15 54,69 21,66 15,04 13,82 36,47 53,24 41,81 1,06% 1,38% 0,71% 1,11% 1,92% 1,39% 1,77%
16 53,76 21,05 14,90 13,57 33,81 51,73 39,53 0,99% 1,29% 0,66% 1,04% 1,80% 1,30% 1,66%
17 52,89 20,48 14,77 13,33 31,31 50,31 37,39 0,93% 1,21% 0,62% 0,98% 1,69% 1,22% 1,56%
18 52,06 19,94 14,65 13,10 28,96 48,97 35,37 0,88% 1,14% 0,58% 0,92% 1,59% 1,15% 1,47%
19 51,28 19,43 14,53 12,89 26,73 47,70 33,46 0,83% 1,08% 0,55% 0,87% 1,50% 1,09% 1,39%
20 50,54 18,95 14,43 12,68 24,62 46,50 31,65 0,79% 1,02% 0,52% 0,83% 1,43% 1,03% 1,32%
Analysetijd/filmduur op basis van de trendlijn
PDTM systeem Procentuele verandering
Film
num
mer
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 118
3.3. Bepalen van leerpercentage
Zoals gezegd werd de leercurve opgesteld aan de hand van een trendlijn bepaald door
Excel. De theorie van de leercurves [3.1] kan ook toegepast worden. Hierbij wordt gebruik
gemaakt van de aritmetische methode om het leerpercentage te bepalen. Deze theorie
verklaart dat de tijd per eenheid met een constant percentage daalt, naarmate de
productie verdubbelt. Wanneer een leersnelheid X bepaald wordt, dan zal de benodigde
tijd om een tweede filmpje te analyseren slechts X procent van de tijd nodig om het eerste
filmpje te analyseren, in beslag nemen. Dit geldt dus voor elke verdubbeling in de
uitgevoerde analyses. Men kan het leerpercentage aldus berekenen van het eerste naar
het tweede, van het tweede naar het vierde, van het vierde naar het achtste en van het
achtste naar het zestiende element. Zoals reeds vermeld is de variabiliteit in de
opgemeten tijden van de analyseduur vrij groot, waardoor de berekening van het
leerpercentage op basis hiervan schommelingen zal vertonen. Omwille van deze grote
variatie zal de aritmetische bepaling van de leerpercentages gebeuren op basis van de
trendlijn. Ook al is de “fit” met de data niet perfect is deze manier toch betrouwbaarder.
De berekening gebeurde door de verbetering te bepalen van de waarden van de trendlijn
tussen het 1e en 2e punt, het 2e en 4e punt, het 4e en 8e punt en het 8e en 16e punt. Nadien
werd hiervan het gemiddelde bepaald, wat dan een goede benadering is van de
leersnelheid. Het leerpercentage bekomt men door ( 1 – X ) te berekenen.
Tabel 49: Leersnelheden op basis van de trendlijnen
trendlijn MTM-1 MTM-2 SAM MTM-3 VWF MOST MODAPTS
1-2 89% 86% 93% 89% 81% 86% 82%
2-4 88% 84% 92% 87% 76% 84% 78%
4-8 86% 81% 92% 86% 69% 81% 72%
8-16 84% 76% 91% 83% 54% 76% 62%
GEM 87% 82% 92% 86% 70% 82% 74%
Aan de hand van de gevonden snelheden, is het mogelijk om de benodigde analysetijd te
schatten van alle volgende filmpjes. Dit is echter zonder rekening te houden met factoren
die de analyses sterk beïnvloeden, zoals hoger reeds aangehaald werd. De schatting van
de volgende analysetijden/videoduur kan dan als volgt gebeuren, bijvoorbeeld met behulp
van de logaritmische benadering:
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:3 Snelheid van aanleren 119
de tijd nodig voor de nde eenheid
het productnummer
de tijd nodig voor de eerste eenheid
de helling van de leercurve
Waarbij b gedefinieerd wordt als:
( )
( )
De waarden van de leersnelheid haalt men uit Tabel 49.
Men stelt vast dat de leersnelheden van de methodes VWF en MODAPTS vrij hoog
liggen. Dit betekent dat er een vrij aanzienlijk verschil is tussen de analysetijd/videoduur in
het begin van de uitgevoerde analyses en de later uitgevoerde. Zonder voorkennis van
het systeem, kunnen deze systemen klaarblijkelijk sneller aangeleerd worden. Uit de
literatuurstudie was al gebleken dat MODAPTS zo ontworpen was om snel aangeleerd en
toegepast te kunnen worden. Een iets tragere leersnelheid treedt op bij MTM-2 en MOST.
MOST is een systeem dat, door gebruik te maken van een lange sequentie, op een
andere manier wordt toegepast dan de overige systemen. Het duurt langer om deze
techniek onder de knie te krijgen. Bovendien zijn de tabellen van MOST nog vrij
uitgebreid. MTM-2 heeft een gelijkaardige leersnelheid. Dit systeem kent een mooie
leercurve. Men moet echter opletten bij het interpreteren van deze waarden. Bij SAM zou
men verkeerdelijk kunnen besluiten dat het om een ingewikkelde methode gaat die traag
aangeleerd wordt. De reden voor de hogere waarde echter is dat dit systeem een
afgeleide is van de MTM-2 methode. Hierdoor is SAM aanvankelijk al beter gekend en is
de leercurve minder uitgesproken. Dit kan gestaafd worden uit Tabel 49 door te kijken
naar de eerste rij. Bij SAM ligt deze waarde hoger dan bij de overige systemen. Dit
betekent dat de verbetering in analyseduur beperkter is voor de tweede analyse.
Hetzelfde is waar voor het MTM-3 PDTM systeem. De verbetering is beperkt omdat men
met een „normale‟ analysetijd/videoduur start. Van MTM-1 zou men een lagere
leersnelheid kunnen verwachten. Ook hier is er echter sprake van voorkennis. Men pikt
als het ware later in op de leercurve.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL IV:4 Tussentijdse samenvatting leercurves en analyseduur 120
4. Tussentijdse samenvatting leercurves en analyseduur
In het voorgaande deel werd de analysetijd/videoduur bepaald aan de hand van onze
experimenteel gevonden waarden. Door de correlatie met de tijden van MTM-1 te
berekenen, werd aangetoond dat de curve van elk systeem alle een gelijkaardig verloop
vertonen. Er werd dan eerst kwalitatief op zoek gegaan naar onderliggende oorzaken.
Deze bevindingen werden vervolgens kwantitatief nagegaan. Algemeen werd
geconcludeerd dat er verschillende oorzaken zijn voor het verloop. Het aantal stappen
bleek de grootste positieve correlatie te vertonen. De mate van simultaneïteit, berekend
uit het aantal „wacht‟-elementen had een omgekeerd effect op de analysetijd/videoduur.
Ook werd er rekening gehouden met het leereffect dat ontstaat na het herhaaldelijk
toepassen van eenzelfde methode op verscheidene filmpjes. Om de leerpercentages te
berekenen werd van de leercurves de trendlijn opgesteld. Uit de R² waarde echter bleken
deze geen al te goede benaderingen te zijn.
Een PDTM systeem werd als gekend verondersteld indien de verbetering in tijdsduur ten
opzichte van het vorige filmpje onder de arbitrair gekozen grens van 2% zakt. Dit
gebeurde bij alle methodes binnen de eerste 15 analyses. De bijhorende
analysetijd/filmduur werd berekend en vergeleken met de literatuur. Er werd vastgesteld
dat voor de MTM-methodes en SAM de experimenteel bepaalde analysetijd/videoduur
heel wat lager lag dan die die in de literatuur gevonden kan worden. Voor de systemen
VWF, MOST en MODAPTS werden wel soortgelijke, zelfs iets hogere, waarden als in de
literatuur gevonden. Redenen hiervoor werden aangehaald. Ook de leerpercentages
werden berekend. Hieruit volgde dat VWF en MODAPTS het snelst aan te leren waren.
Daarna volgen MTM-2 en MOST. Ook MTM-3 en SAM zijn snel aan te leren, ondanks de
hoge percentages die hiervoor gevonden werden. Zij hebben een beperkt leereffect
omdat ze eenvoudig zijn. MTM-1 is de moeilijkst aan te leren methode.
DEEL V: Conclusies en bemerkingen
Dit laatste deel vat voorgaande conclusies van beide deelproblemen nogmaals samen en
geeft aanbevelingen over hoe deze dienen geïnterpreteerd te worden. Er wordt een
manier van werken voorgesteld hoe men dit onderzoek kan gebruiken om een PDTMS te
selecteren voor een bepaalde arbeid.
Vervolgens worden nog enkele mogelijkheden voor toekomstig werk aangereikt.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL V:1 Algemene Conclusie 122
1. Algemene Conclusie
Indien een analist moet uitmaken welk systeem hij wenst toe te passen om een tijdstudie
uit te voeren, dan zijn er heel wat parameters die zijn keuze kunnen beïnvloeden. Langs
de ene kant wil hij een systeem dat accuraat genoeg is en langs de andere kant liefst een
dat snel aangeleerd en toe te passen is. Het is dus niet evident om een keuze te maken.
In deze thesis hebben de auteurs getracht een manier te vinden om uit enkele van de
bestaande systemen toch een keuze te kunnen maken op basis van de verwachte
afwijking die elk systeem zou opleveren en op basis van de complexiteit van deze
systemen. De complexiteit heeft namelijk een invloed op de analyseduur.
Om de methode toe te passen zoals deze in deze thesis werd beschreven, wordt van de
analist verwacht dat hij enkele kenmerken van het te analyseren werk kent. Men denkt
daarbij aan de types grijpen, reiken en verplaatsen. Ook de afstanden dienen min of meer
gekend te zijn. Dit bleek vooral van belang voor korte cycli. Voor langere cycli kan zonder
al te diep in te gaan op de afstanden een benadering voor de afwijking worden berekend.
Uit de toepassing van de theoretische bevindingen in de praktijk bleek dat het element
met het grootste gewicht in de totale werkinhoud bepalend is voor de totale afwijking.
Daarom kan de keuze voor het nauwkeurigste systeem gebaseerd worden op de
afwijkingen van de grootste en meest voorkomende elementen uit een cyclus. Men dient
voor lange cycli dus geen gedetailleerde analyse te doen van de handelingen. Enkel van
de voornaamste handelingen de gewogen gemiddelde afwijking berekenen is voldoende.
Voor korte cycli, bleek uit de resultaten dat een meer gedetailleerde kennis van de
werkinhoud noodzakelijk is.
In de theoretische benadering werden een aantal vaststellingen gedaan over welke
systemen de laagste afwijking vertonen ten opzichte van MTM-1 bij verschillende
elementen. Wat hierbij vooral opviel is dat MTM-2 over de brede lijn het nauwkeurigst
bleek. Behalve bij moeilijke positioneringen is de afwijking groot. Voor deze elementen
vertonen MOST en VWF veel betere resultaten. Deze zijn dan ook aan te raden voor
werkcycli met dergelijke moeilijke assemblages. Het is duidelijk dat indien men een goede
keuze wil maken voor het te gebruiken systeem, men zich kan baseren op de uitgevoerde
vergelijkingen. Men kijkt echter wel best naar het geheel van handelingen en baseert zich
beter niet op een enkele handeling.
Niet enkel de nauwkeurigheid speelt een rol in de selectie van een PDTMS maar ook de
analyseduur en de complexiteit van een systeem. Uit dit tweede luik van de thesis kan
besloten worden dat de analyseduur afhankelijk is van de specifieke eigenschappen van
een werkmethode. Er werd aangetoond dat de analyseduur positief correleert met het
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL V:1 Algemene Conclusie 123
aantal elementen er per tijdseenheid voorkomen in het werk. De correlatie is echter vrij
beperkt, wat er op duidt dat er nog andere parameters de analyseduur beïnvloeden. Zo
zal de analyseduur inkorten wanneer de werkmethode uit grote blokken bestaat, zoals
stappen en boren. Deze kunnen namelijk snel herkend en gecodeerd worden. Een hogere
mate van simultaneïteit verhoogt dan weer de relatieve analyseduur. Er werd
geconcludeerd dat er, om het verband tussen de werkinhoud en de analyseduur beter te
kunnen achterhalen, heel wat meer analyses nodig zijn.
Het bijhouden van de analysetijden was ook belangrijk voor het opstellen van een
leercurve. Wanneer een nieuw PDTM systeem wordt toegepast, dan komt daar een
leereffect bij te pas. Dit betekent dat de analyseduur per videoduur aanvankelijk langer zal
zijn dan wanneer een aantal analyses werden uitgevoerd. De leercurves werden
benaderd aan de hand van een trendlijn. Hieruit kon dan de analyseduur/videoduur
bepaald worden en vergeleken met de waarden die hierover in de literatuur te vinden zijn.
Algemeen werd besloten dat voor de MTM methodes de praktische waarden heel wat
lager lagen dan de literatuurwaarden. De overige methodes benaderden deze waarden
beter. Uiteindelijk werden ook de leerpercentages bepaald. Hieruit besluit men dat de
methodes VWF, MODAPTS, SAM en MTM-3 snel aangeleerd kunnen worden. Daarna
volgen MOST en MTM-2. MTM-1 blijkt de moeilijkst aan te leren methode te zijn.
Om nu een definitieve keuze te maken tussen de systemen moet men nog steeds een
afweging maken omtrent de gewenste nauwkeurigheid en de snelheid aan dewelke men
de analyse wenst toe te passen. De resultaten uit dit onderzoek kunnen daarbij helpen.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL V:2 Toekomstig werk 124
2. Toekomstig werk
De studie die in dit werk werd uitgevoerd was gebonden aan een zekere tijdslimiet en is
daardoor ingeperkt. Dit wil zeggen dat nog lang niet alle mogelijkheden verkend zijn. Er is
zeker nog ruimte over voor toekomstig werk.
Er zijn al tal van gecomputeriseerde PDTM systemen op de markt, waarbij het een al
beter is dan het ander [1.5][1.17], maar nog geen om te bepalen welk PDTMS het meest
geschikt is. Een interessante weg die men zou kunnen inslaan is deze van een
computerprogramma. In plaats van zelf telkens de gewogen afwijking te berekenen voor
de verschillende systemen is het interessant hiervoor een programma te ontwikkelen.
Door een aantal elementen van de te onderzoeken werkinhoud in het programma in te
geven kan het zelf een vergelijking maken tussen de verschillende elementen en de
gewogen afwijking voorspellen die met elk van de systemen zal worden bekomen.
Hiervoor dient voor korte cycli wel voldoende gedetailleerde informatie ingegeven worden.
Voor langere cycli zou dit programma daarom waarschijnlijk geschikter zijn. Men dient
hierbij de uitgewerkte voorbeelden in gedachten te houden. In het geheugen kunnen zich
de verschillende tabellen bevinden van de verschillende systemen, welke worden gebruikt
om de vergelijking te maken. De programmering dient dan zo te gebeuren dat het
systeem weet welke combinaties van handelingen mogelijk zijn en welke definities van de
verschillende systemen overeenkomen. De output van het programma zou een
aanbeveling moeten zijn welke systemen in aanmerking komen op basis van de vereisten
van de gebruiker. Dit houdt in dat zowel rekening wordt gehouden met de nauwkeurigheid
alsook met de analyseduur. Het eerste kan gemakkelijk theoretisch worden berekend.
Voor de analyseduur zijn de verbanden met de werkinhoud noodzakelijk.
De vergelijking van de verschillende PDTM systemen kan gemakkelijk uitgebreid worden.
Enerzijds zouden nog meer systemen geëvalueerd kunnen worden. Hierbij kan men
denken aan Detailed Work Factor, MiniMOST, MaxiMOST, varianten op MTM, enzovoort.
Anderzijds zouden de systemen op meer video‟s kunnen worden toegepast. In dit werk is
gebleken dat het niet eenvoudig is om de theoretisch verworven conclusies, te toetsen
met de praktijk. Het grootste probleem dat telkens optrad was de grote variatie in het
gedrag van de systemen. De curves van de resultaten uit de praktijk, zowel op vlak van
de analyseduur als van de nauwkeurigheid, waren enorm grillig. Door de methodes op
een veelvoud aan filmpjes toe te passen, kan dit euvel verholpen worden. De filmpjes
dienen een zeer gevarieerde inhoud te bevatten en een groot bereik wat betreft de
cyclusduur.
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL V:2 Toekomstig werk 125
Voorts zou men, indien men beschikt over een zeer groot aantal aan video‟s, deze
kunnen indelen volgens industrie. Hieruit zou men dan een gerichter voorstel kunnen
doen voor de keuze van het „beste‟ PDTM systeem. Het kan bijvoorbeeld zijn dat in een
bepaalde industrie een specifieke methode de voorkeur heeft, terwijl diezelfde methode in
andere industrieën af te raden is. Indien een grootschalig onderzoek over verschillende
industrieën wordt opgezet zouden eventueel ook overeenkomsten tussen bepaalde types
werk kunnen worden ontdekt. Stel bijvoorbeeld dat bij verschillende bedrijven voor een
bepaald industrieel proces telkens dezelfde handelingen, bewegingselementen
terugkomen. Wanneer hiervan de afwijking wordt bepaald voor de verschillende
systemen, dan kan men bepalen welk systeem het best geschikt is voor dergelijke
processen. Men zou bijgevolg een beslissingsboom kunnen opstellen op basis van de
conclusies uit de uitgebreidere studie. Deze zou de gebruiker ervan, aan de hand van
enkele vragen, tot het best te gebruiken PDTM systeem moeten leiden. Deze
beslissingsboom zou ook de achterliggende gedachte van het te ontwerpen
computerprogramma kunnen zijn.
Een groter aantal video‟s zou ook de relatie tussen de werkinhoud en de analyseduur
duidelijker kunnen maken. Hier kon men moeilijk de invloed van bepaalde handelingen
(denk aan hameren, boren…) bepalen aangezien deze slechts enkele malen
voorkwamen. Een mogelijke oplossing om deze invloeden toch te kunnen bepalen is door
van eenzelfde werkinhoud een variatie te hebben in de werkmethode. Wanneer twee
analoge video‟s, waarbij de ene wel hameren bevat en de andere niet, worden
geanalyseerd en vergeleken, dan zou men de invloed van het hameren op de
analyseduur kunnen achterhalen. Het hameren is natuurlijk slechts een voorbeeld. Er zijn
heel wat factoren die de analysetijd beïnvloeden. Deze factoren hebben bovendien ook
een effect op de nauwkeurigheid van de analyses.
Een mogelijkheid om de analyseduur te achterhalen zonder dat daarbij experimenteel te
werk gegaan moet worden (wat betekent dat er zeer veel filmpjes geanalyseerd moeten
worden), is door gebruik te maken van een PDTM systeem. Zoals vermeld is Mento
Factor daar mogelijks voor geschikt. Dit PDTM systeem kan toegepast worden om te
achterhalen hoelang een analyse met een bepaald PDTM systeem zou moeten duren. Dit
werd niet uitgevoerd door de auteurs omwille van de heel beperkte beschikbaarheid van
informatie hierover.
De resultaten en bevindingen uit deze thesis zouden ook kunnen gebruikt worden voor
het opbouwen van een nieuw PDTMS op basis van de onderzochte systemen. Van de
verschillende systemen zouden bijvoorbeeld de best passende elementen kunnen worden
Benchmarking studie van PDTM systemen Universiteit Gent
DEEL V:2 Toekomstig werk 126
geselecteerd. Op die manier kan men een kleinere afwijking ten opzichte van MTM-1
bekomen dan elk systeem afzonderlijk. Mogelijks is de nauwkeurigheid zelfs vergelijkbaar
met of beter dan MTM-1. Daarnaast zouden de bestaande systemen ook kunnen herzien
worden omdat men bijvoorbeeld bij een aantal elementen een systematische over- of
onderschatting vaststelt. Een gelijkaardige opmerking werd hiervan al gemaakt in [1.20]
waar wordt voorgesteld om telkens het beste element te nemen van ofwel BMT, DWF of
MTM-1.
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage A Therbligs classificatie 127
DEEL VI: Bijlagen
Bijlage A. Therbligs classificatie
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage B MTM-1 tabellen 128
Bijlage B. MTM-1 tabellen
REACH
Distance [cm] Time TMU Hand in motion
A B C/D E A B
2 2 2 2 2 1,6 1,6
4 3,4 3,4 5,1 3,2 3 2,4
6 4,5 4,5 6,5 4,4 3,9 3,1
8 5,5 5,5 7,5 5,5 4,6 3,7
10 6,1 6,3 8,4 6,8 4,9 4,3
12 6,4 7,4 9,1 7,3 5,2 4,8
14 6,8 8,2 9,7 7,8 5,5 5,4
16 7,1 8,8 10,3 8,2 5,8 5,9
18 7,5 9,4 10,8 8,7 6,1 6,5
20 7,8 10 11,4 9,2 6,5 7,1
22 8,1 10,5 11,9 9,7 6,8 7,7
24 8,5 11,1 12,5 10,2 7,1 8,2
26 8,8 11,7 13 10,7 7,4 8,8
28 9,2 12,2 13,6 11,2 7,7 9,4
30 9,5 12,8 14,1 11,7 8 9,9
35 10,4 14,2 15,5 12,9 8,8 11,4
40 11,3 15,6 16,8 14,1 9,6 12,8
45 12,1 17 18,2 15,3 10,4 14,2
50 13 18,4 19,6 16,5 11,2 15,7
55 13,9 19,8 20,9 17,8 12 17,1
60 14,7 21,2 22,3 19 12,8 18,5
65 15,6 22,6 23,6 20,2 13,5 19,9
70 16,5 24,1 25 21,4 14,3 21,4
75 17,3 25,5 26,4 22,6 15,1 22,8
80 18,2 26,9 27,7 23,9 15,9 24,2
MOVE
Distance [cm] Time TMU Hand in motion
A B C B
2 2 2 2 1,7
4 3,1 4 4,5 2,8
6 4,1 5 5,8 3,1
8 5,1 5,9 6,9 3,7
10 6 6,8 7,9 4,3
12 6,9 7,7 8,8 4,9
14 7,7 8,5 9,8 5,4
16 8,3 9,2 10,5 6
A – Reach object in fixed location, or
to object in other hand or on which
other hand rests
B – Reach to single object in location
which may vary slightly from cycle to
cycle
C – Reach to Object jumbled with
other objects in a group so that search
and select occur
D – Reach to very small object, or
where an accurate grasp is required
E – Reach to indefinite location to get
hand in position for body balance or
next motion or out of way
A – Move an object against stop or other hand
B – Move object to approximate indefinite
location
C – Move object to an exact location
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage B MTM-1 tabellen 129
18 9 9,8 11,1 6,5
20 9,6 10,5 11,7 7,1
22 10,2 11,2 12,4 7,6
24 10,8 11,8 13 8,2
26 11,5 12,3 13,7 8,7
28 12,1 12,8 14,4 9,3
30 12,7 13,3 15,1 9,8
35 14,3 14,5 16,8 11,2
40 15,8 15,6 18,5 12,6
45 17,4 16,8 20,1 14
50 19 18 21,8 15,4
55 20,5 19,2 23,5 16,8
60 22,1 20,4 25,2 18,2
65 23,6 21,6 26,9 19,5
70 25,2 22,8 28,6 20,9
75 26,7 24 30,3 22,3
80 28,3 25,2 32 23,7
TURN
Weight Time TMU for degrees turned
30° 45° 60° 75° 90° 105° 120° 135° 150° 165° 180°
Small 0 to 1kg 2,8 3,5 4,1 4,8 5,4 6,1 6,8 7,4 8,1 8,7 9,4
Medium 1,1 to 5kg 4,4 5,5 6,5 7,5 8,5 9,6 10,6 11,6 12,7 13,7 14,8
Large 5,1 to 16kg 8,4 10,5 12,3 14,4 16,2 18,3 20,4 22,2 24,3 26,1 28,2
APPLY PRESSURE
Full cycle Components
Symbol TMU Description Symbol TMU Description
APA 10,6 AF+DM+RLF AF 3,4 Apply Force
DM 4,2 Dwell, Minimum
APB 16,2 APA+G2 RLF 3 Release Force
DISENGAGE
Class of fit Easy to handle Difficult to handle
1 Loose 4 5,7
2 Close 7,5 11,8
3 Tight 22,9 34,7
RELEASE
Case TMU Description
1 2 normal release
2 0 contact release
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage B MTM-1 tabellen 130
POSITION
Class of fit Symmetry Easy to handle Difficult to handle
1 Loose No pressure required
S 5,6 11,2
SS 9,1 14,7
NS 10,4 16
2 Close Light pressure required
S 16,2 21,8
SS 19,7 25,3
NS 21 26,6
3 Exact Heavy pressure required
S 43 48,6
SS 46,5 52,1
NS 47,8 53,4
CRANK
Diameter (cm) TMU
2,54 8,5
5,08 9
7,62 10,6
10,16 11,4
12,7 12,1
15,24 12,7
17,78 13,2
20,32 13,6
22,86 14
GRASP
1A 2
1B 3,5
1C1 7,3
1C2 8,7
1C3 10,8
2 5,6
3 5,6
4A 7,3
4B 9,1
4C 12,9
5 0
1A – Pick up grasp; small, medium or large object by itself, easily grasped
1B – Very small object or object lying close against a flat surface
1C1 – Interference with grasp on bottom and one side of nearly cylindrical object.
Diameter larger than 12mm.
1C2 – Interference with grasp on bottom and one side of nearly cylindrical object.
Diameter 6 to 12mm.
1C3 – Interference with grasp on bottom and one side of nearly cylindrical object.
Diameter less than 6mm.
2 – Regrasp
3 – Transfer grasp
4A – Object jumbled with other object so search and select occur. Larger than
25x25x25mm
4B – Object jumbled with other object so search and select occur. 6x6x3mm to
25x25x25mm
4C – Object jumbled with other object so search and select occur. Smaller than
6x6x3mm
5 – Contact, sliding or hook grasp
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage B MTM-1 tabellen 131
25,4 14,4
27,94 14,7
30,48 15
35,56 15,6
40,64 16
45,72 16,4
50,8 16,7
EYE TRAVEL & FOCUS
Eye travel time = 15,2 *T/D (max 20TMU)
T= Distance between 2 points
D= Distance eye-reading platform
BODY, LEG AND FOOT MOTIONS
Description
Distance TMU
Foot motion - Hinked at ankle
up to 10cm 8,5
-with heavy pressure
19,1
Leg or foreleg motion
up to 15cm 7,1
ea add. cm 0,5
Sidestep - case 1 up to 30cm 17
complete when leading leg contacts floor ea add. cm 0,2
-case 2
up to 60cm 34,1
lagging leg must contact floor before
ea add. cm 0,4
next motion can be made
Bend, stoop, kneel on 1 knee
29
Arise
31,9
Kneel on floor - both knees
69,4
Arise
76,7
Sit 34,7
Stand from sitting position
43,4
Turn body 45 to 90°
- case 1
18,6
complete when leading leg contacts floor
- case2
37,2
Lagging leg must contact floor before
next motion can be made
Walk per meter
17,4
per pace
15
Obstructed walk 17
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage C MTM-2 tabellen 132
Bijlage C. MTM-2 tabellen
GET
Distance Code
Case Description 2 (5cm) 5 (15cm) 12 (30cm) 18 (45cm) 32 (>45cm)
GA No grasp necessary 3 6 9 13 17
GB Simple closing of fingers or hand 7 10 14 18 23
GC Any other grasp 14 19 23 27 32
PUT
Distance Code
Case Description 2 (5cm) 5 (15cm) 12 (30cm) 18 (45cm) 32 (>45cm)
PA Smooth continuous motion 3 6 11 15 20
PB Some irregularity in motion pattern 10 15 19 24 30
PC Correcting motions obvious 21 23 30 36 41
OTHER
Get Weight 1 TMU/kg
Put Weight 1/5 TMU/kg
Apply pressure 14 TMU
Regrasp 6 TMU
Eye action 7 TMU
Crank 15 TMU
Step movement 18 TMU
Foot movement 9 TMU
Bend & Arise 61 TMU
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage D MTM-3 tabellen 133
Bijlage D. MTM-3 tabellen
Handle Transport
Distance [cm] Code HA HB TA TB
15,24 6 18 34 7 21
>15,24 32 34 48 16 29
Step/Foot 18 Bend&Arise 61
Bijlage E. SAM tabellen
GET PUT
Distance [cm] Single Item Handfull Direct Precise
10 2 8 2 5
45 4 10 4 7
80 5 11 5 8
Screwing
Code
Schroefdraaddiameter
<=4 (4)-7 (7)-15 (15)-26
4 7 15 26
Met de vingers, gemakkelijk SA 2 2 3 3
Met de vingers, weerstand SB 3 3 4 5
Schroevendraaier, gemakkelijk SC 2 3 4 -
Schroevendraaier, weerstand SD 3 4 5 -
Pomp-schroevendraaier SE 3 3 - -
Ratelsleutel SF 3 4 5 7
Platte steeksleutel SG 6 8 10 12
Inbussleutel SH 3 4 6 8
T-sleutel SI 6 7 8 10
TO & FROM
Code
Lengte in cm. Eén richting
<=10 (10)-45 >45
10 45 80
FA 2 5 7
Apply weight 2
Apply Force 3
Step 3
Bend & Arise 12
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage E SAM tabellen 134
HAMMER
code Tijd/slag
Lichte slagen (pols) HA 2
Krachtige slagen (voorarm) HB 4
READ
code Tijd
1 term lezen RA 2
Vergelijken van 2 termen RB 7
Aflezen van schaal RC 8
Check RD 3
NOTE DOWN
Code Tijd
Drukletters/cijfers NA 5
Schrijfletters NB 3
PRESS BUTTON
Code Tijd/toets
PA 2
CRANK
Code Tijd/omwenteling
CA 3
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage F MOST tabellen 135
Bijlage F. MOST tabellen
I - Allignment
Push/Pull/Turn Crank Seconds Minutes Hours
≤ 30 cm
Button
Switch
Knob
> 30 cm
Resistance
Seat or Unseat
High Control
2 Stages ≤ 60 cm (24 in.) Total
2 Stages > 60 cm (24 in.) Total
1 - 2 Steps
3 - 4 Stages
3 - 5 Steps
16 6 - 9 Steps 7 - 11 Rev. 7,0 Sec 0,11 Min 0,0019 Hr Precision 16
BasicMOST System - Controlled Move - A B G M X I A
Index x10
M - Move Controlled X - Process Time
Index x10
1 Point 1
3 1 Rev. 1,5 Sec 0,02 Min 0,0004 Hr2 Points ≤ 10 cm
(4 in.)3
1 0,5 Sec 0,01 Min 0,0001 Hr
6
10 4 - 6 Rev. 4,5 Sec 0,07 Min 0,0012 Hr 10
6 2 - 3 Rev. 2,5 Sec 0,04 Min 0,0007 Hr2 Points > 10 cm
(4 in.)
Index x10 A - Action Distance B - Body Motion Index x10
Pickup
Toss
Light Object Lay Aside
Light Objects Simo Loose Fit
Sit or Stand Light Objects Non-Simo Loose Fit Blind or Obstructed
Bend and Arise 50% occ. Heavy or Bulky Adjustments
Blind or Obstructed Light Pressure
Double Placement
Bend and Arise Care or Precision
Heavy Pressure
Blind or Obstructed
Intermediate Moves
10 5 - 7 Steps Sit or Stand with Adjustments 10
Stand and Bend
Bend and Sit
Climb On or Off
Through Door
BasicMOST System - General Move - A B G A B P AG - Gain Control P - Placement
0 ≤ 5 cm 0
1 Within reach
Grasp
Put 1
6
16 8 - 10 Steps 16
Disengage
Interlocked
Collect
6 3 - 4 Steps
Position
3 1 - 2 Steps
Get Place 3
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage F MOST tabellen 136
M - Measure
Cutoff Secure Cut Slice Air-CleanBrush-
CleanWipe Measure Mark Inspect
Scissors Knife Nozzle Brush Cloth Measuring Tool MarkerEyes/Fin
gers
Wire Cuts Slices0,1 m²
(sq. ft.)
0,1 m²
(sq. ft.)
0,1 m²
(sq. ft.)Digits Words Digits Points
Digits,
Single
Words
Tekst of
Words
1 Grip 1 - - - - 1 -Check
Mark1 1 3 1
1 3 8
Scribe
Line
1 5 6 15
9 12 24
Feel for
Defect
Fixed Scale 9 2 36
Caliper ≤ 30cm (12in.)
24 15 6 4 3 - Feeler Gauge 13 3 7 19 54 24
Steel Tape ≤ 2m (6ft.)
Depth Micrometer
OD-Micrometer
≤ 10cm (4in.)
ID-Micrometer
≤ 10cm (4in.)
119 5429 7 16 42
94 4223 5 13 34
54 33
7 742 27 11 10
7 5 532 20 9 26 72 3218 4 10
7 3 -
5 14 16
Signature or Date Table Value
1 2 6Feel for
Heat
Scale Value
Date or Time
10Vernier Scale
16
Secure
Cotter
Pin
11 4 3 2 2
- 1 Profile Gauge 6 - 310 Hard
6 Medium
Twist
Form
Loop
4 - 1Spot
Cavity
2
- 4
- 3 3Gauge
Pencil/Pen Eyes
3 Soft 2 1 - - 1/2
BasicMOST System -Tool Use (2) - A B G A B P * A B P A
Index
X10
C - Cut S - Surface Treat R - Record T - Think
Index x10
Write Read
Pliers
Finger
Action
Spins Turns Strokes Cranks Taps Strokes Cranks Strikes
Fingers,
Screwdriv
ers
Hand,
Screwdriv
er,
Ratchet, T-
Wrench
WrenchWrench,
Ratchet
Hand,
HammerRatchet
T-Wrench,
2-HandsWrench
Wrench,
RatchetHammer
1 1 - - - 1 - - - - -
3 2 1 1 1 3 1 - 1 - 1
6 3 3 2 3 6 2 1 - 1 3
10 8 5 3 5 10 4 - 2 2 5
16 16 9 5 8 16 6 3 3 3 8
24 25 13 8 11 23 9 6 4 5 12
32 35 17 10 15 30 12 8 6 6 16
42 47 23 13 20 39 15 11 8 8 21
54 61 29 17 25 50 20 15 10 11 27
BasicMOST System -Tool Use (1) - A B G A B P * A B P A
Index
x10
F - Fasten or L - Loosen
Wrist Action Arm Action
Turns
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage F MOST tabellen 137
Beslissingsboom voor de keuze van MOST
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage G MODAPTS tabellen 138
Bijlage G. MODAPTS tabellen
Type Movement MODs Dist (cm)
Finger (M1) Knuckle 1 2,54
Hand (M2) Wrist 2 5,08
Forearm (M3)
Elbow 3 15,24
Whole Arm (M4)
Shoulder directly forward, perhaps body assistance
4 30,48
Extended Arm (M5)
Shoulder fully left, right, or
across the body
5 45,72
Trunk (M7) Shoulder involving the body trunk
7 76,20
Type Conscious Control
Description
G0 Low Touch only
G1 Low Pick up easy object
P0 Low No conscious
G3 High Pick up flat object, or objects in a bin, hard
to pick up object
P2 High Requires one feedback (information)
P5 High Requires two feedbacks
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage G MODAPTS tabellen 139
GET Small/Light (*) Large/Heavy (*)
G0 Contact get (touching)
G1
Simple grasp get (closing fingers
around objects)
G2 One hand engagement
G3
Get with feedback (sensory or visual
feedback involved)
G4 Two hand engagements
G8 Three hand engagements
PUT Small/Light (*) Large/Heavy (*)
P0
Simple put (general or indefinite
location) General location (no orderliness)
P2 Put with feedback (definite location) With orderliness
P5 Put with feedbacks (exact location) One new contact (exact location)
(*) Heavy objects : over 18 lbs (*) Large objects : 16” x 16” x 16”
over 8,2 kg 41 x 41 x 41 [cm]
Type
Juggle (J2)
Apply extra force (X4)
Bend and arise (B17)
Sit and stand (S30)
Walk (W5)
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage H VWF tabellen 140
Bijlage H. VWF tabellen
0-
1-
2-
3-
-0
Mechanical
Surface
Mechanical
Surface
Mechanical
Surface-3
hole -3mm AND tolerance -10%
two margins -3mm
Assemble (joining 2 objects, margin =< 16 mm)
No assembly (move)
-1hole +3mm AND tolerance +10%
two margins +3mm
-2hole -3mm OR tolerance -10%
one margin -3mm
VWF Rules
Grasp
No grasp, one holds the object already
Grasp an isolated object with a main
Grasp an object with a main dimension more
Grasp an object with a main dimension less or
T Turn
S Simultaneous
Pp Preposition
W1, W2, W3 Weight/Resistance
B Bringing out of fingers
Add-ons
VWF
0 1 2 3
0 10 [5] [10] [15]
1 30
2 35
3 25 30 35 40
W1 -3 5
-5
-9
W3 -12 10 20
T
S
Pp
B
10
Assembly
Gra
sp
20 25 30
5
5
W2 5 1520
5
5
0-0 10 VU
2 x 0-0 20 VU
2,5 x 0-0 25 VU
11n + 10 VU
13n + 14 VU
Weight >12kg
Slippery floor
Bad view
"Shaky load"
11n + 20 VU
13n + 24 VU
0,5 x 0-0 5 VU
1,5 x 0-0 15 VU
0-0 10 VU
Undisturbed (+evt turn -90°)
Disturbed (+evt turn -90°)
Undisturbed + turn -180°
Disturbed + turn -180°
Head turn
Stand up from chair
Sit down on chair
Walk (n meters)
Other VWF Rules
Body turns and walk
One feet
Both feet
Turn >90°
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage H VWF tabellen 141
0-0 10 VU
3n
4n
6n
9n
10n
4n-6n-7n
6n
5n
5 VU
5 VU
6n
10n
Reading 5 letters/figures (successive)
Checking max. 4 features
Hammer blows
Up stroke + down stroke (n = number of blows)
Light hammer
Heavy hammer
Checking (distance 38cm - good contrast)
Start threads
Turning down (n = number of turns)
By hand
With small screwdriver (light)
With normal screwdriver (light < 1,5kg)
With normal screwdriver (heavy 1,5-3kg)
With normal screwdriver (heavy >3kg)
With ratchet screwdriver (l-h-vh)
With Yankee screwdriver (no socket)
With Yankee screwdriver (socket)
Screwdriver assembly code (.-3 T)
Surface assembly (margins -3mm)
Turn add-on
assemble: tolerance usually +10%
Bolts - nuts
Other VWF Rules
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage I MF-C tabellen 142
Bijlage I. MF-C tabellen
Element AV X RU Element Afstand "a" in cm (°) X RU
Ogen instellen (Oi)
>=1,02 & <=1,50 1 4 Ogen draaien
(Od)
-3,5 5,2 0 0
>1,50 &<=2,00 2 5 -20 30,5 1 1
>2,00 3 6 -25 38,4 2 2
Ht -45° -30 46,5 3 4
-90° -50 82,3 4 6
Controleren (Mk)
Fouten % per interval
Aantal actiesign.
X RU
Ok
Ligging Aantal kenmerken
X RU
<=20%
2 1 2 Ordelijk/ bekend
<=8 1 0
3-4 2 3 >8 & <=12 2 1
>4 3 4 13 3 2
>20%
2 4 3 Onordelijk
<=3 4 1
3-4 5 4 >3 & <=6 5 2
5-6 6 7 Met omgevingseffect
3 6 3
>6 7 9 >3 & <=6 7 5
Contrast <0,8; tijd +1RU
Kenmerkgrootte in µm Afmeting in cm
Kenmerkgrootte in µm Afmeting in cm
H V H V
<=110 3,1 2,4 >250 & <=300 8,3 7,1
>110 & <=125 5 3,9 >300 & <=325 9,8 8,4
>125 & <=150 5,7 4,5 >325 & <=350 11,6 10
>150 & <=175 5,7 4,6 >350 & <=375 14,9 12,9
>175 & <=200 6 4,8 >375 & <=400 19,7 17,1
>200 & <=250 6,7 5,5 Ch/0,8*(H,V)= ..,. ..,.
Lezen (Ml)
Aantal kentekens
X RU
Ip Hr
Aantal kenmerken/ groepen kenmerken
X RU
Ol
Ligging Aantal kenmerken
X RU
max. 5 1 5 1 1 1 Ordelijk
1 1 0
Contrast <0,8; tijd +1RU 2 en 3 2 2 >=2 & <=5 2 1
4 en 5 3 3
Onordelijk
3 3 3
4 4 4
5 5 5
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlage I MF-C tabellen 143
Tellen (Mt)
Aantal voorwerpen Aantal acties X RU
Ot
Ligging Aantal voorwerpen X RU
2 2 1 3
Ordelijk
2 1 1
3 2 4 3 en 4 2 2
3 en 4
2 3 4 5 3 3
3 4 5 Onordelijk
3 4 3
5 2 5 5 4 5 5
3 6 6 5 6 6
Contrast <0,8; tijd +1RU
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Algemeen overzicht PDTM systemen 144
Bijlage J. Algemeen overzicht PDTM systemen
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 145
Bijlage K. Beschrijving video’s
E14:
Operator staat recht voor een tafel waarop dunne platen liggen. De bovenste plaat wordt vastgenomen,
opgehoffen en naar een werktafel ernaast geplaatst. De operator zet hiervoor 1 stap. De plaat wordt
losgelaten en tegen de stop van de machine geduwd. De machine sluit zich. De zijkant van de plaat wordt
geplooid, terwijl de operator de plaat naar boven begeleidt. Wanneer de machine weer opent, wordt de plaat
verlaagd tot op de werktafel. De operator draait de plaat 180° door er een duw aan te geven en te hernemen.
De plaat wordt opnieuw tegen de stop van de machine geduwd waarna de machine sluit, de plaat plooit en
omhoog wordt gebracht en de machine opnieuw opent en de plaat omlaag wordt gebracht. Hierna volgt een
kwartdraai van de plaat om de derde zijkant te kunnen plooien, gevolgd door een halve draai zodat de laatste
zijkant geplooid wordt. De plaat wordt vervolgens neergezet op de grond, hiervoor draait het lichaam en
worden 2 kleine stappen gezet. De operator draait zich vervolgens om naar de tafel met platen om de cyclus
te herbeginnen. Deze cyclus wordt drie keer, met variatie, herhaald.
A9:
De beschouwde cyclus start iets later dan de video. De operator staat in het midden van zijn werkomgeving.
Hij zet een kwartdraai, 1 stap en reikt naar een plaat. Deze dunne platen liggen op een stapel op een tafel. De
plaat wordt vastgenomen en naar het lichaam toe getrokken, gepaard gaande met een achterwaartse stap.
De operator laat de plaat rusten op zijn been en grijpt de plaat vooraan vast. Hij heft ze op, doet een
kwartdraai en plaatst de tafel op de machine. Daarna wordt de plaat iets dieper in de machine geschoven en
correct gepositioneerd. Dit duurt een tijdje en werd als machinetijd beschouwd. De operator reikt vervolgens
met beide handen naar twee knoppen bovenaan de machine. Hierdoor sluit de machine zich en wordt er een
bewerking uitgevoerd. De machine opent wanneer de knoppen worden losgelaten. De operator reikt met de
rechterhand naar de plaat, schuift ze naar zich toe en neemt ze met beide handen vast. De rechterhand
herneemt de plaat. Hierna wordt de plaat op een stapel afgewerkte platen geplaatst. Hiermee gaan een
kwartdraai en 1 stap gepaard.
A1:
De operator staat voor een bak waarin de objecten liggen. Hij buigt licht om een object te nemen. Dit is zwaar
en vrij log. Hierdoor wordt het object eerst op een „wachtplaats‟ gelegd en hernomen om een betere grip te
krijgen. De operator komt recht, doet een kwartdraai en 1 zijstap om het object op de machine te plaatsen. Hij
herneemt het object, schuift het verder en positioneert het. Hiervoor moest hij opnieuw licht buigen.
Vervolgens komt hij recht, reikt met de rechterhand naar een hendel en geeft daar een halve draai aan. Terwijl
de rechterhand het andere uiteinde van de hendel neemt, reikt de linkerhand naar het object en grijpt het vast.
De hendel wordt opnieuw een halve omwenteling bewogen. Er volgt een machinetijd van 1sec. De hendel
wordt 360° verdraaid. Beide handen grijpen opnieuw het andere uiteinde en geven een kwartdraai aan de
staaf. De rechterhand draait de hendel daarna twee volledige omwentelingen terug. De operator neemt het
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 146
object op, zet 1 stap en verplaatst het naar de bak met afgewerkte stukken. Hier is nog een lichte
positionering nodig. En ook een kwartdraai om de cyclus af te ronden. De cyclus wordt nog 2 keer herhaald,
maar voor de analyses werden enkel de eerste en de tweede bekeken.
FDW20:
De stikster zit neer met lappen stof op haar schoot. Daarvan neemt ze er één vast en schudt het los. Hierbij
verplaatst en herneemt ze het stuk een aantal keer. Ze plaatst het stuk textiel op de stikmachine. Eén voet
wordt verplaatst van het pedaal. Het stuk wordt gepositioneerd op de machine (of er wordt al wat gestikt?). De
voet wordt op het pedaal geplaatst en deze wordt ingeduwd. Er volgt 4 seconden machinetijd, waarbij de
handen het stuk stof naar voor begeleiden. De handen hernemen het stuk, verplaatsen het naar onder om het
vervolgens te verplaatsen, bijna te gooien, op een afgewerkte stapel. Deze cyclus wordt herhaald tot en met
een deel van het stikken.
FDW3:
De operator plaats twee kokers onder het bovenstuk aan de zijkant van de machine, dat aan het opengaan is.
Daarna reikt ze naar het object dat op de machine ligt. Daar worden een aantal handelingen uitgevoerd. Het is
echter niet volledig duidelijk wat ze daar doet. Daarom werd dit als machinetijd gekozen (2sec). Nadien wordt
er met beide handen naar de kokers gereikt en vastgenomen. Deze worden verplaatst naar een knop. Deze
wordt, met de kokers in de handen, ingedrukt. De machine sluit en opent. De knoppen worden opnieuw
ingeduwd. De machine sluit weer en terwijl deze opent, beweegt de operator de kokers opnieuw naar de
machine. En plaatst ze aan de zijkant. Deze cyclus wordt slechts ten dele herhaald.
A4:
De operator heeft net een bout in de uitsparing geplaatst met de linkerhand. De rechterhand is ter hoogte van
de staafjes. Eén staafje wordt weggerold en opgehoffen met de rechterhand, terwijl de linkerhand naar een
nieuwe bout reikt, grijpt en deze opheft. De bout wordt ter hoogte van de buik van de operator over de staaf
gepositioneerd. Hierbij komen een aantal draaibewegingen te pas. Deze zijn variabel in de verschillende cycli
(langer/korter). Daarna laat de rechterhand de constructie los en reikt al naar de staafjes. De linkerhand
plaatst de constructie naar de opslag in de uitsparingen. Dit herhaalt zich vervolgens nog 6 keer.
5_6:
De dame staat voor haar werktafel, lichtjes gedraaid naar een constructie waar doeken over hangen. De
kwartdraai wordt voltooid, met een been beweging. De operator reikt en grijpt een van de doeken vast. Ze
trekt deze naar zich toe. Terwijl ze het doek vastgehouden houdt, zet ze een stap naar achter en draait zich
terug naar de tafel. Ze heft het doek een beetje omhoog en ondertussen „aligneert‟ ze het gevouwen doek.
Twee kleine stappen zijn nodig om het doek vervolgens naar de tafel te verplaatsen en los te laten. Ze reikt
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 147
naar het midden van het gevouwen doek en legt het daar wat beter. Het doek wordt opgetild, wat heen en
weer bewogen en, na een stap naar voor, op de tafel terug neergelaten. Dan worden de onderste hoeken
vastgenomen en naar de bovenste hoeken omgevouwen. Die worden hernomen en naar onder gevouwen. De
operator legt haar linkerhand rechts op het gevouwen doek. De rechterhand vouwt een derde van het doek
erover. De linkerhand verplaatst naar de linkerzijde en vouwt dat deel van het doek toe. Datzelfde hand
herneemt het volledig opgevouwen doek en verplaatst dit naar een stapel aan de linkerzijde. Dit wordt volledig
analoog herhaald. Daarna volgt nog een klein stukje van de derde cyclus.
H13:
Het werk begint met het verwijderen van een afgewerkt stuk van een machine. De operator reikt naar het stuk
en verplaatst het rechts opzij. Vervolgens neemt ze met de linkerhand een stuk links van haar, gevolgd door
dezelfde beweging met de rechterhand. Deze twee onderdelen worden op het onderste deel van de machine
recht voor haar gemonteerd. Een derde stuk wordt met de rechterhand genomen en gemonteerd aan de
bovenkant van de machine. De operator reikt naar een knop vooraan de werktafel. Hierop gaat de machine
toe (1,25sec) en worden beide delen op elkaar gemonteerd om een afgewerkt stuk te vormen. Dit is één
cyclus. Deze wordt in „H13‟ nog 4 keer herhaald.
H1:
De startpositie van de operator is dat deze het afgewerkt stuk op de machine al vast heeft met de
rechterhand. De linkerhand heeft ook al een nieuw stuk in de hand. Het afgewerkt stuk wordt verplaatst naar
een locatie rechts zonder te moeten plaatsen. Het nieuw stuk wordt verplaatst naar het gezichtsveld, waar ook
de rechterhand het stuk overneemt. Deze brengt het naar de machine en positioneert het daar. Ondertussen
neemt de linkerhand al een nieuw stuk vast en verplaatst het naar het werkgebied. Beide handen reiken elk
naar een knop bovenaan de machine. Deze voert vervolgens een bewerking uit die 0,5sec duurt. De
rechterhand verwijdert dan weer het afgewerkt stuk. De cyclus is rond en wordt in totaal 8 keer uitgevoerd.
G3:
De operator heeft met de linkerhand een nieuw onderdeel vast dat in een doos zit. De rechterhand houdt een
onderdeel, dat gepositioneerd is op een tussenpost, vast. De video start. De rechterhand verwijdert het
onderdeel naar een bak rechts van hem. Het nieuw onderdeel wordt naar het werkgebied verplaatst. De
rechterhand wordt bijgevoegd. Beide handen bewegen naar voor, naar de machine. De linkerhand verplaatst
en monteert het nieuwe onderdeel. De rechterhand neemt ondertussen het afgewerkt stuk dat nog in de
machine zat en plaatst het op een tussenpost. Eerst de rechterhand en dan ook de linkerhand reiken elk naar
een knop (rechts en links vooraan) en drukken deze voor een halve seconde in. Rechterhand reikt naar
afgewerkt stuk en linkerhand naar een nieuw stuk. De cyclus is rond en wordt nog 4 keer uitgevoerd.
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 148
G2:
De werkmethode in „G2‟ start met de operator die met beide handen een knop induwt, waarop de machine
een operatie uitvoert. De machinetijd bedraagt ongeveer 0,5sec. Nu start een nieuwe cyclus. De linkerhand
neemt vervolgens een nieuw stuk uit een hoop van op de tafel voor hem en verplaatst het naar de machine.
De rechterhand beweegt mee naar de machine om daar het afgewerkt stuk te nemen en te verplaatsen naar
een locatie rechts. De linkerhand is intussen het onderdeel aan het monteren op de machine. Beide handen
reiken vervolgens elk naar een knop en duwen deze in. Opnieuw volgt een machinetijd van 0.5sec. Dit is de
afloop van een cyclus. De cyclus wordt een 7tal keer volledig uitgevoerd.
E7:
De rechterhand heeft een staaf aan het uiteinde vast. De linkerhand voegt zich daarbij. Beide verplaatsen ze
de staaf naar een slijpsteen. De staaf wordt gedurende 1,75 sec (dit varieert licht van cyclus tot cyclus) tegen
de slijpsteen gehouden. Daarna wordt de staaf omgedraaid en opnieuw ongeveer 2sec tegen de slijpsteen
gehouden. De linkerhand legt de staaf vervolgens links weg, terwijl de rechterhand voor het lichaam een
nieuwe staaf neemt en opheft. De linkerhand neemt diezelfde staaf vast. De cyclus kan opnieuw beginnen. Dit
gebeurt zonder al te veel variatie 4 keer.
E2:
De linkerhand heeft net een staaf in de bak met afgewerkte producten laten vallen. De rechterhand heeft een
nieuwe staaf genomen. Deze wordt naar het werkgebied verplaatst. Daar neemt de linkerhand de staaf over
en plaatst deze in de klem. De andere hand neemt de hendel vast en duwt deze toe. De linkerhand herneemt
de staaf aan zijn uiteinde. [De operator opent de klem een beetje en duwt ze vervolgens weer toe. Dit laatste
is echter een toevalligheid en zal in de andere cycli niet gebeuren.] De rechterhand wordt naar de zij
verplaatst. De linkerhand beweegt de staaf heen en weer in de klem (zagen?). De rechterhand opent de
hendel terug. Beide handen worden gebruikt om de staaf om te draaien. De linkerhand plaatst deze opnieuw
in de klem, waarop de andere hand de klem opnieuw sluit. De linkerhand grijpt de staaf aan het uiteinde vast.
[De klem wordt even weer geopend om de staaf beter te positioneren en vervolgens weer gesloten.] De
rechterhand wordt naar de zij verplaatst en de staaf wordt heen en weer bewogen met de linkerhand. De klem
wordt geopend en de staaf uit de klem naar de bak verplaatst. De rechterhand reikt en grijpt intussen een
nieuwe staaf rechts. Deze cyclus vindt 3,5 keer plaats, mits enige variatie.
E1:
De operator heeft de linkerhand op de bankschroef, de rechterhand op een doos met nieuwe onderdelen.
Naast de doos liggen de afgewerkte buizen. De rechterhand neemt een nieuwe buis uit de doos en verplaatst
ze, bijgestaan door de linkerhand, naar de bankschroef. De buis wordt met enige moeite daar in geplaatst en
door geduwd. De linkerhand blijft de buis vasthouden, terwijl de rechterhand naar de hendel reikt, deze
vastgrijpt en er een draai aan geeft. Deze draai gebeurt eerst vlot, maar voor het laatste stuk van de beweging
is er extra kracht nodig. Wanneer de buis in de schroef vastgezet is, laten beide handen los en bewegen naar
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 149
de tafel waarop een hamer en een klopstukje liggen. De linkerhand verplaatst het klopstukje naar de top van
de buis. De hamer maakt dezelfde beweging en wordt gebruikt om 5 à 6 keer op het klopstukje, dat op de top
van de buis gepositioneerd staat, te slaan. Beide onderdelen worden vervolgens weer links van het lichaam
op de tafel geplaatst. Beide handen worden gebruikt om de schroef weer los te maken. Wanneer deze wat
losser is, grijpt de linkerhand de buis vast en draait de rechterhand de schroef verder los. Beide handen
worden gebruikt om de buis uit de schroef te halen en te verplaatsen naar de doos. Rechterhand grijpt een
nieuwe buis uit de doos, linkerhand plaatst de afgewerkte bij de andere. Dit beëindigt de eerste cyclus. In
totaal vinden er 4 cycli plaats, waarin telkens wat variatie aanwezig is.
Rogers:
De video „Rogers‟ start met de operator die een plaatje net losgelaten heeft. Met de rechterhand reikt hij naar
en grijpt hij een label rechts op de tafel. Deze wordt naar de stapel getransporteerd. Dit label wordt met behulp
van beide handen aan een plaatje bevestigd. Dat wordt vervolgens opgenomen en op de stapel geplaatst.
Deze stapel wordt eerst met de linkerhand opgehoffen, waarna ook het rechterhand de stapel grijpt en
opneemt. De operator zet dan een stap opzij, draait met het lichaam en zet nog een stap. De stapel wordt op
een werktafel geplaatst. Eerst wordt de rechterkant neergezet, dan helpt de rechterhand om ook de linkerkant
neer te zetten. Datzelfde hand neemt vervolgens de stoel vast en schuift deze naar achter. De operator zet
een stap opzij, zet zich neer, komt even weer recht om de stoel beter te zetten en zet zich opnieuw neer. Met
de linkerhand draait hij een knop bovenaan de machine naar de „aan‟-stand. Daarna neemt dezelfde hand een
bus olie die achteraan op de tafel staat, verplaatst deze naar de machine, schudt ermee en spuit op de
machine gedurende 2,5sec. De bus olie wordt vervolgens teruggeplaatst. Beide handen bewegen naar een
knop vooraan de tafel en drukken deze in. Een machinetijd van 0,75 seconden volgt. En dit wordt nog eens
herhaald. De operator neemt dan een plaatje van de stapel, draait het om en positioneert dit op de machine.
Nadien wordt opnieuw een knop ingeduwd en doet de machine zijn werk. De operator verlegt vervolgens het
plaatje 1 positie en zet de machine weer in werking. Dit gebeurt in totaal 4 keer. Nadien wordt het plaatje op
de schoot gelegd. Hier stopt de analyse. De video gaat echter verder met hetzelfde.
Volvo 1711:
De operator neemt uit een muur met bakken, één specifieke bak eruit en trekt deze naar zich toe, geholpen
door de linkerhand. De linkerhand neemt dan de bak over. De rechterhand neemt drie onderdelen uit de
verschillende sectie in de bak. De linkerhand draait de bak om en plaatst deze terug. Hierbij helpt de
rechterhand mee. De linkerhand duwt de bak op zijn plaats. De operator zet vervolgens een aantal stappen
naar de achterzijde van de auto. Ondertussen heeft de linkerhand de onderdelen overgenomen. Op het einde
moet hij met beide benen over een hindernis stappen. Hij legt de onderdelen neer in de koffer van de auto.
Hierna volgt een hele assemblage aan de linkerzijkant van de koffer. Deze is terug te vinden in de bijhorende
Excel file. De operator neemt vervolgens van de kofferbodem een kabel. Deze wordt rechtsachter door een
opening geplaatst. Hiervoor diende de operator met één been over de hindernis te stappen. De rechterhand
duw de kabel erdoor, terwijl de linkerhand er aan trekt. Dit eindigt met het vastzetten van het grommet met de
rechterhand. Vervolgens vinden er allerlei handelingen plaats op de rechterkant van de koffer. Opnieuw kan
men deze vinden in de Excel file. Hierna stapt de terug naar de beginpositie met een 6tal stappen, waarvan 1
gehinderd.
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 150
Volvo 4103:
De video start met de operator die net zeep heeft aangebracht op drie verschillende plaatsen op de container.
Hij plaatst de kwast terug in het bakje. De rechterhand neemt de container over. Ondertussen zet de operator
8 stappen naar de voordeur. Aan de voordeur gekomen wisselt de container van hand. De rechterhand zoekt
in een bak op ooghoogte in de auto een onderdeel. Dit onderdeel wordt in de container gepositioneerd. Dan
zijn er twee stappen nodig om de voorkant van de wagen te bereiken. Daar grijpt hij naar kabels bovenaan de
wagen en trekt deze los in een aantal bewegingen. Dezelfde hand grijpt dan de vulbuis, terwijl de rechterhand
de container naar zijn positie brengt en deze vastklikt. De linkerhand neemt dan de container vast. De
rechterhand grijpt een kabel en drukt de container vast. De linkerhand reikt naar leidingkabels boven het
hoofd en trekt deze los. Opnieuw gebeurt dit in een aantal handelingen. De rechterhand neemt de leidingen
over en maakt deze op verschillende plaatsen aan de container vast. Vervolgens stapt de operator naar de
mobiele werktafel en neemt daar een boor met de rechterhand en 3 vijzen met de linkerhand. De operator
stapt terug naar de voorzijde van de wagen, plaats een vijs op de boor en boort daar de container op de
eerste plaats vast. Dit wordt ook nog op twee andere plaatsen gedaan. Nadien wordt de boor terug naar zijn
houder aan de werktafel gebracht.
Deurklink:
De operator staat rechtop, met voor hem op de grond alle werktuigen. De operator bukt zich om in twee keer
vier vijsjes te nemen. Hij telt deze na (machinetijd). Hij neemt ook een schroevendraaier. Hij zet zich recht,
doet 1 stap opzij en bukt zich om een deurplaatje te nemen. Vervolgens stapt hij naar de deur toe en legt de
vijsjes neer op een werktafel. Hij neemt één vijsje terug op. Een kwartdraai volstaat om naar de deur gericht te
zijn. Daar plaatst hij met de rechterhand het deurplaatje op de deur. Hij neemt de schroevendraaier over,
plaatst een vijsje erop, verplaatst dit naar de deur en vijst de eerste vijs vast door 6 keer te draaien. De
volgende cyclus herhaalt zich nog drie keer: één of twee stappen achterwaarts om een vijs te nemen, deze op
de schroevendraaier plaatsen, twee stappen naar voor zetten en de vijs vastvijzen met 6 à 7
schroefbewegingen. Hierna grijpt de operator de deur om deze rond zijn scharnier te draaien. Hier komen een
aantal stapbewegingen aan te pas. Vervolgens keert hij terug naar de materialen. Dezelfde cyclus als net
beschreven herhaalt zich vrij analoog. Wanneer het tweede deurplaatje ook bevestigd is, wordt de
schroevendraaier terug gedragen. De operator buigt zich en laat deze los, zet een stap opzij, neemt een pin
uit de doos en stelt zich opnieuw recht. De andere hand neemt deze pin over. Na een zijstap en buigen,
worden de twee klinken in twee keren vastgenomen en aan de andere hand doorgegeven. Ook wordt een
hamer van de grond opgenomen. De operator staat recht, stapt terug naar de deur en legt daar de hamer af.
Hij opent de deur een beetje en plaatst de klink moeizaam in de holte. Nadien plaatst hij ook de tweede klink.
Met de rechterhand reikt en grijpt hij vervolgens de hamer. De linkerhand plaatst het pinnetje in de klink,
waarna 4 hamerslagen volgen om dit te bevestigen. De operator draait zich om en stapt terug om de hamer af
te leggen.
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 151
Fiets:
De operator zet 6 stappen om een fiets te gaan halen. Daar nemen beide handen de fiets vast, heffen deze op
(vrij zwaar)) en dragen deze terug tot aan het werkgebied. De fiets wordt neergezet en tegen de muur
geduwd. Er volgt 1 zijstap en een buig/opstaan-beweging om een fietspomp te nemen met de rechterhand. De
darm wordt uit de pomp gehaald, de pomp wordt omgedraaid en de darm wordt op de pomp gedraaid (7 keer
draaien). De operator zet dan 1 zijstap en bukt zich. De pomp wordt naar de onderkant van het wiel verplaatst.
De rechterhand draait het ventiel open en neemt de darm vast. Beide handen verplaatsen de pomp naar het
ventiel en de rechterhand draait de darm erop vast. De pomp wordt hernomen. Er volgt een zijstap. Met de
rechterhand worden 17 pomp-bewegingen uitgevoerd. Opnieuw 1 stap en de rechterhand maakt de pomp los
van het ventiel. De linkerhand verplaatst de pomp, terwijl de rechterhand het ventiel terug toedraait. Hetzelfde
herhaalt zich bij het andere wiel. De operator zet twee stappen, draait het ventiel open, draait de darm van de
pomp er op vast, doet enkele pomp-bewegingen, maakt de pomp weer los en draait het ventiel terug toe. De
operator staat vervolgens recht, draait de darm van de pomp los en plaatst deze in de uitsparing van de
pomp. De pomp wordt terug op de grond tegen de muur gezet. Na een zijstap neemt de operator de fiets vast
en draait deze met beide handen om in een vloeiende beweging. Vervolgens beweegt hij naar de bus olie op
de grond (buigen), neemt deze vast en verplaatst ze (rechtstaan). Met de rechterhand verwijdert hij de dop
van de spuitbus. De linkerhand schudt 6 keer met de bus, verplaatst de bus naar de pedalen en spuit
(machinetijd). Ook op de ketting aan het achterwiel wordt er met olie gespoten (machinetijd). De dop wordt
opnieuw op de bus geplaatst en deze wordt op de grond gezet. De rechterhand draait vervolgens aan de
pedalen om de werking te controleren; De linkerhand reikt ondertussen eerst naar de muur en grijpt dan het
voorwiel. Ondertussen controleerde de operator de ketting. Met de rechterhand wordt het achterwiel
vastgenomen. De operator zet dan 1 stap opzij, bukt zich, grijpt met beide handen de fiets, staat recht terwijl
hij de fiets opheft, draait deze om en bukt zich om de fiets terug neer te zetten. Hij neemt dan het stuur vast
met de linkerhand en staat recht. De rechterhand grijpt het zadel. Dan volgen nog 6 stappen om de fiets naar
de oorspronkelijke locatie te begeleiden. Daar wordt het achterwiel opgenomen om deze tegen de muur te
positioneren.
Lampen:
De werkmethode lampen bestaat uit 4 vrij analoge cycli. De operator zit aan zijn werktafel. Hij beweegt
simultaan naar een lamp en een doosje. Het doosje wordt met de linkerhand eerst gegrepen en verplaatst,
pas nadien wordt ook de lamp met de rechterhand verplaatst naar het werkgebied. De lamp wordt dan naar
een houder bewogen en daar in geplaatst. De rechterhand blijft de lap vasthouden, terwijl de linkerhand naar
een knop op de werktafel reikt en deze induwt. Er volgt een machinetijd (controle van de lamp) van 1
seconde. De linkerhand reikt vervolgens naar het doosje. De andere hand neemt de lamp uit de houder en
plaatst deze in het doosje met een lichte druk. De vingers van beide handen sluiten vervolgens het doosje
door eerst de twee lipjes aan de zijkant te sluiten en nadien het deksel. De rechterhand neemt het doosje vast
en verplaatst dit naar de afgewerkte stukken, rechts van hem en beweegt zijn hand terug.
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Beschrijving video‟s 152
Tafel:
De operator staat recht, met alle benodigde onderdelen rechts van hem op de grond. Eerst zet hij een kleine
stap opzij, buigt zich en neemt het tafelblad vast met de linkerhand. De rechterhand assisteert de linkerhand
om het tafelblad op de grond te leggen. Vervolgens draait de operator zich naar de tafelpoten op de grond en
neemt er een met de linkerhand. Dit wordt dan naar de tafel verplaatst. Opnieuw helpt de rechterhand om de
poot te positioneren in het gaatje. Beide handen draaien vervolgens de poot vast in het tafelblad. Op het einde
is hiervoor extra kracht nodig en wordt de rechterhand op de tafel geplaatst. De linkerhand voert nog enkele
draaibewegingen uit. Bij de eerste poot wordt nog een correctie toegepast door de beide handen, die
onderaan de poot vastnemen en een stukje terugdraaien. Vervolgens wordt de tweede poot op quasi dezelfde
manier genomen en gemonteerd. Ook de derde en de vierde volgen dit patroon. Er zijn slechts kleine variaties
in het aantal draaibewegingen, enkele kleine stappen en bewegingen. Na afloop nemen beide handen een
poot vast, staat de operator recht en gooit hij de tafel lichtjes omhoog. Ondertussen laat hij de tafel los en
neemt ze aan het tafelblad vast, zodat de tafel omgedraaid werd. Nadien volgt een buigbeweging om de tafel
neer te zetten. De operator staat recht en de cyclus is afgelopen.
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Twee-handenanalyse video H13 153
Bijlage L. Twee-handenanalyse video H13
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Analyses, blokken en afwijking van video H13 154
Bijlage M. Analyses, blokken en afwijking van video H13
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Afwijking t.o.v. werkelijke tijd en MTM-1 praktijk per cyclus 155
Bijlage N. Afwijking t.o.v. werkelijke tijd en MTM-1 praktijk per cyclus
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Resultaten analyseduur per systeem 156
Bijlage O. Resultaten analyseduur per systeem
Film MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
E1 67,397 36,425 21,855 18,213 51,537 80,136 58,281
E2 69,098 46,249 23,124 20,555 104,460 133,607 102,775
E7 80,931 38,284 19,142 14,356 55,503 105,280 66,996
G2 39,771 15,167 10,111 15,167 54,410 60,667 50,556
G3 60,547 26,350 13,175 15,371 62,494 96,618 70,268
H1 59,506 16,716 11,144 11,144 86,277 55,721 55,721
H13 36,603 11,521 8,641 8,641 203,883 144,016 230,426
E14 70,300 28,200 15,382 16,664 62,507 79,474 89,728
Lamp 35,487 28,090 22,472 14,045 43,622 50,562 61,798
Fiets 34,099 16,816 13,079 12,845 21,487 25,691 26,625
5_6 47,502 27,826 16,232 18,551 43,365 83,478 55,652
A1 68,178 26,156 14,946 17,749 41,203 56,049 63,522
Tafel 50,376 15,789 12,030 11,654 27,068 36,090 33,835
A4 60,196 19,903 13,268 17,647 55,728 79,611 66,342
A9 31,555 16,271 13,017 13,017 52,066 48,812 52,066
Deur 31,888 16,762 11,038 12,674 29,435 29,435 25,756
FDW3 40,881 10,591 7,944 10,591 32,589 26,478 37,070
FDW20 33,930 16,268 16,268 14,912 37,958 75,915 32,535
VolvoS X 15,824 11,473 11,077 X 43,516 35,604
VolvoJ X 13,903 8,883 11,200 X 30,896 37,848
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Overeenkomende definities 157
Bijlage P. Overeenkomende definities
REACH + GRASP
Overeenkomstige Codes
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
RA-G1A GB HA GS 1-0 A1 G1 G1
RA-G1C1 GB HA GS 1-0 A1 G1 G1
RA-G3 GB HA GS 1-0 A1 G1 G1
RB-G1A GB HA GS 1-0 A1 G1 G1
RB-G1C1 GB HA GS 1-0 A1 G1 G1
RB-G1C2 GC HB GS 2-0 A1 G1 G1
RB-G3 GB HA GS 1-0 A1 G1 G1
RC-G1B GC HB GS 3-0 A1 G1 G3
RC-G1C3 GC HB GS 3-0 A1 G1 G3
RC-G3 GC HB GS 3-0 A1 G1 G3
RC-G4A GC HA GS 2-0 A1 G1 G3
RC-G4B GC HB GS 2-0 A1 G1 G3
RC-G4C GC HB GS 3-0 A1 G1 G3
RB-APA GA+A HA GS+PA 0-0+0-0(-5) A1 G1 M1 G0 + X4
MOVE + POSITION
Overeenkomstige Codes
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
P1SE PB TB PD 0-0 + 0-1 A1 P1 M P2
P1SSE PB TB PD 0-0 + 0-1 A1 P1 M P2
P1NSE PC TB PP 0-0 + 0-1 Pp A1 P1 M P2
P1SD PC TB PP 0-0 + 0-1 A1 P1 M P2
P1SSD PC TB PP 0-0 + 0-1 A1 P3 M P5
P1NSD PC TB PP 0-0 + 0-1 Pp A1 P3 M P5
P2SE PC TB PP 0-0 + 0-2 A1 P3 M P5
P2SSE PC TB PP 0-0 + 0-2 A1 P3 M P5
P2NSE PC TB PP 0-0 + 0-2 Pp A1 P3 M P5
P2SD PC TB PP 0-0 + 0-2 A1 P3 M P5
P2SSD PC TB PP 0-0 + 0-2 A1 P3 M P5
P2NSD PC TB PP 0-0 + 0-2 Pp A1 P3 M P5
P3SE PC TB PP 0-0 + 0-3 A1 P6 M P5
P3SSE PC TB PP 0-0 + 0-3 A1 P6 M P5
P3NSE PC TB PP 0-0 + 0-3 Pp A1 P6 M P5
P3SD PC TB PP 0-0 + 0-3 A1 P6 M P5
P3SSD PC TB PP 0-0 + 0-3 A1 P6 M P5
P3NSD PC TB PP 0-0 + 0-3 Pp A1 P6 M P5
Benchmarking studie van PDTM systemen Universiteit Gent
Bijlagen Overeenkomende definities 158
MOVE
Overeenkomstige Codes
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
Move A PA TA PD 0-0 A M
Move B PB TA PD 0-0 A M
Move C PC TB PP 0-0 A M
REACH + GRASP + MOVE
Overeenkomstige Codes
MTM-1 MTM-2 MTM-3 SAM VWF MOST MODAPTS
RA-G1A-MA GB PA HA GS PD 1-0 A1 G1 A1 P0 M G1 M P0
RA-G1A-MB GB PA HA GS PD 1-0 A1 G1 A1 P0 M G1 M P0
RB-G1A-MB GB PA HA GS PD 1-0 A1 G1 A1 P0 M G1 M P0
RB-G1C2-MB GC PA HB GS PD 2-0 A1 G1 A1 P0 M G3 M P0
RC/D-G1B-MB GB PA HB GS PD 3-0 A1 G1 A1 P0 M G3 M P0
RC/D-G1C3-MB GB PA HB GS PD 3-0 A1 G1 A1 P0 M G3 M P0
RC/D-G4A-MB GC PA HB GS PD 2-0 A1 G1 A1 P0 M G3 M P0
RC/D-G4C-MC GC PA HB GS PP 3-0 A1 G1 A1 P0 M G3 M P0
REACH + GRASP + MOVE + POSITION
Overeenkomstige Codes
MTM-1 MTM-2 MTM
-3
SAM VWF MOST MODAPTS
RA-G1A-
MC-P3SSE
GB PC HB GS PP 1-3 A1 G1 A1 P6 M G1 M P5
RA-G1C1-
MC-P1SSE
GB PB HB GS PD 1-1 A1 G1 A1 P1 M G1 M P2
RA-G3-
MC-P2SE
GB PB HB GS PP 1-2 A1 G1 A1 P3 M G1 M P2
RB-G1A-
MC-P1SE
GB PB HB GS PD 1-1 A1 G1 A1 P1 M G1 M P2
RB-G1C1-
MC-P2SSE
GB PC HB GS PP 1-2 A1 G1 A1 P3 M G1 M P5
RB-G1C2-
MC-P2SD
GC PC HB GS PP 2-2 A1 G1 A1 P3 M G1 M P5
RB-G3-
MC-P1NSD
GB PC HB GS PP 1-1
Pp
A1 G1 A1 P3 M G1 M P5
RC/D-G1B-
MC-P1SD
GC PC HB GS PP 3-1 A1 G1 A1 P1 M G3 M P2
RC/D-G1C3-
MC-P2NSD
GC PC HB GS PP 3-2
Pp
A1 G1 A1 P3 M G3 M P5
RC/D-G3-
MC-P1NSE
GC PC HB GS PP 3-1
Pp
A1 G1 A1 P1 M G3 M P2
RC/D-G4A-
MC-P2SE
GC PC HB GS PP 2-2 A1 G1 A1 P3 M G3 M P2
RC/D-G4B-
MC-P3SE
GC PC HB GS PP 2-3 A1 G1 A1 P6 M G3 M P5
RC/D-G4C-
MC-P3SD
GS PP HB GB PB 3-3 A1 G1 A1 P6 M G3 M P5
RC/D-G4A-
MC-P3NSD
GC PC HB GS PP 2-3
Pp
A1 G1 A1 P6 M G3 M P5
RC/D-G4A-
MC-P3NSE
GC PC HB GS PP 2-3
Pp
A1 G1 A1 P6 M G3 M P5
Benchmarking studie van PDTM systemen Universiteit Gent
Bibliografie Boeken/Vaktijdschriften 159
Bibliografie
1. Boeken/Vaktijdschriften
[1.1] Association Française Work Factor, .. (sd). Méthode d'analyse et mesure des
procédures mentales. WOFAC Corporation.
[1.2] Best, T. (sd). Work Measurement in Skilled Labor Environments. Opgehaald
van http://www.iienet2.org/.
[1.3] Brown, A. (1994). MTM Core Data Validation. Work Study(Vol. 43, No 5), 15-22.
[1.4] Carey, P., Farrell, J., Hui, M., & Sullivan, B. (2001). Heyde's Modapts: A
Language of Work.
[1.5] Dossett, R. (1992). Computer application of a natural-language predetermined
motion time system. Computers and Industrial Engineering(Vol. 23, Nos 1-4),
319-322.
[1.6] Groover, M. P. (2007). Work Systems and the Methods, Measurement, and
Management of Work. Pearson Prentice Hall.
[1.7] Kanawaty, G. (1992). Introduction to work study (4e ed.). International Labour
Organisation.
[1.8] Karger, D. W. (1986). Engineered Work Measurement (4e ed.). Industrial Press,
Inc.
[1.9] Koppa, R. (sd). Work Measurement. Opgehaald van Scribd:
http://www.scribd.com/doc/16759875/Work-Measurement
[1.10] Kukreja, V. (sd). Time Study of Bolt Making Process at LPS Ltd. using Maynard
Operation Sequence Technique. Thesis, Delhi College of Engineering.
[1.11] Macdonald, W., Evans, O., Nolan, G., & Pratt, L. (1999). An Evaluation of
Current Practices in Setting Work Rates. Paper, Latrobe Univeristy.
[1.12] Meyers, F. E., & Stewart, J. R. (2001). Motion and Time Study for Lean
Manufacturing. Prentice Hall.
[1.13] Mundell, M., & Danner, D. (1994). Motion and Time Study: Improving
Productivity (7e ed.). Prentice Hall.
[1.14] Niebel, B. W. (1993). Motion and Time Study (9e ed.). Irwin Professional
Publishing.
[1.15] Niebel, B. W., & Freivalds, A. (1999). Methods, Standards, and Work Design
(10e ed.). WCB/McGraw-Hill.
Benchmarking studie van PDTM systemen Universiteit Gent
Bibliografie Boeken/Vaktijdschriften 160
[1.16] Rabie, A. (sd). Evaluation of the Accuracy of BasicMOST. Paper.
[1.17] Raouf, A. (1988). Computer-Aided Design: Applications in Predetermined
Motion Time Systems. Paper, King Fahd University of Petroleum & Minerals,
Department of Systems Engineering.
[1.18] Salvendy, G. (1967/2004). Classification of human motions. Theoretical Issues
in Ergonomics Science(Vol. 5, Issue 2), 169-178.
[1.19] Salvendy, G. (2001). Handbook of industrial engineering (3e ed.). Wiley-
Interscience.
[1.20] Schmid, R. O. (1957). An analysis of predetermined time systems. Newark
College of Engineering.
[1.21] Stewart, J. R. (2002). Applying MODAPTS Standards. The Society for Work
Science, 1-4.
[1.22] Taylor, P. L., & S, E. (sd). MGP Profile for Wii Habilitation and B2B
Opportunities. Opgehaald van www.nds.org.au.
[1.23] Vree, F. G. (1978). Mento Factor testing application. Work Factor Raad.
[1.24] Zandin, K. B. (2001). Maynard's industrial engineering handbook (5e ed.).
McGraw-Hill Professional.
[1.25] Zandin, K. B. (2003). MOST Work Measurement Systems (3e ed.). Marcel
Dekker.
[1.26] Knotta, K., Suryb, R.J., (1986). An investigation in to the minimum cycle time
restrictions of MTM-2 and MTM-3. IIE Transactions (Vol 18, Issue 4), 340-391
Benchmarking studie van PDTM systemen Universiteit Gent
Bibliografie Websites 161
2. Websites [2.1] AJ-CONSULTANTS. Opgehaald van http://www.aj-consultants.com/
[2.2] Maynard. Opgehaald van http://www.hbmaynard.com/
[2.3] MODAPTS - The language of work. Opgehaald van
http://www.modapts.org
[2.4] MODAPTS info. Opgehaald van http://modapts.info
[2.5] OfficeLine Methods Engineering (Vrex). Opgehaald van
http://www.officeline.be
[2.6] The MTM Association for Standards and Research. Opgehaald van
http://www.mtm.org/systems.htm
[2.7] The UK MTM Association. Opgehaald van
http://www.ukmtm.co.uk/system.asp
[2.8] Work-Factor Raad. Opgehaald van http://work-
factor.nl/html/wf_systemen.html
3. Cursussen/Handleidingen [3.1] Tijd- en Methodestudie, Prof. dr. ir. Dirk Van Goubergen, Industrial
Management – Vakgroep Technische Bedrijfsvoering (2008)
[3.2] Kwaliteitstechnieken en Industriële Statistiek, dr. ir. Sofie Van Volsem
(2009)
[3.3] Montgomery, D. G. (2008). Statistical Quality Control: A Modern
Introduction (6e ed.). John Wiley & Sons.
[3.4] L.C.W. Lokalisatie Componenten Werktuigen, Office Line, Office Line
Methode Engineering (1998)
[3.5] SAM-cursus Volvo Cars Gent, Volvo Cars Europe Industry (2000)
Benchmarking studie van PDTM systemen Universiteit Gent
Lijst van Figuren 162
Lijst van Figuren
Figuur 1: Flow PDTM analyse ............................................................................................ 2
Figuur 2: Stamboom van PDTM systemen [1.14] ............................................................... 7
Figuur 3: Percentage afwijking t.o.v. cyclustijd ................................................................. 25
Figuur 4: Percentage afwijking t.o.v. cyclustijd (MTM-familie) .......................................... 26
Figuur 5: Het mentale interval .......................................................................................... 28
Figuur 6: Procentuele afwijking lichaamsbewegingen ...................................................... 48
Figuur 7: Procentuele afwijking mechanische handelingen .............................................. 53
Figuur 8: Afwijking van de overeenkomstige definities ten opzichte van RA-G1A in functie
van de afstand ................................................................................................................. 55
Figuur 9: Normale verdeling REACH en MOVE afstanden ............................................... 57
Figuur 10: Gewogen gemiddelde afwijking per combinatie REACH + GRASP ................. 60
Figuur 11: Afwijkingspercentages van de overeenkomstige definities ten opzichte van
Move A in functie van de afstand ..................................................................................... 62
Figuur 12: MTM-2 PC afwijking voor verschillende montagetypes ................................... 65
Figuur 13: Nauwkeurigheid ten opzichte van werkelijke tijd ............................................. 74
Figuur 14: Gemiddelde en gewogen gemiddelde afwijking per systeem ten opzichte van
werkelijke tijd ................................................................................................................... 75
Figuur 15: Gemiddelde en gewogen gemiddelde afwijking per systeem ten opzichte van
MTM-1 ............................................................................................................................. 76
Figuur 16: Nauwkeurigheid ten opzichte van MTM-1 ....................................................... 78
Figuur 17: Afwijking praktisch resultaat - blokken Reach+Grasp ...................................... 81
Figuur 18: Afwijking praktisch resultaat - blokken Move ................................................... 82
Figuur 19: Afwijking praktisch resultaat - blokken Move + Position .................................. 82
Figuur 20: Afwijking praktisch resultaat - blokken Reach + Grasp + Move ....................... 83
Figuur 21: Afwijking praktisch resultaat - blokken Reach + Grasp + Move + Position ....... 84
Figuur 22: Analysetijd/eerste cyclus voor MTM-1, MTM-2, MTM-3 en SAM ..................... 97
Figuur 23: Analysetijd/eerste cyclus voor VWF, MOST en MODAPTS ............................. 97
Figuur 24: Aantal elementen/tijdseenheid ten opzichte van de analysetijd/filmduur (MTM-
1, MTM-2, MTM-3 en SAM) ........................................................................................... 109
Figuur 25: Aantal elementen/tijdseenheid ten opzichte van de analysetijd/filmduur (VWF,
MOST en MODAPTS) ................................................................................................... 109
Figuur 26: Tijdswaarden toekennen aan de codes / filmduur ......................................... 113
Figuur 27: Totale analysetijd / eerste cyclus (MTM-1, MTM-2, MTM-3, SAM) ................ 114
Figuur 28: Totale analysetijd / eerste cyclus (VWF, MOST en MODAPTS) .................... 114
Benchmarking studie van PDTM systemen Universiteit Gent
Lijst van Tabellen 163
Lijst van Tabellen
Table 1: Examined combinations ......................................................................................... VI
Table 2: Results application of theory ................................................................................... IX
Table 3: The duration of the analysis relative to the duration of the first cycle (“relative duration”)
from practice compared to the values from the literature ......................................................... IX
Table 4: Learning rates calculated from the trend lines ............................................................. X
Tabel 5: Muda's in Vrex [2.5] ........................................................................................... 23
Tabel 6: Overzicht van de eigenschappen van de verschillende PDTM systemen ........... 24
Tabel 7: Benodigde pagina's documentatie ..................................................................... 24
Tabel 8: Standaard elementen van mento factor ............................................................. 27
Tabel 9: Vergelijking definities MTM-1 - VWF .................................................................. 34
Tabel 10: Tijdswaarden lichaamsbewegingen .................................................................. 47
Tabel 11: Procentuele afwijking lichaamsbewegingen ..................................................... 47
Tabel 12: Tijdswaarden mechanische handelingen .......................................................... 50
Tabel 13: Procentuele afwijking mechanische handelingen ............................................. 51
Tabel 14: Combinaties Reach-Grasp + overeenkomstige elementen ............................... 54
Tabel 15: Normale verdeling REACH en MOVE afstanden .............................................. 58
Tabel 16: Gewogen gemiddelde afwijking per combinatie REACH + GRASP .................. 59
Tabel 17: Beste PDTM systemen samenvattend REACH + GRASP ................................ 60
Tabel 18: Combinaties Move-Position .............................................................................. 61
Tabel 19: Gewogen gemiddelde afwijking MOVE ............................................................ 61
Tabel 20: Beste PDTM systemen samenvattend MOVE .................................................. 62
Tabel 21: Gewogen gemiddelde afwijking MOVE + POSITION ....................................... 63
Tabel 22: Beste PDTM systemen MOVE + POSITION .................................................... 64
Tabel 23: Gewogen gemiddelde afwijking REACH + GRASP + MOVE ............................ 67
Tabel 24: Procentueel voorkomen als beste PDTM systeem REACH + GRASP + MOVE
........................................................................................................................................ 67
Tabel 25: Gewogen gemiddelde afwijking REACH + GRASP + MOVE + POSITION ....... 68
Tabel 26: Procentueel voorkomen als beste PDTM systeem REACH + GRASP + MOVE +
POSITION ....................................................................................................................... 69
Tabel 27: Afwijking per systeem ten opzichte van de werkelijke tijd ................................. 73
Tabel 28: Aantal keer dat een methode de kleinste afwijking had over een video (eerste
cyclus) ............................................................................................................................. 76
Tabel 29: Voorbeeld toepassing theoretische conclusies op video “G2”, Fase I ............... 87
Tabel 30: Afwijking t.o.v. MTM-1 praktijk voorbeeld 1 ...................................................... 87
Benchmarking studie van PDTM systemen Universiteit Gent
Lijst van Tabellen 164
Tabel 31: Voorbeeld toepassing theoretische conclusies op video “G2”, Fase II .............. 88
Tabel 32: Voorbeeld toepassing theoretische conclusies op video “H13”, fase I .............. 90
Tabel 33: Afwijking t.o.v. MTM-1 praktijk voorbeeld 2 ...................................................... 90
Tabel 34: Voorbeeld toepassing theoretische conclusies op video “H13”, fase II ............. 91
Tabel 35: Voorbeeld toepassing theoretische conclusies op video “Deurklink”, fase II ..... 92
Tabel 36: Afwijking t.o.v. MTM-1 praktijk voorbeeld 3 ...................................................... 93
Tabel 37: Correlatie en covariantie met MTM-1 ............................................................... 98
Tabel 38: Voorbeeld berekening relatieve wijziging leercurves ........................................ 99
Tabel 39: Verhouding verschillen methode X t.o.v. verschil MTM-1 ................................. 99
Tabel 40: Aantal elementaire handelingen per video ..................................................... 101
Tabel 41: Correlatie, covariantie en verhouding verschillen t.o.v. VWF .......................... 105
Tabel 42: Bepalen van het aantal elementen per tijdseenheid ....................................... 108
Tabel 43: Correlatie tussen het aantal elementen per seconde en de analysetijd per
videoduur ....................................................................................................................... 110
Tabel 44: Bepalen betrouwbaarheidsinterval bij de verhouding aantal elementen/sec op
analysetijd/videoduur ..................................................................................................... 110
Tabel 45: Chi-kwadraattest ............................................................................................ 111
Tabel 46: Correlatie met de overige elementen ............................................................. 111
Tabel 47: Analysetijd/filmduur: literatuur versus experimenteel met leercurve ............... 115
Tabel 48: Analysetijd/filmduur op basis van de trendlijn ................................................. 117
Tabel 49: Leersnelheden op basis van de trendlijnen .................................................... 118