Benchmarking studie van PDTM systemen Steven Bollez en ...

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.


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


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.


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


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]


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.



Figuur 2: Stamboom van PDTM systemen [1.14]



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].



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.



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.



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.



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]



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.



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



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



- 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



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 tijden 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



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



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



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 reiken 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



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),



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.



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 handen 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.



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 tijden 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.


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.



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



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


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.


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


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


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.


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 tijden 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


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



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.



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


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


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)




3-1 Combinatie van 3-0 en 0-1. Reach D

Grasp 1B 1C3-3- 4C

Move C (+motion)



bepaald: mechanisch: opening kleiner dan 3mm of

tolerantie minder dan 10%, oppervlakte: één marge

kleiner dan 3mm.

P2SE – P2SSE

P2SD – P2SSD


Pp bij VWF)


Grasp 1A-1C1-1C2-3

Move C (+motion)

Position Close/S-SS/E-D


Grasp 1C1-4A-4B

Move C (+motion)



Grasp 1B 1C3 3-4C

Move C (+motion)



bepaald: mechanisch: opening kleiner dan 3mm en

tolerantie minder dan 10%, oppervlakte: twee marges

kleiner dan 3mm.

P3SE – P3SSE

P3SD – P3SSD


Pp bij VWF)


Grasp 1A-1C1-1C2-3

Move C

Position Exact/S-SS/E-D


Grasp 1C1-4A-4B

Move C



Grasp 1B-1C3-3-4C

Move C


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



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



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



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-, verplaatsen 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



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



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-, grijpen 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,



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



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.



(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



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-, verplaatsen 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.


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.



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



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



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



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]



Tabel 13: Procentuele afwijking mechanische handelingen


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



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.



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



1.3. Reik- en grijpcombinaties

De volgende paragrafen zullen handelen over de reik-, grijp-, verplaatsen

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 verplaatsen

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


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



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



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



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)



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



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.



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


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



1.4. Verplaatsbewegingen

Volgende paragrafen gaan dieper in op de verplaatsen 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 verplaatsen 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



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



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.



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.



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



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 reiken

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



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


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



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



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


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



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 reiken 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 reiken 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



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.


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.



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%



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



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 [%]



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)


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


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


Gewogen gemiddelde afwijking per systeem tov MTM-1 eerste

cyclus [%]



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).



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



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



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



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



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



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 reiken 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



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


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



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



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


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



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-



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



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.



-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.



De tabel voor fase 2 wordt dan als volgt.

Tabel 34: Voorbeeld toepassing theoretische conclusies op video “H13”, fase II


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.



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


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



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).



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 reiken 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.


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



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.



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


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



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



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.



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



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”



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.



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.



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



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.



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



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



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



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


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



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


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



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.


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



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



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



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.



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



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:



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.


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.


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


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.


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.



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



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.


Bijlage A Therbligs classificatie 127

DEEL VI: Bijlagen

Bijlage A. Therbligs classificatie


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



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



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.


Diameter 6 to 12mm.


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



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


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


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


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


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



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



Beslissingsboom voor de keuze van MOST


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


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)


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°


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


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


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


Bijlagen Algemeen overzicht PDTM systemen 144

Bijlage J. Algemeen overzicht PDTM systemen


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



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



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.



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



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.



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.



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.



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.


Bijlagen Twee-handenanalyse video H13 153

Bijlage L. Twee-handenanalyse video H13


Bijlagen Analyses, blokken en afwijking van video H13 154

Bijlage M. Analyses, blokken en afwijking van video H13


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


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


Bijlagen Overeenkomende definities 157

Bijlage P. Overeenkomende definities

REACH + GRASP

Overeenkomstige Codes


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



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


P2SD PC TB PP 0-0 + 0-2 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


P3SD PC TB PP 0-0 + 0-3 A1 P6 M P5




Bijlagen Overeenkomende definities 158

MOVE



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



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


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


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


RC/D-G4B-

MC-P3SE


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


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.


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


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)


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


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


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 34: Voorbeeld toepassing theoretische conclusies op video “H13”, fase II ............. 91

Tabel 35: Voorbeeld toepassing theoretische conclusies op video “Deurklink”, fase II ..... 92


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

Benchmarking studie van PDTM systemen Steven Bollez en ...

Documents

Transcript of Benchmarking studie van PDTM systemen Steven Bollez en ...