为跟踪车间的出产改善进度和实时相识转款情况（转款后需录像分析尺度工时并推算车间逐日出产效能）、一线运作中现实出产情况等 ，IE组成员每天都必要去一线出产车间“看一看” 。那么 ，去车间现场我们看什么 ，怎么看 ？
我们应该以全局眼光去看一线出产现场 。现场观察要面对真实 ，观察真实 ，相识真实 。真切实改善工作中显得尤为关键 ，改善后必要跟踪真实的反 。盒璧揭幌叱霾导 ，观察半制品改善后的情况 ，向一线操作员工询问改善是否有效 ，并结合车间现实出产 ，询问是否有更好的改善建议 ，再加以调整 。
持续跟进改善进度及改善成效 ，做有益的改善 ，将精益出产落到实处是我们钻营的指标 。所以 ，跟进改善进度及成效 ，这就是我们去车间现场必要看的第一件事 。
当然所有改善必须成立在不影响质量且质量不变的前提下 ，结合一线员工操作是否中意 ，且产量能够得到显著的提升 ，只有这三者关系都能相互达到平衡时 ，这个改善相对来说才是成功的 。跟进改善的进度及成效不仅是一种对事实改善的责任感 ，也是一种钻营梦想成效的执着 。我此刻依然记得辅导说的那句话 ，只有能援手到车间一线出产的改善 ，任何一点幼的改善 ，哪怕只能提升一秒 ，那也是好的改善 ，我们也要用心去做 。
改善是勿以善幼而不为 ，而改善后的成效 ，更必要数据的支持 ，在这个数据化治理的时期 ，结合数据的验证 ，改善才更有说服力 。那么这个时辰就轮到尺度工时的使用了 ，目前我们会针对分歧批号分歧格局分歧毛质城市进行录像采集作业操作视频 ，并对视频进行数据分析 ，将工序拆分并测出分歧工序的作业操作功夫 ，同时结合一线操作员工的技术水平进行相应的评分 ，由此得出尺度工时 。尺度工时是数据化治理的基础 ，若是少了这个沉要的数据支持 ，数据化治理则短缺了真实性 。
有了尺度工使剽个根基数据 ，我们就能够造作效能分析报表 。效能分析报表是车间数据化治理参考的沉要凭据 。造作效能报表必要结合一线员工的现实出勤功夫和产量汇总 ，并结合尺度工时的使用 ，我们就能够造作出一线员工的效能数据及改善前后的效能对比 。通过比对数据 ，能够验证我们之前的改善是否卓有成效 。同时数据化治理不仅能够直观的反映车间现实的产能是否还有进取空间 ，是否鼓和 ，还能提升治理水平和能力——数据是事实的注明 ，也是科学治理的根基 ，未来的数据化治理睬是企业升级的沉要蹊径 ，我们肯定要做好堆集 。
带着数据我们再去观察一线出产现场 ，不难看涌现实出产中的问题、瓶颈工序的本原地点 。找到病根 ，就能够对症下药 ，找到解决规划 ，这是数据化治理带来的逻辑循环思想 。数据不仅能承先启后 ，并且使我们能直观的看出一线现实出产运作中 ，出现的问题 ，并且能找到最沉要的成分并实时加以解决 。
说了这么多 ，其实去车间现场观察我们必要结合数据凭据 ，必要有全局意识 ，必要相始个工序之间内涵的联系 。去车间现场观察不仅能直接相识事实 ，靠近真实并且也在进行相应治理时有相应的解决规划 。这就是我们必要去车间看到的收成 。
