在制造执行系统（MES）和企业资源计划（ERP）软件中，工艺路线设定的标准循环时间几乎无一例外被录入为单一标量：例如 180 秒。生产排程部门通常直接用每班净可用工时除以该标称数值，用以测算机床产能并向客户承诺交付节点。然而，直接从数控系统底层采集的高频实际遥测数据，在坐标系上绝非对称地聚拢在单一教科书均值周围；它们不可避免地展现出向右延展的显著重尾，或分裂出特征鲜明的双峰形态。
本技术指南深入剖析算术平均值在独立使用时的局限性，阐释 P50、P90 与 P95 等分位数在机加工车间中的工程含义，并通过一个 20 件与 122 件的具体切削批次，逐步演示 P95 阈值的计算流程。其核心目的不仅是梳理统计学概念，更在于明确工艺报价、产能规划以及隐性停机故障诊断中应当依据的真实技术指标。
一览表：循环时间核心统计指标
| 统计指标 | 数学定义 | 车间决策指导价值 | 基准管控目标 |
|---|---|---|---|
| 算术平均值 (μ) | 批次总加工时间除以完工工件总数。 | 将长尾异常加工时间稀释在总和之中；单凭此指标无法保障产能排程与准时交付。 | 贴近标称时间；但绝不能脱离离散度指标单独使用。 |
| 中位数 (P50) | 升序排列数据集中正处于正中央位置的时间值。 | 反映正常无干扰工件的真实节拍；对两极异常值具有高度免疫性。 | 高度贴合 CAM 理论编程工时。 |
| 众数 (Mode) | 直方图中出现频次最高的循环时间值。 | 在双峰分布中，两个独立的众数揭示出两种并行存在的作业工况。 | 缩小两组众数之间的跨度。 |
| P90 分位数 | 90% 的工件在此时间之内或准时完成的上限阈值。 | 精准标定分布曲线长尾开始向外延伸的临界拐点。 | P90 ≤ 1.10 × P50。 |
| P95 分位数 | 95% 的工件在此时间内完成；仅有最慢的 5% 工件超出该界限。 | 确定对外承诺交期与产能缓冲的经验上限；揭示被平均值遮蔽的长尾亏损。 | P95 ≤ 1.20 × P50。 |
| P99 分位数 | 涵盖 99% 产出的绝对上限。通常需样本量 ≥ 100，最好 300+ 循环方具统计效度。 | 监控偶发但经济损失严重的恶性突发停顿与断刀事故。 | P99 ≤ 1.50 × P50（基础指导基准）。 |
| 偏度 (γ1) | 度量分布相对于正态分布的不对称方向和程度。 | 正值清晰表征数据向高工时一侧延伸出的拖尾现象。 | 0 ≤ γ1 ≤ 0.5。 |
| 变异系数 (CV) | 标准差与平均值的比值（CV = σ / μ）。 | 用以横向对比不同机床规格、夹具形式及加工工序的离散波动水平。 | CV < 8%（稳定批量加工状态下）。 |
为什么单一数字无法反映全貌？
算术平均值将所有循环时间总和直接除以加工数量。这一计算抹平了过程的几何形态与离散特性。在一个 100 件的生产批次中，假设 90 件工件在 180 秒内顺利完工，但有 10 件由于排屑清理或手动校准延误到了 450 至 600 秒，所计算出的批次平均值约为 207 秒。然而，现场实际上没有任何一件工件是在 207 秒完成的。从排程与准时交付的角度来看，决定产能承诺是否兑现的关键，正是这 10 件落入尾部的工件。
这三项核心指标在工程上承担着互不替代的角色：
- 算术平均值： 反映机床总负荷量与宏观加工通量，但极易被极端离散值所扭曲。
- 中位数 (P50)： 展现工序在无干扰下的真实稳定节拍，完全不受偶然极端延迟影响。
- P95 分位数： 划定受控状态下的最不利工况边界，是制定客户承诺交期与排程安全缓冲的坚实依据。
因此，一份严谨的机加工效能报表绝不能仅呈现单一数值，而必须至少包含三个核心参数：P50、P95 以及测算样本量。平均值应当作为参照并列阅读，绝不能单独作为决策依据。[3][4]
什么是 P95？分步计算方法
P95（第 95 百分位数）是指将测得的所有循环时间按从小到大升序排列后，能够覆盖 95% 观测值的上限时间界限。根据定义，95% 的工件加工耗时小于或等于此数值，仅有 5% 的最慢工件超出此范围。P95 并非指代某件特定零件的具体耗时，而是一个经验上限阈值。
我们以一个 20 件的小型试切样本展示其计算逻辑。假设按升序排列后的秒数如下：
170, 171, 171, 172, 172, 173, 173, 174, 174, 175,
175, 176, 176, 177, 178, 180, 182, 185, 210, 240这 20 件工件的累计加工耗时为 3,604 秒。由此可计算出基础统计数值：
| 统计量 | 数值 | 获取方法 |
|---|---|---|
| 算术平均值 | 180.2 秒 | 3,604 秒 / 20 件。 |
| 中位数 (P50) | 175.0 秒 | 第 10 与第 11 个数值的均值：(175 + 175) / 2。 |
| P90 | 185.0 秒 | 升序排序中第 18 位数值；20 件中的 18 件（90%）在该时间或更短时间内完成。 |
| P95 | 210.0 秒 | 升序排序中第 19 位数值；20 件中的 19 件（95%）在该时间或更短时间内完成。 |
| 最大值 | 240.0 秒 | 第 20 件工件；处于超出 P95 的前 5% 极端滞后区间。 |
在样本量 N = 20 的条件下，P95 的序号位置按照标准公式计算为 (20 − 1) × 0.95 + 1 = 19.05。按最近秩次法（nearest-rank），该位置对应第 19 位数值（210 秒）。部分采用线性插值的算法软件会得出 210 至 211 秒之间的微小差异。在分析报表中，应明确标注所采用的具体算法标准以及样本容量。[10]
在此示例中，平均值为 180.2 秒，中位数为 175.0 秒，而 P95 达到 210.0 秒。如果依据 180 秒核算交期，将有 2 件（210 秒与 240 秒）失去工时覆盖。若采用 P95，则能覆盖 19 件工件；最后一件极端滞后工件则通过 P99 或专项安全缓冲加以管控。评估机床本底能力看 P50，保障交付履约看 P95，监控严重偶发事故结合 P99。
样本量警示： 仅由 20 件测出的 P95 具有较大波动性；后续单件工件的异常波动容易大幅拉动该阈值。若要获得高度可信的 P95 指标，建议采集至少 100 件，最好 300 次以上的连续加工记录。在小批量阶段，结合 P50 与最大加工周期进行管控，远比生硬套用小样本分位数更具可靠性。
第一关键点：循环时间并非恒定常数，而是一个统计分布
在 ERP 与 MES 系统中录入的 180 秒只是排程假设，绝非物理定值。真实的循环时间是切削净加工时间与人工辅助时间的复合叠加，这两者具有完全不同的离散属性。切削时间受数控程序控制，波动范围较窄；而开门、装夹装卸、去毛刺、工件检测及清屑等动作则受人为因素影响，离散跨度极大。因此，底层遥测数据往往呈现双峰或显著右偏态。仅依赖单一固定数字进行排程的车间，往往忽视了第二峰值与长尾的存在，导致有效机床产能在未被察觉的区间内损耗殆尽。[1][7]
三种基准分布模式
根据加工单元的自动化程度及工艺成熟度，从数控机床采集的循环时间数据通常呈现出三种典型的分布形态：[3][7][8]
| 分布形态 | 加工单元 / 工艺特征 | 直方图表征 | 核心根本成因 | 工艺诊断结论 |
|---|---|---|---|---|
| 模式 A：单峰窄带分布 | 双交换工作台卧式加工中心或机器人自动上下料单元。 | 峰值陡峭且基底狭窄；标准差 σ < 3 秒。 | 人工干预完全在后台掩护时间内进行，工作台自动交换。 | 产能产出高度可预测；工艺能力指数表现优异。 |
| 模式 B：双峰分布 (Bimodal) | 手动装夹立式加工中心；单人看管两台机床模式。 | 形成两个独立峰值：及时换件节拍与滞后换件节拍。 | 操作人员在另一台机床上锁紧夹具或忙于测量抽检。 | 工序处于两种脱节的工况转换中；人机协同节拍失衡。 |
| 模式 C：重尾偏态分布 | 高温合金等难加工材料（如 Inconel、钛合金）；复杂装夹工况。 | 众数与中位数处于正常低位，但右侧尾部厚重且延展至 600 秒。 | 长切屑缠绕、进给暂停、测头校正等待、微小停顿频发。 | 平均值严重失真；绝大部分未达产损失均源自长尾消耗。 |
双峰分布剖析： 在单人负责两台立式铣削机床时，加工节拍会发生分化：若操作工在机床 1 加工完毕开门时恰好在场，零件换装耗时 25 秒，总循环耗时 175 秒顺利结束；若此时操作人员正在机床 2 上锁紧虎钳或检查关键尺寸，机床 1 只能开门待料，上下料辅助时间拖延至 90 秒，导致该零件总循环被拉长至 240 秒。这两组工件的综合平均值为 207.5 秒，但全批次中没有任何一个工件的实际耗时为 207.5 秒。分布直方图在两个活跃众数之间呈现明显的断层空档。[1][7]
第二关键点：产能损失隐藏在分布长尾中，而非平均值内
在一个 100 件的生产批次中，如果 90 件在 180 秒完成，而 10 件因排屑或故障拖至 450 至 600 秒，计算得出的平均值约为 207 秒。该平均值将 90 件的正常节拍与 10 件的严重拖延混合在一起。在制定履约交付计划时，核心问题不应是“平均几秒一件”，而是“95% 的工件能够在多少时间内稳定完成？”P95 给出了这一界限；而超出 P95 的前 5% 尾部区间，则必须在排程中单独规划保护性缓冲。[3][4]
长尾损耗的数学测算模型
为了直观说明算术平均值如何掩盖产能损耗并扭曲 OEE 计算模型 中的性能稼动率，我们构建了一个包含 122 件工件的模型批次。该数学模型用于清晰呈现离散分布的内在规律：
// 1. 排程计划基准
单班总时长 = 8 小时 = 480 分钟 = 28,800 秒
计划停机（就餐与工间休息） = 45 分钟 = 2,700 秒
净工作时间 = 26,100 秒
ERP 标称循环时间 = 180 秒
理论期望产出 = 26,100 / 180 = 145 件
// 2. 实际 122 件工件的分布数据
80 件 × 172 秒 = 13,760 秒
30 件 × 182 秒 = 5,460 秒
8 件 × 300 秒 = 2,400 秒
4 件 × 450 秒 = 1,800 秒
总切削运行时间 ≈ 23,420 秒
// 3. 计算统计指标
算术平均值 = 23,420 / 122 ≈ 192.0 秒
中位数 (P50) ≈ 173.0 秒
P90 ≈ 186.0 秒
P95 ≈ 305.0 秒
P99 ≈ 453.0 秒
欠产工件缺口 = 145 − 122 = 23 件
离散比例 (P95 / P50) ≈ 1.76在该模型中，122 件工件中约 90% 的工件在 186 秒或更短时间内完成，因此 P90 为 186 秒。然而，后续 8 件工件平均耗时 300 秒，最慢的 4 件平均达到 450 秒，使得数据尾部延展至 250 至 520 秒区间。对应 95% 完工线的阈值落在了 305 秒，因为这批尾部异常件占据了全批次排位最靠后的 5% 区间。P99 进一步跃升至 453 秒。
表面上看，平均值 192.0 秒与目标 180 秒仅相差 12.0 秒，这极易让人得出“生产进度仅略微慢于标准”的乐观误判。然而，导致 23 件欠产缺口的根源并非全车间整体轻微减速，而是几乎完全由处于长尾中的 12 件工件所致：8 × 300 + 4 × 450 ≈ 4,200 秒。以 180 秒的标准节拍折算，这白白浪费的 4,200 秒正好相当于 23 件工件的全部产能。虽然机床在班次的大部分时间都在满负荷运转，但大量产能却在隐蔽的长尾中悄然流失。
因此，P95 不仅是一项统计指标，更是车间产能排程与对外承诺交期的刚性边界。在 P95/P50 比值达到 1.76 的工序中，仅依据 192 秒进行对外报价将承担巨大延期风险；排程必须采用 P95（305 秒）作为基准，或在 P50 与 P95 之间建立明确的安全缓冲。直方图右侧柱状高度较低并不代表样本缺失，而是 122 件样本中仅有 12 件构成尾部的必然体现。要绘制平滑的高分辨率连续分布曲线，通常需要 300 次以上的连续监测数据。
基于直方图形态的隐性停机诊断
循环时间直方图不仅是对历史产出的归纳，更是反映数控机床运行健康状态的“心电图”。数控 G 代码中的暂停指令、刀库换刀卡顿、对刀仪测量补偿等待以及排屑机堵塞等故障，在时间轴上不会随机均匀散布，而是会在特定时间段留下特征鲜明的几何形态。这些形态是诊断系统未报报警隐性损失的重要突破口。[1][3][7]
1. 离散次峰（M00 / M01 指令或对刀测头等待）
在距离主分布峰值 60 至 120 秒外出现清晰的孤立次峰，通常表明程序中包含预设的人机交互动作。在执行 M00（程序暂停）或 M01（选择性停止）时，机床等待操作工开门抽检尺寸、翻转零件或清理底座铁屑。如果操作人员未能及时到位，这种短暂等待就会变成未被记录的设备停转。解决此类形态应优先引入机内自动对刀测头或采用机外装夹。通过实施 数控机床微停机监控，可精确定量这些中断的时长与发生频次。
2. 右侧延伸长尾（排屑缠绕与人工清理）
当直方图右侧呈不规则长尾延伸至 500 至 600 秒时，意味着随机性的微停机正在侵蚀节拍。在加工韧性铝合金或塑性材料时，长切屑容易缠绕在主轴刀柄或工件四周，迫使操作人员按下进给保持（Feed Hold）手动除屑。（安全注意：切忌使用高压气枪对着不锈钢伸缩导轨护罩接缝处吹扫，否则极易将微小切屑吹入滑块内部，导致直线导轨和滚珠丝杠拉伤受损。切屑清理应采用负压吸尘或专用低压冲洗）。由于此类短暂暂停不触发数控报警代码，传统系统往往无法捕捉，但它们持续拉厚长尾并拉高平均工时。[7]
3. 周期性梳状分布（刀具寿命耗尽更换）
在直方图上如果每隔固定工件数量（例如每加工 20 件）就出现周期性阶跃柱状，循环时间由 180 秒倍增至 360 秒，则说明机床正在触发刀具寿命管理程序。当刀具达到磨损极限后，停机换刀片、重新安装刀具并调用对刀仪进行刀长补偿会延长当前件的循环周期。这属于正常维护动作，但绝不应直接混入常规单件循环工时中，而应单独归入“周期性工具换装宽放时间”进行归档核算。[6]
4. 随班次时间的右向漂移（机床热变形与人员疲劳）
如果早班前两个小时的中位数为 175 秒，而在交接班前两小时漂移至 188 秒，则表明加工状态发生了系统性偏移。这种漂移主要有两种诱因：一是操作人员因体能下降而放慢了装夹节奏；二是机床主轴及床身热伸长导致尺寸超差风险增加，操作工主动调低进给倍率（Override）。要甄别根本原因，必须将传感器热变形温度曲线与操作员操作日志进行时间轴关联分析。[1]
决策支持矩阵
下述经验阈值可作为车间排查改进的初始基准，实际应用中应结合零件加工公差、机床役龄及工艺特性进行微调。其核心在于将识别出的直方图几何特征与具体的工程改善手段建立对应关联：[1][7][9]
| 直方图形态特征 | 统计触发指标 | 潜在主要诱因 | 工艺工程对策 | 预期改善成效 |
|---|---|---|---|---|
| 双峰形态（众数间距大） | 众数 2 − 众数 1 > 45 秒；双峰系数 > 0.55 | 单人看管多机负荷过大；人工测量待机时间长。 | 机外快速换模装夹（SMED）、气动零点定位夹具或协作机器人上下料。 | 消除第二峰值，双工况合二为一；释放隐性产能。 |
| 右侧长尾明显拖延 | P95 / P50 > 1.50；正偏度 > 1.2 | 切屑缠绕、定位销孔积屑、内冷压力不足。 | 优化断屑槽刀片选型、改善 CAM 刀轨切入方式、采用高压主轴内冷。 | 大幅压窄长尾宽度；拉近 P95 与 P50 距离。 |
| 对称但分布范围宽泛 | 变异系数 CV > 18%；偏度 ≈ 0 | 缺乏标准化作业指导；不同班组和工人手法差异大。 | 推行可视化作业指引、扭矩扳手定扭锁紧、开展装夹技能矩阵培训。 | 收敛过程波动方差；平衡跨班次产能产出。 |
| 周期性梳状突变 | 按固定工件件数周期性出现大于 2 倍众数耗时 | 刀具寿命到达上限换刀；机内测头对刀校准。 | 配置刀库同组备用刀；开启数控系统自动备刀轮换逻辑。 | 将换刀耗时彻底剥离出常规加工时间。 |
五步落地实施路线图
要将循环时间分布转化为车间日常排程与工艺改善的科学依据，建议执行以下五个标准化步骤：[1][3][6]
- 直接从数控系统采集原始时间戳： 坚决杜绝依靠工人交班时手写填报的传统方式。利用主流工业协议如 MTConnect、FANUC FOCAS 或海德汉 DNC，以毫秒级精度采集
Execution运行状态（ACTIVE → READY 切换）、PartCount计数器跳变及主轴负载信号。具体的信号状态机触发逻辑可参考我们的 数控机床班次与工件计数指南。 - 细分循环时间的组成成分： 避免将一次循环作为浑然一体的黑盒记录，而应将其明确拆解为净切削时间（主轴旋转且轴处于进给状态）与辅助换件时间（防护门打开至下次按下循环启动键）。切削时间检验工艺参数与刀具切削性能的平稳性，辅助时间则反映夹具人体工程学与工位周转效率。
- 统筹分析 P50、P95 与样本容量： 在每个批次完工时，自动计算 P50、P90、P95 与 P99 指标。一旦 P95/P50 比例超过 1.20，立即触发长尾损失专项排查。当样本量少于 100 件时，P95 仅作为参考探索指标；累计超过 300 件后，数据方具备高可信度。
- 将长尾超差件与底层传感器数据联动： 对超出 P95 阈值的所有工件，自动关联记录该时间段内主轴负载报警、进给修调倍率下调记录、开门滞留时长及测头调用等待记录，从而将责任推诿转化为客观清晰的工程排查清单。
- 在 ERP 工艺路线中确立动态区间： 废除 ERP 工艺路线卡上单一的标准工时设定，转而推行双向区间表示法，例如
[P50: 173 秒, P95: 305 秒]。产能排程缓冲依据 P95 风险制定，而机床净技术性能评价则回归 P50。
总结：单一平均值不能作为独立决策依据
在一间数控精密机加车间中，机床顶部的三色警示灯可能常年亮着平稳的绿灯，ERP 月度综合报表也显示平均循环时间紧贴标准指标。然而，如果这一平均值掩盖了 170 秒顺畅切削与 450 至 600 秒长尾滞后并存的撕裂现实，车间的巨额宝贵设备产能正在不为人知的无报警停顿与手动清屑中大量损耗。
算术平均值只能代表总任务吞吐量，它既不能反映设备的技术产能潜力，也无法保证交付期限的可靠性。P50 展示了工艺的本来实力，而 P95 则筑牢了承诺交期的高可靠性防线。将这几项统计量结合审视，工程工艺、生产计划与一线操作人员才能在同一种严密的数据语言体系下达成共识。
每位车间技术管理者都应核查两个根本问题：我们的计划排程是基于 P50，还是基于一个掩盖了长尾延误的均值假象？在超过 P95 的异常工件中，有多少是由于刀具磨损、长屑缠绕、对刀停顿或人员疲劳引起的，而这部分损耗的产能代价是否已被精确量化？
本文属于 DigiLiner 数控数据与制造能效系列的统计过程控制与深度分析专栏。关于机床状态在设备综合效率中的归集划分，请参考 数控机床 OEE 计算指南；针对 5 分钟以内的隐性损耗，请参阅 数控机床微停机监控；关于工件状态转换逻辑，请阅读 数控机床班次与工件计数指南；如需了解工业总线与底层协议采集架构，请浏览我们的 数控系统控制协议指南。
参考文献与技术标准
- Douglas C. Montgomery (2012) • Introduction to Statistical Quality Control (7th Edition) • John Wiley & Sons • wiley.com
- Walter A. Shewhart (1931) • Economic Control of Quality of Manufactured Product • D. Van Nostrand Company • asq.org
- ISO 22514-4:2016 • 过程管理中的统计方法 – 能力与性能 – 第4部分：过程能力估计与性能度量 • ISO OBP — 22514-4
- Sam Savage (2009) • The Flaw of Averages: Why We Underestimate Risk in the Face of Uncertainty • John Wiley & Sons • wiley.com
- ISO 22400-2:2014 • 自动化系统与集成 – 制造运营管理的关键绩效指标 (KPI) – 第2部分：定义与描述 • cesmii.org
- MTConnect Institute • MTConnect Standard Part 2: Materials Processing – Controller Execution and PartCount Telemetry • model.mtconnect.org
- Modern Machine Shop (Gardner Business Media) • Analyzing Machine Tool Cycle Time Variability and Shop Floor Telemetry • mmsonline.com
- MachineMetrics Inc. • Cycle Time Benchmarks & The Hidden Factory in Precision Machining • machinemetrics.com
- Lean Enterprise Institute • Lean Production Simplified: Cycle Time vs Takt Time and Waste Reduction • lean.org
- NIST/SEMATECH • e-Handbook of Statistical Methods — Percentiles and percentile plots • itl.nist.gov/div898/handbook
