似水流年一个技师的真实一天
让我带你看看技师小李的一天，这是我在某新能源服务中心实地观察记录的真实案例。
8:00 打卡上班
8:05 换工作服、准备工具
8:15 等待早会开始
8:20-8:45 早会（明明5分钟能说完的事，开了25分钟）
8:45 等待派工
8:55 接到第一个工单，去工位
9:00 开始维修（更换刹车片，标准工时1.5小时）
9:20 发现需要一个专用工具，去工具房借
9:25 工具房没有，去问其他技师借
9:35 找到工具，回工位继续
10:30 完成刹车片更换（实际用时1.5小时，但中间找工具15分钟）
10:35 等待下一个派工
10:50 接到第二个工单（更换电池冷却液，标准工时1小时）
10:55 去仓库领配件
11:05 配件领到，去工位
11:10 发现工位被占，另一辆车等件停在那里
11:20 工位空出，开始工作
12:00 完成冷却液更换
12:00-13:00 午休
13:00 等待派工
13:15 接到第三个工单（诊断电池告警，标准工时0.5小时）
13:20 开始诊断
13:40 诊断完成，需要更换BMS模块
13:45 去仓库查配件
13:55 仓库没有该配件，需要调货
14:00 通知客户，车辆下架等件
14:05 等待派工
14:25 接到第四个工单（轮胎更换，标准工时0.5小时）
14:30 开始工作
14:55 完成轮胎更换
15:00 填写工单、记录
15:15 等待派工
15:35 接到第五个工单（空调故障诊断，标准工时1小时）
15:40 去工位，发现上一辆车还没开走（客户未取车）
15:50 联系客户，客户说晚上来取
16:00 协调另一个工位
16:10 开始诊断空调
17:00 下班
时间都去哪了？
让我们用数据来分析小李的这一天：
| 时间类型 | 分钟数 | 占比 | 说明 |
|---|---|---|---|
| 增值时间（真正修车） | 225分钟 | 42% | 客户愿意付钱的时间 |
| 等待派工 | 75分钟 | 14% | 浪费 |
| 等待工位 | 35分钟 | 7% | 浪费 |
| 找工具/领配件 | 30分钟 | 6% | 浪费 |
| 开会 | 25分钟 | 5% | 部分浪费 |
| 填写记录 | 15分钟 | 3% | 必要但不增值 |
| 准备/换衣 | 10分钟 | 2% | 必要但不增值 |
| 午休 | 60分钟 | 11% | 必要 |
| 其他杂事 | 65分钟 | 12% | 协调、沟通等 |
五大效率损失类型
通过大量的现场观察和数据分析，我总结出售后服务中心的五大效率损失类型：
损失一：等待损失（Waiting Loss）
占比：15-25%
这是最大的效率杀手。
| 等待类型 | 典型场景 | 根因 |
|---|---|---|
| 等派工 | 技师完成任务后空等 | 派工系统不及时、客流不均 |
| 等配件 | 车辆举升后发现没件 | 备件不足、预约未检查 |
| 等工位 | 有活但没工位可用 | 工位被滞留车占用 |
| 等客户 | 维修完客户未来取车 | 缺乏追踪机制 |
特斯拉怎么做：
- 预约时已远程诊断，配件提前到位
- 智能派工系统，实时匹配技师和任务
- 移动服务分流简单任务，减轻工位压力
损失二：准备损失（Preparation Loss）
占比：5-10%
| 准备类型 | 典型场景 | 根因 |
|---|---|---|
| 找工具 | 专用工具不在手边 | 工具管理混乱 |
| 查资料 | 维修手册查找困难 | 知识库不完善 |
| 领配件 | 去仓库领料排队 | 流程繁琐 |
| 协调沟通 | 与服务顾问、仓库的沟通 | 信息不透明 |
特斯拉怎么做：
- 每个工位配套完整工具组
- 平板电脑直接调取维修信息
- 配件预派到工位旁，不需要去仓库领
损失三：技能损失（Skill Loss）
占比：10-15%
技师的技能不足导致工作时间超过标准工时。
| 技能损失类型 | 典型场景 | 根因 |
|---|---|---|
| 经验不足 | 新技师对流程不熟悉 | 培训不足 |
| 车型不熟 | 遇到不常见车型 | 缺乏专项培训 |
| 新技术 | 新能源三电系统不熟悉 | 技术更新快、培训跟不上 |
行业数据：
- 初级技师的效率通常只有高级技师的60-70%
- 新车型上市前3个月，技师效率会下降15-20%
损失四：质量损失（Quality Loss）
占比：5-10%
一次没做对，需要返工，时间翻倍。
| 质量损失类型 | 典型场景 | 根因 |
|---|---|---|
| 诊断错误 | 换错配件，问题未解决 | 诊断流程不严谨 |
| 操作失误 | 安装不到位、漏紧 | 缺乏检查清单 |
| 返工重做 | 质检不通过需要返工 | 标准不清晰 |
损失五：管理损失（Management Loss）
占比：5-10%
| 管理损失类型 | 典型场景 | 根因 |
|---|---|---|
| 派工不当 | 简单活派给高级技师 | 缺乏智能派工 |
| 会议过多 | 频繁的会议打断节奏 | 管理方式问题 |
| 流程繁琐 | 各种审批、签字耗时 | 历史积累 |
| 信息不通 | 同一信息多人反复确认 | 系统不完善 |
效率损失分布全景图
售后服务中心效率损失分布（行业平均）
█████████████████████████████████ 等待损失 20%
████████████████████ 技能损失 12%
████████████ 准备损失 8%
███████████ 质量损失 7%
██████████ 管理损失 6%
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
合计损失：53% 有效时间：47%
这意味着：平均每个技师每天有8小时，只有4小时不到在创造价值！
如何进行效率损失分析？
方法一：时间观测法（Time Study）
这是最直接、最有效的方法。
操作步骤：
- 选择一个工作日，全程跟踪一个技师
- 每15分钟记录一次他在做什么
- 将活动分类：增值/等待/准备/其他
- 统计各类占比
记录表模板：
| 时间 | 活动描述 | 分类 | 备注 |
|---|---|---|---|
| 8:00-8:15 | 换工作服、准备工具 | 准备 | |
| 8:15-8:30 | 等待早会、开早会 | 管理 | 早会延迟开始 |
| 8:30-8:45 | 等待派工 | 等待 | 第一辆车未到 |
| ... | ... | ... | ... |
方法二：数据分析法
如果有DMS系统，可以通过数据分析发现问题：
分析维度：
- 时间维度：哪个时段效率低？（上午/下午/周几）
- 人员维度：哪个技师效率低？为什么？
- 任务维度：哪种维修类型超时多？
- 工位维度：哪个工位利用率低？
实战案例：某新能源服务中心的效率诊断
背景：某新能源品牌服务中心，拥月15个工位，20名技师，整体效率仅58%。
诊断过程：
- 时间观测：连续观测5天，覆盖5名技师
- 数据分析：分析过去3个月的2000+工单
诊断结果：
| 损失类型 | 占比 | 主要原因 |
|---|---|---|
| 等待损失 | 24% | 等派工15%，等配件6%，等工位3% |
| 技能损失 | 10% | 三电维修经验不足 |
| 准备损失 | 5% | 配件领取流程繁琐 |
| 质量损失 | 3% | FTR较高，损失不大 |
核心发现：
等待损失占比高达24%，其中"等派工"占了15%！
深入分析后发现：
- 派工完全手动，服务顾问按顺序派
- 技师完成任务后需要电话通知前台
- 前台再打印工单、通知技师
- 整个过程平均15-20分钟
本章小结
| 核心认知 | 关键要点 |
|---|---|
| 五大损失类型 | 等待、准备、技能、质量、管理 |
| 最大损失源 | 等待损失（15-25%） |
| 诊断方法 | 时间观测法+数据分析法 |
| 关键洞察 | 效率低往往不是技师问题，而是系统问题 |
下一篇预告：知道了损失在哪里，还需要知道你的产能天花板在哪里。请看《Day 49-4：产能规划——科学计算你的服务天花板》