Frederick Winslow Taylor (1911) | 工业标准化与系统工程的奠基之作
泰勒指出，社会极其关注物质资源的浪费，但却忽视了“人类劳动的浪费”（如笨拙、低效的动作）。他定义了当时工业界的核心痼疾——“磨洋工” (Soldiering)，并归结为三个原因：
终极目标： 实现雇主的最大财富与雇员的最大繁荣相统一。即：高工资与低人力成本是可以同时存在的。
将鼠标悬停在卡片上（移动端点击）以翻转查看具体定义及现代工程视角映射。
Develop a science
对工人的每一个动作进行时间与动作研究，用标准化的科学规律替代古老的“经验法则”。
Select and Train
科学地挑选工人，并对其进行培训、指导和系统化发展，而非让工人自己挑选工作和摸索。
Heartily Cooperate
管理层与工人热诚合作，建立“任务+高额奖金”的机制，确保所有工作按科学原则进行。
Equal Division
管理层与工人几乎平分工作与责任。管理层接管“计划与统筹”，工人专注“执行”。
痛点： 工人日均搬运量仅 12.5 吨。
科学介入： 泰勒推算人类极限为 47.5 吨/日。发现核心规律：重体力劳动中，工人必须有57%的时间空手休息以恢复肌肉纤维。他挑选了身体健壮但思维简单的 Schmidt，严格指令其何时搬、何时休。
结果： 产量提升近4倍，工人日薪从$1.15涨至$1.85 (提升60%)。
痛点： 工人自带同一把铲子处理铁矿石和轻质煤渣，负荷在4磅到30磅之间波动，效率极低。
科学介入： 实验证明最优化单次铲载量为21磅。设立工具室，为不同密度的材料提供特定大小的铲子。引入“计划部门”进行路线调度。
结果： 庭院劳工从400-600人减至140人，每吨处理成本从7.2美分降至3.3美分。
痛点： 千百年来，砌砖工每次都要弯腰捡砖、翻转检查、敲击找平，极其消耗体力。
科学介入： 弗兰克·吉尔布雷斯发明了可调脚手架，雇佣廉价小工提前将好的一面朝上排在木架上；调整砂浆浓度无需敲击。
结果： 动作从18个大幅减少至5个（甚至2个），每小时砌砖量从120块飙升至350块。
痛点： 视觉检验工作极度消耗脑力，女孩们工作时间长且频繁“摸鱼”。
科学介入： 缩短工时（10.5h降至8.5h），引入每小时工间休息；引入心理学指标，筛选具有低“个人反应系数” (Low Personal Coefficient)（眼手协同快）的女孩；建立抽检防作弊机制和差异化计件工资。
结果： 35名女孩完成了过去120人的工作量，准确率提升超60%。
痛点： 车床速度和进给量完全由机械师“盲猜”。
科学介入： 历时26年，消耗80万磅钢铁，测试12个独立变量。最终巴斯(Carl Barth)发明了专用计算滑尺，将多变量复杂数学方程工程化、可视化。
结果： 一个毫无经验但拥有滑尺和科学知识的人，加工速度是具有10年经验的老师傅的2.5到9倍。
泰勒奠定了现代工业文明的效率基石，但在一百年后的今天，面临 VUCA（易变、不确定、复杂、模糊） 环境和知识工作者主导的 AI 时代，他的某些观点发生了极大的反转：
“脑手分离”（计划与执行彻底分离）
泰勒认为工人缺乏教育，只需服从“计划部门”的详尽指令。他剥夺了执行者的思考权，将其视为机器的延伸。
自组织团队与智能自治 (DevOps/Empowerment)
现代知识工作无法预测每一步。我们提倡 DevOps 和敏捷，让构建者负责运行 (You build it, you run it)。创新来源于边缘（执行层），而非中央控制室。
将人异化为标准化的齿轮
寻找最契合单调劳动的“牛一样迟钝”的人（如搬运工Schmidt），用任务和计件工资驱动行为。
AI 代理接管齿轮，人类回归创造
LLMs 和自动化脚本正是泰勒梦寐以求的“完美执行者”。机械劳动被 API 和 AI Agent 替代，人类转向处理边缘异常（Exception handling）、系统架构与同理心创造。