下面这个使重复性过程的产品得以改进的例子非常充分地说明了一定要深刻理解质量优于数量这个问题。
我们找一个简单的重复性的工作，例如在一家大餐馆里做蛋奶酥。在学习和工作改进过程中，你要经历三个阶段。    1、最终特性的测定和检查
   一开始你在尝试新配方，但由于对这个新过程你不了解，这一阶段你只能靠摸索来检验你的奶酥，你一个接一个地制造并品尝，直到吃到一种满意的为止。客户正在等待，所以你不想花太多的时间和精力。于是你固定下这种还不错的配方以及各种标准条件，开始正规生产。
    生产完后，你要为最终质检规定产品特性，例如蛋奶酥的外观和高度。如果产品达不到规定标准，你要么放弃，要么改进生产。我们假设高度对蛋奶酥来说是一个很重要的特性，而你95%的产品都达到可接受的9至11厘米。如果正常加工，奶酥的高度会呈铃铛形曲线(正态分布)。以理论值 10厘米为中心均匀变化。会有5%的产品检测不合格。我们尽管经过检验还是无法避免漏掉一些次品卖给了客户。这些劣质产品是由过程中的一些忽视造成的：配方不是最优的，大多数的参数仅仅是粗略设定的。但是你没有时间改进过程了，检测成本和次品就是忽视的代价。在没有很好理解过程问题时，检测是残酷而且低效的，但它又是唯一的办法。
    2 、确定重要参数和过程控制
    假设餐馆的生意很好，你必须扩大生产。为了提高产品质量的一致性并保持餐馆形象，你必须为质量预防和改进过程进行投资。更科学的方法是确定并控制过程中的关键参数。开始影响生产的参数很多，你可以把他们列在表中。经过分析、试验用不同的原料、配方或炉子之后，三个或四个对结果影响最大的关键参数出现了。对这些参数认真地选择和监测可以有效地减少结果差异。
    例如，如果炉温是一个很敏感的因素，这个温度就必须控制在一个精细的变化范围内。如果控制了所有的参数，你的产品在前面所说的可控制标准内的合格率就会达到100%，你取得了0次品率。所有的奶酥的高度都在可接受范围内，尽管不都是最优的10厘米。通过定期的抽样，例如每30分钟检查一次，你就能有效监测产品的质量，确保生产正常。把这些连续的抽样结果绘成控制图，如果他们都保持在规定的界限内，你就可以确定生产运转正常；如果结果和规定值不符合，你必须停止生产，找出导致差异的原因。这种连续的监测生产的方法又被称为统计性过程控制或SPC （Statistical Process Control）。利用SPC操作者对于过程的控制和结果的改进负有责任，但是你也别因一线生产人员负责就高兴的太早，不要忘记质量是建立在过程设计过程中的。过程设计合理，从一开始就保证了质量的一致。
    3 、意外控制的和自动化准备
　　下一步是自动化以及控制变数和意外问题。为了进一步减少差异和意外，提高对过程的了解是必要的。变化产生的来源是可以预测和控制的。所以生产规模越来越大时，就应该准备自动化生产了。这一步包括控制内部障碍，如磨损和外部障碍（温度、环境和原材料等）。
    例如，你发现因炉温不均匀，炉壁四周的蛋奶酥总是不合格。于是你改变配方，增加了一种特殊的原料使奶酥的烤制不受炉温太大的影响，更加稳定。一旦情况得以控制，不再受外界影响，过程就可以进入，不再受人监管的自动化阶段。随着控制逐步溶入过程当中，劣质成本进一步降低，这个道理很简单。只要投入足够多的精力去尝试，掌握了更科学的过程知识，高质量将带来生产的自动化以及产量的提高。总而言之，要达到质量一致，减少变动，从根本上要从只对结果和检测的管理转变为研究过程、控制结果的管理，把检测变成试验和学习。

返回