Jeff(ASQ_CQE)談統計品質工程Statistical Quality Engineering

  好久沒發布閱讀筆記了，今天要推薦暢銷Podcaster股癌的創作，灰階思考。 特別會在網誌上推薦此書籍有一個很重大的原因，因為最近Jeff一腳踏入Readmoo讀墨的電子閱讀世界，它有一個功能叫做「AP推書夥伴」，我想了一想，或許我可以透過這功能向讀者們推薦我平常在看的書，也順便賺取一些購書的經費，大家只要用上列的封面連結購買電子書，Jeff就能得到該商品的3%分潤。 以下是這功能的簡介： 「只要有其他人循連結完成交易，即可獲得該連結商品之 3％ 分潤。全站電子書、電子雜誌與閱讀器（含配件）皆涵蓋在 AP 推書夥伴計畫中。您可以選擇累積至最低匯款門檻（新台幣1,000 元），或直接轉換成犢幣，立即使用！」 灰階思考這本書讀起來就跟在聽謝孟恭的podcast一樣：節奏明快、鏗鏘有力、邏輯清晰。作為最近竄紅的年輕股神，他本人一再強調這世界不是非黑即白、從0到1，反而更多的是不確定 、多元思維、帶點模糊的意味。 就跟他在書中提到的，他雖然偏愛作多，但也會研究作空的技巧；雖然內心較偏愛川普，卻也準備了失智老人上台後的投資策略。這類思維與查理蒙格的多元思維觀點雷同，都是講究客觀理性的思維方式，避免自己陷入了鐵鎚人的傾向而不自知。 這本書內容簡明清晰，適合輕鬆快速閱讀，我在iPad Pro上面觀看的體驗非常好；在推薦這本書的同時我也非常推薦Readmoo的購書環境與閱聽環境，讓我感受到與Amazon相似的電子書體驗，也希望讀者們有機會也能一探電子書閱讀的世界。

今年九月七號我在LinkedIn收到一封訊息，是Hank傳來的。其實我並不認識Hank，但之前為了想多了解LinkedIn的細節買了他的書「我用LinkedIn找到高薪國外工作」。後來我開始認真撰寫LinkedIn的個人資料及經營個人品牌，開始在網路上認識許多厲害的人，也開始有許多人介紹工作給我。 收到這封訊息剛開始我滿意外的，因為Hank看到我曾經按過他某篇文章的讚，於是傳訊息問我是否對他的新書有興趣?但我知道這正是Hank想告訴我們的一點：你必須主動出擊。LinkeIn並不是第二個104，而是你經營職涯人際關係的平台，他透過主動出擊又實踐了一次。 Hank的新書叫做「14個克服自我懷疑與恐懼的技巧，創造更好的職涯與商業發展」，照Hank的說法，這本書與他的前兩本書形成了發展個人品牌的整體架構，並從源頭出發，由自己的思維著手進行個人品牌的打造工程。 在跨出「為公司服務」轉型成「打造個人品牌」的路上最大的阻礙不是別人，正是你自己，這一點我感同身受。我在2018年認真經營品質統計工程的網誌之後才逐漸了解到，原來在這之前我從未真正理解我所熟悉的品質觀念跟品質工具；在積極修正之下，我自己到網路上尋找學生，並在半信半疑中開了三次SPC課程。我從一個公司的品保副理，瞬間轉型成業界的SPC老師，並透過深入簡出的方式幫助學生們正確理解SPC的概念，即便不懂統計的人也能一探究竟。 從此我的自我懷疑消失了，取而代之的是持續的主動出擊，建立我是品質專家的第一印象給大眾。

「天賦」代表的含義 我們一般人根據自己的生活經驗和自小的家庭背景，往往會因為自己無法達成某些成就而自嘲：「沒有某方面的天份。」若是唱歌不好聽，就說自己從小就是音癡，沒有音樂細胞；若是肢體不協調，就說自己沒有體育細胞；要是考試成績不好，就自我認定某種程度上自己智商不夠高。 許多人學過演化論，甚至將這種細胞思維怪罪到基因上頭，因而也有人稱呼自己「缺乏運動基因」、「沒有畫畫天份」，彷彿運動跟畫畫厲害的人都是與天俱來的本事。刻意練習這本書的主旨便是要使讀了此書的人了解，天賦不是決定所有事的因子，甚至我們根本無法單純以天賦解釋為何人們會成功，而某些人徒具天份而失敗。 堅信「天賦」會導致人們的自我應驗，僅因為一兩次的失敗，就認定自己從此沒有該領域的天份；其實多數人只是單純需要多一點正確的刻意練習，並且建立起正確的心智模型。 不受限的心智 天賦論者屬於「固定型」心態，認為人們(尤其自己)無法達成事物是因為能力的限制。由於人們的才智有其限制，因此無法完成某個挑戰也是理所當然的。這種心態直接或間接造成人們無法再進步，認為成人基本上就是學習速度緩慢、大腦理解能力下降，進而認定自己就是沒辦法、就是不可能做到。 而「開放型」心態則迥異於前者，開放型心態的人傾向認為人們(尤其自己)擁有解決問題的能力，該能力不受既定的條件限制，具有隨時調整、改進的機會，能夠依據不同的條件、變動，動態調整需要的能力，必要時能夠隨時學習新知以解決新的挑戰。 與天賦論定的心態相較，刻意練習所隱含的意義就是積極挑戰既有的目標。由於認知到人們的表現主要隨著練習的品質起伏，因此積極設立明確的目標、持續以不同方式挑戰限制，並且快速從成果中得到反饋，如此一來就能更有效率達成該領域的專家層級。這樣的心智認知會重新塑造一個人對這世界的認識，從而體認自己的表現多數取決於練習的成果，進而產生正面的自我期許，塑造出正面的人格特質。 就各領域的專業人士來說，不受限的心智代表全世界將能以更有效率的方式獲得更多更好的專業人才，大幅提升現有世界的表現。 對個人來說，不受限的心智表示相信自己能夠隨著年齡增長持續進步，取得一生不凡的成就。

隨著科技的進步的速度越來越快，人類已經趕不上資訊爆炸的進程。古人有云：「家有一老，如有一寶。」就是表示以往的社會，人類累積的經驗是幫助群體生活的有效因素，但科技帶來的知識、資訊極快速更迭，讓人類數十年累積的經驗成了累贅---更正確來說是「無用的經驗」，使得我們應該隨時留意自己是否成了「馬齒徒增」的老人---意指滿腦子經驗，卻花很少時間學習的人。 影響力這本書的目的就在於闡述上述的事實：我們知道的太少、科技又跑得太快，我們的大腦沒辦法從祖先的矮樹叢採集生活迅速演化到現代的科技社會，導致我們時常用大腦那套古早的方法來應付現代快速膨脹的資訊。「管他什麼決策，只要趕快做出決策就是好決策」的下意識回應成為了應對生活上各種複雜決策的根本模式。當我們還以為自己都能夠理性判斷、獨立思考的時候，其實早就深受周遭的銷售模式、專業人士的影響擺佈尚不自知。

2021.06.23修改內容。 書名的由來 「窮查理的普通常識」這本書的英文書名叫Poor Charlie's Almanack，是仿效富蘭克林的Poor Richard's Almanack一書；富蘭克林這本書的中文翻譯叫做「窮理查年鑑」，是富蘭克林蒐集各地的名言佳句成冊的年曆，當年的銷量極暢銷，也讓他賺了不少錢。 仿效書名的其中一個用意是查理蒙格很尊崇富蘭克林，在演講中曾多次提及富蘭克林的名言佳句；但我深深覺得查理蒙格另外的用意則是：他希望他的「普世智慧」能像富蘭克林的年鑑或自傳一樣，流傳百世。 「窮查理的普通常識」是多篇蒙格演講稿集結成冊的書，內容廣泛多元，論點淺顯，但不容易讀懂。他自己創造了「普世智慧」的名詞，用來解釋他的多元思維架構。 第一次看到這個名詞時，我還以為自己看錯了什麼，怎麼會有人自以為擁有什麼智慧呢? 他宣稱人類有一種鐵鎚人傾向，並舉出多個例子指出人類確實會因為自己掌握了某一種模型，就只能使用這套模型，並且在其他模型出現時努力抨擊，以維持自己掌握住的模型。由於鐵鎚人傾向對於人類影響太過於顯著，蒙格使用另外一種思維模式以避免顯而易見的失敗：反向思考。

2018年的閱讀型態延續2017年的新嘗試，也就是持續使用Kindle作為原文閱讀的工具；另外一點，由於受到周遭人們的提醒啟發，我也將閱讀領域調整至品質專業，最大的目的是加快累積品質專業的速度，並讓自己全盤了解品質領域的主題。這部分的努力許多不在閱讀筆記的內容裡面，大家可以在 【品質工程】統計製程管制SPC全系列文章 看到相關的文章與陳述，這篇文章匯整了品質工程的基礎知識，歡迎批評指教。 講到現代品質管理就不能不提到戴明博士。

簡單記錄一下自己閱讀這本書的重點摘錄 張先生細數他少時的顛沛流離 又詳記他在美國求學的經歷 文字雖然輕描淡寫卻看得出他自小用功頗深 對於文字、語言、數理、藝術及科學均有深厚底蘊 當然也是他家學淵源 自幼受了長輩正面影響所致 希凡尼亞半導體的敗因出在領導階層 領導階層都是外面聘僱別的行業的半導體外行人  偶爾開發出好產品卻無法在開發、生產、行銷互相搭配 五零年代的德州儀器卻是不同的光景 領導階層出身自技術背景 非常了解並講究半導體的相關技術與發展 除專業領域外 也很要求聘雇的員工必須了解半導體知識的背景及能力 此外又非常講究職級間開放平等的態度 讓橫向與縱向的交流均較其他公司為高 就張先生的角度而言這都是德州儀器比希凡尼亞半導體好上數倍的優點 另一方面他也認為德州儀器在半導體失敗的地方同樣也是高階領導者的技術 原本是半導體專家的夏伯特在張忠謀先生入職德儀之時已經逐漸與半導體技術脫節 更糟糕的是 後來他自己本身並不知道自己已經脫節 這讓德儀在半導體陷入了險境 德州儀器還有一點與希凡尼亞半導體有很大不同 那就是德州儀器的組織架構採用以業務單位為主體 下面編列工程、生產、行銷 這使得張先生所處的研發單位時常受到業務的霸凌 但他自己認為這卻是好事 原因是這樣使研發單位受限的環境反而有助於研發與行銷的緊密結合 那種「理想中的尖端研發單位」應該在校園內比較多 在企業內部不應佔比太多 張忠謀先生還有一項特點在自傳中完全展現出來 那就是他靜下來讀書的本領高得驚人 這似乎是他天生由於不善運動而發展出的特殊技能 例如他在顛沛流離的年代少讀了幾年書 卻總能迎頭趕上並且準時高中畢業 在哈佛大學的一年則是博覽群書 麻省理工學院則是每週花費50小時看書 到史丹佛讀電機博士之前則花了五個月的時間 每天從八點讀到晚上十一點 這時數算起來將近每天13小時的苦讀持續五個月  也就是13hours/day *150days = 1950 hours 真是十分驚人的閱讀時數

以下是Factfulness真確一書內寫的實例 作者前往瑞士調查一家用極低價格標到合約的藥廠 試圖查出有什麼潛藏的不法利益勾當 結果發現該公司竟然利用付款日的落差進行套利 配合高度自動化產線達到低成本、高精度的生產規劃 快速、精準、高效、高品質的必然結果就是低成本、高水準 UNICEF runs competitive bids for pharmaceutical companies to provide it with medicines over a ten-year period. The length and size of the contracts make them attractive and bidders tend to offer very good prices. However, on this occasion, a small family business called Rivopharm, based in Lugano in the Swiss Alps, had put in an unbelievably low bid: in fact, the price they wanted per pill was lower than the cost of the raw materials. 聯合國兒童基金會採用競爭投標方式為製藥公司提供10年期的藥品 由於合約很大效期又長 因此極具吸引力 投標者也傾向提供好的價格 然而有一家位於瑞士盧加諾的小型家庭企業Rivopharm竟然投下不可思議的低標 此投標價格比原物料的成本還要低 A few years ago we saw that robotics was going to change this industry. We built this little factory, with the world’s fastest pill-making machine, which we invented. All our other processes are highly automated too. The big companies’ factories loo...

偏見就是一個人認知的情況與「實際」的狀況偏移的差距 「實際」的狀況是不可知的 無法完全陳述、理解與得知 但我們可以透過理性思考獲得樣貌 一個人的思維如果越是不科學、越沒有邏輯 則我們可以知道他的認知離實際狀況越遠 而他的偏見也就越深 由上可知任何一切人類使用的思維模式 只要是不理性、不科學的認知過程 都會形成偏見 於是我們可以推論這種偏見勢必會使得你只看得到你想看到的事物 因為你的推論模式已經失去邏輯判斷和科學資料分析 而只認定事物朝向你以為的方向發展

人們區分「你」、「我」的行為具有很好的特性 能讓人類很快搞清楚狀況 透過直覺式的二分法 我們馬上就能釐清世界上任何事物的兩種特性 例如： 西方國家以及非西方國家 有錢人和貧窮人 勤奮的人與懶惰的人 二分法幾乎佔據了所有人類的思考模式 二分法就是人類理解世界最常用的直覺方法 但是二分法也是最具有偏見的思考模式  這種思維就像在一張黑白均勻分布的紙上硬是劃上一刀將黑白兩塊切開一樣無法理解 眾多問題值得更多的類別、更多維的種類 以便我們看得更清楚 以人類的財富而言 以往的貧窮或者富有的區分方式已模糊了我們的思維 這本書提出了更好的分類方式 採用Level 1 ~ Level 4的四個類別

  Factfulness書名翻譯為「真確」 無論是中英文聽起來都有點奇怪  而這本書的副標題是 "Ten reasons we're wrong about the world and why things are better than you think" 「為何世界比你想的還要美好的十大原因」 這當然就是本書的重點論述 作者花了10個章節分別介紹這些原因

長久以來我們學習Gage R & R都是觀察其結論 也就是觀察量測儀器變異EV、量測人員變異AV及待測物本身的變異PV各自佔總變異的比例 %EV = EV/TV *100% %AV = AV/TV *100% %PV = PV/TV *100% %GRR = GRR/TV *100% Where TV^2 = EV^2 + AV^2 + PV^2 GRR^2 = EV^2 + AV^2 但在AIAG MSA手冊裡面有一段話是這麼說的 "THE SUM OF THE PERCENT CONSUMED BY EACH FACTOR WILL NOT EQUAL 100%." 「每一個項目相加總和不會等於100%」然後就沒了 意思是 %EV + %AV + % PV =/= 100% 可能會大於或小於100% 但怎麼會這樣呢? 原因是這些看起來像百分比的數值其實不是比例 而是三角函數 由於TV^2 = EV^2 + AV^2 + PV^2 所以透過畢氏定理我們知道它們的標準差不具有相加性 也就是 TV =/= EV + AV + PV 所以當兩邊同除TV時 自然也不會相等 也就是 %TV = 100 % =/= %EV + % AV + % PV 所以正確的算法該怎麼計算呢? %EV = EV^2/TV^2 %AV = AV^2/TV^2 %PV = PV^2/TV^2 %GRR = GRR^2/TV^2 這部分的知識取自於  EMP III (Evaluating the Measurement Process): Using Imperfect Data 是Donald J. Wheeler教授寫的書 他整理MSA相關文獻並且指出Gauge R & R發展過程中缺乏數理根據以及一致性 導致就連目前AIAG MSA手冊裡面寫的量測系統分析流程竟然都是錯的 他為了糾正此錯誤 特別提出一個Honest Gauge R&R Study流程 有興趣者可以自行到上方Amazon連結購買此書

The System of Profound Knowledge 深厚知識系統 "What we need is cooperation and transformation to a new style of management.  The route to transformation is what I call Profound Knowledge." - W. Edwards Deming 「我們要做的事是相互合作並轉型成新的管理模式，而轉型的過程就是所謂的深厚知識。」 戴明博士創建的深厚知識系統包含四個相互關聯的要素 對系統的認知 Appreciation for a system 變異知識 Knowledge about variation 知識理論 Theorem of knowledge 心理學 Psychology 這些要素不能被拆分探討 而是互相影響的因素 例如： 管理者必須認知人們是獨特的 因此不能用工作表現的好壞來加以評比 人們的工作表現多數時候受限於他們工作的系統環境 而非他們自己本身的表現 這一點在紅珠實驗裡面有著詳細的說明 證實了人員受到系統影響甚鉅 人員若依照取出紅珠的多寡進行評分排序 那麼事實上每個人都有機會受罰 受罰的原因並非個人能力問題 而是整個系統充滿了紅珠 自然大家都有機會取出紅珠 如果某個心理學家沒有變異知識 那他就沒辦法理解上述的結論

漏斗實驗是戴明博士發明用於統計教學的一套工具 這套統計工具可以讓學習者更能體悟到事物變異的情況以及過度調整會發生什麼情形 「過度調整」? 過度調整的英文叫做Over-adjustment 表示系統從原先的狀態被調整而成為另一種不預期的狀態 我們本來的設想是透過某種努力讓系統變得更穩定 然而若我們不具備變異的觀念 以及為何變異會受到系統的干預變得更顯著的話 那我們很有可能會持續犯下錯誤 將共同原因誤判成特殊原因 然後持續犯下錯誤 漏斗實驗富含深意 因為當主管不具備變異知識時 所做出的決策往往擴大變異而非減少變異 當「問題」發生(實際上可能是系統出問題) 我們直覺要「做些什麼」來解決問題 然而漏斗實驗告訴我們 更多時候你什麼都不做還比較好 更重要的是去思考問題的本質 漏斗實驗有四種情境：

             轉危為安整本書其實想表達的觀念很簡單 用一句話表示就是請管理階層識別何謂「共同原因」、何謂「特殊原因」 將共同原因識別成特殊原因 將會造成系統越調越偏 變異越大的損失 將特殊原因識別成共同原因 將會造成漏失的錯誤 失去改善的機會 之所以會特別提及這兩種原因的差別 最初的想法來自於蕭華特博士發明的SPC 由於中央極限定理的緣故 隨機變數的線性組合(一般稱作為平均值)會呈現常態分配 常態分配告訴我們在平均值正負三個標準差之內的曲線面積總共為99.74% 這表示若隨機變數的平均值服從常態分配 就等於大部分的資料會落在三個標準差之內 這種情形就是「共同原因」的由來 因為在正常狀況下 本來就會有99.74%的資料會在三個標準差之內 反之 若資料不在三個標準差之內 則隨機變數的平均值就不服從常態分配 或者我們會懷疑隨機變數的平均值可能是從另一種機制抽出來的結果 什麼時候會發生上述的情況呢？這點就是「特殊原因」的由來 也就是我們認定一旦看到隨機變數的平均值不服從常態分配的現象 就表示裡面一定有什麼原因造成不隨機的現象發生 這也是我們透過SPC想要探測的結果 事實上統計機率的世界確實比以往實數的確定世界難懂一些 在這裡我們必須花一點篇幅講解統計與機率 以便大家了解變異的世界 我們之所以會使用到統計機率 最單純的想法就是要描述變動的事物 例如群體的變化、溫度的起伏、機台加工件尺寸的差異、量測的誤差等等 這些變動的事物構築成了我們現在熟知的「變異」 成為了我們想要克服的問題 想要克服這些問題 首先要能夠描述這個問題 於是各種描述事物的隨機分配就誕生了 但是世界上各種事物的變異 大多數是無法或者極難以控制的 例如固體受外界溫度高低所產生的尺寸變異 在高精度的世界裡其實很難掌控 又像是機台的細微震動、化學沉積的速率 這些現象都是隨時隨地在改變的 如果仔細記錄你的上班時間 這些時間所形成的分配也是隨機的 大部分不太受控 而可能少數的遲到或早到是由於比較特殊的原因 例如大塞車或者連假路上沒人 也因此如果用實數的觀點看待機率世界 你很容易就會犯下決策錯誤 上述的變異雖然難以掌控 卻很容易...

紅珠實驗 在轉危為安這本書裡面提到了一個重要的實驗叫做「紅珠實驗」，實驗的目的是告訴管理者： 「員工的錯誤大多來自於系統層面的錯誤，而系統層面錯誤得由管理者負責消除。」舉凡檢驗員的漏檢次數、會計錯帳的次數、包裝缺件的狀況、FW錯誤的比例等，儘管是不同的錯誤形式 ，卻很可能都是由於系統層面的錯誤導致人員出錯。 讓我們看一下紅珠實驗的假設前提： 紅珠750顆 白珠3000顆 均勻混勻紅珠跟白珠 每位檢驗員使用具有50個凹槽的板勺撈取珠子 每次檢驗過程都紀錄每位檢驗員撈出的紅色珠子數量 依據每位檢驗員操作的結果製成表格如表一，紀錄每位檢驗員每天的檢驗狀況(紅珠個數)，並計算每天每位檢驗員的紅珠數量平均值和每天的累計平均值，根據np管制圖的公式，計算管制圖上下限如圖一。 表一、檢驗紀錄  圖一、np SPC 試想幾個職場上容易觀察到的現象： 第一天Neal表現不錯是大家的楷模，公司決定表揚他，並且要求他人以他為標準 第二天公司高層不高興了，因為Neal表現很差而其他人也沒什麼進步 四天下來居然平均每人有9.92個紅色珠子，與第一天期望的落差太大 更多的努力，更多的失望 當然了，如果你懂得一些機率及統計的技巧，你在實驗開始之前就能猜到期望的紅珠數量。設X為紅珠數量的隨機變數，那這個期望數量E(X)會是(750/3750)*50 = 10，與我們實驗的結果9.92差不多，這就代表這個系統本身提供了這個環境，而在環境內的人完全無法控制這個變數的變化，也就造成了期望值維持10左右的現象。 這個精心設計的實驗被用來說明許多異常的原因其實來自於系統面，真正的問題其實是「消除紅珠數量」，而非「大家工作要再努力一點，別撈出太多紅珠」。前者使大家工作更輕鬆、效率更高、品質更好，而後者讓大家工作起來更灰心、不團結、品質沒有改善、管理階層沒有績效。 重啟紅珠實驗的傳承 我意外發現台灣現在已經沒有人在提紅珠實驗了，至少我讀書到工作都沒有人提及這件事；直到我翻閱了戴明博士的書籍，並且在網路上找尋相關的資訊之後才了解這個實驗。我認為在解說、教導SPC的時候，紅珠實驗是一個極端重要的範例，可以說明SPC的實用性，並且引導管理階層了解許多問題的關鍵並不在質問作業員，而是強化企業的管理系統。

「品質工程的書籍範圍很廣泛， Jeff一方面閱讀這方面的書，另一方面整理我的閱讀心得及學習心得， 希望看到這篇文章的朋友也能互相交流，分享自己的所見所聞。」                                                                                                                                                        Jeff Lee. 『轉危為安』 戴明博士的著作「轉危為安」絕對是品質工程管理的經典作品 除了他對美國管理階層的建言之外 也可以看到他信手捻來的統計功力  這才讓我們相信統計學真正的妙用 也才能真正看清楚SPC的威力 但中文翻譯本的翻譯品質不佳 印證這本書的名稱還真是諷刺 博客來連結 <Jeff閱讀筆記> 【品質工程】轉危為安 Out of the Crisis (1) 14項管理原則(上) 【品質工程】轉危為安 Out of the Crisis (2) 14項管理原則(下) 【品質工程】轉危為安 Out of the Crisis (2) 管理惡疾與障礙 Disease and Obstacles 【品質工程】轉危為安 Out of the Crisis (3) 紅...

「轉危為安」書中花了五分之一的篇幅介紹管理14項原則 這些原則追根究底就是要勸導西方管理方式的短視近利 避免管理階層使用數字管理 這些管理的要項主要是從日本企業的危機中發展出來的 多數充滿人性關懷 與冰冷的數字相比 這些比較注重人性的管理模式可以避免重大問題的發生 於是乎在本書中又緊接著討論不當的管理模式會造成怎樣的問題 作者用「The Deadly Diseases」比喻管理失當就像是人身染重病一樣 難以恢復元氣 比較輕微的他用「Obstacles」管理障礙來形容 感覺就像到處都有阻礙 無法順利推展工作 「管理惡疾」的內容有： 缺乏持續一致的目標 過分強調短期利益 依績效評估、任用、晉升 管理階層流動頻繁 根據可見的數字經營公司 「管理障礙」 希望速成 認為自動化、新機台可以解決問題 引用"模範" 學校教育的退化 產業界缺乏良好的統計教學 使用美軍品管抽樣標準 品管部門負責所有品質問題 問題都在作業員身上 設置了品質管制 符合規格的假說 零缺點的謬誤 不當的產品原型測試 我想就我擁有的品質管理部門七年工作經驗 談談「管理障礙」的實例 首先要了解的是 大家其實並不了解品質的操作定義Operational Definition 當我們在討論何謂好的品質 何謂壞的品質時 我們其實討論的不是同一件事 這在工作上非常頭痛 每個人認知的品質都不相同 就無法驅使大家往同一個目標邁進 現代品質管理對品質的定義相當簡單 就是「變異越小品質越好」、「品質是變異的反比」 解決了定義的問題 接下來我們要問的是如何進一步改善品質？ 你心裡肯定浮出了一個答案 那就是「建立一個品質保證部門」吧！ 「管理障礙第七點」 或者更進一步你已經想到 快點雇人來檢驗吧！「管理障礙第九點」 無論是進料檢驗、製程檢驗、出貨檢驗 還是各種目視檢驗、自動化檢驗 檢驗似乎就是品質的代名詞 真的是何其悲哀！ 其實回到品質的操作定義上就不難了解 為什麼檢驗無法改善品質 甚至還會降低品質 原因是因為檢驗並不能降低系統的變異 檢驗得到的資訊也無法成為改善的根據 充其量只是暫時掩蓋了問題 長期來看還會衍生高昂的成本以及漏檢率的問題 真是得不償失 當所有的品質責任落到了單一部門身上 當所有的品質認知聚焦...

上篇文章已經列出14項管理原則的簡短說明，但書中有數十頁篇幅詳加解釋細節，這些管理原則似乎簡單易懂，並不值得大書特書；但神奇的是，現實生活中我們卻往往看見相反的案例，而且還不只一兩起。由於這些原則往往違背直覺，所以我認為有必要好好解釋戴明博士說的幾項細節。 首先要了解的概念：14項管理原則是當年戴明博士寫給美國管理階層看的，所以管理階層自然是書寫的對象，也因此許多例子及管理模式會針對管理階層。第一項及第二項管理原則「創造持續改善」以及「採納新管理哲學」就饒富興味，事實上戴明博士不認為當年美國企業遭遇到的困難是各別的挑戰，相對的，這是整體所謂「美式管理」遭遇到的挑戰，也因此造成美國製造的產品滯銷。對於不願意、不能理解持續改善重要性的管理模式，以及不能採納新的管理模式的企業，他認為這些企業就已經失去了先機，並且很難翻身。 這些企業遇到的問題並不僅限於公司本身，就連美國整個社會也因為疏於改善而產生許多浪費。書中就以日本的旅程車班為例，戴明博士在日本的差旅過程中一切順利，不需要擔心其他狀況發生，這兩項概念也成為14項管理原則的首重項目。

  日本這個國家在二次世界大戰之後百廢待舉 亟需出口貨品換取外匯 因緣際會之下戴明博士受邀到日本進行品質統計的教學 並且深受日本的推崇 時至今日 日本最高等級的品質獎項就叫做戴明獎 實在是對得獎者及戴明博士最高的肯定 戴明以統計學家的身份帶領日本及美國工業界找回產品的本質：品質 然而他本人卻看見了更多產業管理的缺失 並且指出這些缺失的來源來自於管理者本身 書名「轉危為安」就是戴明深刻感受到美國管理模式的傲慢所撰寫的一本書 他積極提出了管理14項原則、紅珠實驗、漏斗實驗以及各式範例 舉證所有問題都源於管理 由此背景可知 他其實跳脫了各種品質工具的巢臼 認為品質不只是這些工具的應用 反而應該從「共同原因」著手 讓管理階層體認自己本身就是問題的起源 他在書中反覆提到美式管理的弊病 並且推崇日本的學習模式--品質是生產的首要目標 屏除數字管理 專注在品質改善 因而成功降低成本 增加顧客銷售 這些問題其實指向共通的毛病： 1. 依賴數字管理因而造成怠惰 2. 專注區域最低成本 因而忽略全域最佳成本的可能性 依成本數據管理供應商、依績效數據管理作業員、依進料合格率數據管理進料水準 這些業界慣用的手法一如往常造成諸多問題 卻被視為合理且不變的做法 不斷發生的進料異常、持續回饋的客訴問題 只是一再確認這些做法的嚴重性