工作多年，身邊不乏許多優秀至極的質量經理。或獨當一面，或獨立帶隊，或成長飛快，或靠譜踏實。
質量經理的工作離不開統計管理，但是有時候也被統計數字迷惑了。
Number 01 .
沒有統計管理就不能做好品質
案例：
A廠是塑料件的電鍍生產廠商。
2021年前，A廠的產品一次合格率僅為40%，經過二次的整修后的合格率也才60%。
大量的不良品最終只能報廢處理，因此A廠的品質失敗成本也是非常巨大的。
但是經過A廠新的總經理的指導下，到了2023年，A廠的一次合格率提升到70%，經過整修補后的合格率，提升到了85%。
這其中運用的工具非常簡單，那就就每天/每周/每月，都對所有產品的不良進行統計分析，然后找出其中最重要的不良進行改善。
而在這之前，A廠的品質改善人員每天都在努力解決問題，但是都只是針對每個單個問題進行解決。
很多時候，所有的人花了一個月的時間解決一個問題，但這個問題發生的機率非常低。
經過了統計分析，還發現了原來認為偶然發生的一個問題，卻占了所有不良的30%以上，是個必須解決的問題點。
原因分析：
不良現象：塑料件的電鍍生產廠商的產品一次合格率非常低。
1W：A廠的品質改善人員沒有抓住重點解決問題，常常在解決不重要的問題點。
2W：A廠的品質改善人員只是針對單個問題進行解決。
3W：A廠的品質改善人員不知道不良問題的哪些是必須解決的，哪些是暫時不必解決的。
4W：A廠沒有對不良問題點進行統計分析。
5W：A廠沒有意識到進行統計分析，找出關鍵性問題點是品質改善的前提。
預防措施：
每天/每周/每月都對所有產品的不良進行統計分析，然后找出其中最重要的不良，進行改善。
案例反省：
在品質管理中，運用排列圖、直方圖等統計工具，是我們解決問題點的第一步驟。
知道了問題點輕重程度，我們也就能夠利用最小的資源，達到我們的目標。
否則，就會出現了，品質改善人員都在努力，但是不良問題一直在發生的奇怪現象。
Number 02 .
很多時候統計平均數毫無意義
案例：
B廠是專業的汽車內飾件生產廠商。
最近監督局對B廠的產品進行強制性檢測，在檢測內飾材的阻燃性的時候，B廠有一件產品，因為阻燃性超出國家強制性標準而被迫停產。
B廠的經營者非常不解，因為B廠的所有產品都自己進行100%檢驗，特別是國家強制檢測項目。
而對于阻燃性測試項目，B廠有自己的阻燃性測試設備，所有的產品都是測試合格后，才進入投產階段。
B廠重新對該產品進行阻燃性測試，進行三次測試，測試結果表明，三次測試值中的最大值已經超出標準，但是最小值和平均值卻符合標準。
再翻看原先開發階段的測試值，也是同樣的狀況，測試最大值已超標準，最小值和平均值符合標準。
而當時的測試人員依據三次測試的平均值，判定該產品的阻燃性符合標準。
事實上，阻燃測試的三個值中有一個超標，就可以判定不符合標準，這時候統計平均數毫無意義。
原因分析：
不良現象：B廠一件產品被迫停產。
1W：在國家的強制性檢測中，這件產品的阻燃性不符合標準。
2W：B廠在自己的測試中認為，產品的阻燃值已經符合標準。
3W：B廠的測試人員對測試結果判定有誤。
4W：B廠的測試人員依據平均值來判定測試的結果，而事實上，阻燃測試的三個值中有一個超標，就可以判定不符合標準。
5W：B廠人員沒有認識到，某些時候統計平均數是毫無意義的。
預防措施：
更改阻燃性測試值的判定方式。
對工廠內所有的測試值進行分析，拋棄全部測試數據都依據平均值來判定結果的錯誤想法。
案例反省：
平均值只能反應數據的集中程度，但很多時候數據的分散程度也非常重要。
這個時候，數據的最小值、最大值是我們必須關心的重點。
例如塑料件的最小厚度、鋼材的最小拉伸強度、材料的對大硬度值等。
Number 03 .
被統計資料迷惑了
案例：
C廠是專業的汽車塑料件電鍍生產廠商。
C廠的品質經理非常重視統計分析管理。其要求C廠的出貨檢驗員，每日對出貨產品進行100%的檢驗，并統計檢驗后的合格率。
當合格率低于98%以下的時候，C廠的品管部門就進行不良問題點的分析及改善。
經過品質經理的積極推廣，C廠的產品出貨合格率都高于98%以上。
表面上看來，C廠的品質管理進行得非常好。
但是，最近的一次統計分析，C廠交給客戶的產品，客退率達到15%以上，遠遠高于其出貨產品的不良率2%。
問題點出在哪兒呢?
原來，C廠產品的出貨檢驗的項目非常少，僅僅檢查外觀項目和幾個簡單的尺寸，因此統計出的合格率都非常高。
而實際上，客戶需求的諸多品質特性，在C廠并沒有進行出貨檢驗。
C廠的品質經理被統計數字迷惑了，認為品質管理已經進行得非常好了，沒有持續進行品質確認及提升改善。
原因分析：
不良現象：C廠交給客戶的產品，被客戶退回的比率達到15%以上。
1W：C廠沒有持續進行品質確認及提升改善。
2W：C廠認為自己的品質管理已經非常好，產品品質的不良率已經嚴格控制在2%以下了。
3W：C廠的品質經理被統計資料迷惑。
4W：從表面上看來，C廠出貨檢驗產品的合格率高達98%以上，但實際上這是基于出貨檢驗的項目非常少，僅僅檢查外觀項目和幾個簡單的尺寸。
5W：C廠的品質經理沒有意識到，統計資料的最基本前提條件是什么，因而被迷惑了。
預防措施：
立即將出貨檢驗統計資料列為參考資料，將客戶需求的品質項目，引入到出貨檢驗中。
若無法檢驗，則考慮在生產過程中及利用替代項目進行檢驗。
利用全部的品質項目統計產品的合格率，并依據該合格率，進行品質確認及改善提升依據。
案例反省：
當我們看到產品的合格率很高的時候，先不必急著高興，因為更重要的，是我們要知道，這個統計資料的前提條件是什么。
光看統計資料，容易讓我們被迷惑。
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：百度百科、搜狗百科、360百科、知乎、市場監督總局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
