主题：我心目中的精益生产（五）：质量管理与六西格玛 -- 肥仔

目前我国制造的产品在国内外市场经常给人的印象是低价格低质量。往好了说，我们的产品性价比高。往差了说，在工业生产领域，如果需要高质量产品，很少有made in China能入围，虽然入围的数量在增加。要想把民族产业做强，我认为需要在未来十年内将我们自己的产品质量提升一个档次（不过这个“档次”好像有点难以量化）。十年时间对于传统制造业的发展来说其实很短，但个人感觉眼下对于中国制造业的全面崛起来说，应该算是个机会，所以要只争朝夕。

当我们谈论质量的时候，其实往往谈论的是两个不完全相同的方面。 我们口中的“质量”的一个方面是产品的性能。例如，我用过某种刀具，一个形状非常简单的小钢片。如果是进口的产品，能用一个月左右，而国产的只能用两三天。虽然国产的价格非常便宜，但是因为换刀具浪费时间，并且容易造成质量缺陷，所以到目前为止都尽量用进口的（这个例子也说明产品的整体使用成本与单纯的采购成本之间的关系）。问起车间的人，大家都会说进口刀具质量好。这个“质量”其实就是产品性能。在这个例子里，质量是由产品的材料（合金钢）、加工工艺（比如热处理）等因素决定的。要提高这方面的质量，企业必须在产品研发和工艺研发方面长期积累，没有太多捷径。国家需要做的一个是把高校和科研院所组织起来在基础科研领域有效率地烧钱；另一个就是要创造一个政策环境，鼓励企业在这方面进行积累，而不是炒地皮挣快钱。

对于大批量生产的工业品来说，质量的另外一个方面，是如何在企业现有技术条件下，得到尽可能高性能的产品，而且产品性能也要尽可能的稳定。例如，我们用过的几种化工原料，进口原材料的材料特性在不同批次之间差异比较小，而国产原材料的材料特性经常时好时坏，影响了我们自己产品的性能。逼得我们有时候只好进入到供应商的车间，帮助他们做好原材料质量。而往往我们发现的问题都不是工艺性的，而是车间质量管理的问题。

所以有时候，针对第二种质量的管理能够在比较短的时间内就取得比较好的效果，所花的时间和成本都要比前面一种质量的提高要小。

也是由于这个原因，我的体会是，在应用所谓六西格玛之类的“精益工具”之前，先要做好基础质量管理工作。这和我前面提到的，在开展丰田生产方式之前要做好基础工业工程的道理是一样的。

关于基础的质量管理，谈三点体会。首先一点，是要明白质量管理中基础的基础是过程控制而不是产品检验。说得直白点就是，明确产品质量受哪些生产环节中不同因素的影响，然后对所有的这些因素进行测量和控制。而不是只在产品加工完成之后对产品进行检验来确保质量水平。质量管理人员经常会说“质量是做出来的不是检查出来的”就是这个道理。这一点在汽车行业中体现得很明显，整车厂在考察新供应商的时候，不是仅仅考察供应商提供的样品，更多地是看供应商有没有在生产中建立过程控制。过程控制的概念对于大部分外企和国企都可以说是基本常识，但执行的力度和精细程度在企业之间差别很大。而对于我看到的不少民营企业，可以说还没有过程控制这个意识，当然也就不知道如何在生产管理中融入质量上的过程控制。

其次一点，当企业中搭好了过程控制的框架，就需要在这个框架的基础上，在生产的各个环节明确质量规范、操作规范等标准，更重要的是确保一线工人理解并执行这些标准。这就不仅仅是技术问题了。

最后一点，产品设计和工艺设计对质量的影响很大。在TQM里面，有QFD和FMEA之类的工具帮助从设计阶段就改善质量。在现实中，即使不去系统地应用这些工具，如果研发人员能够定期与生产人员交流交流，能够多听听终端用户的反馈意见，已经可以解决不少问题。类似防错防呆设计（Poka Yoke）这种简单而有效的产品设计原则，设计人员要尽可能地多应用。

有了这些基础的质量管理作为前提，六西格玛的之类的“高级”方法才有意义。个人体会，六西格玛比丰田生产模式所涉及的面要窄得多。起初六西格玛只是基于统计过程控制的一套质量问题解决方法，也就是当产品或者半成品没有达到预先定义的质量规范的时候，应该如何解决这些问题。后来六西格玛在企业中的应用逐渐扩展到产品质量之外的一般性领域。所以个人觉得在大多数情况下，六西格玛提供的只是一个系统的、解决生产运作中出现的一般性问题的方法学（Systematic Problem Solving），仅此而已。之所以六西格玛竟然成为了精益生产的资质证明，我认为是因为这种资格认证在一定程度上对持有者的项目经历进行了证明。而且也没有其他更专业化方法作为精益生产从业者的资质证明了。

由于本人经验有限，只说两个实践六西格玛的体会或者说教训。一：开始分析问题之前，先把测量系统校正好，不要轻易跳过Gauge R&R 这一步。二：开始用统计方法研究数据之前，先看看有没有错误操作方法导致的异常数据。不要分析了半天才发现自己数据根本不可能是正态分布的。六西格玛中的统计数学知识是很深厚的，但是应用的机会可能并不多。我在挣自己的绿带的时候就发现，其实辅导我的大黑带对统计知识的理解还没有我自己的理解深刻。但是几年过后，我也有很多都忘记了，原因就是我所在的企业大部分情况下不会应用一整套的六西格玛数学工具。在数学方面有Cp,Cpk,之类的基本知识就足够了。

最后再说一句，分析解决质量问题的时候，经常是从人、机（设备）、料（物料）、法（工艺）、环（工作环境）五个方面出发进行分析的（做IE的也经常念叨这个五字口诀），人为因素对质量的影响往往是最难发现也最难管理的。

• 我心目中的精益生产（六）：拉动式生产

工艺过程的非正态分布就是由常态地使用统计方法来发现，然后追踪到具体的出格者并消灭之。同时，通过6西格玛的使用，决定系统的初始能力，然后对系统的能力作精益求精的调整改进系统的能力。如此循坏，才是精益生产的精髓。

只要过程特性总在公差范围内，俺才不会管这个过程是正态分布、三角分布还是其他类型的分布呢。之所以SPC都是以正态分布为基础，一是因为正态分布比较常见，更重要的是如果一个随机过程是正态分布，那么这个随机过程的“行为方式”就比较容易定义和预测。

六西格玛的主要用途还是解决问题。如果是检验生产过程有没有发生问题，最普通的质检手段就够了。

我前面想说的其实是，在学校和培训机构里，讲到六西格玛经常会花很多时间讲如何分析数据。而企业中的实践中更经常出现的情况是，你先得找到正确的数据供自己来分析，这一点往往比分析数据难。

任何一个工艺生产过程，只要它是处于稳定状态下的，都必须符合正态分布。如果不是正态分布分布，就说明有不稳定和不确定因素。6 Sigma SPC的目的既是在此。SPC Chart 超了差，既是有非正态分布的事件出现了。此时就要追寻根源来解决问题的时候。此是所谓精益生产的精髓。

另外要说明的是，6 Sigma的宽度是动态的，跟系统的能力息息相关。

产品特性值出现了超过+/- 6 sigma公差范围的情况，一定有（其实也不是一定，是99.99966%的情况下）有非正常因素发生影响，前提是这是一个正态分布的随机过程。

而当一个正态分布的随机过程中有非正常事件发生，或者其分布发生变化时，产品特性不一定超过公差范围。

所以我们随时关注产品特性是否在公差范围内，而不是随时检验该随机过程的分布是否是正态分布。

不过我相信虽然我们在这里争论，在实际工作中我们对于SPC的做法99%是一样的。

所有的公差，SPECs，都是建立在正态分布的稳定生产基础之上的。如果一个过程本身是不具正态分布的非稳定过程，所有人为制定的公差，往往是从设计师那里来的，都是非分之想。设计公差必须吻合从生产过程的正态分布所引出的6 Sigma，这才是精益生产的概念。

工艺上的公差当然是由设计人员制定的。说得具体点，先由产品设计人员根据产品性能要求（来自于客户要求、行业经验或者对于竞争对手的产品研究等方面）制定产品特性公差，然后再由工艺设计人员根据产品特性公差制定生产中每一个加工环节的半成品工艺特性公差。当然在设计时会考虑工艺，但往往没办法考虑到特别精确的程度。也就是说，在设计的时候，如果不是重复设计，并不能精确地确定该产品的工艺能力Cp, Cpk最终会是多少。特别是我国企业，现在经常引进新产品新工艺，在工艺设计的时候，新产品新工艺的过程能力只知道个大概（从设备供应商那里），没有现成数据。按照您的说法，设计都不用做了。生产中的质量管理和改进，很多情况下就是努力使得实际设备和工艺的能力达到设计要求，从而保证产品性能要求（也就是客户要求）。

这句话的意思是说设计师拿出的SPECs能在生产系统里实现的先决条件是生产系统的Cp,Cpk能达到预定值。如果不能达到，设计师要看设计值能否改变，或者生产者要改善系统的能力。或者二方一起改变。再不行，设计师得另外找人生产。

说来说去我无非是要强调正态分布的重要性。

加工一个外圆面，要求车到直径100.00, +/-0.10的公差，工人A加工出来的零件直径满足100.02, +/-0.06公差，工人B加工出来的零件直径满足99.98, +/-0.06的公差。A和B加工出来的零件都送到同一个真空炉C中进行热处理（假定这个步骤对外径没有任何影响），如果A和B加工的零件都符合正态分布，并且都稳定，那么真空炉C中出来的零件外径值就不满足正态分布，但是你能说这不是一个稳定的工艺过程么？

您可能会说，那就针对工人A和B分别画控制图嘛，就都是正态分布了。这也说得对，问题是我这里只引入了一个因素（工人），这个因素只有两个可能（A或者B）。如果我再引入两三个因素，构成十几二十种不同的组合，每种组合都能带来稳定的且固定的偏差影响（但又不至于超过公差范围），在这种情况下，真空炉C中出来的零件产品稳定在公差范围内，但并不一定是正态分布，因为若干正态分布的叠加并不一定是正态分布，而这种时候，现实中也往往不会针对每种组合做控制图。因为我这里只是说了一个产品的一个控制点。在实际生产中，经常面对几十种产品，每种产品都有十几到几十个控制点，只有将每个产品的每个控制点的每种影响因素组合都弄清楚，追求所有的产品特性的正态分布才有现实指导意义。对于某些行业，产品生命周期短，产品特性影响因素多，所以做到这样基本上是不可能的，也是没有必要的。

在你的例子里真空热处理炉的数据中出现双峰或者多峰分布，正好是一个警号。质量管理这时就应该切入，追寻原因了。工人B得修正加工程序或者调整机器以使得他的公差值的中心回到100。哪怕是几十个工人做一样的活，也是一样，他们中的某些人必须被调整以使得所出所有部件的公差能纳入正态分布。

原因很简单，工人B的公差分布尽管是在公差要求之内，但是他的CPK大于工人A。统计理论说他那里比工人A容易出现超差。所以他是必须克服的。

大量独立分布的叠加将趋向于正态分布，叠加越多，越接近于正态分布。所以最终产品的质量分布一般来说都是非常接近于正态分布的。

我自己公司采购包装桶，两个供应商，针对交货的每一个批次的几千个桶，一个供应商的桶重量呈现相当经典的正态分布，另一个是明显的分布曲线有双峰，进一步调查，呈现双峰的供应商的这个批次是用两台不同的吹塑机在不同的时间生产出来的。本质上来说，这种分两次生产的，绝对不能计作一个批次的。从这个事件，至少反映了后一个供应商质量意识的薄弱和生产管理的混乱。

你的这个例子里，当能够分析得到A、B两个人的不同状态时，对于生产过程的工艺和设备管理就是明确的警报，如果没有成本和费用的限制，就应该进一步分析和试验，找出问题的根本所在，以及相应的解决办法。譬如让A和B两人交换所操作的设备，同一台设备由A和B两人交替操作，把A和B所操作的设备交换安装位置（这个就闹大发了），以期最终能搞清楚到底是设备还是操作人员，或者环境，导致不稳定的产生。

以上的事例里，交换设备安装位置显然小题大做了，因为毕竟最终产品还是在公差范围之内的。但是企业管理，最重要的在于培训和养成，等到真的发生不合格了就来不及了。因此在我自己而言，还是比较喜欢利用这些尚在合格范围内的不稳定因素来操练队伍的，这么好的实战演习机会，轻易放过多可惜啊。

好多厂5S都推不好。

甚至有误认为： 5S=搞卫生检查。

郁闷。

经常就是：如果产品在其生命周期的时间段内，其产品特性都在公差范围内，对我来说这就是稳定的过程了。是否需要追求超过这个“稳定”的更严密的“稳定”，得看具体情况。

像您举的这个例子，如果不符合正态分布的供应商，如果他的产品在公差范围内，但他无力整改，或者干脆不愿意花时间和钱来整改，请问您会继续使用他的产品么？我猜答案也不是固定的吧。

从锻炼队伍的角度说，去把我说的“稳定过程”改进成正态分布是有意义的。不过我工作过的企业发愁的通常并不是缺少锻炼队伍的机会。队伍的培养很重要，是不是“最重要”我觉得可以商榷，大概也没有标准答案。

如果产品的生命周期比较长，例如在市场上持续销售5-6年，工艺也比较固定，我会考虑把这些产品的工艺特性全部吃透。如果产品本身销售也就1-2年，那就不一定了。因为把某件产品的所有产品特性的所有影响因素全部弄清，搞不好会花费若干个技术员几个月的时间。再一一纠正这些因素需要的时间就更长了，更何况有一些因素是你无法完全控制的。

总的来说，我的意思就是现实中的质量管理必定会考虑质量管理的成本。精益求精的精神是需要保持的，是否追求统计意义上的严密是需要看情况决定的。