TA的首页不会作假就搞不了质量体系，五大工具只忽悠中国人？（转）
看到一个帖子，标题是这样的：
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
你的感受如何？
当你知道这句话是总经理对刚入职的体系经理说的，感受又如何？
搞质量体系的，自然也离不开质量工具，说到质量工具的绕不开的当然是五大工具。
五大工具太有名了。有名到如果你不知道它们，都不好意思说自己是在汽车行业混的。虽说不是强制性要求，可并不妨碍各大主机厂对它们的推崇，进行影响着整个汽车行业。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
它们分别是：
APQP 产品质量先期策划 Advanced Product Quality Planning
FMEA 潜在失效模式及后果分析 Failure Mode & Effect Analyse
MSA 测量系统分析 Measurement System Analyse
SPC 统计过程控制 Statistical Process Control
PPAP 生产件批准程序 Production Part Approval Process
这五大手册源自于美国QS9000质量体系，是三大汽车公司克来斯勒、福特和通用制定的对其供方的标准质量要求。
不过，名气大了，就显得有些“高冷”，很多朋友在学习五大手册的时候总觉得有些高深难懂。 甚至有人说 五大工具只会忽悠中国人，公司里 搞体系的在带头造假！
是这个情况吗？
今天应审指挥部分享一篇关于五大工具中SPC的 深度解读文章 。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
当然，这里还是要简单介绍一下，S PC 统计过程控制 的研究对象其实只有一个，就是过程！
通过统计分析技术对生产过程（注意MSA的对象是测量系统）进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。
简单说来，SPC的通过控制好各种过程（核心是生产过程），最终生产出来的产品质量稳定。 文章有点长，不过满满干货，性价比绝对杠杠的，一起来看看吧。
01
前言
1924年，休哈特带着他的控制图“问世”之后，被以汽车行业为代表的制造业，广泛用来监控和改进生产过程，试图通过产品质量特性变化趋势来进行质量预防，改变旧有的事后质量检验的方式，来降低质量成本，并被列入汽车行业质量管理五大工具之一。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
其实，在以美国为代表的制造业强国中，不论是统计专家还是质量专家，针对SPC的实用性以及有效性的思考和质疑之声，从来就没停止过。
日本更是以实际效用为准绳，而不是在实际推广中原封不动地照搬照抄SPC。
对于SPC的质疑与争论，一方面是因为观点不同，但更重要的还是希望企业能够结合自身实际有效选择最优性价比的质量工具，去掉浮华，让企业的质量管理落到实处。
02
SPC的由来
SPC控制图，又叫休哈特图，通过对生产过程的关键质量特性值进行测定、记录、评估并监测过程是否处于控制状态的一种图形方法。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
休哈特将问题归结于变异中的普通原因和特殊原因。1924年的一天，休哈特把大家都熟悉的正态分布图旋转了90度（如下图），并以μ±3σ作为控制限，这就是控制图的原型。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
最初的判异准则也只有一条，就是 看数据是否超出μ±3σ控制限 。
什么叫 判异 原则，就是判断有没有特殊原因的存在，也是SPC的核心之所在。
当发现有 特殊原因的存在 （通过控制图的异常，见本文 P5部分 ），就要找出原因是什么，并进行整改提升，如果产品特性比较多，需分别做控制图进行识别。
自控制图出现以后，变异分为普通原因和特殊原因。
普通原因 / Common Causes
一般认为是源自各种微小因素，对过程产生持续影响，结果稳定可预测，只能通过改变系统来减少普通原因，常需要管理层动作，如更新设备，还常包括：
—大量微小原因（如环境等）
—原材料在一定范围内的微小变异
—机械的微小振动
—仪器测量不十分精确
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
特殊原因 / Special Causes
一般认为 不是始终作用于过程的变差的原因，不符合统计学的分布， 当它们出现时将造成（整个）过程的分布改变，不需要改变系统就可以找出并解决特殊原因
实际的例子包括
—使用规格外的原材料
—设备坏了
—人员误操作
这个人为的划分被一直沿用至今。
当然，这些理论也收到了很多权威人士的质疑。
03
来自权威人士纷纷质疑
田口玄一
日本享誉全球的质量大师，创造了田口方法。
他曾说过“ 改进要有经济合理性，不能没完没了 ”。
Keki R. Bhote
哈佛大学博士，摩托罗拉质量和保证部总监。
直言不讳的说， 控制图“纯属浪费时间” 。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
Banks David
美国统计局首席统计师，美国统计协会董事会成员。
他说，“ SPC大约是旧时代大学研究人员通过普通人难以理解晦涩公式来赢得名声的无用工具 。”
质量大师朱兰
朱兰说：“发明出控制图原型的 休哈特根本不懂工厂运营，完全没办法和操作工及管理人员进行有效的沟通 ”。
Bert Gunter
美国的著名统计顾问。曾说，“使用SPC的制造环境在快速变化，生产时间变得更短，数据产生的更多，质量要求更高和对计算能力要求更强大， 控制图这个古老的工具已经很难适应现代的生产和服务的需求 。 ”
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
Michel Baudin
40年实战经验的生产顾问。
说道: “ SPC是昨天的统计技术 ，用来解决昨天制造业的问题。它 没有能力解决今天的高科技问题 ，在成熟的行业它也变得完全没有必要。 它还没有完全消亡的原因是，它已经进入了客户强加给供应商的标准之中，虽然这些客户自己根本就不使用SPC 。这就是为什么你仍然可以看到有如此多的工厂走廊墙上贴着控制图。”
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
以上是近三十年里，国际上针对SPC公开发表不同声音的代表。
不过在国内，公开对SPC的抱怨几乎没有，私下的质疑倒是很多，我想这可能和中国人的中庸含蓄的性格有关系吧。
当然，也听到赞成 SPC的朋友说过：
你觉得SPC没用，是因为你没有真正理解SPC，或者你不会使用。
那上面那些质量大咖们呢？他们也不懂SPC，不懂统计学吗？
可能没那么简单！
04
日本使用SPC情况
江湖上经常听说这么个故事，战后的日本广泛推广和应用SPC，使日本的产品质量一举超越美国并处于世界领先地位，似乎日本在质量上的成功就是应用了SPC。
事实果真如此吗？
这里摘选部分文章的截图：
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
大意就是： 日本人追求效率，相比较那些复杂的工具， 在实际生产中，普遍使用的是相对简单易用的工具， 如柏拉图，直方图，散点图等，而不是依赖于SPC 。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
质量当和效益挂钩时才有意义，而不是无条件实施不能带来经济收益的所谓改善。
05
SPC本身的缺陷
自相矛盾的逻辑
SPC的判异原则有很多，这里分享下常见的 八项判异准则：
a. 一个点远离中心线超过3个标准差
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
b. 连续7点位于中心线一侧
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
c. 连续6点上升或下降
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
d. 连续14点交替上下变化
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
e. 连续3点中有2点距中心线的距离超过2个标准差(同一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
f. 连续5点中有4点距中心线的距离超过1个标准差(同一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
g. 连续15个点排列在中心线1个标准差范围内(任一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
h. 连续8个点距中心线的距离大于1个标准差(任一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
为了简化，这里只讨论最初休哈特制定的 判异准则 ，是否超出3σ控制限。
如果数据点在3σ控制限以内，一般认为过程中的影响因素只有普通原因，不需改善。
如果 数据点 落在3σ控制限以外，则表明存在特殊原因，需采取措施进行改善。
因为按照休哈特理论，落在3σ以外的是小概率事件，要进行调查。不过，按照分布概率，落在3σ以外也可能是正常的分布。
设备是多种多样的，有的设备稳定性足够高，就像戴明的漏斗实验一样，不改变漏斗高度，小球落点的离散程度不会改变，小球出现在4σ（或者5σ）内也可能是普通原因。
但现在大多数的控制限是设置为3σ。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
对于稳定性很好的设备，如果数据超过3σ控制限就报警，那么工厂花费了大量时间和资源记录跟踪数据，得到的却是大量的假报警，工程师为此要疲于奔命。
真正让生产员工迷惑的地方是，按照休哈特的理论，超出控制限有可能是普通原因也可能是特殊原因，让生产员工去调查，找到了就说是特殊原因，找不到，难道就是普通原因？
普通原因与特殊原因的划分
一般认为，特殊原因对过程影响较大或者特殊原因整改成本相对较低，但这都不是绝对的。但目前没有任何客观的真实数据来证实这一点， 实际上只是人为地把分析找到的原因归到特殊原因而已。
假设我们还是按照普通原因和特殊原因来划分， 在实际生产中，要获得更高的经济合理性，不一定是通过改进或消除特殊原因，更可以改进普通原因 。
从休哈特发明控制图100年来，社会化大生产已经发生了翻天覆地的变化，一台普通的设备通常是很多专业企业合作共同完成的。设备的精度和稳定程度在大踏步前进，留给客户操作人员改进的机会越来越少。
当你谷歌搜索到的所有SPC视频课程，你会发现绝大部分讲师在介绍用SPC查找特殊原因时， 给出的例子大都是换操作员工了，换原材料了，机器润滑不好了，螺丝松了，设备磨损了等等。
这些听起来更像是一些故事，而不是一些真实的案例。
当然，上面情况的发生的确会导致一些质量问题，也不是不重要，问题是企业有比SPC更加前置和高效的方法来预防这些问题，如，合格供应商名录，设备点检、维护和保养，员工上岗培训，分层审核，防呆等等。
普通原因和特殊原因， 本身没有天然的界限 。人为的分为两种原因，把简单的问题复杂化了，然后再按照所谓的分类去解决所谓的特殊原因。
戴明和AIAG制定的判异规则会增加误报率
在控制图中，如果7点（注：也有是6点之说）或更多的点连续上升或下降，人工判断或SPC软件将发出警报。现在已有多人要求取消戴明和AIAG制定的这个规则，因为这个规则在有些有意为之的过程里是无效的，虽然直觉上觉得合理，但结果只会大幅增加误报率。
06
SPC使用时的硬伤
除了上面说的自身缺陷之外，SPC在实际应用中也有一些硬伤。
公差限范围远大于控制限范围：
随着当代生产设备、检测设备以及工艺水平等方面的不断进步，制造型企业对产品质量特性的控制能力已经远远超出100年前的水平。客户要求供应商的过程能力CPK在1.67以上，甚至2已非罕见，那么就意味着质量水平相当于5σ-6σ。
人工判断或SPC软件报警，但产品是合格的， 这时控制图不仅没有好处，还帮倒忙。比如 世界著名500强公司 施耐德 ，在华工厂应用控制图监控生产过程中的若干关键质量特性，但该控制图中只有公差限，没有控制限。因为如果设置了控制限，那么系统会经常报警，使本就繁忙的工程师们疲于奔命 ，最终 索性取消控制限 。
公差限范围小于控制限范围：
通常理想状态，使用SPC时，要求过程稳定且CPK大于1。
项目在量产前策划阶段，对于具体的质量特性，企业工程技术人员通常预先评估采用哪种探测手段，并在过程开发时最终落实。比如可以用GO/NO GO检具100%检验或设计防错装置识别等，当然也可以使用控制图。
还有人会说，如果过程能力不足或者过程不稳定，通过控制图报警，这不是很好的机会改进产品质量吗？
未必，还要考虑实际经济效益。
举个例子， 我们都知道ENGEL，KM这些注塑机好，生产出来的产品可以 完全保证质量 ，但是价格太贵了。而一般品牌的注塑机呢？价格便宜很多，做出来的产品有一定比例的不合格，但是配备一个检验员就全部搞定了。
这就是让特殊原因存在的案例。
这里不是反对持续改进，持续改进是一个企业永恒的主题，但我们反对的是一谈到质量控制，言必称SPC。
公差限范围略大于控制限范围：
这时的CPK大于1，可能有人会说，这种情况下SPC控制图最有用，但其实给一线操作员工和质量人员带来的困扰同样也不少，为什么？
如果控制图报警，一线操作员工也不知道产品是否合格，有时还要在控制图的边上再做一个单值描点图（日本一些企业的作法）。
有些控制图上加上了公差限，的确是有所改善，但还是有问题，因为在控制图上显示的是X的平均值，当X平均值在公差限以内时，产品还是有可能不合格的。（当然，这时R图往往会报警，但操作员工还得另行计算一下，确认产品是否超差，因为控制限报警和产品不合格是两个严重度不一样的事情，对于一线工人来说，首要任务是产品合格然后才是持续改进。）
其它因素还有：
控制图需要持续不断地记录数据。一个控制图（均值极差控制图）只能监控一个质量特性，随着产品复杂度的增加以及供需链的不断变化，一个产品上会有多个关键质量特性。
一个工厂有上万个料号是非常普遍的现象 ，那么可以想象，使用控制图对这些产品的大量质量特性进行监控， 需要记录的数据以及需要付出的努力远远超出了企业所能承受的能力 。
如某公司一塑料产品有4个关键尺寸，该产品一共有2个模具，每个模具64穴，这些关键尺寸关系到客户产品的密封性能，塑料产品本身价值不高，但是一旦质量不合格，客户的损失将是非常巨大的。如果要取得客户订单，客户一定要求供应商签署质量连带责任协议。
如果使用控制图，每一次都要等到注塑机生产5个产品以后才能检验关键尺寸并记录，如果现场是纸质的控制图，操作工人还得计算这五个产品平均值和极差值，一个注塑工位就有4X64=258张控制图。两个模具，那么意味着要做2X4X64=512个控制图。如果这个公司有100个类似产品，那么意味着要有5万个控制图在生产现场。
每次注塑的时间间隔才几分钟，甚至有几十秒的，员工有时间记录吗？
用SPC软件能解决这些问题吗？
对于注塑产品，不仅要确保首件合格和末件合格，还要确保如何及时发现产品尺寸的变化，以便能及时清理冷却管路和维修模具，这对企业是一个极大的挑战。
如果您是这家企业的质量负责人，你会采用控制图来监控关键尺寸吗？您觉得控制图管的住质量吗？
再完美的设想，如果不能够满足实际生产现场的需求，那么也只能放在实验室里观赏。 不能够为实际生产服务，那么也就失去了它的价值。
07
谁在推行SPC
客户要求
由于SPC是汽车行业五大手册之一，虽然只是参考，但是很多汽车行业的客户和其它行业的部分客户在对其供应商实施质量评审和项目开发过程中，会把SPC作为一个条目来考核供应商。
为了提高通过第二方审核和第三方审核的概率，汽车行业供应商不得不在企业内推广SPC。
我们回放一下真实的质量评审场景：
供应商老老实实把所有的质量特性都列出来了，如果质量特性很多，除非供应商有大量的专业质量人员，否则不大可能都做到监控，即使有SPC软件系统也不可能（因为设置监控要花费大量的人力和时间，这个成本是很高的，不是每一个厂家都能负担得起的。）
如果评审员发现有的质量特性没有被监控，很可能给一个一般或严重不合格项。
而这很可能导致审核最终不通过。
即使质量特性都被监控了，评审员在现场评审时，如果发现了控制图报警，但是供应商没有及时给出分析和整改措施，这就要看评审员心情了，至少给一个观察项，给一个不合格项也很合理。
如果零部件供应商，负责客户审核的，你会怎么做？
多半会事先准备好一套美化过的SPC数据，等待评审员的到来，这样才能很有把握地保证质量评审顺利通过，企业不会因为质量评审出现问题而拿不到客户订单，导致管理层对质量部门不满意。
我们先不要站在道德的制高点上批评供应商的质量负责人，想一想，供应商质量负责人这么做是否也是一种无奈？
德国大陆 是一家非常知名的全球汽车零部件企业，其在华的一家工厂也遇到了SPC带来的烦恼。这家工厂每年要接待大量的客户二方年度审核、新项目审核和客户SQE定期检查及飞行检查，他们产品种类多，需要控制的质量特性也很多。
时不时，客户的质量人员就可能要求检查一下他们的产品控制图的填写情况，如果有异常报警，客户通常是一句话：你们要调查一下，写个整改报告。但供应商即使是编一个报告也要挺长时间，每天这么多的报警，如何应对？
编写假报告也要耗费大量的人力资源，不要忘记这一点。
后来这家工厂实在没办法， 干 脆招聘一个SPC数据“美化”技术员，每天专职美化数据 ，但数据也不是可以随随便便可以美化出来的，该工厂还用Excel编写个小程序，保证数据分布也是正态的，还能满足CPK的要求，极大提高了造假数据的效率，客户也很难再挑出毛病。
听起来可能像笑话？但是他们的质量人员根本乐不出来，他们有很大的挫败感，因为每天不得不做这些无聊没有意义的事情。
其实，这家大陆在华的工厂根本就没有用SPC来管控质量，但还不得不假装用SPC控制质量，并对客户宣称取得了很好的效果。
相对来说，国际大企业在理解SPC方面还是比一般企业要好，但他们为什么还要造假数据呢？
我本不想列出施耐德和大陆的名称，但我是想告诉大家，世界顶级的工业巨头尚且如此，您的企业实情如何？
尽管有许许多多的企业都在使用SPC，但情况不容乐观，理想很丰满，现实却如此骨感。
培训/咨询机构以及SPC工具厂商
首先，我们不否定有优秀的培训和咨询老师，不仅有专业水平，也从企业的实际角度看问题。
但是，也有一些例外：
有些是自己本身都没有理解和掌握SPC的原理，完全的照本宣科，自己都不知道自己说的是什么。
有些是书本主义，没有考虑到实际应用环境。
有些是揣着明白，装着糊涂。赚的盆满钵满与自砸饭碗之间，选择的是前者。不想说皇帝的新衣不好看，反正有人肯花钱，不拿白不拿。
更有甚者，牵强附会的应用。Q-DAS，为了增强SPC适用范围，把简单的事情搞得很复杂。刀具的寿命对某些企业是一个比较关键的数据，比如用刀具的磨损程度来预计刀具的寿命，按照刀具的磨损程度绘制出一个带有倾角上下控制限，通过与刀具报废线的交叉点来估算刀具寿命。
这个方法当然可以实现预测刀具寿命，但是对现场的操作工的理解上就不友好。简单的事情搞得那么复杂，用一个简单的描点图就可以实现的功能非得用繁琐的步骤实现。 似乎不复杂了体现不出自己水平似的。
质量管控的需求
自然还是有希望管理好企业的质量人在推广，希望能够帮助企业改善质量，这一点是不可否认的。
绝大部分管理措施出发点都是好的，但结果好不好就不一定了。
相比于其它质量工具， SPC耗费资源很多但产出却不高 。就像用长矛来捕鱼，的确能捕到鱼，观赏性非常好，可以用来炫耀手艺，但不完全适合当今的社会。
但是SPC一旦开启，就要针对每一个料号的每一个需要监控的质量特性持续不断收集数据，如果有电脑系统还好，没有电脑系统，还得用纸和Excel统计。
在企业竞争如此激烈的今天，还要让一线操作工人花费大量的时间记录这些SPC数据，当然企业还要投入培训SPC费用等，但这些费用仅仅是SPC相关费用的冰山一角。
很多人忽视的是质量工程师所耗费的心血和时间。
一个企业如果质量特性少还好，如果质量特性很多，新项目也很多。 质量工程师不得不花费大量的时间处理这些不确定的报警 ，这意味着很多其它事情被耽搁了。
08
企业怎么办？
现在有些人或企业认为质量管理就是SPC， 甚至有些MES系统开发商，直接把SPC当作质量管理模块卖给用户 ，不知道是自己不懂，还是有意为之。
汽车行业的用户也应该理性地去分辨，不应该被神话了的SPC所误导。工具应该为目的服务。
在此我们从两个方面给一些建议：
从质量管控工具有效性层面：
日本企业为了弥补SPC的不足而同时使用单点图，当然还有其它工具，比如合格率、ppm、缺陷统计等。配合柏拉图的使用，可以帮助企业快速锁定影响产品质量问题的“重要的少数”，起到事半功倍的效果，以及根据记录的数据进行相关性回归分析，帮助企业快速找到影响质量特性的因素，从而进行相关改进，进行质量预防，改善产品质量。
企业选择什么样的质量工具要根据自身的情况而定，不管黑猫白猫，抓住耗子的就是好猫。
客户和工厂需要的是合格的产品， SPC只是工具/手段，不要将手段当目的 。
从公司整体质量管理层面：
例子1 ，如果是一家生产纸箱，印刷品等技术含量不高的小企业，按照ISO9000的要求来做，就可能把企业管理的很不错。
例子2 ，如果一家电机厂有50条不同年代的产线，有2万种不同的物料，员工人数达到2000。企业发展到这个规模，可能以下问题是质量管理中的痛点：
什么原材料容易造成停工待料，都是什么问题？
那种类型电机合格率最低，都是什么问题？
给客户报价时，在那条产线生产，既能保证产品合格率又能保证成本可接受？
新产品开发时，类似的老产品都出现过什么问题？
这个规模的企业，质量体系早已经建立，质量特性数据也有一些，但是这些数据不是在纸质文档上就是在Excel中和其它系统中。这时企业可能需要一个能对多种物料，多条产线，多道工序，多个班组进行深度关联分析的系统以解决上述问题。
例子3 ，对于跨国采购公司和design house，有几十家甚至几百家供应商是很普遍的事，质量人员如何管理好供应商准时生产出合格产品很关键，否则就可能造成全球客户缺货或工厂停产。对供应商是否有能力生产出特定需求的产品要有把控能力，而不仅仅是根据质量评审的分数；开发新项目时对过往的历史数据和客户投诉了如指掌，并通过历史数据（包括客户投诉）有能力发现潜在的质量风险并在新项目开发时采取措施，；对出货检验要有大局观，既不能无原则放货，又不能把小问题无限放大不放货。如果该企业的产品种类高达上千种，供应商又分布在全国各地，但SQE人数却很少，这时的质量管理策略怎样制定才合理？
针对不同的公司规模、人员素质、不同的产品以及过程特性等，可以采用不同的质量管理工具进行管理。
合适的就是最好的，既要防患于未然又要因地制宜，不能是用工具找问题，而是应当根据问题找合适的工具。
09
怎么应付客户
前文做了很多论述，企业应该有自主权限根据实际情况来选择合适的质量工具。
但是对于SPC却很特殊，因为客户要求，不管效果如何，却不得不使用SPC。
这一点，在其他的四大工具中也存在， 客户要求大于一切，尤其在汽车行业 。
这的确是一个难题，这里也很难提供一个药到病除的解决方案。
供应商不可能冒着丢失订单的风险而违反客户的要求。
五大手册中的SPC，当年是主机厂为了在汽车供应链中推动持续改进，以客户为关注焦点，提高客户的满意度，要求供应商寻求一种更高效率的方式来提供产品和服务。
秉着这一宗旨，主机厂让组织的成员，不断尝试更高效的方法进行持续改善，可以采用不同的统计工具达到这一效果，并编制了五大工具之一的SPC手册。避免了当初无统一标准，各家各户要求各异，简化与减少了差异性。 但该手册也明确说明这是针对SPC的一个介绍。 企业根据客户要求的质量活动或者特性与客户沟通，可采用更有效的或者替代的方式。
解铃还须系铃人。 这里 也呼吁一下以汽车行业的质量人士，特别是主机厂的供应商管理团队。
主机厂要求的是合格的零部件，以及有效的公司管控方式，至于具体使用何种方式来管理质量，只要供应商能够证明有合适的工具进行管控，有稳定的提供合格产品并进行持续改善的能力，不是非得SPC这一条路。
少些形式主义，回归到事情的本质。
到这里，我们关于SPC的分享就结束了，各位朋友们，你们有因为“应审”而“造假”过吗？比如SPC的数据都是真实的吗？有时候，可能还不是一个人造假吧，是搞质量的，做体系带领大家一起造假吧！
今天分享的是SPC。这两年很热的FMEA（潜在失效模式及后果分析）呢？
其原理，其本质，简单到令人发指！是谁把他搞复杂了的？
MSA呢，APQP和PPAP呢？
五大工具在国外也像在中国那么流行吗？还是只是一帮人、一些机构在忽悠中国企业？
最后，再多问一句：五大工具对你们公司真的有用吗？
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
你的感受如何？
当你知道这句话是总经理对刚入职的体系经理说的，感受又如何？
搞质量体系的，自然也离不开质量工具，说到质量工具的绕不开的当然是五大工具。
五大工具太有名了。有名到如果你不知道它们，都不好意思说自己是在汽车行业混的。虽说不是强制性要求，可并不妨碍各大主机厂对它们的推崇，进行影响着整个汽车行业。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
它们分别是：
APQP 产品质量先期策划 Advanced Product Quality Planning
FMEA 潜在失效模式及后果分析 Failure Mode & Effect Analyse
MSA 测量系统分析 Measurement System Analyse
SPC 统计过程控制 Statistical Process Control
PPAP 生产件批准程序 Production Part Approval Process
这五大手册源自于美国QS9000质量体系，是三大汽车公司克来斯勒、福特和通用制定的对其供方的标准质量要求。
不过，名气大了，就显得有些“高冷”，很多朋友在学习五大手册的时候总觉得有些高深难懂。 甚至有人说 五大工具只会忽悠中国人，公司里 搞体系的在带头造假！
是这个情况吗？
今天应审指挥部分享一篇关于五大工具中SPC的 深度解读文章 。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
当然，这里还是要简单介绍一下，S PC 统计过程控制 的研究对象其实只有一个，就是过程！
通过统计分析技术对生产过程（注意MSA的对象是测量系统）进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。
简单说来，SPC的通过控制好各种过程（核心是生产过程），最终生产出来的产品质量稳定。 文章有点长，不过满满干货，性价比绝对杠杠的，一起来看看吧。
01
前言
1924年，休哈特带着他的控制图“问世”之后，被以汽车行业为代表的制造业，广泛用来监控和改进生产过程，试图通过产品质量特性变化趋势来进行质量预防，改变旧有的事后质量检验的方式，来降低质量成本，并被列入汽车行业质量管理五大工具之一。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
其实，在以美国为代表的制造业强国中，不论是统计专家还是质量专家，针对SPC的实用性以及有效性的思考和质疑之声，从来就没停止过。
日本更是以实际效用为准绳，而不是在实际推广中原封不动地照搬照抄SPC。
对于SPC的质疑与争论，一方面是因为观点不同，但更重要的还是希望企业能够结合自身实际有效选择最优性价比的质量工具，去掉浮华，让企业的质量管理落到实处。
02
SPC的由来
SPC控制图，又叫休哈特图，通过对生产过程的关键质量特性值进行测定、记录、评估并监测过程是否处于控制状态的一种图形方法。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
休哈特将问题归结于变异中的普通原因和特殊原因。1924年的一天，休哈特把大家都熟悉的正态分布图旋转了90度（如下图），并以μ±3σ作为控制限，这就是控制图的原型。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
最初的判异准则也只有一条，就是 看数据是否超出μ±3σ控制限 。
什么叫 判异 原则，就是判断有没有特殊原因的存在，也是SPC的核心之所在。
当发现有 特殊原因的存在 （通过控制图的异常，见本文 P5部分 ），就要找出原因是什么，并进行整改提升，如果产品特性比较多，需分别做控制图进行识别。
自控制图出现以后，变异分为普通原因和特殊原因。
普通原因 / Common Causes
一般认为是源自各种微小因素，对过程产生持续影响，结果稳定可预测，只能通过改变系统来减少普通原因，常需要管理层动作，如更新设备，还常包括：
—大量微小原因（如环境等）
—原材料在一定范围内的微小变异
—机械的微小振动
—仪器测量不十分精确
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
特殊原因 / Special Causes
一般认为 不是始终作用于过程的变差的原因，不符合统计学的分布， 当它们出现时将造成（整个）过程的分布改变，不需要改变系统就可以找出并解决特殊原因
实际的例子包括
—使用规格外的原材料
—设备坏了
—人员误操作
这个人为的划分被一直沿用至今。
当然，这些理论也收到了很多权威人士的质疑。
03
来自权威人士纷纷质疑
田口玄一
日本享誉全球的质量大师，创造了田口方法。
他曾说过“ 改进要有经济合理性，不能没完没了 ”。
Keki R. Bhote
哈佛大学博士，摩托罗拉质量和保证部总监。
直言不讳的说， 控制图“纯属浪费时间” 。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
Banks David
美国统计局首席统计师，美国统计协会董事会成员。
他说，“ SPC大约是旧时代大学研究人员通过普通人难以理解晦涩公式来赢得名声的无用工具 。”
质量大师朱兰
朱兰说：“发明出控制图原型的 休哈特根本不懂工厂运营，完全没办法和操作工及管理人员进行有效的沟通 ”。
Bert Gunter
美国的著名统计顾问。曾说，“使用SPC的制造环境在快速变化，生产时间变得更短，数据产生的更多，质量要求更高和对计算能力要求更强大， 控制图这个古老的工具已经很难适应现代的生产和服务的需求 。 ”
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
Michel Baudin
40年实战经验的生产顾问。
说道: “ SPC是昨天的统计技术 ，用来解决昨天制造业的问题。它 没有能力解决今天的高科技问题 ，在成熟的行业它也变得完全没有必要。 它还没有完全消亡的原因是，它已经进入了客户强加给供应商的标准之中，虽然这些客户自己根本就不使用SPC 。这就是为什么你仍然可以看到有如此多的工厂走廊墙上贴着控制图。”
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
以上是近三十年里，国际上针对SPC公开发表不同声音的代表。
不过在国内，公开对SPC的抱怨几乎没有，私下的质疑倒是很多，我想这可能和中国人的中庸含蓄的性格有关系吧。
当然，也听到赞成 SPC的朋友说过：
你觉得SPC没用，是因为你没有真正理解SPC，或者你不会使用。
那上面那些质量大咖们呢？他们也不懂SPC，不懂统计学吗？
可能没那么简单！
04
日本使用SPC情况
江湖上经常听说这么个故事，战后的日本广泛推广和应用SPC，使日本的产品质量一举超越美国并处于世界领先地位，似乎日本在质量上的成功就是应用了SPC。
事实果真如此吗？
这里摘选部分文章的截图：
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
大意就是： 日本人追求效率，相比较那些复杂的工具， 在实际生产中，普遍使用的是相对简单易用的工具， 如柏拉图，直方图，散点图等，而不是依赖于SPC 。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
质量当和效益挂钩时才有意义，而不是无条件实施不能带来经济收益的所谓改善。
05
SPC本身的缺陷
自相矛盾的逻辑
SPC的判异原则有很多，这里分享下常见的 八项判异准则：
a. 一个点远离中心线超过3个标准差
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
b. 连续7点位于中心线一侧
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
c. 连续6点上升或下降
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
d. 连续14点交替上下变化
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
e. 连续3点中有2点距中心线的距离超过2个标准差(同一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
f. 连续5点中有4点距中心线的距离超过1个标准差(同一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
g. 连续15个点排列在中心线1个标准差范围内(任一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
h. 连续8个点距中心线的距离大于1个标准差(任一侧)
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
为了简化，这里只讨论最初休哈特制定的 判异准则 ，是否超出3σ控制限。
如果数据点在3σ控制限以内，一般认为过程中的影响因素只有普通原因，不需改善。
如果 数据点 落在3σ控制限以外，则表明存在特殊原因，需采取措施进行改善。
因为按照休哈特理论，落在3σ以外的是小概率事件，要进行调查。不过，按照分布概率，落在3σ以外也可能是正常的分布。
设备是多种多样的，有的设备稳定性足够高，就像戴明的漏斗实验一样，不改变漏斗高度，小球落点的离散程度不会改变，小球出现在4σ（或者5σ）内也可能是普通原因。
但现在大多数的控制限是设置为3σ。
[新知达人, 不会作假就搞不了质量体系，五大工具只忽悠中国人？]
对于稳定性很好的设备，如果数据超过3σ控制限就报警，那么工厂花费了大量时间和资源记录跟踪数据，得到的却是大量的假报警，工程师为此要疲于奔命。
真正让生产员工迷惑的地方是，按照休哈特的理论，超出控制限有可能是普通原因也可能是特殊原因，让生产员工去调查，找到了就说是特殊原因，找不到，难道就是普通原因？
普通原因与特殊原因的划分
一般认为，特殊原因对过程影响较大或者特殊原因整改成本相对较低，但这都不是绝对的。但目前没有任何客观的真实数据来证实这一点， 实际上只是人为地把分析找到的原因归到特殊原因而已。
假设我们还是按照普通原因和特殊原因来划分， 在实际生产中，要获得更高的经济合理性，不一定是通过改进或消除特殊原因，更可以改进普通原因 。
从休哈特发明控制图100年来，社会化大生产已经发生了翻天覆地的变化，一台普通的设备通常是很多专业企业合作共同完成的。设备的精度和稳定程度在大踏步前进，留给客户操作人员改进的机会越来越少。
当你谷歌搜索到的所有SPC视频课程，你会发现绝大部分讲师在介绍用SPC查找特殊原因时， 给出的例子大都是换操作员工了，换原材料了，机器润滑不好了，螺丝松了，设备磨损了等等。
这些听起来更像是一些故事，而不是一些真实的案例。
当然，上面情况的发生的确会导致一些质量问题，也不是不重要，问题是企业有比SPC更加前置和高效的方法来预防这些问题，如，合格供应商名录，设备点检、维护和保养，员工上岗培训，分层审核，防呆等等。
普通原因和特殊原因， 本身没有天然的界限 。人为的分为两种原因，把简单的问题复杂化了，然后再按照所谓的分类去解决所谓的特殊原因。
戴明和AIAG制定的判异规则会增加误报率
在控制图中，如果7点（注：也有是6点之说）或更多的点连续上升或下降，人工判断或SPC软件将发出警报。现在已有多人要求取消戴明和AIAG制定的这个规则，因为这个规则在有些有意为之的过程里是无效的，虽然直觉上觉得合理，但结果只会大幅增加误报率。
06
SPC使用时的硬伤
除了上面说的自身缺陷之外，SPC在实际应用中也有一些硬伤。
公差限范围远大于控制限范围：
随着当代生产设备、检测设备以及工艺水平等方面的不断进步，制造型企业对产品质量特性的控制能力已经远远超出100年前的水平。客户要求供应商的过程能力CPK在1.67以上，甚至2已非罕见，那么就意味着质量水平相当于5σ-6σ。
人工判断或SPC软件报警，但产品是合格的， 这时控制图不仅没有好处，还帮倒忙。比如 世界著名500强公司 施耐德 ，在华工厂应用控制图监控生产过程中的若干关键质量特性，但该控制图中只有公差限，没有控制限。因为如果设置了控制限，那么系统会经常报警，使本就繁忙的工程师们疲于奔命 ，最终 索性取消控制限 。
公差限范围小于控制限范围：
通常理想状态，使用SPC时，要求过程稳定且CPK大于1。
项目在量产前策划阶段，对于具体的质量特性，企业工程技术人员通常预先评估采用哪种探测手段，并在过程开发时最终落实。比如可以用GO/NO GO检具100%检验或设计防错装置识别等，当然也可以使用控制图。
还有人会说，如果过程能力不足或者过程不稳定，通过控制图报警，这不是很好的机会改进产品质量吗？
未必，还要考虑实际经济效益。
举个例子， 我们都知道ENGEL，KM这些注塑机好，生产出来的产品可以 完全保证质量 ，但是价格太贵了。而一般品牌的注塑机呢？价格便宜很多，做出来的产品有一定比例的不合格，但是配备一个检验员就全部搞定了。
这就是让特殊原因存在的案例。
这里不是反对持续改进，持续改进是一个企业永恒的主题，但我们反对的是一谈到质量控制，言必称SPC。
公差限范围略大于控制限范围：
这时的CPK大于1，可能有人会说，这种情况下SPC控制图最有用，但其实给一线操作员工和质量人员带来的困扰同样也不少，为什么？
如果控制图报警，一线操作员工也不知道产品是否合格，有时还要在控制图的边上再做一个单值描点图（日本一些企业的作法）。
有些控制图上加上了公差限，的确是有所改善，但还是有问题，因为在控制图上显示的是X的平均值，当X平均值在公差限以内时，产品还是有可能不合格的。（当然，这时R图往往会报警，但操作员工还得另行计算一下，确认产品是否超差，因为控制限报警和产品不合格是两个严重度不一样的事情，对于一线工人来说，首要任务是产品合格然后才是持续改进。）
其它因素还有：
控制图需要持续不断地记录数据。一个控制图（均值极差控制图）只能监控一个质量特性，随着产品复杂度的增加以及供需链的不断变化，一个产品上会有多个关键质量特性。
一个工厂有上万个料号是非常普遍的现象 ，那么可以想象，使用控制图对这些产品的大量质量特性进行监控， 需要记录的数据以及需要付出的努力远远超出了企业所能承受的能力 。
如某公司一塑料产品有4个关键尺寸，该产品一共有2个模具，每个模具64穴，这些关键尺寸关系到客户产品的密封性能，塑料产品本身价值不高，但是一旦质量不合格，客户的损失将是非常巨大的。如果要取得客户订单，客户一定要求供应商签署质量连带责任协议。
如果使用控制图，每一次都要等到注塑机生产5个产品以后才能检验关键尺寸并记录，如果现场是纸质的控制图，操作工人还得计算这五个产品平均值和极差值，一个注塑工位就有4X64=258张控制图。两个模具，那么意味着要做2X4X64=512个控制图。如果这个公司有100个类似产品，那么意味着要有5万个控制图在生产现场。
每次注塑的时间间隔才几分钟，甚至有几十秒的，员工有时间记录吗？
用SPC软件能解决这些问题吗？
对于注塑产品，不仅要确保首件合格和末件合格，还要确保如何及时发现产品尺寸的变化，以便能及时清理冷却管路和维修模具，这对企业是一个极大的挑战。
如果您是这家企业的质量负责人，你会采用控制图来监控关键尺寸吗？您觉得控制图管的住质量吗？
再完美的设想，如果不能够满足实际生产现场的需求，那么也只能放在实验室里观赏。 不能够为实际生产服务，那么也就失去了它的价值。
07
谁在推行SPC
客户要求
由于SPC是汽车行业五大手册之一，虽然只是参考，但是很多汽车行业的客户和其它行业的部分客户在对其供应商实施质量评审和项目开发过程中，会把SPC作为一个条目来考核供应商。
为了提高通过第二方审核和第三方审核的概率，汽车行业供应商不得不在企业内推广SPC。
我们回放一下真实的质量评审场景：
供应商老老实实把所有的质量特性都列出来了，如果质量特性很多，除非供应商有大量的专业质量人员，否则不大可能都做到监控，即使有SPC软件系统也不可能（因为设置监控要花费大量的人力和时间，这个成本是很高的，不是每一个厂家都能负担得起的。）
如果评审员发现有的质量特性没有被监控，很可能给一个一般或严重不合格项。
而这很可能导致审核最终不通过。
即使质量特性都被监控了，评审员在现场评审时，如果发现了控制图报警，但是供应商没有及时给出分析和整改措施，这就要看评审员心情了，至少给一个观察项，给一个不合格项也很合理。
如果零部件供应商，负责客户审核的，你会怎么做？
多半会事先准备好一套美化过的SPC数据，等待评审员的到来，这样才能很有把握地保证质量评审顺利通过，企业不会因为质量评审出现问题而拿不到客户订单，导致管理层对质量部门不满意。
我们先不要站在道德的制高点上批评供应商的质量负责人，想一想，供应商质量负责人这么做是否也是一种无奈？
德国大陆 是一家非常知名的全球汽车零部件企业，其在华的一家工厂也遇到了SPC带来的烦恼。这家工厂每年要接待大量的客户二方年度审核、新项目审核和客户SQE定期检查及飞行检查，他们产品种类多，需要控制的质量特性也很多。
时不时，客户的质量人员就可能要求检查一下他们的产品控制图的填写情况，如果有异常报警，客户通常是一句话：你们要调查一下，写个整改报告。但供应商即使是编一个报告也要挺长时间，每天这么多的报警，如何应对？
编写假报告也要耗费大量的人力资源，不要忘记这一点。
后来这家工厂实在没办法， 干 脆招聘一个SPC数据“美化”技术员，每天专职美化数据 ，但数据也不是可以随随便便可以美化出来的，该工厂还用Excel编写个小程序，保证数据分布也是正态的，还能满足CPK的要求，极大提高了造假数据的效率，客户也很难再挑出毛病。
听起来可能像笑话？但是他们的质量人员根本乐不出来，他们有很大的挫败感，因为每天不得不做这些无聊没有意义的事情。
其实，这家大陆在华的工厂根本就没有用SPC来管控质量，但还不得不假装用SPC控制质量，并对客户宣称取得了很好的效果。
相对来说，国际大企业在理解SPC方面还是比一般企业要好，但他们为什么还要造假数据呢？
我本不想列出施耐德和大陆的名称，但我是想告诉大家，世界顶级的工业巨头尚且如此，您的企业实情如何？
尽管有许许多多的企业都在使用SPC，但情况不容乐观，理想很丰满，现实却如此骨感。
培训/咨询机构以及SPC工具厂商
首先，我们不否定有优秀的培训和咨询老师，不仅有专业水平，也从企业的实际角度看问题。
但是，也有一些例外：
有些是自己本身都没有理解和掌握SPC的原理，完全的照本宣科，自己都不知道自己说的是什么。
有些是书本主义，没有考虑到实际应用环境。
有些是揣着明白，装着糊涂。赚的盆满钵满与自砸饭碗之间，选择的是前者。不想说皇帝的新衣不好看，反正有人肯花钱，不拿白不拿。
更有甚者，牵强附会的应用。Q-DAS，为了增强SPC适用范围，把简单的事情搞得很复杂。刀具的寿命对某些企业是一个比较关键的数据，比如用刀具的磨损程度来预计刀具的寿命，按照刀具的磨损程度绘制出一个带有倾角上下控制限，通过与刀具报废线的交叉点来估算刀具寿命。
这个方法当然可以实现预测刀具寿命，但是对现场的操作工的理解上就不友好。简单的事情搞得那么复杂，用一个简单的描点图就可以实现的功能非得用繁琐的步骤实现。 似乎不复杂了体现不出自己水平似的。
质量管控的需求
自然还是有希望管理好企业的质量人在推广，希望能够帮助企业改善质量，这一点是不可否认的。
绝大部分管理措施出发点都是好的，但结果好不好就不一定了。
相比于其它质量工具， SPC耗费资源很多但产出却不高 。就像用长矛来捕鱼，的确能捕到鱼，观赏性非常好，可以用来炫耀手艺，但不完全适合当今的社会。
但是SPC一旦开启，就要针对每一个料号的每一个需要监控的质量特性持续不断收集数据，如果有电脑系统还好，没有电脑系统，还得用纸和Excel统计。
在企业竞争如此激烈的今天，还要让一线操作工人花费大量的时间记录这些SPC数据，当然企业还要投入培训SPC费用等，但这些费用仅仅是SPC相关费用的冰山一角。
很多人忽视的是质量工程师所耗费的心血和时间。
一个企业如果质量特性少还好，如果质量特性很多，新项目也很多。 质量工程师不得不花费大量的时间处理这些不确定的报警 ，这意味着很多其它事情被耽搁了。
08
企业怎么办？
现在有些人或企业认为质量管理就是SPC， 甚至有些MES系统开发商，直接把SPC当作质量管理模块卖给用户 ，不知道是自己不懂，还是有意为之。
汽车行业的用户也应该理性地去分辨，不应该被神话了的SPC所误导。工具应该为目的服务。
在此我们从两个方面给一些建议：
从质量管控工具有效性层面：
日本企业为了弥补SPC的不足而同时使用单点图，当然还有其它工具，比如合格率、ppm、缺陷统计等。配合柏拉图的使用，可以帮助企业快速锁定影响产品质量问题的“重要的少数”，起到事半功倍的效果，以及根据记录的数据进行相关性回归分析，帮助企业快速找到影响质量特性的因素，从而进行相关改进，进行质量预防，改善产品质量。
企业选择什么样的质量工具要根据自身的情况而定，不管黑猫白猫，抓住耗子的就是好猫。
客户和工厂需要的是合格的产品， SPC只是工具/手段，不要将手段当目的 。
从公司整体质量管理层面：
例子1 ，如果是一家生产纸箱，印刷品等技术含量不高的小企业，按照ISO9000的要求来做，就可能把企业管理的很不错。
例子2 ，如果一家电机厂有50条不同年代的产线，有2万种不同的物料，员工人数达到2000。企业发展到这个规模，可能以下问题是质量管理中的痛点：
什么原材料容易造成停工待料，都是什么问题？
那种类型电机合格率最低，都是什么问题？
给客户报价时，在那条产线生产，既能保证产品合格率又能保证成本可接受？
新产品开发时，类似的老产品都出现过什么问题？
这个规模的企业，质量体系早已经建立，质量特性数据也有一些，但是这些数据不是在纸质文档上就是在Excel中和其它系统中。这时企业可能需要一个能对多种物料，多条产线，多道工序，多个班组进行深度关联分析的系统以解决上述问题。
例子3 ，对于跨国采购公司和design house，有几十家甚至几百家供应商是很普遍的事，质量人员如何管理好供应商准时生产出合格产品很关键，否则就可能造成全球客户缺货或工厂停产。对供应商是否有能力生产出特定需求的产品要有把控能力，而不仅仅是根据质量评审的分数；开发新项目时对过往的历史数据和客户投诉了如指掌，并通过历史数据（包括客户投诉）有能力发现潜在的质量风险并在新项目开发时采取措施，；对出货检验要有大局观，既不能无原则放货，又不能把小问题无限放大不放货。如果该企业的产品种类高达上千种，供应商又分布在全国各地，但SQE人数却很少，这时的质量管理策略怎样制定才合理？
针对不同的公司规模、人员素质、不同的产品以及过程特性等，可以采用不同的质量管理工具进行管理。
合适的就是最好的，既要防患于未然又要因地制宜，不能是用工具找问题，而是应当根据问题找合适的工具。
09
怎么应付客户
前文做了很多论述，企业应该有自主权限根据实际情况来选择合适的质量工具。
但是对于SPC却很特殊，因为客户要求，不管效果如何，却不得不使用SPC。
这一点，在其他的四大工具中也存在， 客户要求大于一切，尤其在汽车行业 。
这的确是一个难题，这里也很难提供一个药到病除的解决方案。
供应商不可能冒着丢失订单的风险而违反客户的要求。
五大手册中的SPC，当年是主机厂为了在汽车供应链中推动持续改进，以客户为关注焦点，提高客户的满意度，要求供应商寻求一种更高效率的方式来提供产品和服务。
秉着这一宗旨，主机厂让组织的成员，不断尝试更高效的方法进行持续改善，可以采用不同的统计工具达到这一效果，并编制了五大工具之一的SPC手册。避免了当初无统一标准，各家各户要求各异，简化与减少了差异性。 但该手册也明确说明这是针对SPC的一个介绍。 企业根据客户要求的质量活动或者特性与客户沟通，可采用更有效的或者替代的方式。
解铃还须系铃人。 这里 也呼吁一下以汽车行业的质量人士，特别是主机厂的供应商管理团队。
主机厂要求的是合格的零部件，以及有效的公司管控方式，至于具体使用何种方式来管理质量，只要供应商能够证明有合适的工具进行管控，有稳定的提供合格产品并进行持续改善的能力，不是非得SPC这一条路。
少些形式主义，回归到事情的本质。
到这里，我们关于SPC的分享就结束了，各位朋友们，你们有因为“应审”而“造假”过吗？比如SPC的数据都是真实的吗？有时候，可能还不是一个人造假吧，是搞质量的，做体系带领大家一起造假吧！
今天分享的是SPC。这两年很热的FMEA（潜在失效模式及后果分析）呢？
其原理，其本质，简单到令人发指！是谁把他搞复杂了的？
MSA呢，APQP和PPAP呢？
五大工具在国外也像在中国那么流行吗？还是只是一帮人、一些机构在忽悠中国企业？
最后，再多问一句：五大工具对你们公司真的有用吗？
RSS Feed