零缺陷和99.91%
我们公司从事导航电子地图数据的制作,作为质量从业人员,一直有个疑问未等解决,反而越来迷惑了,抛出来供大家探讨:
首先,我们的数据供应主要是集团公司的另外一个部门,质量要求客户一直没有明确过,我们自己沿用并提升着标准,最终用户呢就是广大手机用户了,他们会反馈不少问题,但都不能用于推倒我们产品的质量标准。
其次,数据产品,除了狭义上的质量以外(就是做正确),还有时效性的要求,一个红绿灯,实地已经取消,你1年前做了上去是很准,但实地没有了你要尽快也下掉,所以其质量内涵上也必然包含时效性的要求
问题来了:资源永远是有限的,有限的资源肯定是要做用户收益更大的事情的,我们打算提升效率,节约钱出来,把钱用于时效性提升、新数据内容的制作上,提效有个方法就是自动化,现在呢有个方案,采用自动化的方法,能够提效50%,但这个自动化的工具正确率是99.91%(1000多个样本错了1个),短时间没办法做到100%,并且很有可能也做不到100%,其错误的内容也无法及时挑出,几个月或者1年以后的更新很有可能会把这个错给纠正过来,那么,作为质量管理人员,我应该支持还是反对?反对的话我理解这是在“用质量换效率”,支持的话,站在公司、用户角度,提效是更有价值的。
我个人倾向于支持,这次错误率是0.09%,错的那项对用户影响也不大,但如果下次另一个更改某个工具、方案的错误率是0.1%呢?是1%呢?是5%呢?我无法建立损失与收益之间的对比公式,另外,能做的话,就这样计算就可以了吗?
问题是不是还要回到质量的定义:满足要求的程度
关键是这个要求难以衡量,我的做法我以当前能提供的质量水平为底线,只能往上不能往下,那么要省钱做新东西呢?又要衡量做新东西的收益和损失的质量代价,决策者目前基本是做定性决策,比较、感觉下就决定了,当然,让我作为决策者的时候我估计也会做出同样的决定。
作为质量人员,我不敢随便突破现在的质量惯行(习惯行为),因为我还没有找到一个能够兼容当前做法的更好做法,从理念上我是清楚的,但我又担心一直开这样的口会让其他人从心底认为质量人员没有原则,从而导致对标准、指标的漠视。
看来我还是得好好思考下,目前打算建立一个大家都能看懂且可以操作的对应表出来,什么样的准确度损失,带来什么样的收益是可以接受的,是不是总体收益只要是正向的,就是应该去做的?
首先,我们的数据供应主要是集团公司的另外一个部门,质量要求客户一直没有明确过,我们自己沿用并提升着标准,最终用户呢就是广大手机用户了,他们会反馈不少问题,但都不能用于推倒我们产品的质量标准。
其次,数据产品,除了狭义上的质量以外(就是做正确),还有时效性的要求,一个红绿灯,实地已经取消,你1年前做了上去是很准,但实地没有了你要尽快也下掉,所以其质量内涵上也必然包含时效性的要求
问题来了:资源永远是有限的,有限的资源肯定是要做用户收益更大的事情的,我们打算提升效率,节约钱出来,把钱用于时效性提升、新数据内容的制作上,提效有个方法就是自动化,现在呢有个方案,采用自动化的方法,能够提效50%,但这个自动化的工具正确率是99.91%(1000多个样本错了1个),短时间没办法做到100%,并且很有可能也做不到100%,其错误的内容也无法及时挑出,几个月或者1年以后的更新很有可能会把这个错给纠正过来,那么,作为质量管理人员,我应该支持还是反对?反对的话我理解这是在“用质量换效率”,支持的话,站在公司、用户角度,提效是更有价值的。
我个人倾向于支持,这次错误率是0.09%,错的那项对用户影响也不大,但如果下次另一个更改某个工具、方案的错误率是0.1%呢?是1%呢?是5%呢?我无法建立损失与收益之间的对比公式,另外,能做的话,就这样计算就可以了吗?
问题是不是还要回到质量的定义:满足要求的程度
关键是这个要求难以衡量,我的做法我以当前能提供的质量水平为底线,只能往上不能往下,那么要省钱做新东西呢?又要衡量做新东西的收益和损失的质量代价,决策者目前基本是做定性决策,比较、感觉下就决定了,当然,让我作为决策者的时候我估计也会做出同样的决定。
作为质量人员,我不敢随便突破现在的质量惯行(习惯行为),因为我还没有找到一个能够兼容当前做法的更好做法,从理念上我是清楚的,但我又担心一直开这样的口会让其他人从心底认为质量人员没有原则,从而导致对标准、指标的漠视。
看来我还是得好好思考下,目前打算建立一个大家都能看懂且可以操作的对应表出来,什么样的准确度损失,带来什么样的收益是可以接受的,是不是总体收益只要是正向的,就是应该去做的?
没有找到相关结果
已邀请:
5 个回复
28rule (威望:42) (广东 江门) 机械制造 工程师 - 有自知之明
赞同来自: jacd
要用风险分析工具例如FMEA来打分和控制。有些地图错误造成很大用户损失,有些会很少,有些错误用户自己会中途发现,有些则浑然不觉。不能只用一个错误发生率来衡量。