对“质量知行和意为”的理解（之五）

前面写了十二个方面的理解，对7，8二条的理解一直拖到今天才写完。做质量的人，认真把这十四个方面的问题都想一遍，都做出来，虽然烧脑，但也会有长进。其它岗位的人，也可以就这十四个方面的问题，来思考自己答案。质量不是质量部的事，是全体员工参与的事。

7.质量数据

质量数据有哪些，如何收集？如何整理？如何提炼出有用的信息指导。

测量质量特性所得的数据，即为质量特性数据，简称质量数据。

对于加工企业，从原料来料检查，加工过程中的检查（包括：半成品，成品，加工过程，装配过程等过程中的）获得的数据，都是质量数据。

收集质量数据的目的是为了掌握生产状况，分析质量问题，控制工序过程和判断产品质量。

质量数据可以分为“计量型”和“计数型”。针对这种类型的数据，都可以做GR&R，并作MSA。

计数型分为：计点型和计件型。计件型：对产品按件检查时，产生的属性数据，比如合格/不合格。计点型，每件产品上质量缺陷的个数。

所有的质量数据，都 具有波动性和规律性二个特点，由于随机因素和系统因素的存在，在相同情况下做出来的一批产品，质量数据都会有差异。但这个差异会有一定的特征表现，服从统计规律的分布。如果生产过程处于统计控制状态时，数据的波动一般来说，离散型随机变量遵循二项分布，泊松分布，连续型随机变量遵循正态分布，指数分布等。

我们可以通过对产品上某些特征质量据数的收集来判断生产过程是否在控制范围内。SPC技术就是基于这个原则开发出来的工具。

对于产品来说，上面所附的所有信息，都是数据。如果可以用来表征产品的质量特性（此处的产品质量特性，应包含了客户对产品的功能和可靠性的期望）

衡量加工水平，不仅指某件产品满足要求，还指所有的产品整体的质量分布。

作为质量管理，最大的期望是“制程稳定”，这样加工出来的产品，品质数据就会变化很小，即“一致性”很好。

我们去全国所有的麦当劳，肯特基吃快餐，至少“炸薯条”基本上口味都差不多。这里表现出来的就是“一致性”。背后就是公司对加工这种土条的原料和工艺进行了控制。土豆是由大片农地集中生产，炸薯条的油温、时间都有规定。

由于薯条生产的工艺被控制，导致了炸出的薯条口感差别不大。消费者随便到哪家买薯条，得到的体验都是一样的。这就是“确定性”带来的客户“粘滞性”。

由于收集数据要成本，时间，设备，记录的保存，都是要资源开销，这导致了全程监控产品的全部品质数据的成本很大。但通常也只有几个决定性的指标数据会主要决定产品的品质，影响产品的使用。通常的做法就是挑“决定性”的产品特性做实时数据收集，从而实时监测产品制程中的变异并及时作出调整。现在的计算机发展和软件的发展，硬件的发展，已经为这种SPC技术提供了可能。

但IT技术，智能机的普及，有一些IT公司就可以利用用户使用智能机的过程中留下的信息来推测用户的偏好，利用这个偏好为用户推荐喜爱的商品，从而促进销量。故有“得数据者得天下”的说法。这个时候，利用每一个用户自己的手机为公司提供数据，成本就只是开发一款APP。

对于这些数据的收集，整理，提炼出有规律的信息，指导后面的“质量改进”。

因为一个产品上，集中了成千上万的“数据”，有一些是表达本征数据，有一些是表达个体的数据。这些数据，如果有办法收集，则都会“有用”，对于产品，质量不是要好，是要保证“质量水准”一致性。就是有一些，现在看起来，客户不重要的特征，有的时候也会成为“客户”诟病的糟点。以我们常遇到了的：空调厂在一个新的财年开始的时候，都会对外观质量加严一点。平时可以放的产品，这个时候，就要仔细了。当然从“质量一致”性的观点，产品确实产生了变异。但这个变异应来自于“process”，为了交出“一致性”质量的产品，可能就得用人工去筛选一下，人是不可靠的，在现在的情况下，就是没有办法用机器来进行检查的那些特征。

如果要收集数据，得有手段，靠人工的思路是不对的，代价也会很大。在没有办法的情况下，只能抓大放小，比如对功能采用机器测试，少人工干预。

看一下现在的APP软件，可以在客户使用的时候，收集客户的使用信息，比如地理位置，应用习惯等。这些都是得益于网络发展且平民化，大家都用得起网络了，且费用不高。想一下，才产生互联网的时候，这些功能基本上无法实现，也就无法收集客户数据。现在自动化收集数据，然后自动化加工处理数据，得出一个基于数据上得到的结论。然后再利用这个结论来“优化”自己的软件应用，提高客户体验和粘滞性。

8.问题分析

生产线，或者客户处发现了产品的质量反馈，做为质量人，如何处理这些问题的反馈？

第一步，是临时解决这些问题，让生产线继续下去，客户的面临的问题/担心先消除，让客户把产品先用起来。

第二步，就要考虑怎么根治这些问题。

解决问题，得有工具，已经发展出很多的工具，但各有优缺点。有的问题，要专业的知识才能解决，有的问题，要通过团队协力才能有解决方案。

8D为问题分析提供了一个“方法论”，但这个“方法”还是有缺陷的。限制于人的认知，有的情况下，根本找不到根本原因。

如果根治这些问题，如果是人为的一些问题，比如工人漏拧螺丝，这些都是好解决的，大不了加一个专项检查点。最麻烦的是那些技术问题，我们不知道根本原因的那些问题。以我所在的行业中，经常会发生一些IGBT应用中发生爆炸的案例。这个问题，到现在也没有找到根本原因，所以也就没有办法去根治。我私下里称它是“癌症”。

但一个行业里，能称作“癌症”的问题也不多，否则这个行业就活不去了。

对常发生的问题，收集每次发生的信息，找出其中的共性，会给我们解决问题提供一些线索。这个就要通过仔细的观察。“三现”原则是一个很好的收集信息的办法。对于有怀疑的因素，如果有可能，就通过做实验的办法来验证(DOE)。这是找原因的一个很有效的手段。

鱼骨图，通过收集团队的智慧来提供线索。