Views: 245
近日(2020.05)公司接受某日系OEM的IATF 16949体系审核,因新冠疫情原因审核由线上进行。审核问题表中其中有一项:
“设定每个年度的质量目标,并且为了达成其目标制定了必要的业务计划。设定的质量目标,同上一年度比较,有改善趋势。”
以客诉为例,公司2018年0Hr DPPM (在OEM端车辆下线前的每百万不良比) 平均值0.89 DPPM, 2019年0Hr DPPM 平均值0.81 DPPM,2020年0Hr DPPM目标 1 DPPM,审核员开立问题点“质量目标不能体现持续改进”。(在问题点开立前,因为数据四舍五入包括的小数位不够的关系,导致2018年,2019年,2020年连续三年的0Hr DPPM 数据在图表上显示为1 DPPM,即明显无改进趋势)。
相信读者很直观的感觉是“的确,虽然不良率0Hr DPPM的表现还不错,但是2020年目标值居然高于过去两年,当然不能体现持续改进”。
如果读过戴明博士的书籍,了解大师的观点,或许就会有不同的解读,比如以下的问题:
- 不同年度(2018/2019/2020)目标是否有明显差异,
公司制定2018/2019/2020 的0Hr PPM目标很大程度是基于以往年份的结果做x% 的下降或提高调整得出来的。实践当中很多的公司也都是这么做的,尽管看上去似乎合理,但是如果X 不够大的话没有任何实际控制意义。
- 如果仅以每个月表现计算平均值来定义目标是否合适
如果过程稳定的情形下,平均值是有含义的,这也就是为什么控制图的基础条件是链图无异常,链图是基础的用于检验数据独立和随机性的。但是如果过程本身不稳定,上下波动特别大,数据一被平均就失去其含义了。这也是为什么大多数人不愿意看到新闻里报道平均工资的增长,因为整个工资的分布是偏态数据,一旦平均,大部分低收入人群的工资就被拉高了。
- 稳定的定义所包含的问题
- 年度内12个月表现是否在稳定范围内波动
- 链图是否稳定
- 控制线计算不应该是正态分布,而是二项分布,参考“创造价值的质量管理”中的公式
正如以上提及,如果一年12个月的数据不够稳定,自然计算的平均或者控制线偏差非常之大。
- 对单个超出平均值的月份另外做分析和8D 是否合适并有必要?
实践当中很多的公司都是要求对超出平均值(目标)的月份采取特别的措施,但是效果都不如人意,原因就在于如果那个月本身就是在一个稳定的过程中,那所受到的影响仅仅是随机影响,很难采取真正有效的对策。如果有人把生病的原因归于当天气温的正常变化,那终究是难以避免下次还会生同样的疾病。
什么才是更稳妥的方法?
在“创造价值的质量管理”一书中,作者分享了一种定义目标的方法:以以往每个月份的表现数据排序,并取分布的3/4分位,从实战和概率的角度而言,笔者认为这是一种比较合理的方法。与此对应的常见实践是先定一个目标,超过这个目标为绿色,达到这个目标的80%定义为黄色,小于这个目标的80%的话定义为红色。这种方法还是回到上面的分析,目标从哪来?也就是规格线从何而来?如果目标分解并且定义合理,当然按照基本的正态分布的原则,取80%为界也无可厚非,但是一定是与过程平均值无关。
如果鉴别系统的稳定性,绩效等参数,以0hr 为例,通常数据是二项分布,可以参考7大判稳规则来对单月构成的数据链图进行分析判别。
对于稳定范围内波动,就单个低分月份和扣分具体事项进行8D分析就足够了,对整个系统进行调查没有必要,稳定范围内的单措施改进不能显著改进整体绩效。但是对超出稳定范围的月份,则有必要进行系统的原因分析,唯有系统性的改变和变革才能带来系统整体的改进,这是戴明博士分享的宝贵经验。
如何在工作和生活中横向展开?供应商绩效稳定性,如果没有方法和思路上的转变,很难在供应商改进上有实质性的进步;个人如果没有思维的转变,则个人绩效也将难有大的突破(戴明博士也有说明);在日常生活饮食上,如果饥一顿,饱一顿,或者又暴饮暴食,没有规律,也就是经常超出稳定的控制或者控制线,则长期必然会影响健康;汽车在市政道路上行驶比较耗油,而在高速道路上行驶比较省油,原因也是同理,稳定的过程必然会改善系统的运行效率。