质量管理工具的实际应用

研究与探讨44概括来说，质量管理的发展过程大致经历了3个阶段：质量检验阶段、统计质量控制阶段和全面质量管理阶段。日本在推行全面质量管理过程中，先后提出了“质量管理七大工具”和“质量管理新七大工具”；在种类、数量繁多的方法和工具中，应用者只要根据项目的实际情况选择应用，就会收到好的效果。项目质量管理包含了项目执行质量计划的编制、质量保证体系的审查、监控具体项目执行结果以确定整改方案。本文仅针对应用于“监控具体项目执行结果”环节中质量控制工具的实际应用，作以介绍和探讨。一、质量管理常用工具及其特征由于在日常质量管理项目中更多使用老七大工具进行操作，新七大工具更侧重于提供一系列科学思维方法（见表1），因此本文将着重介绍老七大工具的实际应用。(一)排列图（帕累托图）。全称为“主次因素分析图”，它是将质量改进项目由最重要向最次要进行排列而采用的一种简单的图示技术；其所依据的是帕累托原理，即80%的国家财富由20%的人掌握。对此，我们可以从生活中的许多事情加以印证：生产线上80%的故障，发生在20%的机器上；在企业因员工而产生的全部问题中，80%是由20%的员工所引起的；80%的结果，归结于20%的原因。如果我们能知道产生的80%收获与20%的关键付出之间的联系，那么便会事半功倍；这也就是所谓的“关键的少数和次要的多数”关系。美国质量管理专家朱兰把帕累托的这种关系应用到质量管理中，发现尽管影响产品质量的因素众多，但关键的因素往往只是少数几项，它们造成的不合格品占总数的绝大多数。例如，我们在进行某品牌轿车的用户满意度测评项目中，为了找出消费者对所购车辆不满意的关键质量因素时，多采用此工具(见图1)。很明显，我们可以提供给厂商的质量改进信息是，提高节油性能、优化发动机、改善加速动力和减小空调噪音。(二)因果图。解决质量问题，需要查找原因、考察对策，继而采取适合的措施。影响产品质量的原因多种多样、错综复杂，概括起来有两种互为依存的关系，即平行关系和因果关系。因果图又被形象地称为“树枝图”、“鱼刺图”，它是利用头脑风暴法的原理，集思广益，寻找影响质量、时间、成本等问题的潜在因素；从产生问题的结果出发，首先找出产生问题的大原因，然后通过大原因找出中原因，再进一步找出小原因，依次类推、步步深入，直至找到可采取的措施为止。例如，在探测消费者对所使用轿车的舒适性评价较低的原因时，将舒适度分解为多重影响因素（见图2）。将各因素一一分解后，通过相关度的计算找出关键因素并改进，可有效提升该评价结果。(三)调查表。调查表又可称为“检查表”、“统计分析表”，是一种收集整理数据和粗略分析质量原因的工具。调查表是为了调查客观事物、产品和工作质量或分层收集数据而设计的图表，即把产品可能出现的情况及其分类预先列成统计调查表，在检查产品时只需在相应分类中进行统计，并可从调查表中进行粗略的整理和简单的原因分析，为下一步的统计分析与判断质量状况创造良好条件。例如，表2反映的是某汽车品牌旗下不同车型（A-F）的故障发生部位。从表2可以看出，该品牌旗下汽车产品的主要质量问题出现在“发动机系统”，而C车型的“行驶转向和制动”问题凸显。(四)分层法。引起质量波动的原因多样，收集到的质量数据往往带有综合性。为了能够准确把握产品质量波动的实质原因和变化规律，必须对质量数据进行适当归类和整理。分层法是分析质量原因的一种常用的统计方法，它能使杂乱无章的数据和错综复杂的因素系统化、条理化，有利于找出主要的质量原因并采取相应的技术措施。质量管理中的数据分层就是将数据根据使用目的，按其性质、来源、影响因素等进行分类，也就是把性质相同、在同一生产条件下收集到的质量特性数据归为一类。分层法经常同质量管理中王玥质量管理工具的实际应用研究与探讨45的其它方法一起使用，如将数据分层之后加工整理成为分层排列图、分层直方图、分层控制图和分层散布图等。例如，在液态奶行业的用户满意度评价项目中，将受访者按所在城市划分为5个层次，以发现不同城市中的消费者对某品牌液态奶质量的评价差异。分层分析后不难看出，天津的消费者对液态奶质量的评价最高，而广州和重庆的消费者给予的评价较低(见图3)。(五)直方图。直方图又称“质量分布图”，是通过对测定或收集到的数据加以整理，来判断和预测生产过程质量与不合格品率的一种常用工具。直方图法适用于对大量计量值数据进行整理加工，找出其统计规律，掌握数据分布的形态，以便对其总体的分布特征进行分析。例如，某款轿车在不同地区的故障总提及率为68%。考虑到该故障可能与气候、路况等因素相关，因此划分不同区域进行计算，绘制直方图(见图4)后直观看到：西北、华中和东北地区的故障率明显偏高，亟需关注。(六)散布图。散布图又叫“相关图”，是用来考察和判断两个特性或变量之间关系的图形。一切客观事物彼此间都是相互关联、相互影响的。产品质量特性与影响质量特性的众多因素之间、不同的特性之间也是相互联系、相互制约的；反映到数量上，就是变量之间存在着一定的关系。散布图就是测量和显示变量间关系的工具。其中两个变量之间的关联判定状态包括：正相关、弱正相关、负相关、弱负相关以及无相关。图5展示的是弱正相关散布图示例。实际应用中，多会通过散布图计算出相关系数，与其他指标交叉绘制矩阵图，以寻找优先改进的质量因素。例如，在液态奶行业的用户满意度评价项目中，将消费者满意度评分与各指标对总体满意度的相关性，交叉为SWOT矩阵图(见图6)。矩阵图提示，优先改进质量因素为性价比、营养价值和口味等。(七)控制图。控制图是用于分析和控制过程质量的一种方法。控制图设有控制界限，用来区分引起的原因是偶然的还是系统的；它可以提供系统原因存在的资讯，从而判断生产过程受控状态。质量管理的最高境界是预防质量问题的发生，控制图正是对预防原则的贯彻：应用控制图持续监控生产过程，异常因素刚露出苗头便能及时被发现，并在这种趋势造成不合格品之前就采取措施加以消除，起到预防的作用；在现场，更多的情况表1名称内容特点老七大工具排列图、因果图、调查表、分层法、直方图、散布图、控制图（除因果图外，都属于统计型方法）适用于现场质量管理活动，研究对象多可定量化表达；通过收集分析数据、统计计算的方法取得分析结果。新七大工具箭线图法、关联图、系统图、亲和图（KJ）法、矩阵图、矩阵数据分析法、过程决策程序图（PDPC）法（除矩阵数据分析法外，均为情理型方法）适用于管理层次的应用，多是定性的研究对象、很少进行计算；主要通过收集语言资料和图表使用提供思考方法。其他方法流程图、简易图、正交试验设计法、优选法、水平对比法、头脑风暴法图1图2表2次频分比百研究与探讨46图3图5图6图8图7是控制图显示异常，表明异常原因已经发生，此时需要遵循“查出异因、采取措施、保证消除、不再出现、纳入标准”的循环，依次消除异常因素并使它不再出现，从而起到预防的作用。例如，某钢铁生产企业对板材的表面质量进行现场控制，根据单位面积上板材表面缺陷数量制出控制图（见图7）。图中设有中心线（UCL）、上控制界线（UCL）和下控制界线（LCL），而实际控制的线条往往在设置的3条线内波动。图7表明，在监测期限内，本批次板材的表面缺陷均未超出可控范围，没有瞬时失误和异常出现。二、质量管理工具的整合应用开展项目质量管理，主要是为了确保项目按照设计者规定的要求完成，包括使整个项目的所有功能活动能够按照原有的质量及目标要求得以实施，质量管理主要是依赖于质量计划、质量控制、质量保证及质量改进所形成的质量保证系统来实现的。各种质量管理工具都不是单独存在和使用的，同一个项目中会分别用到多个工具，或将多个工具整合起来应用以反映某一个问题。实践中，我们大多用排列图或直方图确定问题，用控制图、检查表、散布图、分层法等统计方法分析根本原因，结合相关技术来确定对策；在此之后，运用排列图等方法确认对策实施的效果，并将有效的对策标准化；完成上述步骤后，我们便要运用PDCA循环（见图8）实现项目质量管理。通过管理循环的持续进行，才能达到质量控制的目标，最终达到项目管理的目标，使项目管理真正成为让参与方都满意的艺术！■(作者单位：中国质量协会)