动态质量管理
作者: 来源: 文字大小:[大][中][小]
过去在生产过程中，对于质量控制的少之又少。象地下建筑，被人所遗忘（忽视），仅有极少数的人除外。然而在最近几年中，随着人们逐渐认识到它的重要性，它才从黑暗中显现出来。慢慢地步入正轨，受到各层的重视，直至今天，倍受关注，成为董事会和高级管理层最为关心的问题。
这样的转变不是偶然的，而是一定程度上反映了一种越来越广泛的趋向。人们重新认识到，质量管理作为一种管理手段，在提高性能、降低成本，获得竞争优势方面，能起到巨大的作用。然而，这种转变的实现，必须要抛弃某种悲观的态度，如消极地接受糟糕的存货和
物流管理、适度的产品缺陷，或最后时刻产品设计的大改动。
这类问题不应再被认为是系统或人为因素不可避免的必然的损害。要想取得真正的进步，经理们必须丢掉负面的想法，用全新的视角去审视一个充满挑战的新概念--市场推动的动态质量。
在过去，当手工艺人为某一订货客户制造钟表或家具时，他仅仅是将各种部件装配在一起，对"标准化"没有更多的关心，因此每件东西都是手工的、特制的。而因客户是附近的人，它们能够帮助控制最终质量，甚至要求改进。
当产品进入批量生产时期，装配在流水线上完成，导致了生产标准的可替换零部件的需求，于是质量控制出现了。
工业革命将工业引入了一维逻辑，即仅有劳动力和产量两个概念，用更少的专门化工人获得更多的产品。泰勒式的方法是把生产者的质量责任转嫁到精通统计手段、测量和检验的专家身上；工程技术专家开展工时和动作的研究；工艺专家计算人工的负荷；故障则由修理机器的维护专家去处理。
泰勒主义的研究工时和动作并科学安排工作任务的理论导致建立起大型的远离市场的生产中心，而随着生产标准化和批量生产，为保证大量零件的可替换性，质量控制成为必须。
通过规模经济竞相降低成本，导致了操作人员必然同设计、计划人员脱节。在这种条件下，工人这些只以产量为目的的操作者如何能对质量负责？最初，这个任务被分派给管理者，但是当质量与产量发生冲突的时候，这些人既是队员又是裁判。为了解决这种两难的问题，质量管理部门应运而生，它利用特殊的工具、测量器械和越来越复杂的统计方式进行工作，在这之后它的职权范围也越来越宽。
最初质量控制部门采取这种结构，注意（质量控制）部门领导的职责扩大了，同生产或市场部门处于同一管理层，而且也加入到了管理委员会之中，但质量仍未在公司内部引起足够的重视，质量问题仍被视为不可避免的。象附加税一样，质量控制的成本必须要得到控制。
失败成本(Failure Costs)，次品率(Percentage of Defects)，零故障(Zero Defect),评估成本(Appraisal Costs)，总成本(Total Cost)先不管那些在当今听起来十分恐怖的检查前的次品率水平（内部水平在10%到15%），假如最终质量检查后的次品率水平是1%，由于所用的抽样方法的局限和相关的"检查或评估成本同失败成本之间的权衡"理论，导致次品率在1%水平上的任何减少都是困难的。可接受的质量水平是在失败成本（即废料、维修和质量担保）和评估成本（即检查和质量控制）之间进行权衡的结果。当次品率趋于零时，失败成本平缓地下降，但评估成本却急速上升。客户可以接受的价格取决于总成本，平衡点是通过最小化总成本获得的。在交叉点上，两种成本相当。超过这一点，质量的提高只会增加顾客的成本。这种平衡是使西方世界陷入"可接受" 质量缺陷的矛盾中，有时必须接受和允许一些质量缺陷。很自然，如果苛求成品率，那么100%的检查就是必须的。然而，除非各单元的检查都能自动完成，否则就达不到100%的合格，而且需要二次检查。如果最终1%的合格率被作为行业标准去接受，其结果必然是整个行业受到抵制，"保质"成了"保证被质问"
很显然，质量控制作为工厂投入的保护性屏障和产出时的过滤是必须的责任，质量责任必须依靠质管部门独自解决。但我们忽略了这样一个事实：即在质量成为问题前，它是一个设计、工业流程、生产或营销上的问题。
日益增加的复杂性
今天的产品和服务不仅技术和流程日益复杂，其本身也日益复杂，它们的种类繁多，以至于根本无法预测短期内会出现什么。
如果产品和服务相对简单，而且合乎"标准"，那么"可接受质量"标准线--即原材料和最终产品1%的次品率--还是可以接受的。实际上，多年来西方工业文化的基础就是运用统计抽样的计划来检查成品的1%质量平均线，但是这个标准是无法接受的，让我们来看一下下面的例子。
让我们拿开发票为例。它包括10个连续的、各不相关的阶段。第一个操作阶段合格的概率为0.99，次品率为0.01；第二个阶段合格率为0.99，次品率为0.01，等等。只有当所有操作都顺利完成，发票才是令人满意的。换句话说，一张发票合格的概率是（0.99）10 =0.91，这就是说次品率为百分之十，即十张里有一张是错的，这对于客户来说可是个坏消息。现在以一个相当简单的玩具产品为例，假设它有五十个零部件，如果每个部件次品率为1%，我们可以得出产品合格的概率为（0.99）50 =0.60，也就是说一百个玩具里面有四十个要重做，代价如此高昂！最后再拿电视机做个例子，它的零件通常在五百到几千个之间，为了简单起见，就算一千个零件，电视机合格的概率为（0.99）1000 =0.00004，换句话说每一百万台中仅有四台无故障，真是让人吃惊.在这个例子中，每台电视我们用n表示部件，用P表示次品概率，nP= 1000*0.01=10个次品部件/台电视（即每台电视机平均有十个次品部件）。这和汽车第一年质保，汽车制造商使用的故障计数器报出的平均故障数字已经相差不多了。实际上，从1980年到现在，西方汽车制造商已将这一数字从5降到2了。很明显1%文化带来了巨大的检测、返修成本。另外，解决问题也决不能仅仅依靠降低次品率。下面的计算可以说明这一点。千分之一次品率的结果（0.999）1000 =0.37，这只是稍微有点提高，远达不到令人满意的程度。实际上避免失败唯一的办法是直接以零次品为目标、零失误，（1）1000 =1。这种根本性的变化可以用扩大规模的方式来解释。如果我们以百万为单位计算，百分之一的次品率对应百万个部件中有一万个次品部件，我们看到的不再是百分之一，而是百万分之一万。用放大镜放大一万倍，次品率变成了天文数字，我们必须要改变这种情况。