信息來源于網絡；
而今，統計分析方法已經被廣泛應用于質量控制與質量改進中，成為質量持續改進和六西格瑪的重要方法論之一，常用的方法論包括統計過程控制（SPC: Statistical Process Control）、實驗設計（DOE: Design Of Experiments）和可接受抽樣（Acceptance Sampling）以及其他對分析質量問題和改進過程有幫助的方法。
過程模型
很多用于質量控制與質量改進的統計方法可以用下圖來說明。在這里，生產或服務過程（Process）被看成一個具有一系列輸入（Inputs）和輸出（Outputs）的系統，而輸入有分為可控輸入（Controllable Inputs）和不可控輸入（Uncontrollable Inputs）兩種。對生產過程而言，可控輸入因素（x）包括（比如）溫度、壓力、進給率等，而不可控輸入（z）包括（比如）環境變量、外部供應商所供應的原材料的某個質量指標的變化等，生產過程將原材料、零部件或組件轉變成具有某些質量指標（y，過程和產品質量的測量結果）的最終產品。
圖：過程的輸入和輸出
上述模型同樣適用于非生產過程和服務過程。例如，在處理汽車貸款申請的金融機構，過程的輸入包括貸款申請，其中包含了客戶的基本信息及其信用歷史記錄、汽車種類和價格、申請貸款的金額等，可控因素包括貸款申請的處理人員所接受的培訓的種類，該金融機構對該種貸款申請的政策以及一段時間內處理該種貸款申請的人員數量等，不可控因素包括市場利率、能用于發放該種貸款的資金量以及一段時間內需要處理的該種貸款申請的數量等。過程的輸出質量因素包括該筆貸款的處理結果（是否被批準），申請者實際接收的已被批準的貸款數量以及周期時間（客戶需要等待期貸款申請批復結果的時間）——在服務過程中，周期時間通常都是非常重要的CTQ（Critical To Quality）。
統計過程控制（SPC）與控制圖(Control Charts)
控制圖是統計過程控制的基本方法。下圖是一個典型的控制圖的例子，控制圖將從生產過程中抽取的樣品的某個質量特性的均值，按時間（或樣本編號）順序在圖上打點。控制圖上包含中心線（CL）、上控制限（UCL）和下控制線（LCL），其中中心線表示當過程中沒有特殊的波動源時該質量特性應該在的位置。上下控制限的計算包括了簡單的統計學考慮。控制圖的典型應用是適用于上述系統的輸出變量，但有時將其適用于輸入變量也是非常有用的。
圖：一個典型的SPC控制圖
控制圖是一項非常有用的過程控制技術，當特殊的波動源出現時，樣本均值點會落到控制限以外，這是一個非常重要的信號，表示我們需要對過程進行調查并采取糾正措施以消除這些特別波動源。系統地使用控制圖是降低過程波動的一項完美的措施。另外，相對于離線、事后的SPC分析而言，在線、實時的SPC過程監測能幫助盡早發現質量風險，形成對質量風險的快速相應機制，對企業的幫助更大。
實驗設計(DOE)與分析
一個設計好的實驗對于發現那些對過程中我們感興趣的質量特性產生影響的關鍵變量是及其有幫助的，它能夠系統地改變過程中的可控輸入變量，并確定這些輸入變量對過程輸出變量的產生的影響的效果。對于降低質量特性的波動、確定可控變量在何種水平下可以最優化過程是極其有用的，它通常能幫助我們帶來流程效能和產品質量的突破。一種主要的實驗設計方法是因子實驗（Factorial Design）。在因子實驗中，各種因素一同變動，這些變動中的所有組合都被一一檢驗。經驗和實際應用表明，這些組合中的一部分能夠比另一部分帶來更加好的結果。
實驗設計方法是一種主要的離線（Off-Line）質量控制工具，因為它們常常被應用在研發實踐中和生產過程的早期，而不是作為一種在線（On-line）或在程（In-Process）的常規工具。它在降低過程的波動方面扮演者重要的角色。
一旦我們找到了對過程輸出產生影響的重要變量，通常就有必要對有影響力的輸入變量和輸出變量之間的關系進行建模。這時，有用的統計分析方法包括回歸分析和時間序列分析等。而一旦我們找到了重要的輸入變量并對它們如何影響輸出變量進行了量化，在線的統計過程控制技術就能夠用來十分有效地對過程進行監測，它能夠幫助實時監測過程的輸出，并偵測何時需要調整輸入變量來使過程輸出保持在受控的狀態，而前述的輸入變量與輸出變量之間的關系的模型能幫助我們確定需要調整何種輸入變量以及需要調整多大的幅度。
在很多過程中，一旦輸入變量和輸出變量之間的關系的動態特性能夠得以理解和確定，就可以定期調整過程以使將來的過程輸出大體上符合目標值。這種定期的調整通常稱為工程控制(Engineering Control)，自動控制(Automatic control)或反饋控制(Feedback control)。而統計過程控制（SPC）技術通常能夠有效地整合到進行工程控制的制造系統中去。
可接受抽樣(Acceptance sampling)
可接受抽樣（Acceptance Sampling）技術與產品的檢驗和測試盡力聯系在一起，它是一種早期的質量控制方法，在統計方法應用在質量控制領域之前很久就已經產生了。檢驗能夠在過程中的很多點實施。可接受抽樣被定義為從大批量中隨機抽取的樣本的檢驗（Inspection）和分類（Classification）結果以及根據這一結果對該批量進行的處置措施，它通常發生在兩個地方：來料檢驗和最終產品。常見的幾種可接受抽樣的情形如下圖所示。
圖，可接受抽樣的幾種情形
被抽樣的批次要么會被拒絕，要么會被接受。而對被拒絕的批次中的產品的典型處置方法包括報廢、回收、返工或用良品替換，這種情形稱為矯正檢驗（Rectifying Inspection）
現代質量保證系統通常較少強調可接受抽樣，而是將統計過程控制和實驗設計作為關注的重點。可接受抽樣傾向于強化“滿足規格要求”的視角而且不能給生產過程、工程設計和開發等這些質量改進的必要措施提供反饋意見。
質量管理統計方法在組織中應用的進化過程
下圖描述了上述統計方法在組織中應用的進化過程：當企業的成熟度處于很低水平的時候，管理層可能完全意識不到質量管理的問題，在組織中很可能沒有經過有效組織的質量改進舉措，這時可能有一定的可接受抽樣方法的應用，且應用領域通常是在來料檢驗中。當組織成熟度增長時，第一個活動是開始更多地使用可接受抽樣的方法，而且這種方法的使用會逐漸增多，直至組織開始認識這樣產品的質量并不能很好地得到檢驗和測試。
從這個時間開始，組織通常開始關注過程改進。統計過程控制和實驗設計具有對生產活動、產品設計活動以及過程開發產生重要影響的潛在能力。系統性地導入這些方法通常是實質性質量改進、成本降低和產能提高的開始。當組織成熟度達到比較高的水平時，統計過程控制和實驗設計就成為了企業非常常用的方法，而可接受抽樣反而被相對較少地使用。
圖：使用質量工程方法的各階段圖
質量工程(Quality Engineering)的目標是系統性地降低產品質量特性的波動。下圖展示了這一過程是如何發生的。在早期，在可接受抽樣還作為主要的方法被使用的階段，過程“超差”和不滿足規格要去的產品占了過程輸出的較大比例。這時，統計過程控制方法的導入將是過程變得穩定并減少波動，使得過程滿足要求。更進一步，過程波動的進一步減小會帶來更好的產品效能、增強競爭優勢。這時，在任何一個行業，我們都可以結合應用統計實驗設計方法和統計過程控制方法來將過程的波動最小化。
圖：質量工程方法的應用以及系統地降低過程的波動
--
祝工作愉快！如需要智天下顧問服務的，請隨時與我聯系!
