工作多年，身边不乏许多优秀至极的质量经理。或独当一面，或独立带队，或成长飞快，或靠谱踏实。
质量经理的工作离不开统计管理，但是有时候也被统计数字迷惑了。
Number 01 .
没有统计管理就不能做好品质
案例：
A厂是塑料件的电镀生产厂商。
2021年前，A厂的产品一次合格率仅为40%，经过二次的整修后的合格率也才60%。
大量的不良品最终只能报废处理，因此A厂的品质失败成本也是非常巨大的。
但是经过A厂新的总经理的指导下，到了2023年，A厂的一次合格率提升到70%，经过整修补后的合格率，提升到了85%。
这其中运用的工具非常简单，那就就每天/每周/每月，都对所有产品的不良进行统计分析，然后找出其中最重要的不良进行改善。
而在这之前，A厂的品质改善人员每天都在努力解决问题，但是都只是针对每个单个问题进行解决。
很多时候，所有的人花了一个月的时间解决一个问题，但这个问题发生的机率非常低。
经过了统计分析，还发现了原来认为偶然发生的一个问题，却占了所有不良的30%以上，是个必须解决的问题点。
原因分析：
不良现象：塑料件的电镀生产厂商的产品一次合格率非常低。
1W：A厂的品质改善人员没有抓住重点解决问题，常常在解决不重要的问题点。
2W：A厂的品质改善人员只是针对单个问题进行解决。
3W：A厂的品质改善人员不知道不良问题的哪些是必须解决的，哪些是暂时不必解决的。
4W：A厂没有对不良问题点进行统计分析。
5W：A厂没有意识到进行统计分析，找出关键性问题点是品质改善的前提。
预防措施：
每天/每周/每月都对所有产品的不良进行统计分析，然后找出其中最重要的不良，进行改善。
案例反省：
在品质管理中，运用排列图、直方图等统计工具，是我们解决问题点的第一步骤。
知道了问题点轻重程度，我们也就能够利用最小的资源，达到我们的目标。
否则，就会出现了，品质改善人员都在努力，但是不良问题一直在发生的奇怪现象。
Number 02 .
很多时候统计平均数毫无意义
案例：
B厂是专业的汽车内饰件生产厂商。
最近监督局对B厂的产品进行强制性检测，在检测内饰材的阻燃性的时候，B厂有一件产品，因为阻燃性超出国家强制性标准而被迫停产。
B厂的经营者非常不解，因为B厂的所有产品都自己进行100%检验，特别是国家强制检测项目。
而对于阻燃性测试项目，B厂有自己的阻燃性测试设备，所有的产品都是测试合格后，才进入投产阶段。
B厂重新对该产品进行阻燃性测试，进行三次测试，测试结果表明，三次测试值中的最大值已经超出标准，但是最小值和平均值却符合标准。
再翻看原先开发阶段的测试值，也是同样的状况，测试最大值已超标准，最小值和平均值符合标准。
而当时的测试人员依据三次测试的平均值，判定该产品的阻燃性符合标准。
事实上，阻燃测试的三个值中有一个超标，就可以判定不符合标准，这时候统计平均数毫无意义。
原因分析：
不良现象：B厂一件产品被迫停产。
1W：在国家的强制性检测中，这件产品的阻燃性不符合标准。
2W：B厂在自己的测试中认为，产品的阻燃值已经符合标准。
3W：B厂的测试人员对测试结果判定有误。
4W：B厂的测试人员依据平均值来判定测试的结果，而事实上，阻燃测试的三个值中有一个超标，就可以判定不符合标准。
5W：B厂人员没有认识到，某些时候统计平均数是毫无意义的。
预防措施：
更改阻燃性测试值的判定方式。
对工厂内所有的测试值进行分析，抛弃全部测试数据都依据平均值来判定结果的错误想法。
案例反省：
平均值只能反应数据的集中程度，但很多时候数据的分散程度也非常重要。
这个时候，数据的最小值、最大值是我们必须关心的重点。
例如塑料件的最小厚度、钢材的最小拉伸强度、材料的对大硬度值等。
Number 03 .
被统计资料迷惑了
案例：
C厂是专业的汽车塑料件电镀生产厂商。
C厂的品质经理非常重视统计分析管理。其要求C厂的出货检验员，每日对出货产品进行100%的检验，并统计检验后的合格率。
当合格率低于98%以下的时候，C厂的品管部门就进行不良问题点的分析及改善。
经过品质经理的积极推广，C厂的产品出货合格率都高于98%以上。
表面上看来，C厂的品质管理进行得非常好。
但是，最近的一次统计分析，C厂交给客户的产品，客退率达到15%以上，远远高于其出货产品的不良率2%。
问题点出在哪儿呢?
原来，C厂产品的出货检验的项目非常少，仅仅检查外观项目和几个简单的尺寸，因此统计出的合格率都非常高。
而实际上，客户需求的诸多品质特性，在C厂并没有进行出货检验。
C厂的品质经理被统计数字迷惑了，认为品质管理已经进行得非常好了，没有持续进行品质确认及提升改善。
原因分析：
不良现象：C厂交给客户的产品，被客户退回的比率达到15%以上。
1W：C厂没有持续进行品质确认及提升改善。
2W：C厂认为自己的品质管理已经非常好，产品品质的不良率已经严格控制在2%以下了。
3W：C厂的品质经理被统计资料迷惑。
4W：从表面上看来，C厂出货检验产品的合格率高达98%以上，但实际上这是基于出货检验的项目非常少，仅仅检查外观项目和几个简单的尺寸。
5W：C厂的品质经理没有意识到，统计资料的最基本前提条件是什么，因而被迷惑了。
预防措施：
立即将出货检验统计资料列为参考资料，将客户需求的品质项目，引入到出货检验中。
若无法检验，则考虑在生产过程中及利用替代项目进行检验。
利用全部的品质项目统计产品的合格率，并依据该合格率，进行品质确认及改善提升依据。
案例反省：
当我们看到产品的合格率很高的时候，先不必急着高兴，因为更重要的，是我们要知道，这个统计资料的前提条件是什么。
光看统计资料，容易让我们被迷惑。
