【主管Q:64555253】大只500开户1970我刚刚读了马克•格拉班(Mark Graban)的《衡量成功》(Measures of Success)一书，我发现这本书很好地涵盖了管理人员应该如何使用数据的基础知识。成功的量度书

他的整个方法很大程度上是基于唐·惠勒的书中的概念。如果你不熟悉唐·惠勒(Don Wheeler)，那么他是过去30年来最受尊敬的以制造业为重点的统计学家。

Graban提供了两种管理者不愿意看到的情况。

案例1:不稳定的过程导致指标波动较大

Wheeler和Graban建议将数据绘制在图表上，并显示一个稳定(或他们所说的“可预测”)过程通常将保持的区间。这是控制计划(或者如他们所说的“过程行为图”)的古老的好概念，可以追溯到大约100年前。

当过程显示出不稳定性时(变化超出了应有范围)该怎么办?

如果我们有一个不可预测的系统，那么我们就努力消除信号的原因，目的是创建一个可预测的系统。

换句话说，在设定目标和改进性能之前，首先要稳定过程。

Graban认为这是一件正确的事情，即使正如下图所示，这个过程“深陷赤字”(低于目标)。正确的结果是在进入绿色区之前缩小波段。

不可预测过程x图

它在概念上有意义吗?是的。工程师和操作人员不知道他们在做什么，大只500是什么平台或者他们受到了来自上游工序的组件变化的严重影响(或者其他一些严重的问题)。修复第一。

如果您不首先解决这个问题，那么您可能会进行改进，并将性能提升到新手阶段，但它不会一直处于新手阶段，而且这个过程仍然会非常不稳定。

这在化学工业中很有意义。这个过程可能还不成熟。首先了解哪些变量影响它的输出。

现在，如果我走进一家工厂，看到一个非常糟糕的流程可以马上得到改善，我会这么做吗?我是否会想，‘如何减少变异?’而不是‘如何提高业绩?’我不这么想。

我可能会从对所投入的时间和精力有最大影响的第一步开始。然后，我会等着看相关指标是否显示出改善(包括较低的变异)。

让我们举一个比较极端的例子。金属供应商(同一集团的另一家工厂)交货质量不一致，导致一台冲压机的质量有很大差异。还有一个冲压模具的问题。最好遵循的逻辑通常是“首先在内部修复流程，然后再请求其他人进行改进”。

如果这意味着在减少变化之前提高平均性能，那就这样吧。这仍然是一个进步。

案例2:稳定的进程始终不能达到目标

这是另一个不愉快的情况。一个过程的结果总是不好的!

如果我们有一个可预测的系统，但它并不总是能够达到目标，大只500平台注册那么我们就会以一种系统的方式来改进这个系统，旨在创建一个新的系统，其结果现在在一个更好的平均值上下波动。

它可能是这样的:

可预测的过程超出目标x图

这里明显的方法是改进流程以提高其平均性能。

然而，许多管理者在实施这种方法时犯了错误。他们对那些不是导致性能不佳的根本原因的问题做出反应。

我经常看到这种情况。过程性能很差，导致许多问题(客户投诉、错过发货等)，并且每一次都受到影响。他们总是很忙。正如Graban写道:

每个度量都有波动。过程行为图表显示了应该响应什么，忽略什么。