轉危為安整本書其實想表達的觀念很簡單
用一句話表示就是請管理階層識別何謂「共同原因」、何謂「特殊原因」
將共同原因識別成特殊原因 將會造成系統越調越偏 變異越大的損失
將特殊原因識別成共同原因 將會造成漏失的錯誤 失去改善的機會
之所以會特別提及這兩種原因的差別 最初的想法來自於蕭華特博士發明的SPC
由於中央極限定理的緣故 隨機變數的線性組合(一般稱作為平均值)會呈現常態分配
常態分配告訴我們在平均值正負三個標準差之內的曲線面積總共為99.74%
這表示若隨機變數的平均值服從常態分配 就等於大部分的資料會落在三個標準差之內
這種情形就是「共同原因」的由來
因為在正常狀況下 本來就會有99.74%的資料會在三個標準差之內
反之 若資料不在三個標準差之內 則隨機變數的平均值就不服從常態分配
或者我們會懷疑隨機變數的平均值可能是從另一種機制抽出來的結果
什麼時候會發生上述的情況呢？這點就是「特殊原因」的由來
也就是我們認定一旦看到隨機變數的平均值不服從常態分配的現象
就表示裡面一定有什麼原因造成不隨機的現象發生 這也是我們透過SPC想要探測的結果
事實上統計機率的世界確實比以往實數的確定世界難懂一些
在這裡我們必須花一點篇幅講解統計與機率 以便大家了解變異的世界
我們之所以會使用到統計機率 最單純的想法就是要描述變動的事物
例如群體的變化、溫度的起伏、機台加工件尺寸的差異、量測的誤差等等
這些變動的事物構築成了我們現在熟知的「變異」 成為了我們想要克服的問題
想要克服這些問題 首先要能夠描述這個問題 於是各種描述事物的隨機分配就誕生了
但是世界上各種事物的變異 大多數是無法或者極難以控制的
例如固體受外界溫度高低所產生的尺寸變異 在高精度的世界裡其實很難掌控
又像是機台的細微震動、化學沉積的速率 這些現象都是隨時隨地在改變的
如果仔細記錄你的上班時間 這些時間所形成的分配也是隨機的 大部分不太受控
而可能少數的遲到或早到是由於比較特殊的原因 例如大塞車或者連假路上沒人
也因此如果用實數的觀點看待機率世界 你很容易就會犯下決策錯誤
上述的變異雖然難以掌控 卻很容易描述 因為它們的平均值會透過中央極限定理呈現常態分配
一旦形成常態分配 我們就知道儘管它會變動 而且大多數的變動都會在一個固定範圍之內
這就是「共同原因」的定義 也就是系統中存在且極難消除的變異
相對的 「特殊原因」就是「共同原因」的反面
像是上面提到的 遲到或早到是由於特殊原因 例如大塞車或者連假路上沒人
或者CNC加工品的尺寸逐漸變大 很可能是因為刀具逐漸磨損
這些特殊原因造成產品參數呈現不隨機的變異 可能是超出管制界限
也可能是連續上升或下降的不隨機表現
管理階層的任務就是識別共同原因或特殊原因
去除特殊原因的影響力 讓變異維持在管制內 然後再要求進一步縮小變異
持續使用錯誤的方式對待共同原因或特殊原因會產生以下兩種錯誤
- 將共同原因識別成特殊原因
- 將特殊原因識別成共同原因