品質先驅戴明博士在其著作「轉危為安」裡面提到了戴明14項管理原則，其中第三點特別指出管理者應該「停止依賴大量檢驗」(To cease dependence on mass inspection)。這一點很有趣，因為檢驗直到今天仍被視為品質工作的主軸，然而為什麼戴明博士提倡「停止依賴大量檢驗」呢？
我們在執行品質工程工作的時候常常會遇到需要檢驗的情境：入料要檢驗、製程中品檢、出貨檢驗、包裝檢驗…etc。這些檢驗工作在台灣被視為品質工程師或品質檢驗員的工作內容，並且被視為確保品質的必要手段。在大量客戶退貨、製程異常、原料異常的時候更是時常要大量sorting、rework，這類大量耗費成本的事件層出不窮。
換句話說，我們為了確保產品品質，大量使用檢驗是天經地義的，戴明博士講的話根本是天方夜譚！
但是為了追求真相，讓我們採用5Whys分析思考一下。
- 我們會需要大量檢驗的目的是什麼？
是根據產品規格篩選出good parts跟poor parts。
- 篩選出good parts跟poor parts的好處是什麼？
客戶可以馬上使用到良品。
- 客戶可以馬上使用到良品的好處則顯而易見。
但是這個推論在過程中有個嚴重瑕疵，就是篩選出良品馬上出貨給客戶固然可以滿足客戶短期的需求，但是公司長期而言卻沒能從篩選中得到有用的資訊。什麼是有用的資訊？描述產品變異的數據就是有用的資訊。
為了觀察產品在製造程序當中出現的變異，蕭華特博士發明了著名的管制圖。管制圖最大的貢獻就是「檢驗製程」，而非「檢驗結果」。注意到了嗎？檢驗如果用在製程中間是被允許的，反之如果是檢驗成品的結果則被建議不要繼續這樣做。這中間最大的差異是「檢驗製程」注重的是製程當中所出現的變異，而「檢驗結果」僅關心產品是否合乎規格。
採用是否合乎規格的觀點進行品質管理是充滿風險的行為，原因是檢視產品是否合乎規格並不能提供產品變異的資訊。合規與否所產生出來的資訊叫做名目尺度，1跟0、是跟否、正確或不正確；若要觀察產品變異則需要使用到變數尺度的數據。
透過管制圖「檢驗製程」可以幫助我們找出製程中的變異型態是屬於特殊原因還是共同原因；若變異屬於共同原因，想要進一步降低變異則需要系統面的改善；若變異屬於特殊原因，想要進一步降低變異則需要找出造成超出管制界限的因子是什麼。
品質的本質是找出變異的類別並加以控制、監測，倘若僅僅依賴大量檢驗，我們就失去從製程中獲取變異分佈的大好機會，這才是戴明博士的真正用意。下次當你遇到某位主管要求你進行異常品的篩選時，記得趁手邊有空趕緊紀錄量測的數據，並且試著使用管制圖分析這次異常屬於特殊原因還是共同原因，公司才能找出真正的問題並加以改善。