第8章 摆荡在管制上下限之间

人有智慧就有生命的源泉。

愚昧的人必被愚昧惩治。

——《圣经•旧约》

您的观点就其优点视之，我们已完全考虑过，遗憾的是我们不同意。

——美国前国务卿鲁斯克

本章目的 除了汇总前述若干原理外，本章主要讲述训练和领导的一些新原理，并通过具体例子加以说明。

领导与训练

领导的目的 领导的目的在于提高人员和机器的绩效表现，进而提高质量，增加产出，同时使人们以工作为荣。以反面观点视之，领导的目的不只是找出人们过去的失败，而且还要消除其失败的原因，让工人花更少的力量，就可以把工作做得更好。事实上，本书大部分章节都与“领导”有关。本书的每一页几乎都阐述良好领导的原理——管好人员及机器或举出领导的实例。

说得明白清楚一点，一位领导者首先要会计算手头上任何有意义的数据或对非数据判断，并洞察部属中是否有人的表现落在“系统”之外（特优或较差），从而进行个别辅导或给予某种形式的奖励（参见第3章75~78页及本章177页所举的例子）。

其次，必须提高整个系统，使每个人能持续把工作做得更好、更满意。

再次，使处于系统内的绩效表现愈来愈稳定，人与人之间的明显差异不断消除（此一原理与第3章第102页所述相辅相成）。

是否要告知员工所犯的错误？ 有何不可？如果我们不指出瑕疵，他怎么知道自己哪里出了错？我们希望大家都能明白，在这里缺陷和错误是不被容忍的。

在职训练极其重要 任何人的工作只要已达统计控制状态，不论他受过的训练是好是坏，事实是木已成舟。他在该特定工作项目上的训练已达定位。提供同类的进一步训练是不经济的做法。然而，如果能好好训练，他仍能把其他工作做得很好。

因此，极端重要的显然是，训练新人，让他们在初来乍到的时刻就能够做好工作。一旦学习曲线走势趋缓，控制图就能显示出此人是否已经进入统计控制状态（参见第11章）。一旦他到达这种状态，继续用同一种方式来训练，只是徒劳。如果尚未达到统计控制状态，训练就有效。

任何人在混乱的状态中（监督不善、管理不佳或凡事都在统计控制之外），在组织内都是无法发挥潜力的，工作的质量和一致性也会较差。

有多少工人看过下一步操作？知道他们的顾客是谁？有多少人曾经看到过成品装箱准备出售呢？以下是我在某个工厂所做的研究摘要：

贵公司每一位员工都知道要以追求完美为目标，因为您不容许有瑕疵和错误。虽然您让每一位员工对他所产出的不合格品负责，但记录显示，您一直容许这一高不合格率存在，各种不合格程度并未降低。这么多年下来，大家都习以为常了。

您是否有足够的理由相信将来这些错误的水准会减少？您是否想过这些问题可能出在“系统”？

我们将会在第11章学到：假若某位工人已在管制状态，要求他把分内检查出来的不合格品逐一清理再付薪资，等于是要他替系统的失误负责，这是不公平的。

另一个管理不善的例子是公司定政策要处罚迟到却没有考虑到事实是否是因天气恶劣、交通瘫痪所致。

同样愚蠢的是，餐厅顾客因食物不佳或厨房动作太慢而迁怒于侍者。

统计控制的实例

更好做法 正确的做法与经营管理书上的例子恰好相反。我们有两种情况要考虑：

1.工人在工作上已达统计控制状态；

2.工人在工作上尚未达到统计控制状态。

我们先谈谈工作上已达统计控制状态的情形。在统计控制下，这个问题的答案本章一开始就说得很清楚：我们不必去告诉工人或指出他所制造的不合格品，除非在控制图上已发现“特殊原因”存在。因为在这种情况下，他应该早就已经在控制图上注意到了，并将异常原因剔除。

在这里假定的基本原则是在个人能力无法控制的情形下，任何人都不该因而受责罚。违背这个原则，只会导致工作上的不满和挫折感，降低产出。

较佳的方法是在团体中找出谁落在管制范围之外。如果他落在管制下限之外、绩效不佳的那边，你就要查看工作环境——视线、工具、训练是否不合格必须采取补救措施或只是工作分派不当？训练切不切实或完不完整？对于某一位成绩在管制上限以外表现优良的员工，我们也应该找出值得借鉴之处。他是否有某种方法或举动值得其他员工学习，可提高绩效？

如果公司的政策是在员工无法达到某一标准生产水准时开除他，并留用那些合乎标准的员工，那么还有一个最好的方法。这项去留标准可以在追求最高利润的前提下，用统计原理加以订定，并考虑：

•尚未测试过的员工，能力的分布情形如何？

•将员工训练到足以判定去留与否，所需的训练成本有多少？

•要继续留任合乎目标的员工时，利润额将减少多少？

训练中使用（平均值）和R（全距）控制图的实例 图8.1显示一位高尔夫球新手的平均分数。上课前，他的分数显然不在管制状态之内（若干点落在控制界限外）。接下来上过若干课之后，他的分数一如预期，已经在统计控制的状态。也就是说，他的平均得分比上课前低。在此，“上课”使系统产生改变。

图8.1 高尔夫球新手的进步情形

一位高尔夫球新手在上课前后的每周平均分数。取自戴明《统计质管的基本原则》（Elementary Principle of the Statistical Control of Quality）（日本科技联盟出版，东京，1950）。

图8.2 手术后的复原情形

手术后病人学习走路的每天平均成绩。控制界限系由全体病人所求得。

应用于医院管理的实例（日本） 本例是一位病人手术后需要学走路的实例。图8.2是大阪一家医院所提供的资料用来显示出某病人提高的记录。

我们可利用一种电子脉冲技术，记下左脚上下楼梯的每一步时间，在连续10步（如50步中的第21步到第30步）内，求出一个平均时间与全距（图中未显示）。以这种方式观察病人，再进行5~10天后，记下20个均值和20个全距。（图8.2中我们可以看到各点，全距则没有显示，一如往常，的控制界限系由平均全距算出。）

病人在课程开始之前，处于摆荡剧烈的管制外状态。上课10天后，得到较佳的管制。再经过10天，表现更好，同时也可以出院了。

在医院管理上，控制图的使用是一个很重要的工具。临床治疗师会对治疗有效的病人提供课程，等到这种连续课程对病人没有帮助就停止。换句话说，控制图一方面可以保护病人，一方面也可以让医生的时间做最有效的使用。毕竟不管你到哪一个国家去，好的医生都是十分少的。

达到了统计控制状态，但产出不令人满意 这时，我们首先就要好好看看检验所得的数据。

一位处于管制状态下、工作情况却令人不满意的工人代表了其中必有问题：让该工人在同样的工作上进行再教育通常是不合效益的。较经济的做法是，将他调到另一种新工作上，辅以良好的训练。

图8.3就是一个例子。一个有经验的高尔夫球手希望用“上课”来提高自己的成绩。图表显示，上课对他没什么用，因为他的技巧已经根深蒂固了，教练就是没办法去芜存精，把更好的技巧成功地教给他。

图8.3 高尔夫球老手停滞不前

一位有经验的高尔夫球员上课前后的平均分数。由于在他上课前，已进入统计控制状态，因此这个课程对他没有效果。连续4场球赛的成绩，就可以建立n=4的样本，供作计算均值和R之用。取材自戴明的《统计质管的基本原则》。

另一个常见的例子是，某人多年前自外国到美国后，被迫一口气学会英语。他的词汇以及文法固然超卓，但腔调却已无法矫正。或许是因为他自己在国内学习英语时，自小跟随的对象是一位无法把英语说得很好的老师（因为这个教师自小也跟随了一位英语不那么流利的老师）。一位语言矫正老师就告诉过我，虽然许多不完美的地方可以矫正，但是师生双方所付的代价却远大于收获。换句话说，人一旦建立起他的语言体系，就很难改变了。

另一个例子是一位学习唱歌的小姐，她也许是无师自通，也许是受益于一个不很胜任的老师，但就是这样唱了好多年，按照自己的方式，自娱娱人，却让人不敢领教。

下面这封信恰可作为佐证：

我是本公司会计部门的监督员。好多次我抬头看着办公室，心想：要是能请走一两位平庸的员工，雇用两位顶尖人才来取代，该有多好。你在某一次讲演中说过：要从人才库中找到较佳的替换人员，机会是很小的。而且，要开除某人，由人才库中挑个人来替补划不来——因为要冒着打击整个部门士气的风险。

刚上课的时候，我们部门有个难题。某位研究所毕业的会计师，在一项例行文书工作上始终表现不佳，而且已经做了好长一段时间了。公司却规定：如果雇员无法在现有职位上有好的绩效，就无法晋升。

在听过您有关管理新原则的课程后，我才意识到这位仁兄也许正处在统计控制状态中，已无法再用统计方法让他提高。于是我决定让这位职员在新工作上再加训练。结果我要很高兴地告诉你：这个构想果然皆大欢喜，他不仅如鱼得水，工作愉快，我也感到部门中好像多了一个人手。

警告与例外 管理上的问题没有一样是简单的，所以我们必须时时注意若干明显的例外与改变。

1.即使某人的工作已达统计控制，他仍可能再次失去控制。也许会有一个点子超出管制之外，显示出过去未曾有过的原因存在。这位制造工人就必须设法消除变异，让特殊原因不再发生，否则他就不算回到正常的统计控制。

2.不幸地，许多人太信任过去的表现了，变得不用心。所以我们必须不定期地花一点时间来检查控制图或其他统计工具，以便发现工作是否在管制之下。

3.新产品、新规格，甚至于新合约，都可能发生一些新的瑕疵有待辨认。因此制造工人要用另一套新的操作方式，将自己纳入统计控制中。

4.检验部门可以针对某一项重要的质量特性（例如黏性）引进新的的测量办法。这对工业而言，就是一种新产品。

以领导力提高的例子 某工作站共有11位焊接员，我们针对每一位焊接员算出焊接点的缺陷数（如图8.4及表8.1所示），各人要的总焊接时间大致相同。

图8.4 焊接员与缺陷数

表中第一栏代表11位焊接员的编号，依其工作期限长短排列。第二栏代表每5000个焊接点所出现的缺陷数目。平均值是9.55，管制上限为19，管制下限为0。第6位焊接员是在管制上限之外。

表8.1

我们发现第6位焊接员落在管制系统之外，需要特别加以注意（任何观察和对策都可以帮他提高现况）。

1.检查整个工作的流程。也许第6位焊接员是轮到较困难的工作。如果真是这样，对第6位焊接员就不需多加注意。

2.检查工具设备、测试他的视力，或找寻其他可能的阻碍（健康、家庭事故等）。

然后，为了改进整个焊接工作。我们把所有焊接员送往眼科检查（不只是第6位焊接员）。结果现况有了提高，进料的均匀性也较佳，我们也找到了更容易焊接的材料。

整个提高工作（降低每人每5000个焊接点的缺陷数）完全依系统的改变而决定，如设备、材料、训练等。

另外一个例子是，有一位堆高机司机在倒退时经常碰到障碍物。原来，他的脖子僵硬，无法转头去查看堆高机移动的位置。对策当然是帮他调换工作。

领导助力的例子 有一项工作，是要把每一张文件放在正确的格子中。格子有80个，每一格要放不同性质的文件。文件每一页都需要略读一下，才能分类放入。做这项工作的总共有240位妇女。经过百分之百检验，在一个月时间中，某项分类错误的件数为每1万件中有44件。为了方便起见，我们在方格纸上绘出错误与正确件数的对照图（如图8.5）。整件平均的错误率可用斜线y=0.0044x来表示。

要绘制管制上限是很简单的，只要在y=0.0044x线的上下方，距离3个标准差的位置，分别绘出两条平行线即可。

控制界限将240位妇女分成3组：

A：绩效在管制上限以上

B：绩效介于控制界限区间

C：绩效在管制下限以下

图8.5 由散布图可看出工作表现（横轴代表正确的件数，纵轴代表错误的件数）

每一点代表一位妇女在一个月中的检验结果值。在全部240位妇女当中，有10个点在管制上限之外，4个点在管制下限之外，其余226个点都在控制界限之内（并未显示全部的点）。在上限以外的10个点，可以提醒主管要加以注意或个别辅导。此外，主管也可向位于管制下限以下的4个人请教，了解她们为何如此突出。

A组的妇女需要个别辅导（不在此详述），由主管与管理阶层负起这项责任。这方面的一些建议是：

（1）有些人无法立即判读出大写字体的意义（即某程度的阅读障碍），这些人就应该调往其他工作（阅读障碍症并不表示智力或学力有问题）。同时聘请心理医生针对这些文件，设计出适当的测试判断困难度。

（2）有些人也许需要一副眼镜（见第12章263页）。

B组妇女代表了整个系统，不需个别辅导，也不必告诉她们犯错所在。她们不需要按工作绩效来排名。然而，管理阶层仍需在系统方面加把劲。虽然我们无意要取代管理阶层的工作，但还是要提一下：统计员发现文件格过高，妇女无法够到（有人或许会怀疑管理阶层为什么没早几个月发现）。还有人建议B组应和A组一样，对每一个人进行阅读测试，再将测试结果显示有困难者调任。只有通过这些持续的改进，才会使整条斜线不再那么陡峭。

C组的妇女值得特别注意。不应适度奖励，更重要的是去了解她们如何工作，有哪些特殊才能。

先去研究检验情形。看看检验到底有多好用？因为检验漏掉的不合格品高达40%，或是使质量呈现极大的差异（甚至可能把错误判成完美无瑕）。

高质量检验的管理

制造业及服务业中工作虽然未达到完美，但发生错误或漏失的后果仍然很严重。譬如：汽车前轮轴就需要百分之百的检验，以保安全。要不然就是让车轴的制造处于统计控制内，尽量把产品变异控制到最小。此外，在药房配方、关税税率公布、银行计算上等等，也要格外小心。

银行里，计算利息、罚金与其他交易的工作，都需要百分之百的检验验证。这样做不只是为了保证正确无误，也是为了把总成本降到最低（参见第15章）。

我们有必要在检验时，由两个人在原稿的复印件上分别用两部计算机来验算，然后比较结果，看看计算是否有误（两人一致的错误却无法看出）

在进行百分之百检验时，必须极度小心以消除原工作与检查之间的共同原因或互动影响。主管必须让每一个人清楚，发现任何问题或不清楚的数字，就应立即停下工作。譬如说，绝对不能把8看成5，如果在职人员有任何不确定，就该把文件搁在一旁（纯属个人问题）留待主管判断。主管必须找出备份文件，甚至用信函、电报或电话来确定。

如果原工作与复验之间完全没有互动，而且原工作与复验在过程中的平均错误率都控制在1/1000左右，那么这两个人的工作加起来平均错误就会远低于百万分之一（1/1000²）。

检验错误的例子 瑕疵检验会引发3种问题：（1）打击生产线工人的士气；（2）错误地解释管制点的意义；（3）瑕疵品流入消费者手中。

以下就是一个瑕疵检验的典型例子。它打击了17位生产人员和4位检验员的士气。

表8.2显示出3周下来的检验结果，图8.6则是检验结果的图形表示。我们可以明显看出事有蹊跷：“检验之间的不同模式令人困惑”。第一位检验员和第四位的情形很相似，第二位和第三位也很相似，但是这两组的结果却有很大的差别。

表8.2 检验员与不合格品

4个检验员在3周内发现不合格品的数目（依生产人员与检验员此两类别划分）。

此时最重要的就是“操作定义”，让我们知道什么是合格、什么是不合格。我们在第1章也遇到过相同的问题。一项操作定义包括了测试方法、测试本身与判定准则（以便判定该工作是否有瑕疵或可以接受，见第9章）。这种操作定义必须是可沟通的，必须是大家都能懂的共同语言。

图8.6 4位检验员的检验结果

“恐惧”造成错误检验的例子 图8.7的控制图是对输出前的产品两个月以来所做的最后记录（两个月下来的平均不合格率为8.8%）。

图8.7 每日抽验225件的不合格率记录

图8.7显示一个很奇怪的现象。点的跳动幅度和管制上下限比起来实在太窄了。这有两种可能：

1.不合格品的比率已相当固定。

这种情形并不罕见。譬如，在冲压台上，由12个旋转式的锤头轮流冲模。其中有一个坏了，而其他11个依旧继续工作。结果是，每12件产品中就有1件不合格品，不合格率是1/12（8.3%），和图上的8.8%十分相近。

2.图上的数字没有意义。

钱伯斯和我仔细研究过生产过程和环境后，对于第一种解释予以排除。而第二种解释听起来似乎很可能：检验员心情不定，心有恐惧。因为工厂内到处谣传，如果哪一天不合格率超过10%，经理就要把这间工厂关闭，因此检验员要努力替300位员工保住饭碗。

我们再说一次，只要有恐惧感存在，就会有不正确的数字。组织是由人员脑中的认知来运作的，是否会因为10%的不合格率而关掉工厂则无关紧要。

当我们向最高管理阶层报告原因是“恐惧感”时，这个问题就随着经理的撤换自动消失了。

恐惧感之外 图8.8的直方图强烈显示了另一个信息，它告诉我们检验员扭曲了数据。我们随时随地都可以看到这种图：测定值在规格内堆积，紧跟着是一个缺口。扭曲的原因很明显有几种可能：

1.检验员试图保护零件的生产人员。

2.检验员担心他的仪器，因不够公正而造成拒收。

3.检验员害怕自己操作不合格（这和第2点有关联）。

图8.8 500根钢棒直径的测量结果分布

显然检验是有问题的。（注：LSL=Lower Specification Limit，指较低的规格限制。）

因恐惧感而导致错误检验的另一个例子 图8.9是生产过程中测定值的分布情形。规格的下限是6.2密尔（mil，1/1000英寸），没有上限。没有任何失误记录。注意，在6.3密尔处的高峰，该处曾否有过失误？谁也不知道。

图8.9测定值的分布图

下限是6.2mils，没有上限。

毕竟没有人愿意当传递坏消息的乌鸦。

在6.5与7.0处的高峰则可能是由于四舍五人所引起。

另一个例子 据我了解，美国有13个区域每天中午都会发布空气质量指数的报告。其上限为150毫克（每立方米所含的污染物数量）。超过这个数值，政府机构就必须采取步骤去追查污染源——也许是大自然本身，也许是大烟囱。但是150这个数字很少出现，超过150的更是稀少。数量大都集中在149、148、147、146等处，但大家都不敢报出结果。这也难怪，测定值的精密度是20。

又一个恐惧感造成损失的例子 另一个真实的例子如下：

老赖向主管说：“鼓风机上的轴承就快坏掉了，假如我们不立刻处理，到时就会损坏转轴。”

主管：“今天的浇铸量必须如数完成。”

主管只想到生产记录，因此他对老赖说：“我们现在不能处理。”怕丢工作的主管，就不能照管到整个工厂的最佳利益。他的绩效用数字来判断，而不避讳机器是否停摆。谁会因为他努力工作而怪他呢？

结果，正如老赖所料，完成浇铸量的过程中，轴承卡住了。修理时，老赖发现转轴严重受损。外地调来新的转轴更换完毕，已经是4天后了。

测试方法必须做过统计控制 不论是目测、人工或是由仪器测试与记录，每个测定值都是一连串测量的结果。针对某一物品在一段时间之内重复量测的结果，必定要处于统计控制之下，人员、仪器才够格作为衡量的对象。光有这种特性当然还不够。这些操作员重复测定的R图，变化幅度不应太大，否则这个测试方法的精密度不足，就无法使用。也就是说，测试方法必须不受操作员不同所影响，而且重复测试的结果会有一个特定的范围。

除非测试仪器与检验员两相配合，都在统计控制中，否则就不能把精密度的好坏归咎于测试方法。

买卖双方测试方法的不同也可能导致买方声称材料短缺。譬如，兽皮的面积到底有多大？不平整的边缘，如何计算？当你是卖方时，量测的面积是否因方法不同而改变？如果你是买方呢？

测试仪器差异 我们只要用统计方法调查几周以后，就可发现下列事实：

1.没几个工人知道他的工作是什么。

2.同样，也没有几个检验员知道自己的工作是什么。制造工人和检验员没有一致的对错标准。昨天可以接受的，今天却不可以。

3.电子测试设备不合用。也许前一分钟判定某产品合格，后一分钟却就不合格了，反之亦然。

4.电子测试机器之间，彼此也不一致。

5.买卖双方不一致：这也难怪，因为采购者本身的测试设备本身就常前后不一。供应者也有同样的困扰，只是他们都不知道。

管理阶层及监督人员很少知道可靠的测试对于士气有多么重要。

例子 某生产线尾端有8部测试机器负责判别产品的好坏，保护消费者。每天经过这项检验的产品约有3000件。一周下来的结果，画在图8.10上。

图8.10 8部机器一周内的测试结果

这8部测试机器显然可分成两组。它们彼此间的平均数相差约11%。其中存在着严重的问题：消费者拿到的产品完全要依不同的测试机器是否亮灯警示而定。因此了解两组的划分规则与彼此间的差异，是十分重要的。

我们可以想像制造工人有多么受挫。每天看着明显又无法解释的变异发生，却不知问题大部分出自测试设备。

在这样的问题中，我们也许首先会把人和机器混在一起谈。机器本身不会工作，它没有个性，因此必须人机一组。操作员变换后，就可能有不同的结果。本例中的机器是三班轮流运作，因此我们很有必要去查是否有同一位操作员一周来一直操作某部机器。

同一部机器上的两位操作员 上述例子，是测试仪器（与操作员配合）间彼此不一致的结果。有时不但仪器本身前后不一致，操作员之间也彼此不一致。要有好的监督就必须要让量测系统处于统计控制之内。

要比较这两种结果，最快的就是汇总成2x2的简表。这种2x2表可参见第15章图15.2（298页），可适用于多种比较。例如，我们可以把第一位操作员当横轴，第二位操作员当纵轴。或者在同一位操作员操作两部仪器时，用横轴代表一部仪器，纵轴代表另一部。在对角线上的点，表示“一致”；脱离对角线上的点，表示“不一致”。负责这项测试的科学家应该预先标示出测试再现度的满意水准，事后才可按表判定测试结果是否满意。

附带一句，统计课程中所教到的卡方检验与显著性检验，并没有在此实际应用。

如果检验是用厘米、千克、秒、伏特或其他单位来表示，我们就可以把第一次测试的结果画在某一轴上，把第二次的结果画在另一轴上。圆点愈接近45度斜线表示它们愈一致（见第15章图15.4，303页）。

提高绩效的访问员 正如第2章64页所述，几乎每一项活动都是独一无二的。一旦开始进行，想再修正就来不及了。譬如说，你如何测量一艘战舰？人口普查也是——不是一举成功，就是一败涂地。消费者研究又是另一个例子。其他还有研究电信局、铁路局的设备等。

在训练期间，对检验员和采访者也要反复测试。正如服装发表会的彩排一样，不论如何努力，每人都要准备面对不可知的问题或意外。

图8.11是某实地调查的结果，可以分成每两天一批来分析，以比较出各组调查员（两人一组）间的变量和所有调查员中的变异，及早查出何者必须再训练。有时调查员会表现出特立独行的样子，因此我们必须知道理由何在。（也许他表现不俗，而其余调查员都要再训练。）因为我们有8位调查员，所以有8个点。正如图上说明所说的，这个研究和最近的人口调查不一致，是由于“共同原因”所致，因为指令与训练不佳。特别是表现在若干操作性定义上，如公交车司机、火车司机、堆高机驾驶员等。再训练之后，访问结果已和普查结果较接近了。

图8.11 人口普查的结果比较

1952年于德拉瓦州威灵顿市头两个星期所做的调查结果与1950年的结果相比。采访者分别用职业的操作性与非操作性分类来记录。所有点都在人口普查线之上，很明显地表示出，采访者对“操作性”的定义缺乏共识，他们需要进一步的教育。

注意 要做好这项工作，就要将采访者和检验员按随机数抽取样本单位。然后再以随机方式，抽取样本。否则，调查结果将难以解释。

图8.12是另一项调查工作3星期后的结果。纵轴代表拒绝采访的人数，横轴代表接受采访的人数。采访者EM和DFB都没有被人拒绝过问题可能是这两位采访者太过优秀，不然就是谎报。进一步个别约谈后（只花几分钟），我却从中发现这两位妇女从前都担任过家庭采访护士。

汉堡（德国）的朋友告诉过我，担任过采访护士的妇女都会是一位优秀的采访者。因为她充满爱心，所以人们也乐于和她谈话。这正是我所要知道的。

图8.12 拒绝与接受普查

9位采访者在4周后拒绝和接受其访问的结果。采访者DFB和EM两人特佳，否则就是记录有误。

上图是用莫氏、杜奇氏二项概率方格纸（Mosteller-Tukey double square-root paper）所绘，其他图纸，也会得到相同的结论。

彩票奖金的谬论 某大公司人事部某人打算对每个月公认为最出色、不合格率最低的生产工人明令褒奖。该部门将以他为名义举行一个小型宴会、给他半天休假。如果那位工人的绩效真的不同凡响，这也许是个好主意，但生产线上一共有50位工人。

他们工作的检验结果，是否如第11章图11.11（249页）20位操作员的工作那样已经形成了统计系统呢？如果这一组工作已经形成了稳定的系统，那么这种奖赏制度只不过是彩票抽奖而已。反之，如果这名超级工人落在低不合格率的一边（又是“特殊原因”），他才算真正杰出。他不仅应该得到肯定，而且还可以教导其他同事。

据我所知，假如它真的叫做“抽奖”，实际抽奖也无妨。然而，如果这种甄选实际是一种摸彩行为，我们却把它称为“荣誉”，则会使整个团队士气低落（包括受奖者本人）。每一位员工都会假定这种选择是颇有深意的，就会设法解释并消除与其他同事间的差异。当50位员工的绩效形成了稳定的系统，这种奖励就没有意义了。