第25章 休哈特与控制图

智者伺机而发言；好说大话者与傻子则不择时机。

——《圣经•传道书》

本章目的 本章着重讲到休哈特博士在统计管理方面的重大贡献，他的控制图适用范围广，至今没有人对它提出改进建议。

1925年，我到芝加哥西方电气公司（Western Electric）的霍桑厂房（Hawthorne Plant）上班，当时员工约有4.6万人，其中1/4是检验员。我常听到厂里的许多人谈起纽约贝尔电话实验室的休哈特博士。他们说，并不了解休哈特博士在做些什么，但他是个了不起的人，正在设法解决他们面临的问题。西方电气公司的目标，是追求产品质量的一致性，让购买产品的电话公司有信心。当时西方电气的广告词是，“如同两部电话那样相似”。

公司确实很有诚意，竭尽一切追求质量的一致性，可是结果却往往适得其反。过后管理者明智地发现，公司必须寻求外援。

这个任务落在休哈特博士的身上。他发觉西方电气公司员工的做法，是把所有不利的变异都归咎于特殊原因，而他们所观察到的许多状况，却是来自共同原因的变异。因此，比较有效的做法应该是改善流程。过去的做法，如同不断干预稳定的系统，致使结果更加恶化。休哈特博士为科学以及管理学提供了崭新的观点。

我很幸运地在1927年认识了休哈特博士，同时往后又多次在贝尔电话实验室与他碰面。我也曾经在他位于青山湖（Mountain Lakes）的家中度过许多夜晚。

我到西方电气公司报到的第一个早晨，遵照指示到达位于五楼库尔特先生（Chester M.Coulter）的办公室。我被指派加入研究发展部工作，成员约有200人。部门负责人是罗斯巴克（H.Rossbacher）博士。他非常重视理论，有一次我听到有人向他抱怨一个新计划过于理论化，他的答复是，我们这里如果还有点成就，那都是由某些曾被视为过于理论化的研究开始的。他从来不提“实用”这个词。

库尔特先生警告我说，绝对不要在下班哨子响起的时候待在过道上，否则会被那些女工的高跟鞋踩死。我没有遇到过这种状况，但是却了解他的意思。霍桑工厂有4.6万名员工，我想其中大概有4.3万人是女性。

变异的特殊原因与共同原因

关于质量的一致性与变异，休哈特提出了新看法。他看出变异有两种——源自共同原因的变异以及源自特殊原因的变异。共同原因引起的变异，长期会使落点都在控制图（control chart）的控制界限之内。共同原因的变异每日相同，每批相同。特殊原因的变异则很独特，并非共同原因系统的一部分，而可通过落在控制图之外的点侦测出。这些想法本身就可说是对于知识的一大贡献。休哈特博士也提出我们曾在第21章说明的两种错误，在此重述如下：

错误1：把源自于共同原因的变异，误认为源自特殊原因而做出反应。

错误2：把源自于特殊原因的变异，误认为源自共同原因而未做出反应。

上述任何一种错误都会引起损失。我们可以避免其中一种错误，却无法两者兼顾。任何人都可以保持没有错误1的完美记录，只要把所有不理想的结果都归咎于共同原因即可，再也没有比这更简单的了。然而如此一来，因为错误2而造成损失的机会却大为增加。同样地，任何人也都可以完全避免错误2，这也是很简单的事，只要将任何不理想的结果，都认定源自特殊原因。但是如此一来，又会增加错误1的损失。

很可惜，我们往往顾此失彼，无法两全其美，使这两种错误都减为零。休哈特博士的另一大贡献，是归纳出一个最佳做法的建议，只要遵循一些法则，就能让错误1与错误2都只偶尔发生，而使长期由这两种错误所导致的净经济损失降至最低。

为达到上述目的，他创造出所谓的控制图，并制定计算控制界限的公式。首先将各点绘于图上，如有落在控制界限之外的点，是特殊原因存在的信号，显示有采取行动的必要。我们应该设法分辨出该特殊原因，如果可能再次发生，则应设法消除。另一方面，如果长时间内所有的点都落在控制界限内，我们便可假设变异是随机的，是由共同原因造成，并没有特殊原因存在。

休哈特的控制图适用的范围很广泛，而且至今还没有人对它提出改进的建议。

统计控制状态

当控制图上没有显示特殊原因时，该过程称之为处于统计控制状态或稳定状态之中。要预测其近期变异的平均值以及界限，可以有相当高的可信度。质量和数量可预测，成本也可预测；“及时性”（just in time）也才有意义。

在统计控制状态之下，我们才能谈该过程符合规格的能力。在非统计控制状态之下，过程处于混乱的状态，根本无从预测。

图24.3的控制图就是一个在统计控制状态的过程，第27章还有更多控制图的例子。其中有一些处于管制状态，另一些则显示特殊原因而引起的变异。

乔因诺（Brian Joiner）指出，如果重复发生的特殊原因没被去除，流程不会稳定，而对不稳定的流程，我们无从预测其绩效。

即使特殊原因确实存在，控制图却可能未显示出来。另一方面，也可能特殊原因并不存在，控制图却有此显示。

上述两种假信号的发生概率并无法确定，我们只能说，这两种错误发生的机会都很小（有些统计质管的教科书在这一点上有误导）。

有人认为控制图提供一种显著性检验——即超出控制界限的点具有“显著性”，这也是一项错误。这种假设会妨碍对控制图的了解。其实，使用控制图只是用以达到稳定状态的一个过程。

一旦达到统计控制，也就是长期没有特殊原因出现，那么下一个步骤就是改善该流程，当然前提是：比较改善的成本与经济利益，评估是否值得投资。改善的意义是：

•变异缩小

•平均值移至最佳水准

•两者兼备

改善的成本或许很低；也可能很庞大，远超出可预见的经济利益。

由于许多教科书的误导，读者往往认为休哈特博士所提出的原则，最主要的贡献在于工厂的控制图。实际上，这项应用仅占工业、教育、政府等各种需求的一小部分（请参阅表19.1）。休哈特的贡献，最主要的应该是在人员管理方面。

规格界限并非控制界限

规格界限（specification limits）不等于控制界限，两者并无任何逻辑上关系。控制界限必须由实际的数据计算得出，如同红珠实验的例子，就是依据6位工人每日产出的红珠数目计算而得（图24.3）；规格界限则是由人为设定。

一个处于统计控制状态的流程，虽然落点都在控制界限内，仍有可能产出10%质量不合格的产品，也就是100个产品中有10个不符规格，在规格界限之外。事实上，在统计控制状态的流程中，甚至有可能产出100%的不合格品。

如果有一个点超出规格界限之外，表示必须对该产品采取行动，例如进行检验，将合格品与不合格品分开。如果有一个点超出控制界限之外，则表示必须找出流程中的特殊原因，如果有可能再次发生，就应该予以消除。

一旦流程已达到统计控制状态，我们就能由控制界限了解流程的现况以及近期的情况。控制图正是流程与我们之间的对话。

如果我们不能分辨控制界限与规格界限的差异，就可能造成重大的损失，以下2个例子正好说明了这方面的问题。

例1 符合规格还不够

问：请详细说明符合规格与达到统计过程管制状态之间的差异。老板认为符合规格就已经够好了。

答：符合规格可以通过好几种方式达到。

•通过仔细检验，将不合格品与合格品分开，但依赖检验相当危险而且费钱。

•针对生产流程下功夫，缩小以名义价值（nominal value）为中心的变异。

此外，除非流程在管制状态之中，否则我们根本无法作任何预测。在所有特殊原因（至少是目前已经出现的）都已查明并且消除之前，没有人敢预测在下一个小时流程会发生什么状况。

生产的目标不应只局限于达到统计控制状态，同时也应缩小以名义价值为中心的变异，只求符合规格并不足够。

规格界限并不代表我们行动的界限。事实上，如果不断调整过程以求符合规格，反而会造成严重的损失。

由于公司管理者的种种错误想法而造成的损失金额究竟有多少？他们怎么会知道？

例2 错误的方法

我曾看到一位工人在控制图上画了一点。这张图上有一个管制上限；管制下限为零。我问他管制上限是如何算出来的？他回答说：“我们不计算管制上限，我们只是在认为适当的地方画一条线。”

这样做有什么不对？他会使错误1或错误2发生的概率比必要情况要高。至于会碰到哪一种错误，就没人知道了。

我在一个研讨会上提到这件事，一位与会的女士告诉我说：“有些书上就是教我们这样做的。”我回答：“拜托，一定不是这样，你误解了作者的意思：至少我但愿是如此。”她马上拿了一本书给我看，书上确实是这样写的。在以后的3周内，她又陆续给我看了另外3本书，也都有同样的说法。

初学者应慎选良师，如果遇上一知半解者，会造成很严重的后遗症。

使用控制图的流程图

图25.1显示控制图的绘制步骤及其应用。管理者必须决定在何时及何处使用控制图；工程师与现场操作员则必须负责搜集资料，并绘制控制图，在发现超出控制界限的点时，要找出特殊原因。一旦达到统计控制状态，管理者可以决定是否还要针对共同原因下功夫，以改进该程序。

图25.1 使用控制图的流程图

区分两种意外

意外（不幸事件或特别幸运的事件）有两种，分别由不同的原因造成：

类型1：出自变异的共同原因。

类型2：出自变异的特珠原因。

为什么这种区分很重要？答案是，如果不作这种区分，则努力减少未来不幸事件（或者增加幸运事件），其成果将会令人失望。

对于类型1的意外，我们必须针对产生结果的原因（共同原因）来努力。

对于类型2的意外，则必须找出造成该结果的特殊原因，如果可能再次发生，就必须设法消除。如果我们未能区分这两种原因，以致努力的方向错误，只会使得状况更恶化。现在以表25.1加以说明，或许有助于理解。

表25.1努力的效果

车祸

公路上的车祸，绝大多数是源自共同原因，如酒后驾驶，其他一些常见的共同原因还包括：

•路标不当。

•同一条路线上设定不同的速限，由时速30英里、65英里，甚至到75英里。

路标不当是系统的过失，必然会导致车祸。不论因酒醉肇事或路标设置不当而导致的车祸，都不是特殊原因。

更多的意外

一家旅馆工作间的墙上贴着一条标语：

“本部门已连续7天无意外。”（一天天过去，标语维持不变，上面写的还是7天。）

其他标语还有：

“意外可以避免。”

“你的安全是你自己的责任。”

是吗？一天某位顾问爬上海报旁的梯子，想要查看那里一个计量器的刻度，结果梯子却摇摇晃晃。如果跌了下来，一定会摔得四脚朝天。

他的安全真的是他自己的责任吗？

错误的做法

一位检验员抱怨，在他每周一次的检验中，发现当天早上工厂里有7个装有毒性物质的容器没有适当的标示——没有警告文字。谁必须为失误负责？是否应该找出那个人，通知他这种错误不要再发生？

我请那位检验员提供过去6个月来每周的资料，把各点绘成图，结果发现那是一个稳定的系统。如果检验员决定要责备应该负责的人（虽然他不知道是哪些人），要他们背负起责任，只会使状况更坏——没有警告标示的容器会比过去更多。想要减少这种情况，必须了解并改善导致未标示容器发生的过程。画一张流程图或许有帮助。

火灾

最好的救火办法，就是不让任何火灾发生。不过这是一个无法达到的目标，因此我们可能要退而求其次，也就是尽量减少火灾发生的次数。消防队应该设法了解市内或某一区域每周发生火灾的次数，研究这究竟是稳定系统或非稳定系统，以利改进效率。并不是每一次火灾都是由于特殊原因造成的，我们不妨看看以下的实例。

某公司的总裁收到一封保险公司的来信，内容是，除非该公司能够在未来的几个月内，大幅减少火灾发生的频率，否则保险公司将要取消保险。

公司的总裁自然十分担心，于是发给8500名员工每人一封信，要求他们减少“制造”火灾，否则火险将会遭到取消。他显然误把员工当成发生火灾的元凶。

我取得数据资料，把数据点绘成图25.2。我假定火灾发生的次数为泊松分布（Poisson distribution），平均每月一两次，则由资料计算出的管制上限是每月5次，而图中没有任何一点超出管制上限。

图25.2 某企业内每月火灾发生的次数

假如保险公司的人员具备变异的知识，并绘出上图，那么根本就不会寄那一封信了。他们应该可以看出，火灾发生的系统是稳定的，同时保险公司有充分的依据，可以计算出合理的保费，让自己有利可图。

我们也可以相当肯定地预测，除非该公司管理者能针对过程，采取降低火灾发生的行动，否则过去使得火灾发生的系统仍会持续下去。

通过研究该公司火灾发生的过程，也就是了解变异的共同原因，可能有助于减少未来每月发生火灾的次数。这种做法不同于把每一次的火灾都看成意外，是由特殊原因所造成。当然，无论是因为什么原因引起的火灾，我们都要扑灭，但是我们的目标是要减少未来火灾发生的次数。而要减少火灾的次数，把每一次的火灾视为由特殊原因造成的意外，抑或看成稳定系统的产物，会导致出完全不同的对策。如果把每次火灾均视为意外，很可能会阻碍减少火灾之路。

有特殊原因存在吗

贵公司员工缺勤的情形，是否具有稳定过程的特性？如果是这样，只有靠管理者采取行动才能改善。公司内任何一个部门或小组，是否在此缺勤系统之外？有特殊原因吗？需要单独研究吗？

供应商交货时间的变异情形如何？贵公司交货给顾客的时间变异又如何？是呈稳定状况，还是会因特殊原因而延误？如果稳定，如何缩短贵公司的工作意外状况如何？变异稳定吗？数据显示意外是来自稳定的过程吗？有任何意外的是由特殊原因引起的吗？

每个医疗、工程或会计上玩忽职守的诉讼案件，都表示有人认为有特殊原因存在，也就是某个人有过失。如果具备一点关于变异的知识，或许会导致不同的结论：事件很可能源自过程本身——一些行之已久的方法。