SPC软件控制图之食品行业案例

作者：盈飞无限统计方法副总裁史蒂夫·怀斯（Steve Wise）

原文出处：http://www.infinityqs.cn/Resources/Articles/2012/0517/498.html

在切入正题前，请允许我先提两个问题：

●在制造业竞争白热化的今天，您的产品是否还拥有强大的“低价优势”？

●您认为“中国制造”的“低价优势”还能维持多久？

如果您对第一个问题持肯定答案的话，您能准确回答第二个问题吗？

那么请允许我再问两个问题：

●您对企业的生产过程了解多少？

●您是否考虑过“工厂”会为企业带来怎样的影响？

好吧，我们言归正传，先来了解下什么是“工厂”。

通常来说，企业衡量报废成本时采用这种会计记账方法，即：报废数量×报废产品单价。以图一为例：

图一简单计算的报废成本支出量

我们可以假设：该企业每日报废成本$498，则依照上述方法可得出年报废成本为$181,770。若企业改善活动的投资回报期为12个月，则该企业真正可用于改善的资金将不会超过$181,770。而这$181,770，就是我们能直接看到的全部报废成本的总和。

然而，真实情况并非看起来那么乐观。如果您认为通过这种财务统计我们就算是掌握了企业每天的报废成本和全年报废总量的话，那就大错特错了。企业因产品报废而支出的实际成本远远不只是我们这里看到的这些成本而已。举个简单的例子：每当出现报废，企业会如何处理？返工、翻修、

报废，还是等待供应商来解决？所有这些都要牵扯到相应的人力、物力及时间成本；另外，生产线停工待料期间，员工的工资和设备折旧费却仍然需要照付，这些也都是成本；再者，材料不合格需重新订购，必然产生多余的材料费，再加上延误交货期进行的补偿和采取的补救措施涉及的费用，等等，每个环节都将产生大量额外支出。而这一切额外费用，我们将之归为“工厂”。若您认为这些费用是小钱，恐怕您又犯了个错误。我们不妨仔细算算：假设“工厂”单位产品价值为$15，那么浪费的成本计算如下（图二）。

图二计入“工厂”后的成本支出

“浪费”金额从$181,770变成了$411,720。很明显，计入“工厂”这部分支出后，企业的总成本支出会成倍放大。而且，在紧急情况下，实际的成本支出甚至比这个数字还要大。同时，解决问题也需要更多的资金。当然，这也意味着您需要有更充足的理由去说服您的老板。

“工厂”究竟都在哪儿？

无论您是否意识到它的存在，“工厂”在所有企业都悄悄地存在着，并且在不知不觉中吃掉企业的一大块利润。可惜的是，传统的财务记帐式质量度量方法通常无法捕捉到这些“工厂”，更无法找到问题的根源，因此只能任由问题反复出现，不断蚕食企业的利润。

其实，找出“工厂”并不难，难的是：您必须掌握准确真实的数据，必须用对合适的工具与方法。既然涉及到数据的处理，统计学工具无疑是最有效，也最高效的途径，因为它能找到问题的答案，并且帮你提出正确的问题。统计学对于发现浪费和量化、消除浪费是基础性的核心手段。正确的SPC（统计过程控制）软件，就是快速定位问题和解决问题的极佳统计工具。本文将重点探讨多级箱线图和多级帕累托图这两种统计工具。箱线图和帕累托图已经存在了几十年，但在同一张图表中体现多个层次的图表却是新的应用成果，它们的推出使经典的工具使用起来效率大为提高。以下，我们将通过两个真实案例来说明高端的SPC工具是如何帮助企业突破“工厂”困局的。

案例1：多级帕累托图，精准锁定复杂问题原因

这个案例来自美国某禽类加工厂。这家工厂的正常工序中有一个环节就是对所有禽类产品进行缺陷／疾病检查，避免患病和处理不当的产品（以鸡只产品为例）进入人类的食物链。为此，工厂配备了一批检验员，专门负责在不同的程序中挑选不符合标准的鸡只。以下是工厂大致的禽类检验环境：

●每分钟处理91只鸡；

●9 个检验台；

●12 个检验员；

●每只鸡检验时间仅5.9秒；

●每个检验员配一名助手负责记录；

●检验员剔除不合格品；

●助手负责记录；

●每次检验有3批次的鸡。

在检测过程中，遗憾的是，问题出现了。（参见图三）

在第一批次检验时，检验员Brian发现了 只患痢疾（Sept & Tox）的鸡。这个数字看起来很惊人，而其他检验员平均每人只检测出3.5只患同样疾病的鸡。伴随着问题的出现，“工厂”也出现了。因为，依照美国法律，这家禽类处理工厂先后采取了如下措施：电话通知美国农业部专职兽医；电话通知公司兽医；重新检验Brian发现的只病鸡；与此同时，Brian按要求必须全程参与整个二次检验过程；在此期间他在生产线上的工作被迫暂停。然而，事情远未结束。美国农业部的专家被请到现场，产生了高额费用。并且，专家要求工厂将所有相关记录全部归档，Brian被要求接受二次培训，等等。一系列的改进措施随之展开。而所有的这一切，都将产生额外成本。原本1美元一只的鸡只产品，其实际的成本转眼就变成了5美元一只。

接下来，我们来看第二批次及第三批次的检验结果。

在第二批次检验中，发现了32只患痢疾（Sept & Tox）的鸡，但这次发现该缺陷的检验员是Mark，而不是Brian。在第三批次的检验中，又发现了12只患同样疾病的鸡。

图三三个批次鸡的检验结果

同一问题反复出现，这家禽类工厂亟需找到问题产生的根本原因。但是在传统的类似Excel的表格中，能看到的信息实在太有限。除了一些格外醒目的数字外，我们很难对不同的批次、检验台、检验员、疾病（即缺陷）以及农场主等因素进行横向比较。这样一来，怎么可能找到整个问题的关键所在呢？盈飞无限SPC软件中的多级帕累托图此时发挥了巨大的作用。

帕累托图又叫排列图、主次图，由意大利著名社会学家、经济学家、工程师帕累托（Vilfredo Pareto）先生发明并因此得名。它是按照事件发生频率的高低顺序绘制的图形。对于企业而言，帕累托图可明确地告诉我们“关键的少数”与“无关紧要的多数”，用来作问题原因的定位（注：该原理是著名的“80／20法则”的理论来源）。解决这些关键的问题，直接有利于我们对整体质量问题的解决。帕累托图看起来非常简单常见，可惜的是，正是因为它如此简单，几乎所有人都忽略了它的巨大统计价值，不愿意使用这一简单工具，而常常求助于其他看似更复杂、更有“深度”的工具。这里我们来看看帕累托图这个简单经典的工具（尤其是独特的多级帕累托图）究竟是如何发挥惊人的分析作用的。

图四帕累托图分析检验员工作状况

在帕累托图（图四）中，我们可以清楚看到，Brian的检测出来的问题（缺陷）数量最突出。也许您会说，这个简单，数据表格中轻易就能看出来。这里必须明确一点，在检验员很少的情况下，图表上的数字也许会一目了然，但当企业有100或者1000个检验员时，基础的常见数据表类型的表格（如Excel表）就完全没有办法满足企业的分析需求。此时运用帕累托图进行分析，则既简单又高效。

图五二级帕累托图

需要进行更深入的分析时，单级帕累托图常常就满足不了分析要求了。（这也是很多人认为帕累托图过于简单，无法用来分析复杂问题的重要原因之一。）这时我们可尝试使用二级帕累托图（如图五）。在二级帕累托图中，我们可明晰地将来自不同批次的问题鸡的数量及检出问题的检验员进行对比分析，从而获得更多信息。显然，第一批次Brian检出的缺陷最多，第二批次Mark最多。通过这张图，您可以看到“工厂”是如何出现并迅速扩大的。所有“工厂”成本，最终都将附加到产出成本中，从而导致企业的生产和运营成本继续扩大。

当然，如果二级帕累托图不能满足需求，我们还可以通过三级、四级的帕累托图进行分析。盈飞无限SPC软件系统目前支持多达六级的帕累托图应用。单纯这一点，对企业的质量分析，尤其是复杂问题的分析而言，直接决定了工程师和管理人员能否真正准确定位问题、追溯根源、解决并杜绝问题及其隐患。因此，选择正确的分析工具成为本案例中问题得以成功解决的核心。

图六三级帕累托图

在图六所示三级帕累托图中，我们可以轻松看出所有批次检出不同病症的鸡的分布状况。例如：检测出的各种缺陷中，数量最多的是炎症（IP），而不再是第一批次检出的“痢疾（Sept & Tox）”，而且第二批次发现的该缺陷数量最多。并且我们发现，不同检验员检测出的同一缺陷的数量差异不大。根据这些信息，可以判断不同来源（供应商）提供的原料鸡只是主要差异点。因此，需要对相关供应商、鸡舍号进行追溯。我们注意到，之前批次的缺陷更多体现在检验员之间的差异，因此问题的解决可以从对相关检验员的再培训和检验程序要求等环节入手。而这一批次检验暴露出来的问题更多体现在货源方面，因此调查的范畴锁定在饲养者或者农场等环节可能存在隐患，等等。

所以在实际应用中，使用三级帕累托图，只需要简简单单一张这样的图表就可以完成整个复杂的追溯分析。之所以需要三级的帕累托图，是因为这里涉及的数据数据包含3个变量（批次、检验员、缺陷类型），因此，三级图表已经够用。如果涉及到第4个变量（例如，鸡舍），就需要四级的帕累托图了。

在这个案例中，“工厂”包含由于检验员培训不足引起的不必要的鸡只损失。如果不能准确确定哪家供应商是问题的源头，那么“工厂”的损失甚至可以延伸到供应链的范畴，因为这家供应商可能会在错误的指示下采取纠正行动，而因此产生的人力、物力都是不必要的浪费甚至造成其他损失。应用多级帕累托图，可以迅速定位问题所在的位置，同时找准引起这些问题的根本原

因。无论什么问题，其解决问题的思路都是一样的，那就是必须先定位或确定这个问题是什么。问题一旦找准了，解决措施往往一目了然。而定位问题这一步最关键，但也最难做到。

小结：

通过以上最基础的应用案例，我们已经发现：多级帕累托图可以使生产过程中的缺陷统计及原因分析更轻松、更迅速，自然也更容易发现“工厂”的问题。另外，多级帕累托图还可以帮助我们更有效地甄别生产过程中所需监测的重要关键点。以上面的案例为例：未来该企业在收集数据时应将以下要素考虑进去：饲养者、鸡舍号、喂养批次号、货运公司及拖车号等等。这样一来，随着时间的推移，多级帕累托图会在出现异常时帮助企业迅速、准确定位问题原因，从而有效规避“工厂”的产生，不断发现新的改进机会、提高可靠性和质量水平。

作者简介：

史蒂夫·怀斯（Steve Wise）

Steve于1997年加入加入盈飞无限国际有限公司（InfinityQS

International, Inc. www.infinityqs.cn），现任盈飞无限统计方法

副总裁。

Steve获得田纳西州大学工业统计学学位，先后在霍尼韦尔航空

（原联合信号公司，Allied Signal）和波音公司担任工业统计师职

务。就职波音公司期间，他参与编写了工业标准“D1-9000高级品质

体系（1991）”，并同波音公司的供应商合著了《创新控制图》（Innovative Control Charting）一书，1997年由美国质量协会（ASQ）质量出版社出版。