统计思维的精髓

 所有工作都在系统中进行与完成，而系统则是由彼此相互关联的流程所构成，以完成共同的目标。但是变异存在于所有的流程，因此认识与减少变异便成为成功的关键。

统计思维就是根据上述的原则，协助组织在改善活动中，可以结合核心技术，采取正确的对策，有效的分配资源，达到最大的改善绩效。

因此具备统计思维，成为组织在竞争激烈的全球市场中，维持竞争优势的必要条件之一。

前言：
在日益复杂与充满竞争的全球市场中，生存不是容易的事，而要能维持竞争优势的必要条件之一，就是要能提供符合顾客要求的产品和服务，也就是要有完善的质量。
因为竞争的结果，顾客可以要求更好的产品和服务，创新与改善的速度便决定了市场的赢家与输家。
而组织要能有效进行改善，就要具备正确的统计思维（Statistical Thinking）并且在经营面、管理面与作业面中妥善运用之（1）。

认识统计思维：
美国质量协会统计分会（American Society for Quality Statistics Division）针对统计思维作了以下的基本定义︰
●所有工作都是在彼此相互关联的流程所构成的系统中发生（All work occurs in a system of interconnected processes.）。

● 变异存在于所有的流程（Variation exists in all processes.）。
● 认识与减少变异是成功的关键（Understanding and reducing variation is key to success.）。
学者专家一般公认统计思维源自于戴明博士（Dr. W. Edwards Deming）的渊博知识体系（the system of Profound Knowledge）。渊博知识体系包含四个部份，

1. 系统认知（Appreciation for a system）
2. 变异知识（Knowledge about variation）
3. 知识理论（Theory of knowledge）
4. 心理学（Psychology）

统计思维的第一原则，“所有工作都是在彼此相互关联的流程所构成的系统中发生”，与渊博知识体系的第一部份“系统认知”有直接相关。统计思维的第二原则，“变异存在于所有的流程”，与第三原则“认识与减少变异是成功的关键”，与渊博知识体系的第二部份“变异知识”有直接相关（2）。

透过系统与流程的角度，统计思维可以帮助组织改善整个系统，而不是转移“个别”部门的问题。
Motorola公司于1980年代所推行的六标准偏差（Six Sigma）改善活动，便是在其五阶段法，定义（Define）、衡量（Measurement）、分析（Analysis）、改善（Improvement）、管制（Control），充分运用统计思维的观念与工具，如关键企业流程的鉴别、认识与减少变异、数据分析、做出适当的改善对策，以追求流程的「最小变异」，进而增进营业利润并提升顾客满意度。

流程与系统
流程是一项或一组活动，透过使用资源与管理，将输入转化为输出，以产生符合期望的结果。通常一个流程的输出可直接形成下一个流程的输入（3）。

在画流程图与改善流程之前，可利用SIPOC 模型定义与界定流程范围。SIPOC其中字母分别代表：Supplier 供应者；Input 输入；Process 流程；Output 输出；Customer 顾客。如图1。

 
图1：SIPOC 模型

流程图是将流程步骤图形化的常用工具，以利组织辨别多余和没有价值的步骤，发现改善流程的机会。
乌龟图（Turtle Diagram）则是另一种分析流程要素（elements）与帮助内部流程稽核的有利工具。如图2。

 
图2：乌龟图

系统则是由彼此互相关联与依存的流程所构成，为达成共同的目标而一起运作。
要提升组织的整体绩效，必须以系统的角度鉴别、了解与管理彼此互动的流程，若仅专注于各别部门功能的最适化，将适得其反的降低组织的整体绩效。比如说：一昧的追求降低采购成本，可能恶化质量，增加制造成本，反而降低营业利润率。这也就是彼得圣吉博士（Dr. Peter Senge）所强调系统思考（System Thinking）的重要性（4）。

流程与系统必须定义可量化之指标，也就是关键特性值（key characteristics），以客观衡量其绩效。而这些指标值会随着时间而变化，对这些数值变异的分析结果，也就成为针对流程与系统将采取何种对策的判断基础。有时一些对策没有产生预期的效果，甚至产生反作用，恶化原来的状况，就是缺乏对变异的正确认识。

认识变异
生活中到处充满变异，在不同时段个人体重、血压的变化，汽油价格、银行利率与家庭支出的起伏，公司每月销售额与市场占有率的增减，不同医院之间手术成功率的差异，学校里学生考试分数的不同等。
从个人、组织到社会，针对这些数字变异型态的解读，都将影响决策的形成。正确的分辨变异型态才能引导形成适当的决策，避免错误决策所造成的损失。因此认识解读变异型态所必须具备的基本统计概念是相当重要的课题，也就是要知道造成变异的原因可区分为共同原因（common causes）和特殊原因（special causes）。

共同原因：
流程或系统正常运作时，随机性自然发生的变异原因，是属于流程或系统的一部份。惟有从根本改变流程, 才能降低共同原因所造成的变异。

特殊原因：
流程运作时所发生的不寻常干扰。特殊原因发生时，应该可以且必须被确认，消除并避免再发。
针对流程的关键特性值，适当运用管制图，如图3，可以帮助我们判断变异是由共同原因或特殊原因所引起。

 
图3：管制图

当管制图显示有特殊原因所造成的变异存在时，流程是处于不稳定（unstable）的状态，如图4，变异型态无法预期（unpredictable），质量、成本和交期也就无法预期，因此必须设法找出特定的特殊原因，采取对应的措施，消除它并预防再发。

 
图4：不稳定的流程

当长时间内管制图没有显示特殊原因时，可称流程是处于稳定（stable）的状态，或处于统计管制状态（in a state of statistical control），如图5，也就是现时的流程变异是由共同原因所主宰，变异型态可以预期（predictable），此时质量、成本和交期都可以预期，也才能有意义的评估其符合顾客要求的能力（如：Cpk， Ppk）。
 

图5：稳定的流程

一旦流程处于稳定的状态，接下来的挑战便是要进一步了解流程的共同原因，从流程做根本改变，减少或消除部份共同原因所造成的变异，提升流程与系统之绩效，让有限的资源可以发挥最大的效益。

具备认识变异的知识，可以帮助我?尽可能的避免进行流程与系统改善时可能犯下的两种错误，
错误1：
将共同原因所造成的变异，误认为是特殊原因所引起，而做出反应。
错误2：
将特殊原因所造成的变异，误认为是共同原因所引起，而未及时做出反应。

这两种错误都将造成损失，很可惜我们无法完全避免这两种错误，但萧华德博士（Dr. Walter A. Shewhart）所创造的管制图能在长时间下让这两种错误所造成的经济损失降至最低（5）。

一个稳定的流程，也就是没有出现由特殊原因所造成的变异，仍可能会发生不符合要求的缺点，如果遇到这种情况，就任意调整流程，也就是犯了错误1，只会增加变异，恶化流程绩效。戴明博士著名的漏斗实验（Funnel Experiment）便是针对错误1做完整的示范说明（5）。

结语
管理阶层必须具备统计思维，才能在质量改善的过程中有效扮演领导的角色。因为特殊原因所造成的变异，可以经由现场人员的努力而消除，然而针对共同原因所主宰的变异，需要相对复杂的方法和对流程有更高层次的知识，才能对流程做出根本的改变，产生突破性的改善。管理阶层对变异本质有充分的认识，才知道指派不同专长的人员，分别负责解决特殊原因与共同原因所造成的质量问题，在质量改善的活动中，才能引导正确的方向、有效的分配资源，发挥最大的经济效益，持续提供能让顾客全面性满意的质量。
参考文献
1. G.C. Britz et al., Improving Performance Through Statistical Thinking（ASQ Statistics Division, ASQ Quality Press, 2000）
2. G. Britz et al., “Statistical Thinking,” in a special publication of the ASQ Statistics Division Newsletter (Spring 1996).
3. ISO 9000:2005 Quality management systems —Fundamentals and vocabulary
4. Peter Senge，The Fifth Discipline: The Art & Practice of the Learning Organization
5. W. Edwards Deming，The New Economics for Industry, Government, Education