一、样板参照法（Benchmarking）
定义
样板参照法是将本企业或项目的产品、服务、流程等与最佳实践进行比较，以识别出可以改进的领域和机会。它寻找行业内或其他领域中表现卓越的 “样板” 作为参照标准。
工作原理
首先确定要比较的关键领域，如产品质量特性、生产效率、客户服务水平等。然后寻找在这些领域表现优秀的组织或项目作为样板。例如，一家汽车制造企业想要提高汽车的燃油效率，它会寻找在燃油效率方面领先的其他汽车品牌作为样板。
对样板进行详细的研究，包括其流程、技术、管理方法等。之后，将本企业或项目与样板进行对比，找出差距，并制定改进计划来缩小这些差距。
应用场景
新产品开发时，参照竞争对手或行业领先产品的性能和功能来设定自己的产品质量目标。也适用于企业对自身的生产流程、销售服务等环节进行优化，通过和同行业优秀企业对比，找到提升的方向。
示例
某手机制造商在设计新款手机时，对电池续航能力进行改进。它选择市场上续航口碑最好的几款手机作为样板，分析这些手机的电池容量、芯片功耗、屏幕耗电等因素。然后对比自己的产品，发现自己手机的芯片功耗较高，于是在新手机设计中采用更节能的芯片技术，以提高电池续航能力。
二、质量标杆法（Quality Benchmarking）
定义
质量标杆法与样板参照法类似，主要是确定质量方面的标杆，也就是在质量特性上表现卓越的标准或范例。通过和这些标杆对比，推动组织内部质量的持续提升。
工作原理
企业需要明确质量标杆的关键指标，如产品的合格率、缺陷率、顾客满意度等。然后找到在这些指标上领先的企业或项目作为标杆。
收集标杆企业的数据，包括它们达到高质量水平的方法、技术、管理措施等。同时，对自身的质量数据进行评估，对比两者之间的差距，制定改进措施并实施，不断向标杆靠拢。
应用场景
在制造业中，用于产品质量的提升，比如机械加工企业以高精度加工的企业为标杆，提高自身产品的尺寸精度等质量指标。在服务业中，酒店可以以顾客满意度高的同类型酒店为标杆，改进服务质量，如缩短入住退房时间、提高客房清洁标准等。
示例
一家连锁餐饮企业想要提高食品质量，它以一家获得米其林星级评价的餐厅作为质量标杆。研究发现，该标杆餐厅在食材采购标准（只选用有机食材）、烹饪流程标准化（每道菜都有精确的烹饪时间和步骤）、厨房卫生管理（严格的清洁消毒制度）等方面表现出色。于是，连锁餐饮企业改进自己的食材采购渠道，加强烹饪流程培训和厨房卫生监管，以提升自身食品质量。
三、因果图法（Cause - and - Effect Diagram）
定义
因果图也叫鱼骨图，它是一种用于分析质量问题产生原因的工具。将问题（结果）放在鱼头位置，然后通过鱼骨形状的分支来列出导致问题产生的各种原因，包括人、机、料、法、环等因素。
工作原理
首先明确要解决的质量问题，比如产品表面有划痕。然后从人（操作人员是否规范操作）、机（生产设备是否有故障）、料（原材料是否有质量问题）、法（加工方法是否正确）、环（生产环境是否有影响）等几个主要方面进行分析。
对于每个主要方面，再进一步细分原因。例如，在 “人” 这个因素下，可能包括员工培训不足、员工疲劳作业等。通过这种层层分解的方式，全面地找出可能导致质量问题的所有潜在原因。
应用场景
在生产制造过程中，当产品出现质量缺陷时，使用因果图来系统地分析原因。也可以用于服务质量问题的分析，比如客户投诉服务效率低，可以通过因果图找出是人员安排不合理、服务流程繁琐还是其他因素导致的。
示例
某电子产品组装车间发现产品不良率上升。使用因果图分析，在 “人” 方面，发现新员工操作不熟练；在 “机” 方面，部分设备老化导致精度下降；在 “料” 方面，有一批原材料的尺寸偏差较大；在 “法” 方面，装配工艺的更新没有及时培训员工；在 “环” 方面，车间湿度变化影响了部分电子元件性能。通过因果图找出这些原因后，就可以针对性地采取措施，如加强新员工培训、维修或更换设备、更换合格原材料、更新培训内容、控制车间环境湿度等。
四、控制图法（Control Chart）
定义
控制图是一种统计过程控制工具，用于监控过程的稳定性。它通过绘制数据点，并根据统计原理确定控制界限，来判断过程是否处于稳定状态，是否存在异常波动。
工作原理
首先收集过程数据，如产品的尺寸、重量、性能指标等。然后计算数据的均值和标准差等统计参数，根据这些参数确定控制上限（UCL）、中心线（CL）和控制下限（LCL）。
将数据点绘制在控制图上，观察数据点的分布情况。如果数据点超出控制界限或者呈现出非随机的分布模式（如连续上升或下降趋势），则表明过程可能存在异常因素，需要进行调查和调整。
应用场景
在工业生产中，用于监控生产线的稳定性，例如汽车零部件的尺寸生产过程。也可以用于服务过程的控制，如客服中心接听电话的平均等待时间等。
示例
某饮料生产企业要控制饮料的装瓶容量。通过抽样测量，计算出平均装瓶容量为 500ml，标准差为 5ml。确定控制上限为 515ml（均值 + 3× 标准差），中心线为 500ml，控制下限为 485ml（均值 - 3× 标准差）。在生产过程中，定期抽取样本测量装瓶容量并绘制在控制图上。如果发现有数据点超出控制界限，就说明装瓶设备可能出现故障或者操作流程有问题，需要及时调整。
五、流程图法（Flowchart）
定义
流程图是用图形符号来表示流程步骤、决策点、输入输出等元素的工具，用于直观地展示一个过程是如何进行的，包括业务流程、生产流程、服务流程等。
工作原理
首先确定流程的起点和终点，然后识别流程中的各个步骤和活动。用规定的图形符号（如矩形表示操作步骤、菱形表示决策点、箭头表示流程方向）来绘制流程图。
在绘制过程中，详细描述每个步骤的具体内容、输入和输出，以及不同决策点的判断条件。通过流程图，可以清晰地看到整个流程的全貌，发现其中可能存在的问题，如流程繁琐、存在不必要的环节等。
应用场景
在企业内部，用于梳理和优化业务流程，如订单处理流程、采购流程等。在软件开发中，用于描述软件系统的操作流程，方便开发人员和用户理解。
示例
以医院的门诊看病流程为例。起点是患者挂号，然后是患者到科室候诊（这是一个等待步骤），医生接诊（操作步骤），医生根据病情进行检查或诊断（决策点，如果病情简单可能直接诊断，如果复杂可能需要进一步检查），患者缴费（操作步骤），进行检查或取药（操作步骤），最后患者离开医院（终点）。通过绘制这个流程图，医院可以发现流程中可能存在的患者等待时间过长等问题，进而进行优化，如优化挂号系统、合理安排医生出诊等。
六、直方图法（Histogram）
定义
直方图是一种用于展示数据分布情况的统计图表。它将数据分组，并以柱状图的形式展示每组数据的频率或频数，从而直观地反映数据的分布特征，如数据的集中趋势、离散程度等。
工作原理
首先收集一组数据，如产品的质量特性数据（如产品的长度、重量等）。然后确定数据的分组区间，计算每个区间内数据的频数（数据落在该区间的个数）或频率（频数与总数据个数的比值）。
根据分组区间和对应的频数或频率，绘制直方图。直方图的横轴表示数据的分组区间，纵轴表示频数或频率。通过观察直方图的形状，可以判断数据是否符合正态分布，是否存在异常值等情况。
应用场景
在质量控制中，用于分析产品质量特性的分布情况。例如，分析一批零件的尺寸分布，判断生产过程是否稳定，是否存在尺寸偏差过大的情况。也可以用于分析其他数据，如员工绩效得分的分布等。
示例
某工厂生产的螺丝长度是一个质量特性。收集了 100 个螺丝的长度数据，将长度范围划分为若干区间，如 19 - 20mm、20 - 21mm 等。统计每个区间内螺丝的个数（频数），然后绘制直方图。如果直方图呈现正态分布，说明螺丝长度的生产过程比较稳定；如果出现偏态分布或者有异常的高峰或低谷，就可能意味着生产过程存在问题，比如刀具磨损导致部分螺丝长度不符合预期。
七、排列图法（Pareto Chart）
定义
排列图也叫帕累托图，它是一种按照重要性程度对质量问题或影响因素进行排序的工具。主要原理是基于帕累托法则，即少数关键因素往往造成大部分的问题。
工作原理
首先收集质量问题的数据，如产品缺陷的类型和数量。然后将这些数据按照出现的频率（数量）从高到低进行排序。
计算每个质量问题的累计频率，并用柱状图表示质量问题的频率，用折线图表示累计频率。通常，会发现少数几个质量问题占据了大部分的问题比例，这些就是需要重点关注和解决的关键问题。
应用场景
在质量改进项目中，用于确定优先解决的质量问题。例如，在电子产品制造中，通过排列图发现少数几种缺陷（如焊点虚焊、元件安装错误）占了总缺陷的大部分，就可以优先针对这些关键缺陷进行改进。
示例
某服装生产企业统计了服装质量问题。发现服装的线头问题出现了 50 次，染色不均问题出现了 30 次，尺寸偏差问题出现了 15 次，其他问题出现了 5 次。将这些问题按照频率排序后绘制排列图，从图中可以明显看出线头问题和染色不均问题是主要问题，占总问题的大部分。企业就可以先集中精力解决这两个问题，比如加强裁剪后的线头清理和改进染色工艺。
八、趋势图法（Trend Chart）
定义
趋势图是一种展示数据随时间或其他顺序变量变化趋势的图表。它通过将数据点连接起来，直观地显示数据的变化方向和变化速度。
工作原理
首先确定要观察的数据和对应的时间序列或顺序变量。例如，观察每月的产品销售额、每周的产品不良率等。然后收集数据并将数据点按照时间顺序或其他顺序绘制在图表上，用直线或曲线将相邻的数据点连接起来。
通过观察趋势图，可以发现数据的上升、下降或平稳趋势，预测未来的发展趋势，并且可以及时发现数据的异常变化。例如，如果产品不良率呈现上升趋势，就需要及时查找原因并采取措施。
应用场景
在市场分析中，用于观察产品销售趋势、市场份额变化等。在质量控制中，用于跟踪质量指标的变化，如产品的可靠性指标随时间的变化情况。
示例
某电商企业观察某款产品的月销量。将过去 12 个月的销量数据绘制在趋势图上。如果发现销量在前几个月逐渐上升，中间几个月平稳，后几个月开始下降，企业就可以分析销量变化的原因，可能是前期市场推广有效，中间市场饱和，后期竞争对手推出类似产品。然后根据分析结果，采取相应的策略，如加大促销力度、改进产品功能等。
九、散点图法（Scatter Diagram）
定义
散点图是一种用于研究两个变量之间关系的工具。它通过将两个变量的一组数据点绘制在平面直角坐标系中，观察数据点的分布情况，来判断两个变量之间是否存在相关性，以及相关性的方向和强度。
工作原理
首先确定要研究的两个变量，如产品的加工温度和产品的强度。然后收集这两个变量的多组数据，将每组数据作为一个点的坐标（x 轴为一个变量，y 轴为另一个变量）绘制在散点图上。
观察散点图中数据点的分布模式。如果数据点大致呈现出从左下角到右上角的直线趋势，说明两个变量可能存在正相关关系（一个变量增加，另一个变量也增加）；如果数据点呈现从左上角到右下角的直线趋势，说明可能存在负相关关系（一个变量增加，另一个变量减少）；如果数据点分布比较杂乱，没有明显的趋势，则可能两个变量之间没有线性相关性。
应用场景
在质量控制中，用于研究质量特性与影响因素之间的关系。例如，研究原材料的湿度与产品的质量稳定性之间的关系。在数据分析中，用于探索两个经济指标之间的关系，如研究广告投入与产品销售额之间的关系。
示例
某陶瓷厂研究烧制温度与陶瓷产品硬度之间的关系。收集了不同烧制温度下陶瓷产品的硬度数据，绘制散点图。发现随着烧制温度的升高，陶瓷产品的硬度也在增加，数据点呈现出明显的正相关趋势。这就为企业优化烧制工艺提供了依据，比如可以适当提高烧制温度来提高产品硬度，但同时也要考虑其他因素，如过高温度可能导致产品变形等。
十、最佳质量成本模型（Optimal Quality - Cost Model）
定义
最佳质量成本模型是一种用于平衡质量成本和质量水平的工具。质量成本包括预防成本（为预防质量问题发生而投入的成本）、鉴定成本（为检验和评估产品质量而投入的成本）、内部故障成本（产品在交付前出现质量问题而产生的成本）和外部故障成本（产品交付后出现质量问题而产生的成本）。
工作原理
首先，需要分别核算不同质量成本的具体金额。例如，预防成本可能包括员工质量培训费用、质量体系建设费用等；鉴定成本包括检验设备的购置和维护费用、质量检验人员的工资等。
随着质量水平的提高，预防成本和鉴定成本通常会增加，而内部故障成本和外部故障成本会减少。最佳质量成本模型的目标是找到一个质量水平，使得总质量成本（预防成本 + 鉴定成本 + 内部故障成本 + 外部故障成本）最小。这个点就是最佳质量点。
应用场景
在企业进行质量决策时，帮助企业确定合理的质量投入水平。例如，企业在考虑是否要增加质量检验的频率或者加强员工质量培训时，通过最佳质量成本模型分析，找到既能保证产品质量又能使质量成本最合理的方案。
示例
某家电制造企业分析其质量成本。当前预防成本为每年 10 万元（包括员工培训、质量标准制定等），鉴定成本为每年 20 万元（检验设备和人员费用），内部故障成本为每年 30 万元（产品返工、报废等费用），外部故障成本为每年 40 万元（客户投诉处理、产品召回等费用）。企业考虑增加预防成本，如加强供应商质量管理和员工质量意识培训，预计预防成本增加到 20 万元，鉴定成本增加到 25 万元，但内部故障成本降低到 10 万元，外部故障成本降低到 15 万元。通过计算总质量成本，发现增加预防成本后总质量成本降低，达到了一个更优的质量成本状态。
欢迎加入中国最大的PMO&PM社区
