依据箫华德的说法,一个稳定的制程(没有变异的特殊原因存在),就是“处于统计管制下”,或是“稳定”的。
这是一个随机的制程,它在最近未来的行为是可以预测的(当然,某些未知的变动会发生,使制程走出统计之外)。一个在统计管制状态下的系统,具有可界定的本质及可界定的能力。在统计管制状态下,即表示所有检测出来的特殊原因均已除去。剩下来的变异必定是随机产生的,也就是说,它们来自共同原因(除非又产生了另一个新的“特殊原因”,然后再度移除)。
这并不表示:在统计管制状态下不需进行任何工作;它只要求我们不对其余变动点采取行动。因为这么做(采取了行动)会产生更多变异及麻烦。下一步则是要永无休止地改进制程(十四要点中的第五点)。一旦达到统计管制状态并予维持,制程的改进就可以有效地推动。把变异、麻烦、失误、犯错、低产量、低销售量及大多数意外的“共同原因”移除,是管理阶层的责任。但“共同原因”还会接二连三地不断出现!
例如,销售量之所以不佳可能是源于产品不良或定价过高。反正我们对工作上每一个人都会面临的共同原因,就不能期望机器作业员能改善;他只应对自己可负责的特殊原因负责。例如,他不能改变照明问题,不能采购原料或工具,他只负责使用。训练、督导及公司政策都不是他的责任。对统计管制彻底的了解是管理阶层、工程师、制造人员、原料采购员,以及服务员的必要责任。稳定性(或系统的存在)很少是自然形成的;它是一种成就,是一个一个消除特殊原因的结果,制程稳定后只留下随机变异。
我们在实务上可以看到不计其数是的管制图,不幸的是它们大部分都用得不正确,其中有许多还弊多于利。要成功地使用管制图就必须懂得理论背后的一些概念。此外,大多数管制图的另一个问题是用得很正确,可是用得太迟了——它们出现在太下游了,以致于无法有太多好处。更有甚者,许多使用管制图的人认为,统计管制是所有努力最后结果。例如,我曾经看到有人对污染进行统计管制,可是最大的问题其实是“去除污染。”