当一个复杂的问题出现而没有明确的方法且反复发生，需要跨部门协助时，我们常常需要运用质量工具来帮助解决。
有效运用质量管理工具有助于我们灌输团队合作的思想，满足客户的期望、保证解决问题的过程符合规定，保证问题不再重复出现并提供事件记录形成知识库以备他人参考。
要如何才能更好地运用质量管理工具呢？下面请听我们细细讲解。
分享者：单晓鹏
来源：蒲公英智库班
下面先来点干货：质量工具应用一览表（仅供参考）。如需完整版，请在公众号回复“质量工具”获取。
质量管理工具的使用分为如下七个步骤：
1、确定问题
2、确定可能原因并按其重要度分级
3、采取临时措施
4、收集数据并设计试验来确定原因
5、进行试验，分析数据，选择解决方案
6、计划并实施永久解决措施，可能情况下采用防错措施
7、评估（预防问题再发生）， 表彰改进团队
确定问题主要就是以上PPT中的四个部分:
(1) 主要明确定义和产品过程以及其他要求相关的问题。问题的描述要简单明了，不能太宏观了，像常说的“产品不合格了”，这样的确定问题就没有办法进行分析。
(2) 所提供的信息检查数据和历史信息的是否充足，只有充足的信息之后才能进行分析。
(3) 对问题的定义到底是什么问题？是不符合规范或者要求吗？问题的频率是多少？实际上对问题有个简单的风险评估和分析。
(4) 最终陈述必须是解决问题的小组或者个人知道他们该解决什么问题，能知道他们在何时解决这个问题。
确定问题还需要注意如下事项：
“确定问题”非常重要，一个好的企业和一个管理差些的企业最大的分歧，就在偏差上。比如是否把最终的原因定义到“人”，如调查认为造成偏差的原因是人员的不小心/人员的工作能力有限/人员的敬业精神不够/人员的培训不足等，那么这个问题的确定就是失败的。
“确定问题”一定要形成结果，也就是小组或者个人知道他们该解决什么问题，何时解决，具体就是：
（1）确定问题解决的责任人、组成小组；
（2）确定解决问题的时间、选择恰当的时间、可以确定期限；
（3）明确目标解决问题的最终目标是什么，需要达到什么效果，
“确定问题”这一步骤常用的质量工具有：
此处最常用的两个质量工具是“五个为什么”和“鱼骨图”。“五个为什么”有一个经典的应用就是美国的林肯纪念堂鸟粪太多对建筑造成腐蚀的问题。该工具虽然用起来简单，但实际上往往达不到效果，主要原因就是问的问题不对，方向发生了错误。关键的方向就是一定要向着解决问题的方向来进行，围绕着解决问题的方向。不能让其成为一种借口，一种推脱，一种理由。
5WHY注意：
（1）要朝着解决问题的方向去问每一个Why
（2）要找可控因素去探究
（3）不要跳跃步骤去问
（4）不要只从自身之外的方面找原因
下面我们来看看错误的5WHY和成功的5WHY的小视频：
案例1：失败的5WHY分析法
案例2：成功的5WHY分析法
“鱼骨图”也是最常用的工具，“鱼骨图”的前提是头脑风暴，以前应用鱼骨图中往往忽略头脑风暴这个步骤。
头脑风暴”很容易犯的错误是对别人的意见进行批评和指责或者评价。尤其是一些领导或者技术专家很容易会对一些下层员工，或者一些新手进行批评，这反倒阻碍了头脑风暴的进行。不要在头脑风暴的时候解决问题，要鼓励分歧意见，而不是统一思想，因为问题越多越好，收集到的意见越多，就证明头脑风暴越成功。
头脑风暴之后涉及到的意见，按照鱼骨图的形式进行分类分析，然后得出一个初步的分级和可能的原因。风暴之后涉及到的意见，按照鱼骨图的形式进行分类分析，然后得出一个初步的分级和可能的原因。这是意见的筛选方法，也可以投票式、积分式。投票就是看哪个意见大家同意的最多。 “积分式”是事先给出分数，哪个意见得出的分数最多，哪个意见可能就是最终的原因或者最主要的原因。事实上头脑风暴和鱼骨图的组织是需要严密和准备的。
以下是“鱼骨图”结合“头脑风暴”的案例分析：
收集数据并设计实验来确定原因，这是一个关键的步骤。但一定要记住这句话：数据是会骗人的。我们常常说眼见为实，实际上就是眼见的都不一定是实际。
不知道大家还记不记得前些年网上有一个谣言：动车出事故和上海踩踏出事故的时候，有谣言说死亡人数是假的，因为不允许死亡人数超过三十五个人，三十五个人是个限制。后来这个谣言被辟谣了，因为发现有大量的超过三十五人死亡的数字的一些重大事故。这就说明调查数据的时候要有统计学思维。
下面这张图是收集了国内安全事故是死亡人数的一张幂函数的一个指数图。
黑色的点就是死亡人数，和回归方程所预测出来的人数基本上是一致的。上图中的横轴为死亡人数，纵轴为事故次数，99%置信区间的拟合线公式为“预测次数=252746 死亡人数^(-3.037)”，是一个典型的幂律分布。可以看到，唯一一个实际事故次数大幅超过了预测事故次数99%置信区间上限死亡人数发生在28人。大幅度越过99%而非95%这个置信区间，可以说是非常少见的现象，这意味着在该模型成立的情况下此情形出现的概率远小于1%。仔细检查数据的话，死亡28人的事故有22次（模型预测10.2次），29人事故13次（模型预测9.1次），30人和31人迅速下降到7次和4次。解释就是：我们用死亡人数做了一个拟合曲线。
在各个数据点上都是预测的和实际的是一致的，但是在二十八个人。这个地方不一致，预测的人数要远远小于实际的数量，这就很奇怪了不符合数据分布的规律。为什么会出现这种情况呢？查找了一下国家的相关规定，我们可能会发现一些真正的原因。
国务院《生产安全事故报告和调查处理条例》(2007年6月1日施行)第三条规定：“根据生产安全事故造成的人员伤亡或者直接经济损失，事故一般分为以下等级：特别重大事故、重大事故、较大事故和一般事故。特别重大事故，是指造成30人（包括30人）以上死亡。也就是说三十个人是特别重大事故的一条线，为了使事故不能超过特别重大事故小于三十个人，就人为的把一些三十个人死亡以上的数据调整到三十个人下，而二十八个人是最容易被选择的。所以二十八个人，这个数字就畸形的偏多，不符合数据的规律。
在统计分析时，要尽可能地考虑防错设计的更改，培训和文件的需求。对实施实验的过程中所要进行一些项目管理，包括时间表、实施人和需要的资源等，更主要的是还要进行所需要的质量成本与收益的比较。分析数据的时候要注意什么是有效的统计数据，什么是没有说服的数据。
中国天气网发表的一条微博，大意是“连夜盘点萧天王行程，计算“雨神”遇雨概率，其实没有83.3%，只有不过60%而已嘛,比扔钢镚高一点”
这里数据有个错误，无雨率是29.54%不是39.54%。如果同样的数据，换一种方法来分析呢。
按第二张图的分析方法，我们的萧雨神整整把一个城市的遇雨率提高了一倍。他不在的时候，这些城市的下雨的几率只有百分之三十不到，而他在的时候就超过了百分之六十。
第一张图分析方法错在选错了基准，将百分之五十作为基准，也就是扔钢蹦儿的概率。数据的来源、选取、分析方法……当然都很重要。但是要说服你的阅读对象，选“扔钢蹦”作为基准，等于前面的数据工作全部白做了。所以大家在做数据分析的时候一定要选好基准，也要注意其他的一些项目。比如是以历史数据来作为基准还是以国家的标准作为基准，还是以内控标准作为基准。选择的基准不一样会直接影响到结果，如果基准选错了，那么这个结果是毫无意义的。
质量工具的应用的三个层次:
手中有剑，心中无剑。把质量管理工具用的很漂亮，方案做的很好，图表做得很好，但实际上只是做成了形式没有真正的去调查，只是为了结果而不关注最终的效果。
手中有剑，心中有剑。质量管理工具形式做得好，内容做的很好，效果也很好。
手中无剑，心中有剑。形式已经不重要了，自己的思维过程已经完全按照质量管理工具的过程思考，思考和行动已经成为本能。
联系客服
