看到一個帖子，標題是這樣的：
你的感受如何？
當你知道這句話是總經理對剛入職的體系經理說的，感受又如何？
搞質量體系的，自然也離不開質量工具，說到質量工具的繞不開的當然是五大工具。
五大工具太有名了。有名到如果你不知道它們，都不好意思說自己是在汽車行業混的。雖說不是強制性要求，可並不妨礙各大主機廠對它們的推崇，進行影響著整個汽車行業。
它們分別是：
APQP 產品質量先期策劃 Advanced Product Quality Planning
FMEA 潛在失效模式及後果分析 Failure Mode & Effect Analyse
MSA 測量系統分析 Measurement System Analyse
SPC 統計過程控制 Statistical Process Control
PPAP 生產件批准程序 Production Part Approval Process
這五大手冊源自於美國QS9000質量體系，是三大汽車公司克來斯勒、福特和通用制定的對其供方的標準質量要求。
不過，名氣大了，就顯得有些“高冷”，很多朋友在學習五大手冊的時候總覺得有些高深難懂。甚至有人說五大工具只會忽悠中國人，公司裡搞體系的在帶頭造假！
是這個情況嗎？
今天我們分享一篇關於五大工具中SPC的深度解讀文章。
當然，這裡還是要簡單介紹一下，SPC統計過程控制的研究對象其實只有一個，就是過程！
通過統計分析技術對生產過程（注意MSA的對象是測量系統）進行實時監控，科學的區分出生產過程中產品質量的隨機波動與異常波動，從而對生產過程的異常趨勢提出預警，以便生產管理人員及時採取措施，消除異常，恢復過程的穩定，從而達到提高和控制質量的目的。
簡單說來，SPC的通過控制好各種過程（核心是生產過程），最終生產出來的產品質量穩定。文章有點長，不過滿滿乾貨，性價比絕對槓槓的，一起來看看吧。如果對您有幫助，請幫我們分享一下朋友圈哦！
01、前言
1924年，休哈特帶著他的控制圖“問世”之後，被以汽車行業為代表的製造業，廣泛用來監控和改進生產過程，試圖通過產品質量特性變化趨勢來進行質量預防，改變舊有的事後質量檢驗的方式，來降低質量成本，並被列入汽車行業質量管理五大工具之一。
其實，在以美國為代表的製造業強國中，不論是統計專家還是質量專家，針對SPC的實用性以及有效性的思考和質疑之聲，從來就沒停止過。
日本更是以實際效用為準繩，而不是在實際推廣中原封不動地照搬照抄SPC。
對於SPC的質疑與爭論，一方面是因為觀點不同，但更重要的還是希望企業能夠結合自身實際有效選擇最優性價比的質量工具，去掉浮華，讓企業的質量管理落到實處。
02、SPC的由來
SPC控制圖，又叫休哈特圖，通過對生產過程的關鍵質量特性值進行測定、記錄、評估並監測過程是否處於控制狀態的一種圖形方法。
休哈特將問題歸結於變異中的普通原因和特殊原因。1924年的一天，休哈特把大家都熟悉的正態分佈圖旋轉了90度（如下圖），並以μ±3σ作為控制限，這就是控制圖的原型。
最初的判異準則也只有一條，就是看數據是否超出μ±3σ控制限。
什麼叫判異原則，就是判斷有沒有特殊原因的存在，也是SPC的核心之所在。
當發現有特殊原因的存在（通過控制圖的異常，見本文P5部分），就要找出原因是什麼，並進行整改提升，如果產品特性比較多，需分別做控制圖進行識別。
自控制圖出現以後，變異分為普通原因和特殊原因。
普通原因 / Common Causes
一般認為是源自各種微小因素，對過程產生持續影響，結果穩定可預測，只能通過改變系統來減少普通原因，常需要管理層動作，如更新設備，還常包括：
—大量微小原因（如環境等）
—原材料在一定範圍內的微小變異
—機械的微小振動
—儀器測量不十分精確
特殊原因 / Special Causes
一般認為不是始終作用於過程的變差的原因，不符合統計學的分佈，當它們出現時將造成（整個）過程的分佈改變，不需要改變系統就可以找出並解決特殊原因
實際的例子包括
—使用規格外的原材料
—設備壞了
—人員誤操作
這個人為的劃分被一直沿用至今。
當然，這些理論也收到了很多權威人士的質疑。
03、來自權威人士紛紛質疑
田口玄一
日本享譽全球的質量大師，創造了田口方法。
他曾說過“改進要有經濟合理性，不能沒完沒了”。
Keki R. Bhote
哈佛大學博士，摩托羅拉質量和保證部總監。
直言不諱的說，控制圖“純屬浪費時間”。
Banks David
美國統計局首席統計師，美國統計協會董事會成員。
他說，“SPC大約是舊時代大學研究人員通過普通人難以理解晦澀公式來贏得名聲的無用工具。”
質量大師朱蘭
朱蘭說：“發明出控制圖原型的休哈特根本不懂工廠運營，完全沒辦法和操作工及管理人員進行有效的溝通”。
Bert Gunter
美國的著名統計顧問。曾說，“使用SPC的製造環境在快速變化，生產時間變得更短，數據產生的更多，質量要求更高和對計算能力要求更強大，控制圖這個古老的工具已經很難適應現代的生產和服務的需求。”
Michel Baudin
40年實戰經驗的生產顧問。
說道: “SPC是昨天的統計技術，用來解決昨天製造業的問題。它沒有能力解決今天的高科技問題，在成熟的行業它也變得完全沒有必要。它還沒有完全消亡的原因是，它已經進入了客戶強加給供應商的標準之中，雖然這些客戶自己根本就不使用SPC。這就是為什麼你仍然可以看到有如此多的工廠走廊牆上貼著控制圖。”
以上是近三十年裡，國際上針對SPC公開發表不同聲音的代表。
不過在國內，公開對SPC的抱怨幾乎沒有，私下的質疑倒是很多，我想這可能和中國人的中庸含蓄的性格有關係吧。
當然，也聽到贊成SPC的朋友說過：
你覺得SPC沒用，是因為你沒有真正理解SPC，或者你不會使用。
那上面那些質量大咖們呢？他們也不懂SPC，不懂統計學嗎？
可能沒那麼簡單！
04、日本使用SPC情況
江湖上經常聽說這麼個故事，戰後的日本廣泛推廣和應用SPC，使日本的產品質量一舉超越美國並處於世界領先地位，似乎日本在質量上的成功就是應用了SPC。
事實果真如此嗎？
這裡摘選部分文章的截圖：
大意就是：日本人追求效率，相比較那些複雜的工具，在實際生產中，普遍使用的是相對簡單易用的工具，如柏拉圖，直方圖，散點圖等，而不是依賴於SPC。
質量當和效益掛鉤時才有意義，而不是無條件實施不能帶來經濟收益的所謂改善。
05、SPC本身的缺陷
自相矛盾的邏輯
SPC的判異原則有很多，這裡分享下常見的八項判異準則：
a. 一個點遠離中心線超過3個標準差
b. 連續7點位於中心線一側
c. 連續6點上升或下降
d.連續14點交替上下變化
e.連續3點中有2點距中心線的距離超過2個標準差(同一側)
f.連續5點中有4點距中心線的距離超過1個標準差(同一側)
g.連續15個點排列在中心線1個標準差範圍內(任一側)
h.連續8個點距中心線的距離大於1個標準差(任一側)
為了簡化，這裡只討論最初休哈特制定的判異準則，是否超出3σ控制限。
如果數據點在3σ控制限以內，一般認為過程中的影響因素只有普通原因，不需改善。
如果數據點落在3σ控制限以外，則表明存在特殊原因，需採取措施進行改善。
- 因為按照休哈特理論，落在3σ以外的是小概率事件，要進行調查。不過，按照分佈概率，落在3σ以外也可能是正常的分佈。
- 設備是多種多樣的，有的設備穩定性足夠高，就像戴明的漏斗實驗一樣，不改變漏斗高度，小球落點的離散程度不會改變，小球出現在4σ（或者5σ）內也可能是普通原因。
- 但現在大多數的控制限是設置為3σ。
對於穩定性很好的設備，如果數據超過3σ控制限就報警，那麼工廠花費了大量時間和資源記錄跟蹤數據，得到的卻是大量的假報警，工程師為此要疲於奔命。
真正讓生產員工迷惑的地方是，按照休哈特的理論，超出控制限有可能是普通原因也可能是特殊原因，讓生產員工去調查，找到了就說是特殊原因，找不到，難道就是普通原因？
普通原因與特殊原因的劃分
一般認為，特殊原因對過程影響較大或者特殊原因整改成本相對較低，但這都不是絕對的。但目前沒有任何客觀的真實數據來證實這一點，實際上只是人為地把分析找到的原因歸到特殊原因而已。
假設我們還是按照普通原因和特殊原因來劃分，在實際生產中，要獲得更高的經濟合理性，不一定是通過改進或消除特殊原因，更可以改進普通原因。
從休哈特發明控制圖100年來，社會化大生產已經發生了翻天覆地的變化，一臺普通的設備通常是很多專業企業合作共同完成的。設備的精度和穩定程度在大踏步前進，留給客戶操作人員改進的機會越來越少。
當你谷歌搜索到的所有SPC視頻課程，你會發現絕大部分講師在介紹用SPC查找特殊原因時，給出的例子大都是換操作員工了，換原材料了，機器潤滑不好了，螺絲鬆了，設備磨損了等等。
這些聽起來更像是一些故事，而不是一些真實的案例。
當然，上面情況的發生的確會導致一些質量問題，也不是不重要，問題是企業有比SPC更加前置和高效的方法來預防這些問題，如，合格供應商名錄，設備點檢、維護和保養，員工上崗培訓，分層審核，防呆等等。
普通原因和特殊原因，本身沒有天然的界限。人為的分為兩種原因，把簡單的問題複雜化了，然後再按照所謂的分類去解決所謂的特殊原因。
戴明和AIAG制定的判異規則會增加誤報率
在控制圖中，如果7點（注：也有是6點之說）或更多的點連續上升或下降，人工判斷或SPC軟件將發出警報。現在已有多人要求取消戴明和AIAG制定的這個規則，因為這個規則在有些有意為之的過程裡是無效的，雖然直覺上覺得合理，但結果只會大幅增加誤報率。
06、SPC使用時的硬傷
除了上面說的自身缺陷之外，SPC在實際應用中也有一些硬傷。
公差限範圍遠大於控制限範圍：
隨著當代生產設備、檢測設備以及工藝水平等方面的不斷進步，製造型企業對產品質量特性的控制能力已經遠遠超出100年前的水平。客戶要求供應商的過程能力CPK在1.67以上，甚至2已非罕見，那麼就意味著質量水平相當於5σ-6σ。
人工判斷或SPC軟件報警，但產品是合格的，這時控制圖不僅沒有好處，還幫倒忙。比如世界著名500強公司施耐德，在華工廠應用控制圖監控生產過程中的若干關鍵質量特性，但該控制圖中只有公差限，沒有控制限。因為如果設置了控制限，那麼系統會經常報警，使本就繁忙的工程師們疲於奔命，最終索性取消控制限。
公差限範圍小於控制限範圍：
通常理想狀態，使用SPC時，要求過程穩定且CPK大於1。
項目在量產前策劃階段，對於具體的質量特性，企業工程技術人員通常預先評估採用哪種探測手段，並在過程開發時最終落實。比如可以用GO/NO GO檢具100%檢驗或設計防錯裝置識別等，當然也可以使用控制圖。
還有人會說，如果過程能力不足或者過程不穩定，通過控制圖報警，這不是很好的機會改進產品質量嗎？
未必，還要考慮實際經濟效益。
舉個例子，我們都知道ENGEL，KM這些注塑機好，生產出來的產品可以完全保證質量，但是價格太貴了。而一般品牌的注塑機呢？價格便宜很多，做出來的產品有一定比例的不合格，但是配備一個檢驗員就全部搞定了。
這就是讓特殊原因存在的案例。
這裡不是反對持續改進，持續改進是一個企業永恆的主題，但我們反對的是一談到質量控制，言必稱SPC。
公差限範圍略大於控制限範圍：
這時的CPK大於1，可能有人會說，這種情況下SPC控制圖最有用，但其實給一線操作員工和質量人員帶來的困擾同樣也不少，為什麼？
如果控制圖報警，一線操作員工也不知道產品是否合格，有時還要在控制圖的邊上再做一個單值描點圖（日本一些企業的作法）。
有些控制圖上加上了公差限，的確是有所改善，但還是有問題，因為在控制圖上顯示的是X的平均值，當X平均值在公差限以內時，產品還是有可能不合格的。（當然，這時R圖往往會報警，但操作員工還得另行計算一下，確認產品是否超差，因為控制限報警和產品不合格是兩個嚴重度不一樣的事情，對於一線工人來說，首要任務是產品合格然後才是持續改進。）
其它因素還有：
控制圖需要持續不斷地記錄數據。一個控制圖（均值極差控制圖）只能監控一個質量特性，隨著產品複雜度的增加以及供需鏈的不斷變化，一個產品上會有多個關鍵質量特性。
一個工廠有上萬個料號是非常普遍的現象，那麼可以想象，使用控制圖對這些產品的大量質量特性進行監控，需要記錄的數據以及需要付出的努力遠遠超出了企業所能承受的能力。
如某公司一塑料產品有4個關鍵尺寸，該產品一共有2個模具，每個模具64穴，這些關鍵尺寸關係到客戶產品的密封性能，塑料產品本身價值不高，但是一旦質量不合格，客戶的損失將是非常巨大的。如果要取得客戶訂單，客戶一定要求供應商簽署質量連帶責任協議。
如果使用控制圖，每一次都要等到注塑機生產5個產品以後才能檢驗關鍵尺寸並記錄，如果現場是紙質的控制圖，操作工人還得計算這五個產品平均值和極差值，一個注塑工位就有4X64=258張控制圖。兩個模具，那麼意味著要做2X4X64=512個控制圖。如果這個公司有100個類似產品，那麼意味著要有5萬個控制圖在生產現場。
每次注塑的時間間隔才幾分鐘，甚至有幾十秒的，員工有時間記錄嗎？
用SPC軟件能解決這些問題嗎？
對於注塑產品，不僅要確保首件合格和末件合格，還要確保如何及時發現產品尺寸的變化，以便能及時清理冷卻管路和維修模具，這對企業是一個極大的挑戰。
如果您是這家企業的質量負責人，你會採用控制圖來監控關鍵尺寸嗎？您覺得控制圖管的住質量嗎？
再完美的設想，如果不能夠滿足實際生產現場的需求，那麼也只能放在實驗室裡觀賞。不能夠為實際生產服務，那麼也就失去了它的價值。
07、誰在推行SPC
客戶要求
由於SPC是汽車行業五大手冊之一，雖然只是參考，但是很多汽車行業的客戶和其它行業的部分客戶在對其供應商實施質量評審和項目開發過程中，會把SPC作為一個條目來考核供應商。
為了提高通過第二方審核和第三方審核的概率，汽車行業供應商不得不在企業內推廣SPC。
我們回放一下真實的質量評審場景：
供應商老老實實把所有的質量特性都列出來了，如果質量特性很多，除非供應商有大量的專業質量人員，否則不大可能都做到監控，即使有SPC軟件系統也不可能（因為設置監控要花費大量的人力和時間，這個成本是很高的，不是每一個廠家都能負擔得起的。）
如果評審員發現有的質量特性沒有被監控，很可能給一個一般或嚴重不合格項。
而這很可能導致審核最終不通過。
即使質量特性都被監控了，評審員在現場評審時，如果發現了控制圖報警，但是供應商沒有及時給出分析和整改措施，這就要看評審員心情了，至少給一個觀察項，給一個不合格項也很合理。
如果零部件供應商，負責客戶審核的，你會怎麼做？
多半會事先準備好一套美化過的SPC數據，等待評審員的到來，這樣才能很有把握地保證質量評審順利通過，企業不會因為質量評審出現問題而拿不到客戶訂單，導致管理層對質量部門不滿意。
我們先不要站在道德的制高點上批評供應商的質量負責人，想一想，供應商質量負責人這麼做是否也是一種無奈？
德國大陸是一家非常知名的全球汽車零部件企業，其在華的一家工廠也遇到了SPC帶來的煩惱。這家工廠每年要接待大量的客戶二方年度審核、新項目審核和客戶SQE定期檢查及飛行檢查，他們產品種類多，需要控制的質量特性也很多。
時不時，客戶的質量人員就可能要求檢查一下他們的產品控制圖的填寫情況，如果有異常報警，客戶通常是一句話：你們要調查一下，寫個整改報告。但供應商即使是編一個報告也要挺長時間，每天這麼多的報警，如何應對？
編寫假報告也要耗費大量的人力資源，不要忘記這一點。
後來這家工廠實在沒辦法，乾脆招聘一個SPC數據“美化”技術員，每天專職美化數據，但數據也不是可以隨隨便便可以美化出來的，該工廠還用Excel編寫個小程序，保證數據分佈也是正態的，還能滿足CPK的要求，極大提高了造假數據的效率，客戶也很難再挑出毛病。
聽起來可能像笑話？但是他們的質量人員根本樂不出來，他們有很大的挫敗感，因為每天不得不做這些無聊沒有意義的事情。
其實，這家大陸在華的工廠根本就沒有用SPC來管控質量，但還不得不假裝用SPC控制質量，並對客戶宣稱取得了很好的效果。
相對來說，國際大企業在理解SPC方面還是比一般企業要好，但他們為什麼還要造假數據呢？
我本不想列出施耐德和大陸的名稱，但我是想告訴大家，世界頂級的工業巨頭尚且如此，您的企業實情如何？
儘管有許許多多的企業都在使用SPC，但情況不容樂觀，理想很豐滿，現實卻如此骨感。
培訓/諮詢機構以及SPC工具廠商
首先，我們不否定有優秀的培訓和諮詢老師，不僅有專業水平，也從企業的實際角度看問題。
但是，也有一些例外：
有些是自己本身都沒有理解和掌握SPC的原理，完全的照本宣科，自己都不知道自己說的是什麼。
有些是書本主義，沒有考慮到實際應用環境。
有些是揣著明白，裝著糊塗。賺的盆滿缽滿與自砸飯碗之間，選擇的是前者。不想說皇帝的新衣不好看，反正有人肯花錢，不拿白不拿。
更有甚者，牽強附會的應用。Q-DAS，為了增強SPC適用範圍，把簡單的事情搞得很複雜。刀具的壽命對某些企業是一個比較關鍵的數據，比如用刀具的磨損程度來預計刀具的壽命，按照刀具的磨損程度繪製出一個帶有傾角上下控制限，通過與刀具報廢線的交叉點來估算刀具壽命。
這個方法當然可以實現預測刀具壽命，但是對現場的操作工的理解上就不友好。簡單的事情搞得那麼複雜，用一個簡單的描點圖就可以實現的功能非得用繁瑣的步驟實現。似乎不復雜了體現不出自己水平似的。
質量管控的需求
自然還是有希望管理好企業的質量人在推廣，希望能夠幫助企業改善質量，這一點是不可否認的。
絕大部分管理措施出發點都是好的，但結果好不好就不一定了。
相比於其它質量工具，SPC耗費資源很多但產出卻不高。就像用長矛來捕魚，的確能捕到魚，觀賞性非常好，可以用來炫耀手藝，但不完全適合當今的社會。
但是SPC一旦開啟，就要針對每一個料號的每一個需要監控的質量特性持續不斷收集數據，如果有電腦系統還好，沒有電腦系統，還得用紙和Excel統計。
在企業競爭如此激烈的今天，還要讓一線操作工人花費大量的時間記錄這些SPC數據，當然企業還要投入培訓SPC費用等，但這些費用僅僅是SPC相關費用的冰山一角。
很多人忽視的是質量工程師所耗費的心血和時間。
一個企業如果質量特性少還好，如果質量特性很多，新項目也很多。質量工程師不得不花費大量的時間處理這些不確定的報警，這意味著很多其它事情被耽擱了。
08、企業怎麼辦？
現在有些人或企業認為質量管理就是SPC，甚至有些MES系統開發商，直接把SPC當作質量管理模塊賣給用戶，不知道是自己不懂，還是有意為之。
汽車行業的用戶也應該理性地去分辨，不應該被神話了的SPC所誤導。工具應該為目的服務。
在此我們從兩個方面給一些建議：
從質量管控工具有效性層面：
日本企業為了彌補SPC的不足而同時使用單點圖，當然還有其它工具，比如合格率、ppm、缺陷統計等。配合柏拉圖的使用，可以幫助企業快速鎖定影響產品質量問題的“重要的少數”，起到事半功倍的效果，以及根據記錄的數據進行相關性迴歸分析，幫助企業快速找到影響質量特性的因素，從而進行相關改進，進行質量預防，改善產品質量。
企業選擇什麼樣的質量工具要根據自身的情況而定，不管黑貓白貓，抓住耗子的就是好貓。
客戶和工廠需要的是合格的產品，SPC只是工具/手段，不要將手段當目的。
從公司整體質量管理層面：
例子1，如果是一家生產紙箱，印刷品等技術含量不高的小企業，按照ISO9000的要求來做，就可能把企業管理的很不錯。
例子2，如果一家電機廠有50條不同年代的產線，有2萬種不同的物料，員工人數達到2000。企業發展到這個規模，可能以下問題是質量管理中的痛點：
- 什麼原材料容易造成停工待料，都是什麼問題？
- 那種類型電機合格率最低，都是什麼問題？
- 給客戶報價時，在那條產線生產，既能保證產品合格率又能保證成本可接受？
- 新產品開發時，類似的老產品都出現過什麼問題？
這個規模的企業，質量體系早已經建立，質量特性數據也有一些，但是這些數據不是在紙質文檔上就是在Excel中和其它系統中。這時企業可能需要一個能對多種物料，多條產線，多道工序，多個班組進行深度關聯分析的系統以解決上述問題。
例子3，對於跨國採購公司和design house，有幾十家甚至幾百家供應商是很普遍的事，質量人員如何管理好供應商準時生產出合格產品很關鍵，否則就可能造成全球客戶缺貨或工廠停產。對供應商是否有能力生產出特定需求的產品要有把控能力，而不僅僅是根據質量評審的分數；開發新項目時對過往的歷史數據和客戶投訴瞭如指掌，並通過歷史數據（包括客戶投訴）有能力發現潛在的質量風險並在新項目開發時採取措施，；對出貨檢驗要有大局觀，既不能無原則放貨，又不能把小問題無限放大不放貨。如果該企業的產品種類高達上千種，供應商又分佈在全國各地，但SQE人數卻很少，這時的質量管理策略怎樣制定才合理？
針對不同的公司規模、人員素質、不同的產品以及過程特性等，可以採用不同的質量管理工具進行管理。
合適的就是最好的，既要防患於未然又要因地制宜，不能是用工具找問題，而是應當根據問題找合適的工具。
09、怎麼應付客戶
前文做了很多論述，企業應該有自主權限根據實際情況來選擇合適的質量工具。
但是對於SPC卻很特殊，因為客戶要求，不管效果如何，卻不得不使用SPC。
這一點，在其他的四大工具中也存在，客戶要求大於一切，尤其在汽車行業。
這的確是一個難題，這裡也很難提供一個藥到病除的解決方案。
供應商不可能冒著丟失訂單的風險而違反客戶的要求。
五大手冊中的SPC，當年是主機廠為了在汽車供應鏈中推動持續改進，以客戶為關注焦點，提高客戶的滿意度，要求供應商尋求一種更高效率的方式來提供產品和服務。
秉著這一宗旨，主機廠讓組織的成員，不斷嘗試更高效的方法進行持續改善，可以採用不同的統計工具達到這一效果，並編制了五大工具之一的SPC手冊。避免了當初無統一標準，各家各戶要求各異，簡化與減少了差異性。但該手冊也明確說明這是針對SPC的一個介紹。企業根據客戶要求的質量活動或者特性與客戶溝通，可採用更有效的或者替代的方式。
解鈴還須繫鈴人。這裡也呼籲一下以汽車行業的質量人士，特別是主機廠的供應商管理團隊。
主機廠要求的是合格的零部件，以及有效的公司管控方式，至於具體使用何種方式來管理質量，只要供應商能夠證明有合適的工具進行管控，有穩定的提供合格產品並進行持續改善的能力，不是非得SPC這一條路。
少些形式主義，迴歸到事情的本質。
到這裡，我們關於SPC的分享就結束了，各位朋友們，你們有因為“應審”而“造假”過嗎？比如SPC的數據都是真實的嗎？有時候，可能還不是一個人造假吧，是搞質量的，做體系帶領大家一起造假吧！
今天分享的是SPC。這兩年很熱的FMEA（潛在失效模式及後果分析）呢？
其原理，其本質，簡單到令人髮指！是誰把他搞複雜了的？
MSA呢，APQP和PPAP呢？
五大工具在國外也像在中國那麼流行嗎？還是隻是一幫人、一些機構在忽悠中國企業？
最後，再多問一句：五大工具對你們公司真的有用嗎？
閱讀更多 精益生產促進中心 的文章
