"让我们做得更好"这句话朗朗上口,通俗易懂,一眼看上去就能理解,但是在战略意义上的"让我们做得更好"和字面上的理解不同,传统的改善基于目标管理,一但建立评价指标,设定目标,组织的共同努力即在一段循环中告以开始,终止于目标达到之时,然后新的循环开始.那个被量化的目标在这段循环中是保持一定的(虽然从数学模型上来讲目标可以是一个连续变化的过程,但是实践中运用项目管理的工具去做改善的时候,是存在一个目标值保持一定的时段的)
具体的例子很常见,比如根据顾客要求设定三个月内PPM下降到300的改善项目,三个月内达到了,项目就完成了,再设定下一个时段的目标,这就是我们习惯的做事方式.
与此类似的一个口号是每天进步1%,听起来口号都是差不多的,只不过有些带数字,有些不带数字.但如果你稍微多想一步的话,你会发现很大的不同, 让我们做得更好允许你的进步是线性的,但是今天进步了1%,到明天另外的1%基数就不同了,
那个关系是对数型的,这个关系有两重表现,第一,明天进步的百分之一其幅度比今天这%1大了,第二,为获得明天进步的1%需要的投入和技能比今天的大了,但时间并没有变,这说明如果明天之内你达到了,如果连投入也假定没有变,就标志着你的改善技能,经验,比今天的强了.第三,随着累积,改善的难度越来越大,所谓的行百里者半九十也是这个道理.
这就是学习曲线的机制,学习曲线的一个用途是用来反映生产单位产品生产时间和随时间累积的生产数量之间的关系,当然它的用途可一扩展到很多方面,比如改善.
在制造业中,它也可以被用于评估研发的时间,或者成本的降低.这条曲线非常的重要,在JIT系统中扮演重要的平衡角色,比如为了达到降低库存的目标采用排序和短周期,牺牲一部分因长周期带来的利益.
学习曲线可以用来评价个体,也可以用来评价组织,个体学习曲线是当人重复一种过程的时候获得的经验或效率的改善关系,组织学习曲线顾名思义是针对组织的管理行为研究对象,比如改变管理手法,更新设备,产品设计优化.
学习曲线理论基于以下三个假设(和以上提到的三个表现不是一回事):
1.对于一个重复任务(概念上的重复----PDCA就是这样的任务循环),即将要花费的时间比曾经和正在花费的时间要少.
2.任务花费时间的减少是有一个数学的降低率.
3.任务花费时间的减少有一个可预计的规律.
如果是用于评价某种增长,那么这条曲线其实就是一条柏拉图曲线,也符合80/20原则.这条曲线是一条对数曲线,在这里不对学习曲线进行详细的数学分析
如果我们识别了这种关系,就可以避免在改善中错误的认识,正如我们早已经熟悉的PDCA循环,达到一个目标不是目的,不断循环改善才是目的.而且,就算你下一个阶段也达到了下一个目标,并不一定说明做的就更好,今天是1000PPM,一个月后达到800,两个月后达到600,三个月后达到400,这种设定本身就有问题,救火队式的改善(解决问题,消除问题因素)是可以实现这样的效果的,但是对于一个组织的改善能力来说,可能没有任何的进步,预防也是如此,预防问题出现的因素也未必就是改善的能力增强了,说白了,一个月之后降低到800,再20天采用更科学的手法降低到600,再15天降低到400,标志着改善能力本身提高了,那才是竞争力所在.
学习曲线可以被用于评价,也可以因为它的可预测性设定未来的目标,采用一些手段来达到,这些手段可以是:
1.正确评估和选择团队成员(遵从个体曲线的评估),来实现团队整体的预期曲线.
2.适当的培训
3.激励
4.建立工作标准(遵从个体或团队的预期学习曲线)
5.提高适当的重复性工作的比例
6.采用工具和设备来提升操作效率.
7.允许团队成员反过来提出对项目本身设定方面的改善意见.
总之,不断达到改善目标并不等于做得更好,不断达到提升改善能力的目标才是真正做得更好,才是作为企业竞争力重要组成部分的质量改善应该遵循的规律,才是PDCA的内在机制.