事实还是观点？在精益生产中看清数据真相

在精益生产以及许多其他领域，事实的价值远高于观点。但究竟什么是事实，什么是观点？遗憾的是，这并非非黑即白，而是一个巨大的灰色地带。这篇博文源于一位读者对我此前文章《为什么倾听对管理者如此重要！》的提问。让我们深入探讨如何区分事实与虚构，以及首先该如何获取事实……

极端的方法：我思故我在

让我们从中国古代《庄子》中的“庄周梦蝶”说起。庄子梦见自己变成了蝴蝶，醒后他不禁思考：究竟是庄周梦见自己变成了蝴蝶，还是蝴蝶梦见自己变成了庄周？

法国哲学家笛卡尔（1596–1650）也曾有过类似的哲学思考，虽然这种极端方法在现实中完全行不通。他提出了“我思故我在”的第一原则，主张怀疑一切，包括自己的眼睛、耳朵等感官。最终他得出结论：唯一确定的事实是“我在思考”，因此“我”必然以某种形式存在，除此之外的一切都是不确定的。

后来甚至有哲学家更进一步，质疑这是否真能证明“我”的存在，认为唯一能确定的是“有思想在运行”，而未必有一个真实的“我”。

当然，这在现实生活中太不切实际了，我还是建议你（通常情况下）要相信自己的眼睛和耳朵。不过，保持谨慎总没错——就像文中这张笛卡尔肖像，他那双“健硕”的双腿可能只是 AI 在扩展原画时，自作聪明地认为他应该长成那样……

与哲学不同，科学旨在理解世界，因此科学家将结论建立在观察、尤其是测量之上。他们测量观察到的现象，并据此推断其背后的根本原因。

科学方法的内核在于可复现性。科学文献中常有结论惊人的论文，但如果其他科学家无法复现其结果（由于错误、方法缺陷、缺乏统计学意义，甚至是蓄意的数据操纵），该发现就不会被接受。冷核聚变和新闻里时常出现的“癌症神药”就是著名的例子。

只有当一项发现能被稳定复现且具有统计学意义时，它才是“事实”。这意味着波动越大，结论就越不可靠。正因如此，测量精度高、可重复性强的硬科学，往往比结论相对“模棱两可”的社会科学更令人信服。

在车间现场，我们也可以进行大量测量，尽管数据往往波动巨大。但我们的目标不是为了寻找“终极真理”，而是通过改进系统来赚更多的钱。通常，同事们很少会去重复你的测量来核实准误（如果真的发生了，那往往是为了找茬或攻击你的观点……）。

因此，精益生产中所说的“事实”，通常指代测量结果、现场观察和统计数据。但与严谨的科学不同，为了节省成本并加快改善进度，很多测量并不会被重复验证。

由于追求改进速度，出错在所难免，但即便如此，也不应在分析环节偷工减料。丰田的“实用问题解决方法（PPS）”将绝大部分精力投入在分析上，换言之，PDCA 循环中的“计划（Plan）”必须做得透彻。

PDCA 的最后一步“行动（Act）”其实是一种故障保险机制。如果实施改善后没有达到预期效果，这时你就必须重新进行测量和分析，找出哪里出了问题。在生产实践中，只有当结果不尽如人意时，我们才会回过头来重复测量或分析。

观察和测量很费时间，所以直接用现成的数据（如下属汇报、操作工记录或电脑系统自动生成）看起来更省事。这虽然能节省成本，却埋下了隐患。

首先，任何分析都包含假设与简化。如果是你亲自测量，你会清楚这些前提；但如果是别人代劳，你可能并不了解底层的假设，从而得出错误的结论。

其次，汇报往往只给平均值。由于测量值存在波动，数据其实具有很大的不确定性。在科学界通常需要 95% 的置信度，这在制造业可能要求太严了，大家甚至根本不去计算置信度。但如果你不去看原始数据，就无法判断两个数值的差异是真实存在的，还仅仅是随机的波动。

最后是蓄意操纵。这种现象在学术界和工业界都比你想象的要多。为了让结果符合预期，人们会使出各种手段：择优挑选数据（Cherry picking）、修改公式、只展示部分真相，甚至直接造假。关于如何通过虚报数据来“粉饰”设备综合效率（OEE），我甚至专门写过一篇讽刺文章。

总而言之，区分事实与虚构绝非易事，其中存在大量的灰色地带。你不可能事必躬亲，所以不得不信任他人的数据。但无论如何，你至少应该经常去车间现场亲眼验证，正如我在《现地现物：如果不去现场，员工会愚弄你》中所述。

每个与制造业相关的人，都必须经常去车间，也就是Go to Gemba！ 现在，走出去，做一只梦见精益生产的美丽蝴蝶，组织你的行业！

Translated by Xie Xuan enhanced by AI.

订阅后即可通过电子邮件收到最新文章。