日本在1950年代初期，透過全面品質管制（Total Quality Control，以下簡稱TQC）快速地發展經濟，達到現有的國際地位，也讓其他西方國家紛紛效仿。我們將於本篇介紹一些TQC可能無法解決的問題及其原因，以及系統思考的十一大法則，協助我們思考、找到解決途徑。
儘管TQC看似能夠應用於所有事情，從減少缺點、解決存貨管理問題、到設計以客戶為中心的商品，仍有一些狀況是現有的TQC工具與方法是無法應付的。尤其當要解決一個種類的問題時，TQC是有許多不足的，Russell Ackoff將這類的問題形容為「混亂」(a mess)：
了解什麼是「混亂」是一件重要的事情 — — 混亂就是一個系統的問題。這件事的重要性在於，傳統的管理方式是將混亂的問題進行拆解、一一解決，並假設如果我們解決了它所有的小部分，就解決了整個問題。
但記得⋯⋯如果你將一個系統拆解成小部分，並讓每個部分都盡可能地有效獨立運作，那麼整體而言，它便沒辦法盡其可能有效地運作了。因此，解決混亂的方法，並不是將構成它的問題的解決方案組合而成，這是絕對基本的。
「組織『混亂』的複雜性與時間延遲」，是為了將「組織混亂」歸納成一個根據組織複雜性（單位的數量及它們互聯的複雜程度）及程序的時間延遲（計劃的當前週期時間）的模型。「模糊」變數通常伴隨著Ackoff口中的「混亂」，因為這種系統通常既不清晰、也無明確定義。組織為了解決那些涉及高度組織複雜性、長時間延遲、及模糊變數的問題所付出的努力，提供了進步的機會，也藉由系統的品質管理來提升學習。
大多數公司在初期能進步得快速且相對輕鬆，不外乎有兩種原因：有可能是因為當時的情況相當糟糕，所以無論什麼樣的合作，都能立竿見影；或者是因為多數早期的計劃，是隨著僅要求最小跨功能合作的單一功能單位而進化。這些初期的計劃通常是Joe Juran所提倡的「拔靴法」（bootstrapping）策略的一部份，其中，在TQC哲學的價值被證明後，組織內的其他功能單位也慢慢地採納此理論。而採納的過程卻相當地緩慢，且隨著牽涉到的跨功能合作層級越來越多，所需要的時間就越長。
有個研究顯示，TQC計劃中的進步程度，主要是受到其組織的複雜性影響，而非計劃本身。如果你知道Edward Baker，也就是福特的品質管理與統計方法經理，那麼這個發現可能並不會令人太過意外。Baker解釋了由上而下組織在溝通時的困難：
試想有個組織，在高級主管底下有六個階層，及各三位的控制幅度（span of control），這便有1,093個人。更重要的是，有586,778個潛在的二人端口，更代表著潛在的內部供應商與消費者關係。這1,093個人依賴著另一方來完成他們的工作，但是他們的相互依存關係並非相當明確。
即使只管理其中少數幾個供應商與消費者關係，也可以是個艱鉅的任務。如果對此相互依存關係沒有完全的認識，可能會採取導致不理想結果的行動。舉例來說，採納即時化（Just-in-Time，簡稱JIT）生產制度的Xerox經理，要求供應商在他們需要之前，先保留庫存，「解決」了他們的庫存問題；他們將一個好點子「注入」系統中的一小部分，卻沒有顧及全局，嚴重地破壞了過去幾年來他們精心維護的供應商關係。在系統品質管理的模型中，建立對於整個系統的共識，是組織學習最核心的議題。
另一個早期TQC計劃的歸因，在於這些系統之間的時間延遲相對較短。舉例來說，減少特定生產步驟的缺點，代表可獲得即時的數據，並藉由分析數據來查看其背後的含義。這個流程步驟通常僅需要幾分鐘至小時來完成，而非幾天或幾個月，因此，根據蒐集到的數據來有信心地立下結論，是相當切實可行的。然而，當計劃的時間延遲變得極長，例如某個耗時好幾年的產品研發過程，想要操作即時的實驗就變得很不切實際，現有的數據有用性也會變得相當地有限。我們或許可以調整過程中的小步驟，但無法從整體中的意涵獲得洞見。
例如，某個研究動態軟體開發的計劃，顯示了強調預估計劃完成的準確度，會讓準確度提升，卻需要付出更高的成本與更長的完成時間。研究結果顯示，計畫的時間規劃會大幅度地影響人們的決策。由於特定計劃所帶來的壓力與洞察力不一，不同的預測也會導致不同的計劃產生。學者使用系統動力學的模型，跑了兩個有不同預測的64,000傳送源指令軟體。在基礎模擬的情況下，方法一計算出了2,359天的估計值，而它實際上消耗了3,795天，有38%的失誤率。而方法二得到了5,900天的估計值（比方法一高出了150%），而最終消耗了5,412天，僅有9%的失誤率。儘管方法二的準確率較高，卻也導致了更高支出的結果 — — 比方法一多耗了43%的天數。有了這樣的模擬測試，我們應從計劃開始之際，每隔幾個月便觀察並獲得洞見，而非一次性地回顧。
根據Juran的說法，TQC的三個法則分別為「查看數據」、「查看數據」、跟「查看數據」。可測量的結構資料，就像是能夠啟動TQC的引擎；而就算是以國際認可的機械過程取得的單位，例如每分鐘的單位、或是每單位的磅數等，要取得可信的好數據，並不容易。隨著要測量的物體變得逐漸不清，取得數據這件事情就變得更加困難。模糊變數所包含的概念，例如時間壓力對於生產力的影響、送貨延遲對於需求的影響等，或是其他可能只有在直覺上才能獲得的資訊。而模糊變數所產生的議題，非常有可能隨著服務業試圖導入TQC而增加。
在漢諾威保險（一個財產與意外保險公司）的案例中，探討了管理索賠辦公室的動態性，並點出理賠支付的金額與調整品質之間的關聯。透過一個建立於系統動力學模型之上的決策遊戲，理賠經理體驗到他們的決策是如何侵蝕品質，並導致了更高的理賠。儘管沒有可測量的結構資料，模型框架讓經理人能夠視覺化並體驗到時間壓力、工作強度、時間效率、與品質標準之間的關聯性。
系統思考提供很好的框架，讓人理解系統互聯的本質，及其長短期間彼此如何相互作用，使混亂顯得較有條理。多年來，已經有特定的系統原則提供框架，讓人在不用了解各個組成部分的詳細知識下，了解整個系統的動態性含義。《第五項修煉：學習型組織的藝術與實務》的作者Peter Senge，表示複雜的系統通常會受下列幾項法則影響：
以上的法則為真，是因為複雜的系統因果關係在時空中通常並不密切相關，然而，我們通常有著相反的假設與行動。我們根據看似明顯的罪魁禍首而採取行動，才發現我們的解決方法卻加劇了當初試圖想要解決的問題。這些無意的後果，是複雜系統拒絕改變它們行為的傾向，所產生的結果。像這樣的政策阻力，其最常見的原因是因為有許多的「補償反饋」關係，儘管有外部的干預，仍試圖維持內部原有的平衡。就是這樣的反饋，導致了在更不好的行為前，有較好行為產生的規律。舉例來說，「把負擔轉移給干預者」的原則，起因於有意幫助別人的行為。然而，它也製造了破壞個體幫助自己的能力的無意後果。大象的比喻則呈現了「不可分割的整體」的概念，也就是說，將大象一分為二並不會製造兩隻大象，而是製造了混亂。
上述「法則」在乍看之下顯得違反直覺，是它們常見的特徵。這不僅僅只是巧合而已，違反直覺的行正為是複雜系統的基本本質。將線性思考與統計工具，應用於解決非線性及動態性的問題，通常只會導致後續遭遇更多困境。而且在一個系統中，有延遲與多個回饋環路的存在，我們立意良好的「治療」，通常只會製造比我們起初想要治療還要更糟的疾病。在這種原始意圖會導致不理想結果的情況下，我們需要新工具的幫助。
想要了解更多關於學習型組織與全面品質管制的議題嗎？
歡迎參考Omplexity過去的貼文「打造學習型組織：全面品質管制與組織學習篇」
或持續追蹤我們唷！
想多學習系統思考？ 可參考 Omplexity設計的 Live 線上視訊班的課程。
想多了解系統繪製顧問服務？ 可參考 Omplexity的系統變革繪製流程。
Source: Toward Learning Organizations: Integrating Total Quality Control and Systems Thinking
