1. 分析解決問題的方法
1.確定問題所在
首先最好確定需要解決的問題。
這意味著花時間全面評估情況，將症狀與原因分開。診斷的目的是了解痛點和原因。這需要時間，可能還要做些調研，揭示問題背後的潛在問題。
2.確定根本原因
確定問題所在之後，需要找出原因。
背後的原因是什麼？
是什麼原因導致的？
可否將其定量或定性？
核心層面發生了什麼情況？
因為在您努力解決問題過程中，您會想要找到一種可以治本而不只是治標的解決方案，對吧？ 所以，這也需要花時間調查情況。收集信息，分析調查結果，並改進診斷。
3.找到多種解決方案
要成為優秀的問題解決者，需要打破常規，創造性地思考。不要滿足於您找到的第一種解決方案。要全力以赴繼續尋找。找到盡可能多的備選解決方案。然後再找一些。
這可能意味著在不尋常的地方或從不尋常的來源尋找解決方案 - 與其他同事交流、保持開放的心態，或者樂於接受思想或觀點的交流。無論如何，在確定一系列備選解決方案後，要對它們進行分析。
4.找到最有效的解決方案
這一點是否說起來容易，做起來難？並非如此。我們可以按邏輯進行處理。回答以下問題：
此方案技術上是否可行？
此方案是否可擴展？
您是否擁有相應資源？
有何風險？能否設法應對風險？
您的解決方案是否會讓盡可能多的人受益？
效果可否進行衡量？如何衡量？
5.規劃和實施解決方案
這部分也需要認真考慮。制定嚴密的計劃來執行您的解決方案。 需要涵蓋實施計劃的人員、內容、時間和方式。
同樣重要的是，您需要考慮如何確定自己的解決方案是否成功，這就來到了最後一步。
6.衡量解決方案是否成功
如何根據您的目標進行衡量？是否已達到目標？是否控制在預算范圍內？工作是否已完成？能否看到可衡量的結果？
評估解決方案成功與否是至關重要也是經常被忽略的一步，因為它能清楚地展示您的解決方案是否正確，或者是否需要返回第一步重新來過。因為有效解決問題的一個關鍵環節是做好出錯的准備，並從錯誤中吸取教訓。
請記住，所有問題都只是有待解開的謎題。練習使用上述六個步驟，培養解決問題的敏銳度，您會發現您的能力深受重視。
2. 目標跟蹤檢測演算法（一）——傳統方法
姓名：劉帆；學號：20021210609；學院：電子工程學院
https://blog.csdn.net/qq_34919792/article/details/89893214
【嵌牛導讀】目標跟蹤演算法研究難點與挑戰在於實際復雜的應用環境 、背景相似干擾、光照條件的變化、遮擋等外界因素以及目標姿態變化，外觀變形，尺度變化、平面外旋轉、平面內旋轉、出視野、快速運動和運動模糊等。而且當目標跟蹤演算法投入實際應用時，不可避免的一個問題——實時性問題也是非常的重要。正是有了這些問題，才使得演算法研究充滿著難點和挑戰。
【嵌牛鼻子】目標跟蹤演算法，傳統演算法
【嵌牛提問】利用目標跟蹤檢測演算法要達到何目的?第一階段的單目標追蹤演算法包括什麼?具體步驟有哪些?它們有何特點?
【嵌牛正文】
第一階段
目標跟蹤分為兩個部分，一個是對指定目標尋找可以跟蹤的特徵，常用的有顏色，輪廓，特徵點，軌跡等，另一個是對目標特徵進行跟蹤。
1、靜態背景
1）背景差： 對背景的光照變化、雜訊干擾以及周期性運動等進行建模。通過當前幀減去背景圖來捕獲運動物體的過程。
2）幀差： 由於場景中的目標在運動，目標的影像在不同圖像幀中的位置不同。該類演算法對時間上連續的兩幀或三幀圖像進行差分運算，不同幀對應的像素點相減，判斷灰度差的絕對值，當絕對值超過一定閾值時，即可判斷為運動目標，從而實現目標的檢測功能。
與二幀差分法不同的是，三幀差分法（交並運算）去除了重影現象，可以檢測出較為完整的物體。幀間差分法的原理簡單，計算量小，能夠快速檢測出場景中的運動目標。但幀間差分法檢測的目標不完整，內部含有「空洞」，這是因為運動目標在相鄰幀之間的位置變化緩慢，目標內部在不同幀圖像中相重疊的部分很難檢測出來。幀間差分法通常不單獨用在目標檢測中，往往與其它的檢測演算法結合使用。
3）Codebook
演算法為圖像中每一個像素點建立一個碼本，每個碼本可以包括多個碼元（對應閾值范圍），在學習階段，對當前像素點進行匹配，如果該像素值在某個碼元的學習閾值內，也就是說與之前出現過的某種歷史情況偏離不大，則認為該像素點符合背景特徵，需要更新對應點的學習閾值和檢測閾值。
如果新來的像素值與每個碼元都不匹配，則可能是由於動態背景導致，這種情況下，我們需要為其建立一個新的碼元。每個像素點通過對應多個碼元，來適應復雜的動態背景。
在應用時，每隔一段時間選擇K幀通過更新演算法建立CodeBook背景模型，並且刪除超過一段時間未使用的碼元。
4）GMM
混合高斯模型（Gaussian of Micture Models，GMM）是較常用的背景去除方法之一（其他的還有均值法、中值法、滑動平均濾波等）。
首先我們需要了解單核高斯濾波的演算法步驟：
混合高斯建模GMM（Gaussian Mixture Model）作為單核高斯背景建模的擴展，是目前使用最廣泛的一種方法，GMM將背景模型描述為多個分布，每個像素的R、G、B三個通道像素值的變化分別由一個混合高斯模型分布來刻畫，符合其中一個分布模型的像素即為背景像素。作為最常用的一種背景建模方法，GMM有很多改進版本，比如利用紋理復雜度來更新差分閾值，通過像素變化的劇烈程度來動態調整學習率等。
5）ViBe（2011）
ViBe演算法主要特點是隨機背景更新策略，這和GMM有很大不同。其步驟和GMM類似。具體的思想就是為每個像素點存儲了一個樣本集，樣本集中采樣值就是該像素點過去的像素值和其鄰居點的像素值，然後將每一個新的像素值和樣本集進行比較來判斷是否屬於背景點。
其中pt（x）為新幀的像素值，R為設定值，p1、p2、p3….為樣本集中的像素值，以pt（x）為圓心R為半徑的圓被認為成一個集，當樣本集與此集的交集大於設定的閾值#min時，可認為此為背景像素點（交集越大，表示新像素點與樣本集越相關）。我們可以通過改變#min的值與R的值來改變模型的靈敏度。
Step1：初始化單幀圖像中每個像素點的背景模型。假設每一個像素和其鄰域像素的像素值在空域上有相似的分布。基於這種假設，每一個像素模型都可以用其鄰域中的像素來表示。為了保證背景模型符合統計學規律，鄰域的范圍要足夠大。當輸入第一幀圖像時，即t=0時，像素的背景模型。其中，NG（x,y）表示空域上相鄰的像素值，f(xi,yi)表示當前點的像素值。在N次的初始化的過程中，NG（x,y）中的像素點(xi,yi)被選中的可能次數為L=1,2,3,…,N。
Step2：對後續的圖像序列進行前景目標分割操作。當t=k時，像素點(x,y)的背景模型為BKm(x,y)，像素值為fk(x,y)。按照下面判斷該像素值是否為前景。這里上標r是隨機選的；T是預先設置好的閾值。當fk(x,y)滿足符合背景#N次時，我們認為像素點fk(x,y)為背景，否則為前景。
Step3：ViBe演算法的更新在時間和空間上都具有隨機性。每一個背景點有1/ φ的概率去更新自己的模型樣本值，同時也有1/ φ的概率去更新它的鄰居點的模型樣本值。更新鄰居的樣本值利用了像素值的空間傳播特性，背景模型逐漸向外擴散，這也有利於Ghost區域的更快的識別。同時當前景點計數達到臨界值時將其變為背景，並有1/ φ的概率去更新自己的模型樣本值（為了減少緩慢移動物體的影響和攝像機的抖動）。
可以有如下總結，ViBe中的每一個像素點在更新的時候都有一個時間和空間上隨機影響的范圍，這個范圍很小，大概3x3的樣子，這個是考慮到攝像頭抖動時會有坐標的輕微來回變化，這樣雖然由於ViBe的判別方式仍認為是背景點，但是也會對後面的判別產生影響，為了保證空間的連續性，隨機更新減少了這個影響。而在樣本值保留在樣本集中的概率隨著時間的增大而變小，這就保證了像素模型在時間上面的延續特性。
6）光流
光流是由物體或相機的運動引起的圖像對象在兩個連續幀之間的視在運動模式。它是2D矢量場，其中每個矢量是一個位移矢量，顯示點從第一幀到第二幀的移動。
光流實際上是一種特徵點跟蹤方法，其計算的為向量，基於三點假設：
1、場景中目標的像素在幀間運動時亮度（像素值或其衍生值）不發生變化；2、幀間位移不能太大；3、同一表面上的鄰近點都在做相同的運動；
光流跟蹤過程：1）對一個連續視頻幀序列進行處理；2）對每一幀進行前景目標檢測；3）對某一幀出現的前景目標，找出具有代表性的特徵點（Harris角點）；4）對於前後幀做像素值比較，尋找上一幀在當前幀中的最佳位置，從而得到前景目標在當前幀中的位置信息；5）重復上述步驟，即可實現目標跟蹤
2、運動場（分為相機固定，但是視角變化和相機是運動的）
1）運動建模（如視覺里程計運動模型、速度運動模型等）
運動學是對進行剛性位移的相機進行構型，一般通過6個變數來描述，3個直角坐標，3個歐拉角（橫滾、俯仰、偏航）。
Ⅰ、對相機的運動建模
由於這個不是我們本次所要討論的重點，但是在《概率機器人》一書中提出了很多很好的方法，相機的運動需要對圖像內的像素做位移矩陣和旋轉矩陣的坐標換算。除了對相機建立傳統的速度運動模型外，也可以用視覺里程計等通關過置信度的更新來得到概率最大位置。
Ⅱ、對於跟蹤目標的運動建模
該方法需要提前通過先驗知識知道所跟蹤的目標對象是什麼，比如車輛、行人、人臉等。通過對要跟蹤的目標進行建模，然後再利用該模型來進行實際的跟蹤。該方法必須提前知道要跟蹤的目標對象是什麼，然後再去跟蹤指定的目標，這是它的局限性，因而其推廣性相對比較差。（比如已知跟蹤的物體是羽毛球，那很容易通過前幾幀的取點，來建立整個羽毛球運動的拋物線模型）
2）核心搜索演算法（常見的預測演算法有Kalman(卡爾曼)濾波、擴展卡爾曼濾波、粒子濾波）
Ⅰ、Kalman 濾波
Kalman濾波器是通過前一狀態預測當前狀態，並使用當前觀測狀態進行校正，從而保證輸出狀態平穩變化，可有效抵抗觀測誤差。因此在運動目標跟蹤中也被廣泛使用。
在視頻處理的運動目標跟蹤里，每個目標的狀態可表示為(x,y,w,h)，x和y表示目標位置，w和h表示目標寬高。一般地認為目標的寬高是不變的，而其運動速度是勻速，那麼目標的狀態向量就應該擴展為(x,y,w,h,dx,dy)，其中dx和dy是目標當前時刻的速度。通過kalman濾波器來估計每個時刻目標狀態的大致過程為：
對視頻進行運動目標檢測，通過簡單匹配方法來給出目標的第一個和第二個狀態，從第三個狀態開始，就先使用kalman濾波器預測出當前狀態，再用當前幀圖像的檢測結果作為觀測值輸入給kalman濾波器，得到的校正結果就被認為是目標在當前幀的真實狀態。(其中，Zt為測量值，為預測值，ut為控制量，Kt為增益。)
Ⅱ、擴展卡爾曼濾波（EKF）和無跡卡爾曼濾波（UKF）
由於卡爾曼濾波的假設為線性問題，無法直接用在非線性問題上，EKF和UKF解決了這個問題（這個線性問題體現在用測量量來計算預測量的過程中）。EKF是通過構建線性函數g(x)，與非線性函數相切，並對每一時刻所求得的g（x）做KF，如下圖所示。
UKF與EKF去求解雅可比矩陣擬合線性方程的方法不同，通過對那個先驗分布中的採集點，來線性化隨機變數的非線性函數。與EKF所用的方法不同，UKF產生的高斯分布和實際高斯分布更加接近，其引起的近似誤差也更小。
Ⅲ、粒子濾波
1、初始狀態：基於粒子濾波的目標追蹤方法是一種生成式跟蹤方法，所以要有一個初始化的階段。對於第一幀圖像，人工標定出待檢測的目標，對該目標區域提出特徵；
2、搜索階段：現在已經知道了目標的特徵，然後就在目標的周圍撒點(particle), 如：a)均勻的撒點;b)按高斯分布撒點，就是近的地方撒得多，遠的地方撒的少。論文里使用的是後一種方法。每一個粒子都計算所在區域內的顏色直方圖，如初始化提取特徵一樣，然後對所有的相似度進行歸一化。文中相似性使用的是巴氏距離；
3、重采樣：根據粒子權重對粒子進行篩選，篩選過程中，既要大量保留權重大的粒子，又要有一小部分權重小的粒子；
4、狀態轉移：將重采樣後的粒子帶入狀態轉移方程得到新的預測粒子；
5、測量及更新：對目標點特徵化，並計算各個粒子和目標間的巴氏距離，更新粒子的權重；
6、決策階段：每個粒子都獲得一個和目標的相似度，相似度越高，目標在該范圍出現的可能性越高，將保留的所有粒子通過相似度加權後的結果作為目標可能的位置。
3）Meanshift演算法
MeanShift演算法屬於核密度估計法，它不需要任何先驗知識而完全依靠特徵空間中樣本點的計算其密度函數值。對於一組采樣數據，直方圖法通常把數據的值域分成若干相等的區間，數據按區間分成若干組，每組數據的個數與總參數個數的比率就是每個單元的概率值；核密度估計法的原理相似於直方圖法，只是多了一個用於平滑數據的核函數。採用核函數估計法，在采樣充分的情況下，能夠漸進地收斂於任意的密度函數，即可以對服從任何分布的數據進行密度估計。
Meanshift演算法步驟
1、通過對初始點（或者上一幀的目標點）為圓心，繪制一個半徑為R的圓心，尋找特徵和該點相似的點所構成的向量；
2、所有向量相加，可以獲得一個向量疊加，這個向量指向特徵點多的方向；
3、取步驟二的向量終點為初始點重復步驟一、二，直到得到的向量小於一定的閾值，也就是說明當前位置是特徵點密度最密集的地方，停止迭代，認為該點為當前幀的目標點；
4）Camshift演算法
Camshift演算法是MeanShift演算法的改進，稱為連續自適應的MeanShift演算法。Camshift 是由Meanshift 推導而來 Meanshift主要是用在單張影像上，但是獨立一張影像分析對追蹤而言並無意義，Camshift 就是利用MeanShift的方法，對影像串列進行分析。
1、首先在影像串列中選擇目標區域。
2、計算此區域的顏色直方圖（特徵提取）。
3、用MeanShift演演算法來收斂欲追蹤的區域。
4、通過目標點的位置和向量信息計算新的窗口大小，並標示之。
5、以此為參數重復步驟三、四。
Camshift 關鍵就在於當目標的大小發生改變的時候，此演算法可以自適應調整目標區域繼續跟蹤。
3、小結
第一階段的單目標追蹤演算法基本上都是傳統方法，計算量小，在嵌入式等設備中落地較多，opencv中也預留了大量的介面。通過上面的兩節的介紹，我們不難發現，目標檢測演算法的步驟分為兩部分，一部分是對指定目標尋找可以跟蹤的特徵，常用的有顏色，輪廓，特徵點，軌跡等，另一部分是對目標特徵進行跟蹤，如上文所提及的方法。所以目標檢測方法的發展，也可總結為兩個方面，一個是如何去獲得更加具有區分性的可跟蹤的穩定特徵，另一個是如何建立幀與幀之間的數據關聯，保證跟蹤目標是正確的。
隨著以概率為基礎的卡爾曼濾波、粒子濾波或是以Meanshift為代表向量疊加方法在目標檢測的運用，使得目標檢測不再需要假設自身的一個狀態為靜止的，而是可以是運動的，更加符合復雜場景中的目標跟蹤。
3. 什麼是QC的7大手法和8D
一、QC七大手法分為：
1、簡易七大手法：甘特圖、流程圖、5W2H、愚巧法、雷達法、統計圖、推移圖
2、QC舊七大手法：特性要因分析圖、柏拉圖、查檢表、層別法、散布圖、直方圖、管制圖
3、QC新七大手法：關連圖、系統圖法、KJ法、箭頭圖法、矩陣圖法、PAPC法、矩陣數據解析法
4、QC舊七大手法由五圖，一表一法組成：
五圖：柏拉圖、散布圖、直方圖、管制圖、特性要因分析圖（魚骨圖）
一表：查檢表（甘特圖）
一法：層別法
新QC七大手法
1. 關聯圖法--TQM推行, 方針管理, 品質管制改善, 生產方式,
生產管理改善
2.KJ法--開發, TQM推行, QCC推行, 品質改善
3. 系統圖法--開發, 品質保證, 品質改善
4.矩陣圖法--開發, 品質改善, 品質保證
5.矩陣開數據解析法--企劃, 開發, 工程解析
6. PDPC法--企劃, 品質保證, 安全管理, 試作評價, 生產量管理
改善, 設備管理改善
7. 箭法圖解法--品質設計, 開發, 品質改善
二： 8D
8D 的原名叫做 8 Disciplines，意思是8 個人人皆知解決問題的固定步驟。原始是由Ford 公司，全球化品質管制及改善的特殊必備方法，之後已成為QS9000/ ISO TS16949、福特公司的特殊要求。凡是做 FORD 的零件，必需採用 8D 作為品質改善的工具，目前有些企業並非 FORD 的供應商或汽車業的合作夥伴，也很喜歡用這個方便而有效的方法解決品質問題，成為一個固定而有共識的標准化問題解決步驟。 Discipline 1. 成立改善小組(Form the Team)：由議題之相關人員組成，通常是跨功能性的，說明團隊成員間的彼此分工方式或擔任的責任與角色。 Discipline 2. 描述問題(Describe the Problem)：將問題盡可能量化而清楚地表達，並能解決中長期的問題而不是只有眼前的問題。 Discipline 3. 實施及確認暫時性的對策(Contain the Problem)：對於解決 D2 之立即而短期行動，避免問題擴大或持續惡化，包含清庫存、縮短PM時間、加派人力等。 Discipline 4. 原因分析及驗證真因(Identify the Root Cause)：發生 D2 問題的真正原因、說明分析方法、使用工具(品質工具)的應用。 Discipline 5. 選定及確認長期改善行動效果(Formulate and Verify Corrective Actions)：擬訂改善計劃、列出可能解決方案、選定與執行長期對策、驗證改善措施，清除 D4 發生的真正原因，通常以一個步驟一個步驟的方式說明長期改善對策， 可以應用專案計劃甘特圖(Gantt Chart)，並說明品質手法的應用。 Discipline 6. 改善問題並確認最終效果(Correct the Problem and Confirm the Effects)：執行 D5 後的結果與成效驗證。 Discipline 7. 預防再發生及標准化(Prevent the Problem)：確保 D4 問題不會再次發生的後續行動方案，如人員教育訓練、改善案例分享(Fan out) 、作業標准化、產出BKM、執行ECN 、分享知識和經驗等。 Discipline 8. 恭喜小組及規劃未來方向(Congratulate the Team)：若上述步驟完成後問題已改善，肯定改善小組的努力，並規劃未來改善方向。
8D方法簡介
8D又稱團隊導向問題解決方法、8D問題求解法（8D Problem Solving）是福特公司處理問題的一種方法,亦適用於製程能力指數低於其應有值時有關問題的解決,它提供了一套符合邏輯的解決問題的方法,同時對於統計製程管制與實際的品質提升架起了一座橋梁。 二戰期間，美國政府率先採用一種類似8D的流程——「軍事標准1520」，又稱之為「不合格品的修正行動及部署系統」。 1987年，福特汽車公司首次用書面記錄下8D法，在其一份課程手冊中這一方法被命名為「團隊導向的問題解決法」（Team Oriented Problem Solving）。 當時，福特的動力系統部門正被一些經年累月、反復出現的生產問題搞得焦頭爛額，因此其管理層提請福特集團提供指導課程，幫助解決難題。
8D適用范圍
該方法適用於解決各類可能遇到的簡單或復雜的問題； 8D方法就是要建立一個體系，讓整個團隊共享信息，努力達成目標。 8D本身不提供成功解決問題的方法或途徑，但它是解決問題的一個很有用的工具； 亦適用於過程能力指數低於其應有值時有關問題的解決； 面對顧客投訴及重大不良時，提供解決問題的方法。 8D法是美國福特公司解決產品質量問題的一種方法，曾在供應商中廣泛推行，現已成為國際汽車行業（特別是汽車零部件產家）廣泛採用來解決產品質量問題最好的、有效的方法。
8D工作方法的8個步驟
8D是解決問題的8條基本准則或稱8個工作步驟，但在實際應用中卻有9個步驟： D0：徵兆緊急反應措施 D1：小組成立 D2：問題說明 D3：實施並驗證臨時措施 D4：確定並驗證根本原因 D5：選擇和驗證永久糾正措施 D6：實施永久糾正措施 D7：預防再發生 D8：小組祝賀 D0：徵兆緊急反應措施 目的:主要是為了看此類問題是否需要用8D來解決，如果問題太小，或是不適合用8D來解決的問題，例如價格，經費等等，這一步是針對問題發生時候的緊急反應。 關鍵要點: 判斷問題的類型、大小、范疇等等。與D3不同，D0是針對問題發生的反應，而D3是針對產品或服務問題本身的暫時應對措施。 D1：小組成立 目的:成立一個小組,小組成員具備工藝/產品的知識,有配給的時間並授予了許可權,同時應具有所要求的能解決問題和實施糾正措施的技術素質。小組必須有一個指導和小組長。 關鍵要點: 成員資格，具備工藝、產品的知識;目標 ;分工 ;程序 ;小組建設 D2：問題說明 目的:用量化的術語詳細說明與該問題有關的內/外部顧客抱怨,如什麼、地點、時間、程度、頻率等。 「什麼東西出了什麼問題」 方法：質量風險評定，FMEA分析，5W3H 關鍵要點:收集和組織所有有關數據以說明問題;問題說明是所描述問題的特別有用的數據的總結;審核現有數據，識別問題、確定范圍;細分問題，將復雜問題細分為單個問題;問題定義，找到和顧客所確認問題一致的說明，「什麼東西出了什麼問題」，而原因又未知風險等級。 D3：實施並驗證臨時措施 目的:保證在永久糾正措施實施前，將問題與內外部顧客隔離。（原為唯一可選步驟，但發展至今都需採用） 方法：FMEA、DOE、PPM 關鍵要點: 評價緊急響應措施;找出和選擇最佳「臨時抑制措施」;決策 ;實施，並作好記錄;驗證（DOE、PPM分析、控制圖等） D4：確定並驗證根本原因 目的:用統計工具列出可以用來解釋問題起因的所有潛在原因，將問題說明中提到的造成偏差的一系列事件或環境或原因相互隔離測試並確定產生問題的根本原因。 方法：FMEA、PPM、DOE、控制圖、5why法 關鍵要點: 評估可能原因列表中的每一個原因;原因可否使問題排除;驗證;控制計劃 D5：選擇並驗證永久糾正措施 目的:在生產前測試方案，並對方案進行評審以確定所選的校正措施能夠解決客戶問題，同時對其它過程不會有不良影響。 方法：FMEA 關鍵要點: 重新審視小組成員資格;決策，選擇最佳措施;重新評估臨時措施，如必要重新選擇;驗證;管理層承諾執行永久糾正措施;控制計劃 D6：實施永久糾正措施 目的:制定一個實施永久措施的計劃，確定過程式控制制方法並納入文件，以確保根本原因的消除。在生產中應用該措施時應監督其長期效果。 方法：防錯、統計控制 關鍵要點: 重新審視小組成員;執行永久糾正措施，廢除臨時措施;利用故障的可測量性確認故障已經排除;控制計劃、工藝文件修改 D7：預防再發生 目的:修改現有的管理系統、操作系統、工作慣例、設計與規程以防止這一問題與所有類似問題重復發生。 關鍵要點:選擇預防措施;驗證有效性;決策 ;組織、人員、設備、環境、材料、文件重新確定 D8：小組祝賀 目的:承認小組的集體努力，對小組工作進行總結並祝賀。 關鍵要點: 有選擇的保留重要文檔;流覽小組工作，將心得形成文件;了解小組對解決問題的集體力量，及對解決問題作出的貢獻;必要的物質、精神獎勵。
對8D工作方法的評價
1.優點 發現真正肇因的有效方法，並能夠採取針對性措施消除真正肇因，執行永久性矯正措施。 能夠幫助探索允許問題逃逸的控制系統。 逃逸點的研究有助於提高控制系統在問題再次出現時的監測能力。 預防機制的研究有助於幫助系統將問題控制在初級階段。 2.缺點 8D培訓費時，且本身具有難度。 除了對8D問題解決流程進行培訓外，還需要數據挖掘的培訓，以及對所需用到的分析工具（如帕累托圖、魚骨圖和流程圖，等等）進行培訓。
8D應用
供方A公司為顧客B製造塑料製品，根據顧客的塑料製品外觀標准，2007年5月29日，他們收到顧客B工廠發來的縮模投訴: 塑料製品外觀不符合標准. 不管問題怎樣提出或來自誰，A公司都會以8D過程作為反應。為鼓勵供方和顧客之間的良好聯系，B應該輔助供方A在24小時內對任何問題迅速反應。理想的情況，A派一個代表到B工廠評審問題，幫助確定問題的根本原因。如A不能派代表到B工廠，A應請求B將有問題的零件馬上發運回以便A能夠幫助解決問題。對問題反應的等待將對顧客產生負面影響，如果等待反應越久，供方解決問題將越困難，積極反應的態度和互助的意願可以使過程迅速平順的進行。 D-1小組成員 成立小組並任命領導者。小組成員由具備相關技術知識的生產工程師和質量工程師組成，避免僅有一兩個人在實施該過程。 D-2問題詳述 基本上，零件可能有三種問題：A的問題，設計的問題，B的問題。如果A確認是A的問題，A應該立即開始8D過程的遏制步驟；如果是設計問題，A仍應該開始8D過程，正式形成原因是設計問題的文件；如果A相信是B的問題而不是A的問題，A仍應該開始8D過程以幫助B驗證問題，在以文件和8D報告的形式支持B對問題的確認後，A可以移交，雖然這種情況可能很難快速解決，但是A以積極方式處理問題幫助B解決問題將有助於問題得到快速和容易的改進並和B有更佳的工作聯系。 常見錯誤 該步驟發生的常見性錯誤：針對徵兆而不是針對真正問題工作；對問題的根本原因過早假設；修訂顧客對問題的描述作為自己的描述，這往往只是問題的徵兆而不是真正的問題。 質量工具 排列圖，流程圖，因果圖。 A公司在接到顧客抱怨後，馬上展開調查，在對樣品進行檢驗後，結論與顧客一致，確認問題如下：所有樣品經過小組成員確認，總共有500K的產品出貨到B工廠，其中發現有17件縮模，現剩餘208K。 D-3 立即對策和問題確認 D-3.1立即對策和問題確認 1.列印縮模缺陷圖片通知所有生產操作員，質檢員，挑選員重視檢查這一問題。 2.通知注塑部門檢查目前生產產品是否存在此問題，培訓和教育所有注塑部操作員及挑選員以讓其知道最重要的事情是遵守工作程序和指導書以保持顧客產品質量，使其意識到他們在產品質量保證中的重要職責，強調任何由於不小心引起的錯誤都是不允許的並不能重復發生，因為那樣將會給顧客帶來不必要的損失。因此要把給顧客造成損失的錯誤展示以教育員工。 3.成立客戶投訴處理團隊，查找真實原因並解決。 D-3.2庫存處理 1.100%挑選所有倉庫成品，總數為128k，發現5件產品有同樣的問題，挑選後的合格產品內外包裝上貼OK標簽； 2.對客戶庫存208k安排換貨處理。 常見錯誤 該步驟發生的常見性錯誤：篩選材料的審核是一個不令人滿意的遏制措施；所有可疑地點的庫存沒有清查，不合格品重新進入生產循環中。 質量工具 排列圖，統計過程式控制制，故障與失效模式分析。 D-4 不良原因分析與確認 D-4.1不良原因分析：生產過程中，如有異常發生，注塑機監控報警。報警處理後，生產的前幾模可能有縮模產生。 D-4.2不良原因確認：統計5月31日全天的15次報警，共有13次在報警後生產的前3模產品中發現了縮模17件，不良率17件/（13次*每一生產周期可生產12件）=10.9%，依1天的數量計算不良率大概為：17件／1天的產量1036800﹦0.018%）確認此種情況下，如處理不當，確實會造成縮模混入良品中。 D-4.3不良品流出原因分析： 報警處理後，生產的前幾模產品沒有完全隔離干凈而混入良品中。 D-4.4流出原因：因不良比例較小，質檢員抽驗時沒有發現。 常見錯誤 該步驟發生的常見性錯誤：聲明的根本原因不是真正的根本原因，操作者錯誤你准備的問題你或者是問題的徵兆或結果被作為根本原因給出。 質量工具 因果圖，故障與失效模式分析，是否分析，實驗設計，穩健設計。 D-5 不良原因及對策 D-5.1不良原因改善對策： 1.針對該系列產品制定操作規范，要求操作員在報警時確保隔開不良品。 2.改善收料裝置，由改善前：產品直接頂出脫模後落到料斗內。改善後：機械手上裝吸盤吸附產品，然後放入良品箱，報警後重新開啟全自動後，前5模自動放入料桿入口，這樣，保證縮模產品不會進入良品箱。 D-5.2流出原因改善對策：操作員在報警時確保隔開不良品。 質量工具：因果圖，故障與失效模式分析，設計驗證和報告，穩健設計。 D-6確定執行之改善行動 1. 已在一台注塑機上試點改善該產品，待確認後推廣到所有的系列產品。 2. 質檢人員作為稽核項目定期稽核。 3. 針對改善對策執行後一周內的產品安排作業員進行100%挑選，以驗證對策的有效性，改善後不良率為0。 以上工作，小組成員共同進行了驗證，並請顧客事先批准。 質量工具：故障與失效模式分析，是否分析，統計過程式控制制。 D-7類似產品或工序問題產生之預防措施 操作規范的產品范圍包含同此產品類似的產品。 常見錯誤 該步驟發生的常見性錯誤：預防措施是否單獨包括了一個審核過程。 質量工具 控制計劃，故障與失效模式分析，過程流程圖。 D-8 小組及成員成績之認可 此改善行動有效，可以完結；如果此改善行動無效，需重新進行改善行動。若A的技術工程師需改進不完善的8D，可通過如下途徑：推薦和建議基於8D過程的可靠知識來論證該過程的步驟的質量工具知識和每個步驟的目的，基於真實證據的基礎上提供開放的，互助的批判；強調進行8D過程培訓的重要性，訓練有關8D過程，持續的8D過程反映了他們整個質量系統完善與否；鼓勵預防為主的哲學，將防止再發生作為完成8D過程的最終目標。 在B要求A參加會議並提供關注問題的最新文件之前，A技術工程師要提供足夠的8D過程改善的支持文件，數字化圖片，需要更新的故障與失效模式分析，控制計劃和任何其他文件；召集製造過程的小組成員開會進行檢查；在會議前評審所有的信息和文件並確保這些信息已獲得並且是足夠的，掌握該事件的知識；如果具備和需要，咨詢顧客以決定會議的焦點及更好的准備。