漫长的实验室审核终于结束了，把整改资料寄出，顿时觉得心理轻松了不少。接下来的重点，将会放到实验室的设备管理上了。对于机械和电子都是低空飞过的我而言，管设备，是不小的挑战。

如何管理实验设备？这个问题太大，也太空洞。问这种问题的人，大多在内心中，对自己想要问的问题一片茫然。事实上，如果你不知道自己要去哪里，就算有地图也没有用。无论管什么，都要明白，人和事件的本身都是目标驱动的。因此在管理中，要时常问自己，当前状态和达成目标的差距是什么？要如何解决和应对。

首先要承认的是事实是，机械设备正在逐步被电子设备取代。我是学电子材料的，深知电子化的产品寿命远不如机械。如今的设备，复杂程度较以前更好，而价格却只有以前的几分之一甚至更低，这意味元器件损坏的几率变得更大，整个系统的稳定性风险呈几何倍数增长。单纯的机械构造，简单且不容易有过多的外界因素影响。100年前的劳力士现在依然运转正常，20年前的卡西欧，似乎已经没有人在用了。

另一个显著的事实是设备的制造标准在持续走低。全世界的设备使用寿命都在显著的下降。我小的时候，日本人30年代生产的机床直到70年后都运转良好，这种事情现在是绝对不会发生了。寿命短的设备，其单个器件的成本可以降低很多，从而导致设备降价，让更多的人用得起，能享受到科技带来的方便。同时，减少寿命也可以促进设备的更新换代，无论对经济和科技都有很大的好处。还要看到的是，产品质量的降低并不总是一件坏事，比较产品的质量，不仅仅比较以前和现在的科技水平，更重要的是比较物价水平相对的售价。30年前的三转一响，相对于平均月工资而言，和现在完全不可同日而语。如果拿出那时候的“巨款”来打造三转一响，质量并不会差；而现在同样的钱可以买以前几十个。比如，现在100块的风扇已经很好了，只要花上几个小时的工资就可以有一个，而以前的风扇要几个月的工资，两者的寿命差距，其实并不是几百倍的。

第三个事实是人工越来越贵。自动化检测进程已经不可逆转。通过机器进行实验的比例将不断提高。随着老龄化程度的日益加深，以及独生一代工人吃苦能力的下降，高强度的工作招聘人员将越来越难，这已经和工资的关系不大，新一代的打工者对薪水的要求和他们的父辈完全不一致，他们最大的追求不仅仅是薪资，而是被城市所接受。从事一份不被城市价值观认可的工作，他们会觉得没面子，进而离职。当然，条件艰苦也是一个主要原因。

事实是不能改变的，作为管理者，尤其是设备管理者，只能接受，进而想对策。老实讲，因为不懂设备，我能想到的方法都是项目管理和质量管理的方法，其一是风险管理，其二是数据的量化分析。

先讲讲风险。君子安而不忘危，存而不忘亡，治而不忘乱。风险管理的重点正是在于要形成风险意识，要能够通过历史经验的积累，能够把管理的关键风险识别出来，使管理能够从事后的救火转变到事前的防备，使组织的运行能够在前面紧张后面轻松。在任何行业中，人都是最大的资源，也是最大的风险来源。检测方案的多变，设备功能的不断增加，大大提升了人员操作的难度，带来了许多不可预知的风险。尽管可以通过录像监控来事后追踪错误，并采取补救措施，但是就减少失误而言，录像监控并无实际意义。减少人的风险，虽然教科书上说的方法有很多，但实际上，在实验室这种非标准化操作的场所，尝试poka-yoke方式也是不现实的，在poka-yoke取得成效前，测试方案可能已经结束了。减少人员风险，往往只有一条路，就是减少人员操作的次数。操作越少，失误就越少。除了在DOE过程中减少不必要的步骤，简化设备操作界面，将更多的指令系统集成化，减少操作人员操作指令的次数，也许是减少风险的良方。

除了人员，设备本身也存在着各种各样的风险。前面已经说了，设备的制造标准在持续走低，这并不是一件坏事。标准降低，意味着维修难度的降低和维修成本的减少。举一个例子，中国的医学是非常落后的，但是在断指再植领域中，却是绝对的权威。无他，唯手熟尔。不追踪设备损坏的根本原因，采取低成本，快速的模块化维修，以保证设备的正常运转。或者采用冗余设计的方式，在一套控制系统故障后，不影响整个设备的运转，也许是设备管理新的要求。

另一种降低风险的方式是预防性维修。定期保养设备，对关键部件进行预防式检查和更换，可以大大降低设备使用中的风险。

接着说一下数据的量化分析，这是质量管理的要求。要谈及量化管理首先应该要培训用数据说话的分析思维。在管理中我们做度量的目的，就是要收集和分析各种历史数据，通过对数据的分析来知道管理的长处和短板率，同时为后续紧张提供各种估算参数数据。以数据说话让我们从全凭主观经验臆断转变到对事物的客观数据分析上。只有能够收集数据，分析数据我们才可能持续改进。有了数据意识后就是要有统计和量化管理方面的意识，利用统计学的思维和量化管理手段不仅仅是让我们的过程稳定和受控制，能够去发现项目执行过程中特殊原因引起的波动，针对特殊波动进行根源分析并采取纠正行动；还能够让我们能够根据预测模型更加准确的预测项目能够达成目标的程度和概率。这些数据处理的方法大家都知道，就不详细说了。