在書中第21、39、151、189頁都有提到利用腦力激盪和魚骨圖來提升品質，其中石川馨博士特別重視腦力激盪的活動。
在職場上，很多主管喜歡使用腦力激盪，原因有二：一是提高參與感，二是促使大家來想辦法。
然而腦力激盪經常被濫用，主管會以腦力激盪之名來召開會議，只因為會議主席不知道要怎麼解決問題？！於是會議主席找來相關人等或者不相關人等來開會，全部人一大早就要坐在會議室裡面，討論了好幾個小時，甚至於好幾天，最後還是沒有結論，也討論不出具體成果，在不得已的情況下，最後由主席草率的下一個結論，結束這場馬拉松式的會議。
還有一種情形是：主席本來就想要怎麼做，於是找了一大堆人來背書，當討論了好幾個小時，甚至於好幾天，最後的結論卻是主席『先入為主的想法』，完全失去腦力激盪的意義。
在講求品質的消費市場裡，我們經常聽到「品質是設計出來的」之口頭禪。設計出不良產品，除了無法滿足功能需求之外，更難以確保可靠度、安全性和壽命等品質目標。
至於，如何設計出好品質的產品？首先，公司必須制定產品設計開發流程，因為有些品質問題，非設計者所能完全顧及，而必須結合多方面之工程專業和技術。因此，產品設計的品質控管流程之建立變得非常重要，從中去整合產品設計人員及其他各單位專業工程人員，共同致力於產品品質之發展與改進。
本書的第二章是從宏觀的角度，把產品實現的過程概分為五個工作階段：1. 產品概念→2. 產品設計→3. 産品驗證→4. 產品製造→5. 產品銷售。而產品設計開發流程則涵蓋產品實現的前面三個階段之工作任務：產品概念、產品設計、產品驗證。細分到流程，則包含：產品定位與工作規劃→實際設計與樣品製作→設計輸入與輸出→設計確認與驗證→技術移轉→工程變更。接著再針對每個流程，說明出其工作任務。
然而，在實務上，每家公司因產品型態不同，其產品設計開發流程也不同，為了讓讀者對業界的產品設計開發流程有更深入了解，就舉三家公司的產品設計開發流程作為範例說明。
在前面的文章中，有簡單的介紹平均值，在這裡對平均值作深入說明。
平均值可以細分為4種：算術平均值、加權平均值、幾何平均值、調和平均值。
一. 算術平均值(arithematic mean)：一組數或量相加總，再除以該組數的個數，稱之為算術平均數。若有 n 個數，其算術平均數為X1，X2，X3，…Xn的平均值為：
當我們要判斷一母體品質好壞，可依據下列幾項數據資料來進行：
而製程能力評價也可以說是從這四方面的統計值來評價，現在就從製程能力的評價計算公式來說明之。
一. 製程準確度Ca (Capability of accuracy)：比較製程分配中心點與規格平均值一致之情形，計算公式如下：
雙邊規格：
離中趨勢量數是指描述一組數據離中差異情況和離散程度的量數，也稱差異量數(Measures of Variability) ，表現數據組內個數散佈情形，離中趨勢量數常見的表徵數有全距、四分位距、變異數、標準差。
(1)全距(Range)：一組數據中最大值與最小值之差，其計算公式如下：
全距＝極大值－極小值
在分析一組量測數據的分布時，數據組的中心值的量數，稱為集中趨勢量數(Measures of Central Tendency)，是為了表達整組資料的集中趨勢，在統計學中，集中趨勢量數常用的表徵數有平均值或平均數 (Mean)、中位數 (Median)、眾數 (Mode)。
(1)平均數 (Mean)：一組數或量相加總，再除以該組數的個數，稱之為算術平均數。即若有 n 個數，其算術平均數為X1，X2，X3，…Xn的平圴值，分為樣本平均數和母體平均數。
談到品質，就會牽涉到統計(Statistics)，透過統計結果進行推論，作為下一步改進的決策依據， 其流程如下：
從收集資料開始，針對資料進行整理和運算後，變成有用的資訊，對於資訊進行分析或解釋，這一段過程就是把資訊轉變為知識，最後作出下一步改進或改善的決策。
在書第二章中討論到設計、製造、品保三個單位所扮演的角色，在書第三章中討論到客戶關係的維護，在書第四章中討論到供應商的管理，在品質系統的領域裡，每一項工作都會衍生出費用，所以就牽涉到成本的問題，在這裡中我們就來討論一下一家公司的品質成本，品質成本分類如下。
一 預防成本(Prevention Cost)
第一次就把事情做好，從設計到生產，每一個環節都做好，良率越高，不良品和報廢品越少，出貨後，沒有不良品落在客戶的手上，沒有退貨、抱怨和賠償的問題，產品的成本自然最低，至於如何防止不良品發生，就要做到預防的機制，由預防機制所產生的支出，就是預防成本。預防成本分類說明如下：
|
預防成本項目 |
