简话六西格玛

简话六西格玛摘要：为消除对六西格玛的神秘化、高深化认识，在实践中有效推进六西格玛管理，本文尽可能地用通俗的语言，深入浅出地解释“什么是六西格玛”，“为什么推行六西格玛”，“怎样推行六西格玛”。本文强调了“统计思考”的重要性，解释了追求完美与质量相对性的关系，总结了六西格玛方法的应用流程、工具，提倡用从“开展人民战争”到“攻打碉堡”的多种形式推行六西格玛。近年来，六西格玛管理风靡全国，人们对六西格玛的神奇效果津津乐道，但同时又对其高深的理论、神秘而复杂的工具望而生畏。在实际工作中，往往是仰望其高高的门槛敬而远之。本文用简单、通俗的语言揭开六西格玛的神秘面纱，阐述其原理、剖析其本质，使大家能够了解它的精髓，从而正确地看待它、熟练地运用它。一、六西格玛在统计学中的含义（一） 西格玛的统计学含义怎样描述一组数据在工作中经常需要描述一组数据的特征，如测量一批50根轴的某一直径，可得到50个数据，我们需要描述这50个数据的整体特征。那么，怎样描述一组数据呢？算术平均值是一个好方法，但它并不全面。如：甲组三个人的身高分别为：160cm，170cm，180cm；乙组三个人的身高分别为169cm，170cm，171cm。两组平均身高相等都是170cm，但我们不能说这两组人身高状况是一样的。由此可见，仅用平均值描述一组数据还不够。难怪有人说“如果你相信平均值，那么斑马就是灰色的”。甲、乙两组身高数据的差别在哪里？在于数据距离平均值的远近即分散程度（或数据的一致性）不同。很显然，乙组数据的分散程度小于甲组数据。怎样来描述一组数据分散程度？最常用的是以“标准差”来描述。因此，常用的描述一组数据的量有两个，一个是表示数据期望值的算数平均值，另一个是表示数据分散程度的标准差。常见的数据分类我们工作中用到的数据分为两类、三种形式，即连续数据、非连续数据两类，连续型数据、区分型数据、计数型数据三种形式。（1） 连续型数据：实测数值，如12.36mm。服从正态分布。（2） 区分型数据：合格与否，如用塞规检验孔。服从二项分布。（3） 计数型数据：缺陷数量，如某个铸件有5个气孔。服从泊松分布。西格玛是正态分布的标准差正态分布是最常见的分布，我们所接触的大多数连续型数据都服从或近似服从正态分布，而当样本容量足够大（大于30）时，任何类型数据样本的平均值都近似服从正态分布。实际工作中，我们一般都按正态分布处理数据。正态分布的标准差用希腊字母。表示，中文音译为“西格玛”。（二） 六西格玛的统计学含义西格玛表征一组数据的分散程度，它越小则这组数据的分散程度越小，也就是这组数据的波动越小，这是我们所乐见的。数据的分散程度小到什么程度才“令人满意”呢？这要用数据的标准差比较一下对数据的要求（规格限）。当数据的规格限在规格中心两侧各容得下实际数据的6个。宽度时，就认为此时数据的分散程度已足够小。考虑数据的实际平均值与规格中心不重合（即土1.5。漂移）的普遍情况，此时，在每百万次机会中，只出现3.4次缺陷，已接近零缺陷。“实际数据的分散程度足够小，使规格限内可容下数据的±6。宽度。”就是对所谓的六西格玛的直观理解，有人干脆称为六个西格玛。当然，实际应用中二、六西格玛在改进中的含义在质量改进中，人们利用六西格玛这一“结果几乎完全符合要求”的特点，将六西格玛演绎为多方面的含义：质量目标、质量工具、改进方法、管理体系、工作策略、价值理念、发展战略、企业文化、处世哲学等等。但笔者认为最基本的含义无外乎有以下三个。（一） 六西格玛是一种追求完美的理念。质量的高低与人的追求目标关系密切。六西格玛理念就是追求完美，把“零缺陷”作为工作标准，而不是“差不多就好”。树立追求完美的理念要先解决以下两个问题。追求完美可行吗？人们过去一直信奉“墨菲法则”，即凡是可能出错的地方总会出错。1979年，美国质量管理专家克劳斯比提出了“零缺陷”的观念，其主旨是把事情“一次做对”。对那些高唱“人非圣贤，孰能无过”论调的人，他反问到:“难道你每个月都会有几次进错了家门”。有人统计，相对“不摔飞机”的要求，民航飞机的飞行质量超过7。水平，质量水平如此高的主要原因是不容许出现“摔飞机”的错误。所以，只要认真起来，敬畏并竭力满足“要求”，使每项工作达到六西格玛的完美质量是完全可行的。如果认为每个要求都可以讨价还价，那么问题总会存在。追求完美有必要吗？有人说，考虑到质量的经济性，有些产品或过程没有必要达到六西格玛水平。与此类似的观点是：我们行业对产品的精度要求不高，没有必要达到六西格玛水平。有一个典型的例子：咖啡厅进行管理改进消除了顾客排队现象，但业绩却出现下滑。经过分析得出结论，适当的排队更能激发顾客的购买愿望。所以，有人认为在顾客排队方面不需要追求完美。实际上，这是对“好的质量”和“追求完美”的误解。质量的定义是：“一组固有特性满足要求的程度”。质量具有相对性，“要求”不同质量标准也就不同，只有满足“要求”的产品才会被认为是质量好的产品。这里面有两个符合性，即产品设计对顾客要求的符合性和产品质量对设计要求的符合性。“要求”一旦提出就要追求“完全满足”即设计人员要追求100%满足顾客要求，制造人员要追求100%满足设计要求，这才是追求完美的真正含义。对于上面的例子，“到有人排队的地方消费”也是顾客的一种需求。咖啡厅的策划（设计）人员要通过统计分析得出排队的最佳人数，比如3人，并将保持3人排队设定为目标，然后服务人员再设法达到“始终保持3人排队”这个目标。这就是一个追求完美的过程。（二） 六西格玛是一个衡量“结果满足要求”程度的标准。六西格玛质量水平是一个目标。质量的优劣是满足要求程度的一种体现，西格玛质量水平用于衡量结果满足要求的程度。它实质上测量了在要求的范围内所包含的结果数据标准差的个数，包含的个数越多，结果满足要求的程度越高。达到六西格玛水平时，结果对要求的满足程度为99.99966%，即不符合（不合格、缺陷）率为3.4ppm。如果一个产品的特性或一个过程输出的质量水平没有达到六西格玛水平，就说明还没有达到完美，还有改进的空间。西格玛水平与不合格率有着一一对应的关系，利用“标准正态分布表”，可以互查任何西格玛水平和不合格率。用西格玛质量水平衡量质量的优点与传统的用不合格率衡量质量水平相比，西格玛质量水平有其诸多的优点：（1）可以直接地对应过程能力。如3。质量水平对应于过程能力指数Cpk=1.33。（2）可以显现阶段性目标。如依次达到3。水平、达到4。水平。（3）可以帮助选择质量改进的途径。当实际西格玛水平大于4.8时，就要运用六西格玛设计（DFSS）进行改进。（4）可以帮助确定问题的原因是管理问题还是技术问题。

（三）六西格玛是集大成于一身的质量改进方法。六西格玛是一个以数据为基础，以追求几乎完美的质量为目标的改进方法。它有五个阶段和若干主要工具。三、六西格玛管理的要点（一）六西格玛的五阶段六西格玛五阶段即界定、测量、分析、改进和控制，用五个阶段的英文第一个字母表示为DMAIC。五阶段的重点分别是定义问题，测量现有的状态，分析产生问题的原因，消除原因，控制新的流程。具体内容见表1表1 六西格玛五阶段的工作内容阶段作 用活动要点里程碑D识别关键质量要求CTQ（Y）及其指标。确定需改进的产品和过程及改进目标。界定改进项目的过程、部门及时间范围。项目启动，寻找Y=f（x），其中x为影响Y的因素项目特许任务书M验证测量系统的有效性。度量现有水平。确定基准测量Y，Xs现状分析结果A分析数据，确定关键xs，即问题的根本原因。确定要因确定Y=f（x）识别出关键的xsI寻找优化Y并且消除和减小Xs的方案。消除要因优化Y=f（x）经验证的改进方案C固化改进，通过检测保持成果保持成果稳定Y=f（x）过程监控结果达到预期目标（二）各阶段常用的主要工具六西格玛有很多的支持工具，如新老七种工具、箱线图、走势图、QFD、MSA、DOE等，总体上分为图表工具和定量分析工具两大类。有的工具可用在不同的阶段，其作用也会有所侧重。各阶段常用的主要工具及其用途见表2。表2 六西格玛常用的主要工具阶段工具名称用 途D卡诺（Kano）分析区分顾客需求的重要度和类型，定位产品质量功能展开（QFD）将关键顾客要求（CCR）转化为公司语言CTQ或逐级分解顾客仪表板建立CTQ的测量方法与目标SIPOC和相关方分析界定流程范围及相关方排列图从影响的大小角度找出主要问题因果矩阵图从重要程度的大小角度找出主要问题FMEA从风险大小的角度找出主要问题M测量系统分析（MSA）验证测量系统是否可用计算西格玛质量水平测量现有水平（长期水平）、历史最好水平（优秀的短期水平）A流程图分析寻找优化流程的机会，找出产生CTQ的关键环节鱼刺图从5M1E/4P的角度寻找主要原因Xs因果矩阵图从重要程度的角度寻找主要原因Xs显著性检验定量分析Xs对Y的影响的统计显著性，并分析实践显著性I实验设计（DOE）进一步确定关键X及其取什么值时会使Y达到最佳值，即确定改进后的xFMEA分析改进方案的风险，即改进后可否造成“后遗症”C防差错防止人为因素造成缺陷检查单实时验证关键步骤是否完成，避免遗漏和错误统计过程控制(SPC)监控改进后的过程是否受控，并在失控前及时报警(三)计算西格玛质量水平o是连续型数据的标准差，计算连续型数据的西格玛水平比较简单。而通过不合格率P(d)这个“桥梁”，我们还可以计算出非连续性数据的西格玛水平。各种类型数据的西格玛水平计算步骤见表3表3 各种类型数据的西格玛水平计算步骤数据类型计算步骤连续型ZuSL=Kt*，ZlsL=X*sL;从Z表中分别查得PUSL(d)、PLSL(d);P总计=PUSL(d)+PLSL(d)，用P总计查Z表得西格玛水平区分型计算P(d)=DPO=缺陷总数/缺陷机会总数X100%，然后查Z表得西格玛水平计点型依次计算DPU=缺陷总数/单位总数,FTY=efu，P(d)=1-FTY，然后查Z表得西格玛水平在选择质量水平度量指标时，一定要注意DPU与DPO的区别。同时，要明白西格玛水平是相对的，它随着要求的不同而不同。举例1：一种表格上有7个栏目，共填写100张表格，要求不能有填写错误。检验发现其中有3页各有一栏填写错误，求填写过程的西格玛水平。解1：以栏为单位时，缺陷总数为3、缺陷机会总数为100X7,DPO=3/(100X7)=0.0043，查表得Z=2.62解2：以1张表格为1个单位时，缺陷总数为3、单位总数为100，DPU=3/100=0.03，FTY=e-0.03=0.9704,P(d)=0.0296，查表得Z=1.89分析：由本例可见，对于同一种结果，选用不同的度量指标，计算出的西格玛水平是不一样的。举例2：某顾客订购真丝面料10000米，经检验这批布共均匀分布有10个挑丝。当分别要求1米、10米、100米布中不能有挑丝时，求生产这批布的西格玛水平。解：(1)三种要求下，这批布的单位总数分别为10000、1000、100个单位。则DPU1=10/10000=0.001，DPU2=10/1000=0.01，DPU3=10/100=0.1FTY1=e-0.001=0.9990，FTY2=e-0.01=0.9900，FTY3=e-0.1=0.9048P1(d)=0.001，P2(d)=0.01，P3(d)=0.0952查表分别得三种要求下，生产这批布的西格玛水平°Z]=3.08,Z2=2.32,Z3=1.28分析：由本例可见，对于同一种结果，要求不同，计算出的西格玛水平是不一样的。常用显著性检验显著性检验的原理是，通过检验两(几)组样本数据的均值是否有显著性差别或者数据有无显著相关性，定量分析主要原因及其影响程度。对于一般人员，只需选择合适的工具，再用MINITAB软件处理即可得到检验结果。显著性定量分析工具的选择见表4。表4 显著性定量分析工具的选择X非连续X连续Y连续T检验，方差分析一般线性模型Y非连续卡方检验，二项逻辑回归二项逻辑回归显著性检验要注意两点：(1)要养成“统计思考”的习惯。检验两(几)组数据有无差别，我们习惯的做法是简单地比较数据平均值的大小，并且认为平均值相差越大差别就越显著。因此，有时认为定量显著性检验没有必要。实际上，两（几）组数据有无差别不但与平均值有关还与它们的标准差有关。有时虽然平均值差别大，但数据分散程度也大，数据之间“重合”得较多，所以几组数据也可能差别不大。因此，一定要养成“统计思考”的习惯，不为平均值所迷惑。要透过平均值，去分析那些被平均值所掩盖的差异。（2）要进行实践显著性检验。有时，量化分析的结论具有显著影响P<0.05），但实践中却不尽然。这种情况有三种类型，其一是因素对结果的贡献率低。例如只有20%，说明还有其他原因。其二是改进的实际效果太小。例如某合成纤维强度为50N/mm，经过工艺改进后，抽取1000根纤维组成一个样本，其平均值为50.1N/mm，标准差为1N/mm。经计算P=0.0008，具有很高的统计显著性，但不值得改进。其三是不符合常理。例如：在一个海滨城市，有人统计了游泳人数与雪糕的销量数据，