六西格码原则和工具

欢迎阅读我们关于精益和六西格码的系列的第三部分。正如我们在第一篇文章“什么是精益和六西格码方法论？”中看到的那样，精益和六西格码是互补的持续改进方法，它们分别减少了生产过程中的总体浪费和可变性。第二篇文章“精益原则和工具”深入探讨了精益中的一些关键原则、工具和方法。在这里，我们以对六西格码的高级讨论结束我们的系列。六西格码工具包中有很多工具（故障模式影响分析 (FMEA)、IPO 图、置信区间、直方图、帕累托图、F 检验、六西格码设计 (DFSS) 等等），将不再讨论这里。这里的重点是讨论使六西格码有效的统计现实。

六西格码旨在使用统计工具来识别和消除缺陷和浪费的根本原因，以识别导致缺陷的变化。在六西格码方法论中，有效解决问题的唯一方法是永久消除其根本原因。

它是一种基于测量的策略，专注于流程改进，力求每百万机会实现不超过 3.4 个缺陷。六西格码缺陷被定义为客户规格之外的任何东西。一个 6 Sigma 机会是缺陷发生的机会总数。

六西格玛学说

六西格码基于构成六西格码学说的三个关键思想：

持续努力实现稳定且可预测的流程结果（即减少流程变化）对于业务成功至关重要。
制造和业务流程具有可以衡量、分析、控制和改进的特征。
实现持续的质量改进需要整个组织的承诺，尤其是高层管理人员的承诺。

六西格码方法论：DMAIC 过程

DMAIC 是一种由数据驱动的六西格码问题解决方法。首字母缩略词的每个字母描述了五个阶段的过程：

定义 - 描述问题、项目目标、改进领域或客户要求。
测量 - 衡量流程绩效。
分析 - 分析并确定缺陷和变化的可能根本原因。
改进 - 通过消除根本原因改进运营。
控制 - 对改进过程进行质量控制。

让我们进一步分解这些阶段：

定义

一旦描述了问题、目标或改进领域，就必须尝试识别与流程行为相关的各种输入和输出变量。通常，输出变量是超出规范的变量。重要的是要确定哪些输入变量会导致输出变量的变化。

测量

一旦确定了导致输出行为的输入变量，就可以制定一个测量计划，提供足够的数据来开始分析。此阶段是收集有关关键输入和输出变量的数据的地方。这也是开发性能基线以用于衡量以后所做改进的阶段。通常，至少需要 30 次观测才能提供足够的数据来表示过程行为。

分析

收集数据后，将对其进行分析以确定最可能的三到五个潜在根本原因。这是通过持续的数据收集和审查来实现的，以使用统计工具、图表和图表了解每个潜在根本原因的贡献。 DMAIC 过程是迭代和重复的，直到识别出所有有效的根本原因。

改进

根据在分析阶段确定的有效根本原因，调整过程直到消除过度变化。重复测量和分析阶段，直到达到预期的结果。

控制

当达到预期的结果时，改进被制度化，从而消除过度变化的根源。此步骤应附有控制计划，以确保输出继续处于可接受的质量水平。控制计划包括实施统计过程控制来监控过程并确保它随着时间的推移继续正常运行。该控制计划还应包括出现问题时的对策。

总结： DMAIC 是一种解决问题的方法论，可帮助从业者解决变化过多的问题并系统地解决该问题。

统计过程控制

统计过程控制是一种衡量过程是否符合产品或过程标准的工具。如果一个过程有能力并且随着时间的推移保持稳定，那么该过程旨在产生的结果就会实现。

让我们通过一个例子来更好地理解这些重要的概念。想想烤松饼。

过程能力和变化

一个过程正在将输入转化为输出。在这种情况下，成分是输入。众所周知，烤箱需要在特定的时间内达到给定的温度，并将松饼面糊放入其中才能获得理想的松饼。

让我们假设烤箱工作正常。它能够生产出我们想要的东西——烤得恰到好处的热松饼。烤箱正常工作这一事实是否能保证烘焙出的食物正确？

当然不是。

如果烤箱工作正常，但一个吃松饼、焦急的孩子不断打开门查看松饼是否做好了怎么办？当计时器关闭时，松饼只会半生不熟。这是变异的特殊原因的一个例子——我们没有得到预期的结果，因为过程失控。过程是有能力的，如果运用得当，它会给我们想要的，但它不受控制。

如果我们确保烤箱以最佳状态运行 - 在合适的温度和烤箱门关闭在规定的时间内 - 过程将恢复控制。我们现在拥有一个既强大又可控的流程，我们可以合理地期望它生产出理想的十几个松饼。

如果上述变异的所有特殊原因都已消除，则认为该过程处于受控状态，并且所经历的所有变异都是过程本身固有的变异。这些包括测量成分的微小变化和烤箱温度的微小变化。但是，即使存在这些（固有）变异来源，该过程也足够稳健，可以产生预期的结果。

总结： 过程能力是衡量过程产生预期结果的能力的一个指标——也就是说，它可以告诉我们，如果过程处于受控状态，它会固有地产生多少百分比的缺陷。期望的结果：一打完美烘焙的松饼。

标准偏差

既然您知道如何烘烤理想的松饼，我们将介绍标准偏差。

标准偏差 (Ϭ) 是变异的度量和用于计算过程能力的数字。计算为方差的平方根。

质量之父威廉·休哈特博士于 1920 年代初开始开发控制图。他意识到，如果测量关键过程输出变量，并创建一个类似于上面钟形曲线的分布，那么显示的变化是随机的，因此是过程固有的。

换句话说，该过程以其设计的方式运行或运行。如果数据不是随机的，那么必须有一个逻辑来解释这种行为。这就是变异的特殊原因。

然后是经验法则。这个规则告诉我们，对于随机分布：

68% 的观测值将在正负 1 标准偏差之内
95% 的观测值将在正负 2 个标准偏差之内
99.7% 的观测值将在正负 3 个标准偏差之内

Shewhart 还设计了包含控制限的控制图（见下文）。控制限通常是距平均值正负三个标准差的距离。而且，我们知道，如果数据点在控制范围内，那么我们的质量水平至少为 99.7%。

统计过程控制利用这些知识来发挥优势。通过输入数据并观察数据点相对于平均值（平均值）和控制限的位置来监控两个图形（运行图）。只要地块落在控制限内，就认为该过程处于受控状态。因此，以松饼为例，烤箱温度的运行图将显示由于烤箱门频繁打开而导致温度变化的特殊原因超出正常范围 - 正常变化范围来自随机温度变化例如烤箱中的热源打开和关闭。