掌握六西格玛：核心原则与必备工具

欢迎阅读精益与六西格玛系列第三篇。首篇《什么是精益与六西格玛方法论？》显示，精益和六西格玛是互补持续改进方法论，分别减少生产过程整体浪费和变异。第二篇《精益原则与工具》深入探讨精益关键原则、工具和方法。本文以六西格玛高层讨论结束系列。六西格玛工具箱有许多工具（失效模式影响分析FMEA、IPO图、置信区间、直方图、帕累托图、F检验、六西格玛设计DFSS等）此处不讨论。重点讨论使六西格玛有效的统计现实。

六西格玛旨在用统计工具识别导致缺陷的变异，识别并消除缺陷和浪费的根本原因。在六西格玛方法论中，有效解决问题的唯一途径是永久消除其根本原因。

它是基于度量的策略，专注于过程改进，力求每百万机会不超3.4缺陷。六西格玛缺陷定义为超出客户规格的任何事项。六西格玛机会即缺陷发生的总机会量。

六西格玛教义

六西格玛基于三个关键思想构成六西格玛教义：

1. 持续努力实现稳定可预测过程结果（即减少过程变异）对业务成功至关重要。
2. 制造和业务过程具有可测量、分析、控制和改进的特性。
3. 实现持续质量改进需要全组织承诺，特别是高层管理承诺。

六西格玛方法论：DMAIC过程

DMAIC是数据驱动的六西格玛问题解决方法论。五阶段过程由首字母缩写描述：

• 定义 - 描述问题、项目目标、改进领域或客户要求。
• 测量 - 测量过程绩效。
• 分析 - 分析识别缺陷和变异可能根因。
• 改进 - 通过消除根因改进运营。
• 控制 - 质量控制改进过程。

进一步分解阶段：

定义

描述问题、目标或改进领域后，关键是尝试识别与过程行为相关的各种输入输出变量。输出变量常是超出规格者。重要识别哪些输入变量导致输出变量变异。

测量

一旦识别导致输出行为的输入变量，可制定测量计划提供足够数据开始分析。此阶段收集关键输入输出变量数据。也是开发绩效基线阶段，用于后续衡量改进。原则上，至少需30次观测提供足够数据代表过程行为。

分析

数据收集后，分析确定最可能的3-5个潜在根因。通过持续数据收集和回顾，用统计工具、图表理解每个潜在根因贡献。DMAIC过程迭代重复，直到识别所有有效根因。

改进

基于分析阶段识别的有效根因，调整过程直到消除过度变异。重复测量和分析阶段直到达成预期结果。

控制

达成预期结果后，改进制度化，消除过度变异源头。此步应伴随控制计划确保输出持续保持可接受质量水平。控制计划包括实施统计过程控制（SPC）监控过程，确保其随时间正常运行。控制计划也应包含问题发生时的对策。

总结： DMAIC是问题解决方法论，帮助从业者系统性解决过度变异问题。

统计过程控制

统计过程控制（SPC）是测量过程是否满足产品或过程标准的工具。若过程随时间具备能力和稳定性，过程设计产出的结果将实现。

用例子更好理解这些重要概念。想想烤松饼。

过程能力与变异

过程将输入转化为输出。此例中配料是输入。知烤箱需达特定温度特定时间烘烤面糊得理想松饼。假设烤箱工作正常。它有能力生产我们想要的——恰到好处烤好的温热松饼。烤箱工作正常能保证烘焙食品做对吗？当然不能。若烤箱正常，但渴望松饼的焦虑孩子不断开门查看是否烤好？计时器响时松饼只烤了一半。这是特殊原因变异——因过程失控未获预期结果。过程有能力，正常运行时给我们想要结果，但未受控。若确保烤箱最优运行——正确温度且烤箱门在规定时间关闭——过程回受控状态。我们现在有既有能力又受控的过程，可合理期待生产理想一打松饼。若消除上述所有特殊原因变异，过程视为受控，经历的所有变异均为过程固有。包括配料微小测量变异、烤箱温度轻微变异。但过程足够稳健，即使有这些（固有）变异源也能产出预期结果。总结： 过程能力衡量过程产生预期结果的能力——即能告诉我们过程受控时固有产生的缺陷百分比。预期结果：一打完美烤制松饼。

标准差

现在您知如何烤理想松饼，引入标准差。标准差（σ）是变异度量，用于计算过程能力的数值。计算为方差平方根。质量之父William Shewhart博士20世纪20年代初开始开发控制图。他意识到若测量关键过程输出变量，形成钟形曲线分布，则显示变异为随机、固有于过程。即过程按设计方式运行。若数据非随机，必有逻辑解释行为。这就是特殊原因变异。然后是经验法则。此规则告诉我们，对于随机分布：

• 68%观测值在±1标准差内
• 95%观测值在±2标准差内
• 99.7%观测值在±3标准差内

Shewhart也设计含控制限的控制图（见下）。控制限通常为均值±3标准差距离。知数据点在控制限内，质量水平至少99.7%合格。统计过程控制利用此知识。监控两图（运行图），录入数据观察数据点相对均值（平均）和控制限位置。只要图点落在控制限内，过程视为受控。松饼例中，烤箱温度运行图会显示因频繁开门导致温度特殊原因变异超出正常范围——正常变异范围来自热源开关等随机温度变异。请注意未关注规格或规格限（公差）。受控过程生产其设计（不一定预期）产出。因此可能实际生产不良输出。

过程能力指数与控制

六西格玛中，过程能力指数（Cpk）是统计工具，衡量过程在客户公差范围内生产产品能力。Cpk越高，过程分布相对公差范围越窄，输出越均匀。Cpk用以下公式计算，UCL指上控制限，LCL指下控制限：

Cpk = min(UCL - μ, μ - LCL) / (3σ)

Cpk越高越好（接近2.0为优秀），Cpk 1.33基本指示受控且满足规格的过程最低值。至今知若过程有能力且受控，按定义将产生过程设计产出。讨论了用SPC测量过程控制及保持过程受控重要性。规格限关联过程公差。例如螺丝直径设计为3英寸。如何容纳过程固有变异生产销钉？提供公差。确定直径3英寸±0.003英寸的螺丝足够好。此直径范围内所有螺丝成功应用。据NIST（美国国家标准技术研究院）：“过程能力用能力指数比较受控过程输出与规格限。比较通过形成过程规格展宽（规格宽度）与过程值展宽（以6个过程标准差单位测量的过程宽度）之比进行。”过程能力指数用于确定输出与现有目标接近程度及平均绩效一致性。因此可预测未来输出绩效和一致性。

过程能力指数与标准差

我们只需知可确定过程生产合格零件能力。这等同回答：

• 多少百分比输出满足客户规格？*
• 多少螺丝直径大于3.003英寸？
• 多少螺丝直径小于2.997英寸？

您可能记得：三标准差变异度量意味着99.7%合格工作质量水平。这相当于过程能力度量1。文献基本一致： 需过程能力（Cp和Cpk）度量至少1.33。这允许所谓偏移和漂移，即正常过程变异导致无变异时不发生的缺陷。但总有变异。关键保持良好过程控制避免缺陷。再据NIST： “过程能力指数同时用过程变异性和规格确定过程是否‘有能力’。”

偏移与漂移

保持良好过程控制主要问题是，随时间任何过程都会偏移漂移，无论初始设置多紧。发生时关键记：随过程平均值移动，整个变量范围也移动，而规格限保持静止。若过程超出规格限，将生产缺陷产品。您想维持1.00或更好指数水平。这通过良好过程平均值居中和最小化变异实现。总结： 用六西格玛，可理解过程是否有能力，测量过程控制和过程能力。只要“受控”过程能产生预期结果（过程能力Cpk至少1.33），则只要受控就必须正常执行。更多六西格玛或精益信息，请访问www.cmtc.com选“服务”项。

CMTC简介

CMTC为加州中小制造商（SMMs）提供技术援助、劳动力发展、咨询服务，助SMMs提高生产力和全球竞争力。更多CMTC信息，访问www.cmtc.com或致电310-263-3060。