6Sigma培训教材,何谓6Sigma?,这里所说的6Sigma并不只是狭义上 的6Sigma：每百万次机会3.4个缺陷 它是一种思维方式，一种决策方法 在需要时所运用的工具或技巧 六个西格玛的工具和技巧将提供更加有效的方式来解决问题及制定决策 通过控制根本原因X来控制结果Y 强调以客户为中心,6Sigma方法,DMAIC： 定义（Define） 测量（Measure) 分析（Analysis) 改善（Improve) 控制（Control) DFSS 6Sigma设计（Design for Six Sigma),我们主要讲DMAIC这种模式：一种基于流程的改进方式。 1.0定义阶段：确定改进机会记录并分析现有流程确定客户要求组建有效的小组,1.0定义阶段-内容提要,1.0定义阶段-小组授权 书,5W1S： Why:我们为什么要这样做？ What:问题在哪里？ Where:我们想到哪里（Goal)？ When:项目计划是什么？ Who:谁来做这个项目？ Scop:项目的范围是什么？,1.0定义阶段-SIPOC,开始边界：（项目范围起点） 结束边界：（项目范围终点）,Supplier,Input,Output,Customer,Process,投入要素,广义上的供应商,输出的产品或服务,确定我们的客户,通过这种分析，我们可以明确谁是我们的供应商，谁是我们的客户，我们的投入与输出各是什么，以指导我们的下一步工作。,1.0定义阶段-流程分解图,分解图,流程：列出4-8个主要的子流程,子流程,子流程1,子流程2,子流程3,子流程4,每个子流程下列出3-7流程步骤,通过这种分析，我们可以粗略了解现有的流程。,1.0定义阶段-职能分布图,职能分布图：对上述每个子流程进行详细分解：,步骤,责任人/部门,部门1,部门2,部门3,通过这种分析，我们可以详细了解流程且能查到每一环节的责任人/部门,1.0定性分析-寻找快赢机会,流程定性复查：对现有流程进行复查，查找在现有流程中，是否有被我们长久忽略了的环节，从而确定有无快赢机会，快赢机会的标准： 容易执行 快速执行 方便执行 易于控制,1.0定义阶段-确定关键 客户要求（CCR）,为了真正做到了解客户对我们的需求，我们应该认真聆听客户心声。得到客户心声的各种渠道： 客户投诉 称赞 产品退货 客户推荐 客户电话 市场调查 客户满意度调查,客户想要什么： 质量 成本 交付 服务和安全性 公司责任 只有知道了客户的需求，我们才会更好地去满足客户，真正做到以客户为中心,1.0定义阶段-确定关键 客户要求（CCR）,Kano分析：,1.0定义阶段-确定关键 客户要求（CCR）,满意,不满意,意外之喜,主要满意指标,必需是指标,服务/ 功能障碍的,服务/ 全功能的,客户要求类型： 必需是指标：必需满足要求，即使满足了也不能提高满意度； 主要满意指标（必需有）：越多的要求被满足，越多的客户感到满意； 意外之喜指标：没有满足，也不会造成不满意，但是如果满足了并做到高质量，就会带来意外之喜。,1.0定义阶段-确定关键客户要求（CCR）,关键客户要求是什么？ 对客户很重要-客户关注它 必需有或必需是属性 可以被衡量 确立一个目标 客户含感情色彩的心声 关键的客户问题 关键客户要求,1.0定义阶段-确定关键客户要求（CCR）,只有知道了关键客户要求，我们才能明确下一步要做什么，怎样才能满足客户要求。,收集资料 测量计划 采样 了解差异 测量系统能力分析,2.0测量阶段-内容提要,2.0测量阶段-确定测量 什么？,有效的改进需要来自从供应商到客户的信息，其因果关系为：Y=f（xi,xp) xi:输入指标 xp:流程指标,测量的目的应明确，做到有的放矢，应与客户要求息息相关：,2.0测量阶段-确定测量 什么？,CCRS,流程产出指标 Xo,流程指标 Xp,输入指标 Xi,产出指标与流程指标、输入指标的关系图：,2.0测量阶段-确定指标 关系,Xo,Xi,Xp,Xo1,Xo2,Xi,Xp,用一些符号或数字来描述指标间相关性的强弱关系。一般可用强、中、弱或1、3、9来表示。,在测量与收集数据之前，应先了解数据： 两种数据类型（按性质）： 连续型数据-计量型数据 离散型数据- 计数型数据或分类数据 两种数据类型（按作用）： 业绩数据-合格率、不良数等，高层关心，但不能预示原因 原因数据-可用来找到根本原因，有助于解决问题,2.0测量阶段-确定数据 类型,联系到关键客户要求 清楚定义 统计有效性 可再现 有代表性并与流程有关 显示出趋势和周期 容易收集 有助于推动适当的纠正措施 提供对因果关系的深刻预见,2.0测量阶段-良好数据 的特性,连续数据的样本大小公式：n=( ),2.0测量阶段-确定样本 大小,1.96s,2,n：采样的样本大小 s：标准偏差值：精确度 1.96：代表95%的置信水平,一个好的测量计划中，至少应包含以下内容： What-要测量什么,明确定义测量数据 Where-数据应在哪里测量 How many-数据样本的大小 Who-谁来收集数据 When-何时收集数据 How to-怎样收集数据 While-同时应收集的其它数据,2.0测量阶段-制定测量 计划,收集数据的意义何在？-从数据中寻找差异，以找出需要改进的环节 差异意味着在产品或服务被交付时，流程没有产生完全相同的结果。 差异存在于所有流程中。 衡量差异：标准偏差S=,2.0测量阶段-了解差异,i=1,n,(x-xi),2,n-1,为了保证我们收集到的数据准确可靠，一般在收集数据之前，都应先对测量系统进行其测量能力分析 测量系统：测量系统包括：测量人员、测量工具/设备、被测物件、测量方法、测量环境等。,2.0测量阶段-测量系统 能力分析,什么是Gage R&R 分析？用来分析测量系统的方法，目的是确定测量某种东西时出现的波动(误差)的大小和类型。,什么是可重复性？- 当一个人使用同一个测量仪器来重复测量同一个部件时所产生的误差 （条件不变） 什么是可再现性？- 当两人或多人使用同一个测量仪器来测量同一个部件时，测量结果之间的误差 （条件有变） 什么是准确性？观测值的平均值和近似真值之间的差异,2.0测量阶段-测量系统 能力分析,GR&R% 公式：GR&R%=,2.0测量阶段-测量系统 能力分析,5.15s,T,*,100%,S:标准偏差 T：公差范围，T=上限-下限,测量系统能力的判断标准： GR&R%小于10%，测量系统良好 GR&R%在10%-20%间，测量系统适当 GR&R%在20%-30%间，测量系统勉强可接受，但应查找原因改善 GR&R%大于30%，测量系统不可接受,2.0测量阶段-测量系统 能力分析,准确性：可用偏差来表示测量系统的准确性 偏差=Master为标准块近似真值 Response为实际观测值 n为数据量 判断标准：偏差小于10%为准确性可以接受,2.0测量阶段-测量系统 能力分析,i=1,n,(Master-response),n,流程分层和分析 确定根本原因 验证根本原因,3.0分析阶段-内容提要,3.0分析阶段-数据分层,数据收集完成后，应先对数据进行分层与初步分析或分类 柏拉图分析：经过柏拉图的分析与分层，找到重点 MINITAB命令：STAT-QUALITY TOOLS-PARETO CHART,3.0分析阶段-数据分层,数据分层：如果必要，可以直到找到无法分层的数据为止,3.0分析阶段-数据分层,查找到问题的主要所在，针对主要问题，可先用鱼骨图或树状图查找可能的根本原因。 鱼骨图：,3.0分析阶段-初步查找 原因,问题描述,人,机,料,法,环,可操作,构建鱼骨图： 鱼头为问题描述 鱼骨为原因的层层分解，在传统上一般用：4M1E进行构建 对每一潜在原因层层询问3-5次 使某些事“可付诸行动” 识别潜在的根本原因并加以涂暗进行强调 检验逻辑性：1、如果已消除或纠正了可能的根本原因，会不会防止问题发生； 2、当可能的根本原因发生时，问题发生了吗？,3.0分析阶段-初步查找 原因,树状图（解因图）：,3.0分析阶段-初步查找 原因,问题声明,原因1,原因2,构建解因图： 把问题描述填写在第一个方框中 询问为什么会发生这些原因 对每一潜在原因层层询问直到路径的尽头 检验逻辑性：1、如果已消除或纠正了可能的根本原因，会不会防止问题发生； 2、当可能的根本原因发生时，问题发生了吗？,3.0分析阶段-初步查找 原因,用上面的方法初步查找到根本原因后，应对根本原因进行验证，以确认根本原因 确认根本原因：确认根本原因的常用方法为假设检验、DOE等。,3.0分析阶段-验证根本 原因,什么是假设检验：假设检验是指我们事先对数据或Y与X之间的关系进行一种假设，然后用收集到的数据进行分析，检验我们假设成立的可能性。 因此，每一个假设检验的背后，都有一个原始假设H0：假设一种结论，然后看这种结论成立的可能性。一般都得到一个P值，P值代表了假设成立的可能性（概率）。P0.05说明在统计上不能否定假设成立的可能性.也就是假设成立,反之假设不成立.,3.0分析阶段-假设检验,数据是否是正态分布，对我们的分析很重要，因此，在我们分析数据之前，一般都应先检测数据是否为正态分布。 MINITAB命令：STAT-BASIC STATISTICS-NORMALITY TEST H0假设：数据是正态的。,3.0分析阶段-数据的正 态检验,3.0分析阶段-数据的正 态检验,3.0分析阶段-数据的正 态检验,结果分析：,P0.05,H0成立.,适用条件：1、潜在的根本原因X与输出Y 2、两个潜在的根本原因X1与X2之间 当两组数据均为连续数据时，可先看它们的相关性 MINITAB命令： STAT-BASIC STATISTICS-CORRELATION,3.0分析阶段-相关性,H0假设:Y与X不相关. 结果解释： Pearson correlation of X and Y = 0.890 P-Value = 0.000X与Y的相关性是0.890 ，P = 0.000说明假设在统计上是不成立的,也就否定了Y与X不相关的假设.得出的结论是Y与X相关. 注：Y的发生是否是由X造成的，在验证了其有相关性后，还要得到业务或经验上的认可。只有满足了这两个条件，我们才可以说Y的发生是由X引起的。,3.0分析阶段-相关性,3.0分析阶段-线性回归,Y=f(x) 适用条件：当Y与X均为连续数据且遵循正态分布时，如果验证了Y与X有了强相关后,可以用线性回归得到Y与X的线性关系。 MINITAB命令： STAT-REGRESSION- REGRESSION,3.0分析阶段-线性回归,结果解释：Y=a+bx Ho假设:a=0,b=0,意即Y的变化不受X的影响.,3.0分析阶段-线性回归,拒绝H0，即b0,无法拒绝Ho，即a=0成立,结果分析：,R2越大，模型对工序模拟得越好,对于良好的模型，该值应接近R2值,该值越小 (误差的大小)，模型越好,3.0分析阶段-线性回归,3.0分析阶段-线性回归,p-值应 0.05，以表示统计显著性(良好拟合的方程式),