六西格玛实例

《六西格玛实例》由会员分享，可在线阅读，更多相关《六西格玛实例（19页珍藏版）》请在金锄头文库上搜索。

1、 第 2 章 六西格玛 “六西格玛”这个词从何而来？为什么它能取得我们今天所看到的成功和 动力？谁是让这些得以实现的先驱？ 大家普遍认为是摩托罗拉公司迈出了六西格玛的第一步，Maikel Harry 博 士和工程师 Bill Smith 推动其向前发展。质量实践产生的措施不能提供足够的 精确度来评估一些高技术流程和产品的性能。因此，他们引进了著名的每百万 机会中缺陷的测量方法，以便更详细、更精确地进行质量分析，从而针对失效 产生的根本原因，而不再是因循守旧地针对症状。 六西格玛的传播始于美国传统的制造业巨头，如摩托罗拉、联合信号公司 和通用电气公司。在 20 世纪 80 年代中期，摩托罗拉公司

2、董事长 Bob Glavin 在 公司里倡导六西格玛的重要性并接受随之而来的文化和教育的影响。这使六西 格玛发展成了一个成熟的具有坚实科学基础的方法。六西格玛因而成为一种处 理业务的方法，而不是工具箱。唯有植根于员工心中的文化改变的效益才能超 越单纯的财政效益。 随着时间的推移，世界银行业和各种服务公司逐步认识到这些技术的价 值，这一方法由此以缓慢但却非常稳定的步伐传遍了整个欧洲和世界。迄今取 得的显著成就证明，这种思维和改进方式已扎根于企业文化之中，这也将保证 它的持久成功。 事实上，摩托罗拉公司只是在继续早期质量管理“大师”的工作。每 100 万个机会中 3.4 个缺陷的六西格玛测量方法，

3、 在数学上可以追溯到 19 世纪早期 高斯(17771855 年)发明的正态分布。 第2章 六西格玛 13 如果一定数量的信息(数据点)，如产品性能以最经常发生的价值分布在 中间范围，其他较少发生的概率对称分布在两边，我们便称之为正态分布。 这种分布可由一条钟形曲线图来表示，见图 2.3。引用其发明者的名字， 这一曲线通常被称为高斯曲线。在一系列正态分布数据中，平均值和中值十分 接近，还可能完全相同。 19 世纪 20 年代，Walter Shewhart 又迈出了一大步，他提出当流程走出三 西格玛带宽时需要调整，从而为六西格玛术语如过程绩效指数(Cpk)、信号和 控制图奠定了基础。 各种流程

4、优化技术都有配套的数值生产控制技术。然而，流程优化侧重于 减少浪费，生产同时还注重数值控制。 六西格玛中其他统计模型源自古典的数学和统计学(如双样本 T 测试)和 现代的(一般线性模型，ICC-Kappa 测试)，但这并没有让六西格玛成为独一无 二的方法，其真正的与众不同之处在于，它能将所有的模型置于一种体例下， 并在 12 个清晰的步骤内通往成功，使每个员工都能使用这些技术。 2.1 六西格玛的定义六西格玛的定义 人们可能已经熟悉六西格玛这一术语。它应用于人们熟知或从事的某一行 业，但也有人根本未接触过。术语本身有两层含义： 质量的准绳和要达到的标准。 数学上导出的数字，以评估流程的第一次合

5、格率。 准绳是指许多公司都力求避免在生产或服务提供的流程中出现错误这一 事实。这是一个合乎逻辑的目标，因为它向相关员工灌输完美的意识，同时避 免因返工而耗费时间、金钱以及额外的调查费用，更不用说废品了。准绳从而 成为了公司文化的一个元素，而非一种数值工具。 数字中的第二层含义十分精细，为每个流程或流程链(价值流)精确地陈述 了可能的长期或短期的六西格玛值。我们应该密切关注这里到底发生了什么。 (1) 首先，应界定被测流程的职权范围和规范限制。 (2) 其次，应采用有足够代表性的数字和有效的测量方法。 (3) 这将使我们能确定平均值、标准偏差以及分布形式，例如正态分布： 基于 ITIL 的 IT

6、 服务管理 IT 服务管理 基于 ITIL的全球最佳实践基础认六西格玛在 IT 管 理中的应用证篇 14 平均值是对一个总体平均数值的估计。 标准偏差是在总体中相对于平均值的扩散的估计。 分布是一条曲线，说明了总体中基于平均值和标准偏差的结果发生的 可能性。由于是可能性的分布，整条曲线下的总和必须等于 100%。曲 线的形状可采取不同的形式，由于这些不同的形式，我们可获得多种 分布，其中属正态分布最为著名。与时间相关的数据通常采用威布尔 分布方式。分布的类型通常将确定所使用的统计检验和分析的类型。 规格上、下限(USL/LSL)是客户能接受的流程结果。例如，90%的计算 机故障将在 4 小时内

7、排除。 第一次通过率是第一次运行流程时无任何失效的结果的数目。 (4) 现在，我们准备确定流程的西格玛值。根据平均值、其标准偏差和分布 形式，可以计算出将落在我们的规格限度内的产品、服务或运行流程的百分比。 (5) 下一步就能将之转换为西格玛值。 西格玛测量，代表标准偏差。六西格玛即六倍西格玛，表示每 100 万个机会中仅有 3.4 个缺陷 (DPMO)。 下面将用例子进行解释和图示。 2.2 实例： 解决客户报告的便携式电脑故障的 时间 实例： 解决客户报告的便携式电脑故障的 时间 在某组织中，IT 部门和企业达成一致，在其服务级别协议(Service Level Agreements，SL

8、As)中确定解决便携式电脑故障的时间。现在，IT 部门想测 量他们是否达到目标时间，从而向企业汇报其业绩。 (1) 流程定义：合同规定，顾客遇到的所有便携式电脑的问题都将在一小 时内得到帮助。 (2) 测量方法：30 个便携式电脑问题将独立计时，从客户报告问题的那一 刻起到客户认同对这个问题的解决为止。 (3) 规格上限( (USL) )：60 分钟。 (4) 规格下限(LSL)：0 分钟(边界)。 第2章 六西格玛 15 测量后得出以下信息： 平均值：54.14 分钟。 标准偏差：3.5 分钟。 分布形式：测量分布后得到了正常形式。 百 分 比 便携式电脑故障的解决时间 平均值 54.14

9、标准差 3.664 N 30 AD 0.390 P 值 0.360 图 2.1 便携式电脑故障的解决时间概率分布图(正态 95CI ) 正如所有的点值都落在边界线内，形成了正态分布的带宽，从而可以很肯 定地得出数据属于正态分布这一结论。 个 人 价 值 观察 控制上限=62.96 平均值=54.14 控制下限=45.31 图 2.2 便携式电脑故障的解决时间图 从上图2-2我们可以看到流程的“心率”，在这里，每30个数据点按时 间顺序表述。中间线表示54.14分钟的平均值。最上面一条线和最下面一条线 基于 ITIL 的 IT 服务管理 IT 服务管理 基于 ITIL的全球最佳实践基础认六西格玛

10、在 IT 管 理中的应用证篇 16 表示控制的限制。如果任何数据点超出了这些控制的限制，有特定原因的可能 性在99%以上，这就需要调查和(或)补救。 流程数据 低带标准 目标 规格上限 样本均值 样本 N 标准差(内部) 标准差(整体) 0.00000 * 60.00000 54.13619 30 2.94254 3.69597 内部 整体 潜在的(内部)能力 Z.平台 Z.低带标准 Z.规格上限 Cpk CCpk 1.99 * 1.99 0.66 0.66 Z.平台 Z.低带标准 Z.规格上限 PpK Cpm 1.59 * 1.59 0.53 * 整体能力 观察到的绩效 %USL %总和 0

11、.00 0.00 0.00 Exp.内部绩效 %USL %总和 * 2.31 2.31 Exp.整体绩效 %USL %总和 * 5.63 5.63 图 2.3 便携式电脑的解决时间的流程能力 现在，我们可以计算出相应的西格玛值，短期的结果是1.99西格玛，长期 的结果是1.59西格玛。同时，还能估计出流程的曲线、平均值和标准偏差。还 可以对流程的短期和长期绩效进行预测。 这说明了什么呢？首先，根据流程现在的实施情况，在1 000 000个电话 中，将有23 100个电话不能在一个小时内得到解决。或者，换句话说，2.31% 的电话将不能在一个小时的截止期限中得到解决。这对应1.99西格玛。 其次

12、，我们能了解由于流程一直在1.5西格玛之间漂移，可能导致长期 绩效的恶化。在这里，我们不得不假设最坏的情况，从而预测长期的来电错过 的百分比能增长到5.63%，对应的是1.59西格玛。所以，在这个例子中，流程 的实施没有达到甚至接近六西格玛水平。 但是它必须要达到吗？答案通常是否定的，它没有必要一定要达到。这完 全取决于与客户之间的协议。如果签订了90%的服务级别协议，实际提供的 94.37%的长期服务完全满足合同条款。 总之，“六西格玛”一词代表我们努力追求卓越的运营和控制；它为我们 提供了一个数值工具，客观地评估和比较长期及短期的流程绩效。但是，没有 必要将六西格玛用于所有的流程，这完全取

13、决于具体情况。 第2章 六西格玛 17 2.3 实例：对客户和公司的影响实例：对客户和公司的影响 现在大家已经清楚六西格玛的含义，让我们来评估它对客户和公司的潜在 影响。这里面的关键因素是变异(扩散)、平均数(平均值)和隐服务组织。 假设你要每天乘火车去上班。 从你家到火车站需要10分钟， 火车运行本 身需要35分钟，从火车站步行到你办公室需要15分钟。总行程时间为 10+35+15=60分钟。 按照时间表，火车于上午7:40发出，你到办公室的平均时间为8:40，有 30分钟的空白。请测量一下一周的发车时间(见表2.1) 表 2.1 火车每天发车时间 1 火车每天发车时间 1 一周七天 7:2

14、2 星期一 7:52 星期二 8:04 星期三 7:16 星期四 7:46 星期五 平均而言，你的火车于7:40发车，但是为了保证赶上火车，你最迟必须在 7:15到达车站。在星期三，你需要等49分钟，8:54才能到达公司。 你将这一结果交给铁路部门，铁路部门为了减少误差，将发车时间推迟15 分钟。你再次测量了一周的发车时间(见表2.2)。 表 2.2 火车每天发车时间 2 火车每天发车时间 2 一周七天 7:56 星期一 7:55 星期二 7:57 星期三 7:53 星期四 7:54 星期五 基于 ITIL 的 IT 服务管理 IT 服务管理 基于 ITIL的全球最佳实践基础认六西格玛在 IT

15、 管 理中的应用证篇 18 火车离开的平均时间商定为7:55 (7:40 加上15 分钟)。 现在， 你将在7:50 到达车站，你不仅能赶上火车，最迟还能在8:50前到达办公室。 你更喜欢哪种情况呢？显然，第二种情况明显优于第一种情况。尽管发车 时间推迟了15分钟，但是流程变得更为明确。现在，如果你是客户，就可以 依赖它，而不用花时间防范误车。因此，让客户不满意的是变异(不可预见性) 而不是流程的平均值。此外，客户规范中具有平均值的流程仍可能由于变异太 大而产生大量浪费。一般而言，客户、经理和员工都不喜欢意外。 产品、服务或流程的真实质量取决于与规格下限(LSL)和规格上限(USL) 相关的平

16、均值(平均数)及其变异(扩散)的位置。如果扩散太大或平均值的位置 不在LSL和USL两者的中心，就将导致缺陷、投诉、发生调查费用、返工等。 这就是所谓的“隐形工厂”或“隐形服务组织”。 流程的变异(扩散)越大，其成本就越大。 为了弄清这一点，让我们借助流程能力分析来比较这两种情况，此处的小 时和分钟都已转化为分钟(7:22 = 7*60+22 = 442)。规格下限是7:40 (460分 钟)，规格上限是8:10(490分钟)。 流程数据 规格下限 目标 规格上限 样本均值 样本 N 标准差(内部) 标准差(整体) 460.00000 * 490.00000 456.00000 5 31.02837 27.61905 内部 整体 潜在的(内部)能力 Z.平台 Z.规格下限 Z.规格上限 Cpk CCpk 0.49 0.13 1.10 0.04 0.16 Z.平台 Z.LB Z.USL PpK Cpm -0.43 -0.14 1.