六个标准差6σ概念与DMAIC手法运用介绍

六西格玛（6σ）管理简介一、 什么是六西格玛（6σ）管理？6加上希腊字母σ（西格玛）。

σ本来是一个反映数据特征的希腊字母，表示数据的标准差。

我们常用下面的计算公式计算σ的大小：1)(12--=∑=n x x n i i σ ，式中x i 为样本观测值，x 为样本平均值， n 为样本容量。

现在，σ不仅仅是单纯的标准差的含义，而被赋予了更新的内容——即成为一种过程质量的衡量标准。

对于任何企业来说，过程变异都是他们最大的敌人，因为过多的过程变异会导致产品和服务无法满足客户的要求，为企业带来损失。

6σ管理可以为企业提供战略方法和相应的工具通过严谨的、系统化以及以数据为依据的解决方案和方法，消除包括从生产到销售、从产品到服务所有过程中的缺陷，从而改善企业的利润。

那么究竟什么是6σ呢？我们可以从以下几个方面来说明6σ的含义。

第一，它是一种衡量的标准。

从统计意义上讲，一个过程具有六西格玛（西格玛）能力意味着过程平均值与其规定的规格上下限之间的距离为6倍标准差，此时过程波动减小，每100万次操作仅有3.4次落在规格上下限以外。

即六西格玛水平意味着差错率仅为百万分之三点四（即3.4ppm ）。

因此，它首先是一种度量的标准，可以通过样本的散布情况来衡量系统的稳定性。

6σ的数量越多，产品合格率越高，产品间的一致性越好，或产品的适应环境的能力越强，产品（服务）的质量就越好。

第二，6σ是一个标杆。

管理学上有一种设定目标的方法就是“标杆法”，将你的目标设定在你所要超越的对象上，将领先者的水平作为超越的“标杆”。

6σ也是一个标杆，它的目标就是“零缺陷”（差错率百万分子3.4）。

进行6σ管理就是要以这个目标作为追赶和超越的对象。

第三，6σ是一种方法：“一种基于事实和数据的分析改进方法，其目的是提高企业的收益。

”这个方法的最大特点就是一切基于事实，一切用数据说话。

不论是说明差错的程度，还是分析原因，以及检验改进措施的成效，都要用事实和数据说话，而不是基于主观上的想像。

简介六西格玛（Six Sigma），又称：六式码、六标准差、6σ、6Sigma，不能使用大写的Σ，西格玛（Σ，σ）是希腊文的字母，在统计学中称为标准差，用来表示数据的分散程度。

其含义引申后是指：一般企业的瑕疵率大约是3到4个西格玛，以4西格玛而言，相当于每一百万个机会里，有6210次误差。

如果企业不断追求品质改进，达到6西格玛的程度，绩效就几近于完美地达成顾客要求，在一百万个机会里，只找得出3.4个瑕疵。

六西格玛（6σ）概念作为品质管理概念，最早是由摩托罗拉公司的麦克.哈里于1987年提出，其目的是设计一个目标：在生产过程中降低产品及流程的缺陷次数，防止产品变异，提升品质。

真正流行并发展起来，是在通用电气公司的实践，在杰克韦尔奇于20世纪90年代发展起来的6σ（西格玛）管理是在总结了全面质量管理的成功经验，提炼了其中流程管理技巧的精华和最行之有效的方法，成为一种提高企业业绩与竞争力的管理模式。

该管理法在摩托罗拉、通用电气、戴尔、惠普、西门子、索尼、东芝、华硕等众多跨国企业的实践证明是卓有成效的。

为此，国内一些部门和机构在国内企业大力推6σ管理工作，引导企业开展6σ管理。

随着实践的经验积累，它已经从单纯的一个流程优化概念，衍生成为一种管理哲学思想。

它不仅仅是一个衡量业务流程能力的标准，不仅仅是一套业务流程不断优化的方法，进而成为一种应对动态的竞争环境，提升企业竞争力，取得长期成功的企业战略。

辨别优先次序，实施流程改进对需要改进的流程进行区分，找到高潜力的改进机会，优先对其实施改进。

如果不确定优先次序，企业多方面出手，就可能分散精力，影响6σ管理的实施效果。

业务流程改进遵循五步循环改进法，即DMAIC模式：1．定义（Define）。

定义阶段主要是明确问题、目标和流程，需要回答以下问题：应该重点关注哪些问题或机会？应该达到什么结果？何时达到这一结果？正在调查的是什么流程？它主要服务和影响哪些顾客？2．评估（Measure）。

六西格玛管理dmaic方法操作实务六西格玛是一种管理方法论，旨在通过减少缺陷和变异性，提高组织的质量和绩效。

DMAIC是六西格玛的一种常用方法，用于解决问题和改进流程。

DMAIC是一个缩写，分别代表了Define（问题定义）、Measure（测量）、Analyze（分析）、Improve（改进）和Control （控制）这五个阶段。

首先是问题定义（Define）。

在这个阶段，团队需要明确问题的范围和目标，确立改进的方向。

这个阶段的关键是确定关注的流程或问题，并设立改进的目标，以此来引导后续的工作。

问题定义应尽量精确，避免过于笼统或过于狭窄。

接下来是测量（Measure）。

在这个阶段，团队需要确定如何测量流程或问题的关键指标，并收集相关数据。

通过数据的收集和分析，可以更好地了解问题的本质和原因。

同时，测量的结果也能为后续的分析和改进提供依据。

然后是分析（Analyze）。

在这个阶段，团队需要分析测量数据，找出问题的根本原因。

通过使用六西格玛工具和技术，如因果图、统计分析等，可以帮助团队进行深入的分析。

分析的目的是找出主要的问题根源，从而为下一步的改进提供指导。

接着是改进（Improve）。

在这个阶段，团队需要制定并实施改进计划，解决问题根本原因，并优化流程。

关键是确定改进的措施和方法，并进行试验和验证。

改进过程需要考虑到各种因素的影响，以确保改进的效果能够持续。

最后是控制（Control）。

在这个阶段，团队需要建立控制机制，以确保改进效果的持续性和可靠性。

控制包括制定标准化的工作流程、培训相关人员、设立绩效指标等。

控制的目的是确保改进的效果不会被逐渐丢失，同时也为后续的持续改进提供基础。

通过上述的DMAIC方法，可以帮助组织解决问题，改进流程，并提高组织的绩效和质量。

每个阶段都有明确的任务和目标，方便团队按部就班地进行工作。

同时，DMAIC方法也强调数据驱动决策和持续改进的理念，确保改进过程的科学性和可行性。

六西格玛分析流程（DMAIC）六西格玛是典型的定量决策系统，和传统方法相比，它更强调数据的作用，强调运用统计手段和各种技术去发现过程问题的本质规律，从而从根本不消除问题。

一旦过程的所有变量得到提示和量化，比较和改善就成了顺理成章的事。

基于对过程本质的深刻理解，六西格玛用"D-M-A-I-C"的方法体系对过程进行改进。

即分五个阶段：界定（Define）、衡量(Measure)、分析(Analyze)、改善(Improve)与控制(Control)。

定义（Define）：界定核心流程和关键顾客，站在顾客的立场，找出对他们来说最重要的事项，也就是关键要理清团队章程，以及核心事业流程。

测量(Measure)：找出关键评量，就是要为流程中的瑕疵，建立衡量基本步骤。

人员必须接受基础机率与统计学的训练，及统计分析软件与测量分析等课程。

为了不造成员工的沉重负担，不妨让具备六个标准差实际推行经验的人，带着新手一同接受训练，帮助新手克服困难。

对于复杂的演算问题，可提供自动计算工具，减少复杂计算所需的时间。

一般将界定和衡量合看作第一阶段，此阶段要求能定义客户要求，并将客户要求转化为六西格玛项目的技术和工具，量化积识别客户要求，并将其与公司战略相结合，从而制订六西格玛项目计划并预测收益的技术。

另外，各类测量系统的分析技术及过程底线的分析技术也将结合运用。

分析(Analyze)：探究误差发生的根本原因。

运用统计分析，检测影响结果的潜在变量，找出瑕疵发生的最重要根源。

所运用的工具包含许多统计分析工具，包括相关回归分析、方差分析、假设检验、各种图形分析工具等等。

改善(Improve)：找出最佳解决方案，然后拟定行动计划，确实执行。

这个步骤需不断测试，看看改善方案是否真能发挥效果，减少错误。

控制(Control)：确保所做的改善能够持续下去。

衡量不能中断，才能避免错误再度发生。

在过去许多流程改善方案里，往往忽略了控制的观念；而在六西格玛管理中，控制是它能长期改善品质与成本的关键。

6西格玛（6σ）管理西格玛（σ）在统计学上是指标准差，用来表示数据的分散程度。

6西格玛（6σ）即6倍标准差。

在质量上表示每百万个产品的不良品率（ppm）少于3.4，但是6西格玛（6σ）管理不仅仅是指产品质量，而是一整套系统的企业管理理论和实践方法。

6西格玛（6σ）管理核心理念实际上不仅是一个质量上的标准，它更代表着一种全新的管理理念。

尽管过去确实做得很好，但事实离6西格玛（6σ）管理的目标还差的很远。

美国摩托罗拉公司6σ控制方式简介（详见《中国质量》2000.5P13~P16）1.工业控制方式的进展20世纪70年代，美国工业的控制方式相当于2σ控制方式，Cp=0.67。

20世纪80年代，美国工业的控制方式前进了，相当于3σ控制方式，Cp=1.0。

而日本在20世纪80年代早期则以达到4σ控制方式，Cp=1.33。

到20世纪80年代中期，日本进一步发展到5σ控制方式，Cp=1.67。

这对美国无疑是一种极大的挑战，故在20世纪80年代末90年代初美国摩托罗拉公司提出著名的6σ控制方式。

美国摩托罗拉公司的设计标准摩托罗拉公司提出的设计标准是对所有的零部件及过程，要求是：Cp≥2 ，Cpk≥1.5 。

而过程能力指数计算公式是：Cp=T/6σ=（Tu－Tl）/6σ ；Cpk=（1－K）Cp ；ε=6σ（1－Cpk/ Cp）。

其中K=2ε/T ；Tu、Tl 分别为上下规格界限；σ为标准差；T为技术规格的公差幅度；ε为实际分布中心（μ）与公差中心（M）的偏移即ε=│M－μ│，K即为偏移度。

将Cp＝2.0和Cpk＝1.5代入ε=6σ（1－Cpk/ Cp）计算得ε=1.5σ，即在Cp＝2.0 ，T/2=6σ的情况下分布中心往一侧偏移了1.5σ，于是该侧的不合格品率为P（4.5σ），另一侧的不合格品率为P（7.5σ）。

查日本《统计数值表》，JSA-1972中的正态分布表知P（4.5σ）= 0.0000033977 ≈ 0.0000034 = 3.4PPM 、P（7.5σ）= 0.01331909 。

六西格玛的概念和作用1、六西格玛的概念六西格玛是一套系统的、集成的业务改进方法体系,是旨在持续改进企业业务流程，实现客户满意的管理方法。

它通过系统地、集成地采用业务改进流程,实现缺陷的过程设计（design for six sigma,DFSS),并对现有过程进行过程界定（define）、测量(measure）、分析（analyze）、改进（improve）、控制（control）——简称DMAIC流程，消除过程缺陷或无价值作业，从而提高质量和服务、降低成本、缩短运转周期，达到客户完全满意，增强企业竞争力.（1）六西格玛的统计含义σ是一个希腊字母,读作“西格玛”，在数理统计中表示“标准差”，是用来表征任意一组数据或过程输出结果的离散程度的指标，是一种评估产品和生产过程特性波动大小的参数。

西格玛质量水平则是将过程输出的平均值、标准差与质量要求的目标值、规格限联系起来进行比较，是对过程满足质量要求能力的一种度量。

西格玛水平越高,过程满足质量要求能力就越强；反之,西格玛水平越低，过程满足质量要求的能力就越低.六西格玛质量水平意味着百万出错机会（DPMO）中不超过3。

4个缺陷。

如图1-1所示的正态分布中，当上下规格限之差为12σ(±6σ），且过程无漂移,即实际分布中心与规格中心重合时,低于下规格限LSL和高于上规格限USL的面积（概率）均为0。

001ppm,总缺陷概率为十亿分之二。

图中μ为正态分布的中心值，M为规格中心,σ为标准差。

但实际上，过程输出质量特性的分布中心与规格中心重合的可能性很小，对于典型的制造过程，由于影响过程输出的基本质量因素（人、机、料、法、环、测）的动态变化，过程输出的均值出现漂移是正常的，如图1—2所示。

在计算过称长期运行中出现缺陷的概率时，一般考虑将上述正态分布的中心向左或向右偏移1。

5σ，此时一侧的缺陷为3。

4ppm，另一侧因数量级极小可忽略不计，总缺陷概率为百万分之3.4，如图1—3所示.图1—1 过程特性分布图(无漂移）图1—2 长期过程绩效(短期过程合成图）图1-3 过程输出特性正态分布图（±1.5σ漂移）因此通常所说的六西格玛质量水平代表3.4DPMO，是考虑了过程在长期运行中,分布中心相对规格中心漂移±1.5σ后出现缺陷的概率。

六西格玛dmaic的简单理解六西格玛（Six Sigma）是一种管理质量和改进流程的方法学，而DMAIC则是六西格玛中最常用的一种方法论。

DMAIC是指Define （定义）、Measure（测量）、Analyze（分析）、Improve（改进）和Control（控制）这五个阶段。

下面我会从不同角度来简单解释一下六西格玛的DMAIC方法。

首先，六西格玛的DMAIC方法是一种系统化的、数据驱动的方法，用于改善组织的业务流程、产品质量和服务质量。

它强调通过精益思维和统计分析来减少变异性，提高流程的稳定性和可预测性，从而达到提高客户满意度和降低成本的目标。

在“Define”（定义）阶段，团队需要明确项目的目标、范围和关键业务指标，以及识别客户需求和期望。

这个阶段的关键是确保对问题的准确定义，以便后续的改进工作能够有针对性地展开。

接着是“Measure”（测量）阶段，团队需要收集相关数据，分析当前流程的性能和稳定性，确定关键的数据指标和测量方法。

这有助于确保团队对问题有清晰的认识，并为后续的分析和改进工作提供可靠的数据支持。

在“Analyze”（分析）阶段，团队会利用统计工具和技术，深入分析数据，找出导致问题和变异的根本原因。

这个阶段的目标是识别出影响流程绩效的关键因素，并为改进工作提供有力的依据。

在“Improve”（改进）阶段，团队会基于前期的分析结果，提出改进方案，并进行实验验证。

这个阶段的关键是确保改进方案能够有效地解决问题，并且对流程的改善产生积极的影响。

最后是“Control”（控制）阶段，团队需要建立稳定的控制机制，监控流程的绩效，并确保改进效果能够持续。

这个阶段的目标是防止问题的再次发生，保持流程的稳定性和可持续性。

总的来说，六西格玛的DMAIC方法强调了数据驱动的改进过程，通过定义问题、测量流程、分析数据、改进流程和控制变化，以实现持续的质量改进和业务绩效提升。

这种方法不仅可以应用于制造业，也可以在服务业和其他领域发挥作用，是一种通用的管理方法学。