6σ介绍
- 格式：doc
- 大小：47.50 KB
- 文档页数：4
A即Analyze分析，对于选定的问题进行系统的分析。6σ所针对的问题都是长期得不到解决的、通过一般简单的方法解决不了的问题，因此需要采用流程分析（Process Mapping）、原因分析（Cause & Effect Analysis）、失效模式与后果分析（FMEA）等系统分析手段。为了映证、支持分析的结果，还会用到变差分析（ANOVA）和假设检验（Hypothesis Test）等统计学工具。
6σ的活动以项目的方式进行，即针对与质量相关的重大问题设立项目，6σ项目十分注重项目的经济效益。项目由公司高层、财务部门和6σ黑带大师（Master Blackbelt）共同审定，黑带大师或黑带（Blackbelt）跟踪评审项目的进度。
随着六个西格玛在全球范围的迅速发展，越来越多的公司和机构希望能了解或导入6σ系统。特别一提的是，正在运行6σ的美国公司通常要求其重要的供应商同样采用6σ系统，这使得向美商供货的公司更加热衷于学习6σ。鉴于6σ的高度复杂性，多家咨询、顾问机构为其客户提供这方面的服务。其中TUV设有Blackbelt/Greenbelt课程，为客户培训六个西格玛方面的专才，辅助客户导入并推行六个西格玛。
由于6σ活动中涉及大量的统计学内容，因而从事6σ工作的人员需要经过一段时间的严格系统培训。在6σ的建制中，借用了体育界的级别名词。黑带大师是6σ的统帅，他们往往是一些统计学专家，同时又是公司的高层。黑带大师为整个公司的6σ活动进行规划，为黑带、绿带（Greenbelt）提供统计、项目指导，对6σ活动的绩效负责。黑带是从事6σ的专职经理，他们带领绿带开展6σ项目。绿带则是6σ的基础骨干，他们由经理、主管或工程师兼职，是各6σ项目的负责人。
(红色区代表质量问题造成的损失)
图23σ与6σ概念的比较
由于6σ对过程的偏差提出了更高的要求，因此需要一套完整系统的方法才能达成目标，这套方法简单地可用四个英文字母表示，即著名的MAIC
M即Measure测量，在6σ活动中，σ是尺度，要求一切过程和绩效都要用σ的个数来衡量。如何计算σ及其个数、如何计算当前的过程的能力或绩效水平、如何确定努力的方向是测量的主体内容。这也是为什么说6σ是世界级大公司的量度的缘故，当一家公司的各项主体质量指标、业绩水平和工艺控制水平都达到6个σ时，该公司就称为6σ的公司，表明该公司的产品和服务质量及社会责任等各方面值得高度的信赖。为保证σ的计算是准确的，还要对测量系统进行分析，如重复性和再现性分析（GR&R）的。
Motorola公司在90年代初始创六个西格玛方法，最初仅用于质量管理，提出一百万个机会中只有低于三点四次出错的目标口号。该方法很快受到各世界级大ห้องสมุดไป่ตู้司的极大关注，很多美国公司相继引入。特别是GE成功地将六个西格玛发展成为一个超前的公司管理模式，借助6σ，以摧枯拉朽之热，扫除顽疾，荡涤尘埃，恢复GE精干勇猛、所向披靡的勃勃生机。经过十年的发展，六个西格玛已成为度量世界级大公司的尺度。各公司不仅纷纷效仿，而且要求其供应商也要导入同样的管理系统，以迎接新世纪新的挑战。
深层质量管理——六个西格玛（6σ）
进入90年代以后，商业社会的竞争日趋白热。每天都有公司被兼并，也有公司在新生。世界各大公司都在危机中寻求新的增长点和突破口，稍侍停顿，就会落后。新技术虽然具备诱人的潜力，但如果没有管理，先进的技术无法施展，在规模经营和全球化的浪潮当中，CEO们一致把目光投向管理。六个西格玛（6σ）在众多的管理模式中脱颖而出，成为当代突破成功羁绊的一匹黑马。
I即Improve改进，在了解造成问题的原因之后，寻找改进的方法并确定新的工艺参数。对于复杂问题往往会用到实验设计（DOE）等统计应用工具。在这一阶段，还要了解改进后的效果，即改进后的σ个数。
C即Control控制，对改进后的工艺过程实施控制，包括SPC、ISO9000、防错技术（Mistake-proofing）等活动。
一般情况下，一组检测的数据跟从正态分布的规律，其分布形态见图1。正态分布是一个对称的分布，靠近平均值的数据较多而远离平均值的数据较少。σ描述的就是数据的这种离散程度，σ的值越大表明数据越分散，越有机会超出允许的偏差范围。因此质量或过程改善的目标之一就是使σ变小。
±
图1 正态分布
由于±3σ的宽度涵盖了99.7%的数据（见图1），因此传统质量控制中将±3σ作为控制的目标，即±3σ的宽度小于允许的偏差范围即可，σ也类似于99%合格的说法。在竞争日益激烈的今天，客户不可能再接受99%合格的产品或服务，99%合格目标已经远远落后了。因此6σ的概念提出要进一步缩小标准偏差，收窄数据分布，使得±6σ的宽度落在允许的偏差范围内（见图2）。
σ是一个希腊字母，在统计学中被用作标准偏差的符号。通常对于产品的质量或工艺过程的某项指标，我们会规定一个目标值（T）和一个允许的偏差范围（上限USL，下限LSL）。例如规定某食品产品中的糖份含量为12%，允许的偏差范围是11%-13%。而对产品或过程的多次实际检验得到的是多个数据，在统计学中用平均值（μ）和标准偏差（σ）来总结这些数据，并将平均值与目标值进行比较；将标准偏差与允许的偏差范围进行比较。
6σ的活动以项目的方式进行，即针对与质量相关的重大问题设立项目，6σ项目十分注重项目的经济效益。项目由公司高层、财务部门和6σ黑带大师（Master Blackbelt）共同审定，黑带大师或黑带（Blackbelt）跟踪评审项目的进度。
随着六个西格玛在全球范围的迅速发展，越来越多的公司和机构希望能了解或导入6σ系统。特别一提的是，正在运行6σ的美国公司通常要求其重要的供应商同样采用6σ系统，这使得向美商供货的公司更加热衷于学习6σ。鉴于6σ的高度复杂性，多家咨询、顾问机构为其客户提供这方面的服务。其中TUV设有Blackbelt/Greenbelt课程，为客户培训六个西格玛方面的专才，辅助客户导入并推行六个西格玛。
由于6σ活动中涉及大量的统计学内容，因而从事6σ工作的人员需要经过一段时间的严格系统培训。在6σ的建制中，借用了体育界的级别名词。黑带大师是6σ的统帅，他们往往是一些统计学专家，同时又是公司的高层。黑带大师为整个公司的6σ活动进行规划，为黑带、绿带（Greenbelt）提供统计、项目指导，对6σ活动的绩效负责。黑带是从事6σ的专职经理，他们带领绿带开展6σ项目。绿带则是6σ的基础骨干，他们由经理、主管或工程师兼职，是各6σ项目的负责人。
(红色区代表质量问题造成的损失)
图23σ与6σ概念的比较
由于6σ对过程的偏差提出了更高的要求，因此需要一套完整系统的方法才能达成目标，这套方法简单地可用四个英文字母表示，即著名的MAIC
M即Measure测量，在6σ活动中，σ是尺度，要求一切过程和绩效都要用σ的个数来衡量。如何计算σ及其个数、如何计算当前的过程的能力或绩效水平、如何确定努力的方向是测量的主体内容。这也是为什么说6σ是世界级大公司的量度的缘故，当一家公司的各项主体质量指标、业绩水平和工艺控制水平都达到6个σ时，该公司就称为6σ的公司，表明该公司的产品和服务质量及社会责任等各方面值得高度的信赖。为保证σ的计算是准确的，还要对测量系统进行分析，如重复性和再现性分析（GR&R）的。
Motorola公司在90年代初始创六个西格玛方法，最初仅用于质量管理，提出一百万个机会中只有低于三点四次出错的目标口号。该方法很快受到各世界级大ห้องสมุดไป่ตู้司的极大关注，很多美国公司相继引入。特别是GE成功地将六个西格玛发展成为一个超前的公司管理模式，借助6σ，以摧枯拉朽之热，扫除顽疾，荡涤尘埃，恢复GE精干勇猛、所向披靡的勃勃生机。经过十年的发展，六个西格玛已成为度量世界级大公司的尺度。各公司不仅纷纷效仿，而且要求其供应商也要导入同样的管理系统，以迎接新世纪新的挑战。
深层质量管理——六个西格玛（6σ）
进入90年代以后，商业社会的竞争日趋白热。每天都有公司被兼并，也有公司在新生。世界各大公司都在危机中寻求新的增长点和突破口，稍侍停顿，就会落后。新技术虽然具备诱人的潜力，但如果没有管理，先进的技术无法施展，在规模经营和全球化的浪潮当中，CEO们一致把目光投向管理。六个西格玛（6σ）在众多的管理模式中脱颖而出，成为当代突破成功羁绊的一匹黑马。
I即Improve改进，在了解造成问题的原因之后，寻找改进的方法并确定新的工艺参数。对于复杂问题往往会用到实验设计（DOE）等统计应用工具。在这一阶段，还要了解改进后的效果，即改进后的σ个数。
C即Control控制，对改进后的工艺过程实施控制，包括SPC、ISO9000、防错技术（Mistake-proofing）等活动。
一般情况下，一组检测的数据跟从正态分布的规律，其分布形态见图1。正态分布是一个对称的分布，靠近平均值的数据较多而远离平均值的数据较少。σ描述的就是数据的这种离散程度，σ的值越大表明数据越分散，越有机会超出允许的偏差范围。因此质量或过程改善的目标之一就是使σ变小。
±
图1 正态分布
由于±3σ的宽度涵盖了99.7%的数据（见图1），因此传统质量控制中将±3σ作为控制的目标，即±3σ的宽度小于允许的偏差范围即可，σ也类似于99%合格的说法。在竞争日益激烈的今天，客户不可能再接受99%合格的产品或服务，99%合格目标已经远远落后了。因此6σ的概念提出要进一步缩小标准偏差，收窄数据分布，使得±6σ的宽度落在允许的偏差范围内（见图2）。
σ是一个希腊字母，在统计学中被用作标准偏差的符号。通常对于产品的质量或工艺过程的某项指标，我们会规定一个目标值（T）和一个允许的偏差范围（上限USL，下限LSL）。例如规定某食品产品中的糖份含量为12%，允许的偏差范围是11%-13%。而对产品或过程的多次实际检验得到的是多个数据，在统计学中用平均值（μ）和标准偏差（σ）来总结这些数据，并将平均值与目标值进行比较；将标准偏差与允许的偏差范围进行比较。
