六西格玛
Six Sigma
1、六西格玛的应用现状
1987年，六西格玛的先驱Motorola。——Almost a billion dollars savings in 3 years and a Malcolm Baldrige Award
1989年，IBM。
1991年，DEC。
1993年，ABB、柯达、德州仪器。
1995年，联合信号。——Over 2 billion dollars cumulative savings since it began Six Sigma.
1995年，通用电气。——Over a billion dollars saving in 1998 and 2 billion for 1999.
1997年，COMPAQ、陶氏化工、杜邦、迪尔、洛克希得·马丁、日本电气、帕尔、布捷技术、SIMENS、SONY、TOSHIBA、惠尔普。
1999年，气体产品、美国运通、福特汽车、霍尼韦尔、约翰逊控股、强生、J·P·摩根、LG集团、爱立信、美泰克、抗星、安迅资讯、诺基亚、飞利浦、雷声、普莱克斯、三星电子、旭电、住友、联合技术、美国邮政服务。
1999年《财富》全球500强名单中，有40家公司实施了六西格玛，其中14家属于该名单中前100位的公司。
全球500强之外的公司同样出现了六西格玛的指数增长。包括：花旗银行。尤其是中小企业势头强劲，其中很多是实施六西格玛公司的供应商。越来越多的顾客要求其供应商更短的生产时间、更好的准时交货、更少的不合格等等。
六西格玛出现了跨行业、跨国、跨大陆的发展趋势。航空工业、化学工业、电子工业、冶金工业等尤其明显。
例如：菲亚特Fiat、福特Ford、沃尔沃Volvo、航星Navistar、博格-活纳Borg-Warner等汽车公司最近实施了六西格玛。
例如：以美国国际集团保险、美国运通、花旗银行、GE资本服务所代表金融服务业。
例如：以GE全球电子交易服务系统为代表的商务网络系统。
1995年以前，Motorola的总裁Robert W. Galvin。
1995年以后，联合信号CEO:Lawrence A. Bossily;
GE的前任CEO：John F. Walch
Ford的Jacques Nasser;
Dupont的Charles O. Holiday;
Compaq的Benjamin M. Rosen;
LG的Bon-Moo Koo;
Lockheed Martin的Vance D. Coffman;
Dow Chemical的William S. Stavropoulos;
Intel的Andy Grove。
2、六西格玛的多重含义
西格玛()是一个希腊字母。
西格玛用于定义任一过程或产品特性值相对于其均值的分散程度。
西格玛水平值显示发生缺陷的可能性。西格玛水平值越高，发生缺陷的概率越小。随着西格玛水平值的提高，成本亦随之下降，节拍时间减少，客户满意度增加。
缺陷是指任何导致客户不满意的事情。
何为六西格玛？
狭义：
——减少变差和缺陷
——消除产生变差和缺陷的机会
Sigma () is our measurement of quality to know how effectively we reduce defects & variations.
工程师和统计学家用来精确调整产品及生产过程的高技术方法。？！
何为六西格玛？
金融时报：“…一项旨在从每一件产品、过程和交易中消除缺陷的方法”。
进一步补充：六西格玛是一项在全公司范围内改进过程性能的战略活动，其核心目标是减少成本和增加收入，既适用于制造业也适用于服务业。
六西格玛是一种把公司的定位转移到更好地满足顾客需求的状态，以此获得更大的利润和更强的竞争力，是一种迅猛的“文化革命”。
需要了解顾客的要求，对事实数据进行统计分析，对管理、改进、再造业务流程密切关注。
以实现：减少成本、提高生产力、增加市场分额、保留顾客、减少周期循环时间、减少错误、改变公司文化、改进产品和服务。
客户满意
如果不能用数字表达某事，说明我们对其知之甚少。
如果对其知之甚少，我们就不能控制它。
如果不能控制它，就只能靠运气。
使客户满意的关键
是数据信息
——以客户为中心（Customer focus）
——突破性的改善（Breakthrough Improvement）
——持续改善（Continuous Improvement）
——全员参与（People Involvement）
4 的质量
每年至少有20000张开错的药方
每年有15000多位婴儿被护士不慎跌落
每年断电、断水、断暖气小时
每周电话不通或电视停播约10分钟
每周发生近500例做错的外科手术
每小时丢失邮件2000件
存在的偏移
93%
66 810
Three sigma
%
6 210
Four sigma
%
233
Five sigma
%
Six sigma
Error-free Rate
Defects/Million
六西格玛
企业文化的保障
作为管理战略，加以推行
以统计工具为技术支持，实现各个六西格玛项目的目标（财务数据）
3、实现六西格玛项目的步骤
—定义过程的问题Define
—测量过程的性能Measure
—分析过程的原因Analysis
—改进过程，减少变差和非增值的活动Improve
—控制过程，使得同样的问题不再发生Control
五个基本步骤
发现问题（界定阶段Define）
——质量成本 Economic Considerations of Quality
——基本工具 （排列图、检查表等） Basic Tools(Pareto, Check sheets, etc.)
——工序流程图 Flow charting the process
——行动计划 Action PLans
五个基本步骤
测量表现（测量阶段Measure）
—— 能力分析 Capability Studies
—— 因果分析表 Causes/Effect Diagrams
—— 测量系统分析 MSE
五个基本步骤
确认原因（分析阶段Analysis）
—— 成立小组 Problem Solving Teams
—— 单件缺陷数，产出率 DPU，RTY
—— 头脑风暴 Brainstorming
—— 失效模式与后果分析 FMEA
—— 多变量分析 Multivariable Studies
—— 实验设计 DOE
五个基本步骤
消除或减少引起后果的原因（改进阶段Improve）
——实验设计 DOE
——高级统计工具 Advanced Statistical Tools
——员工参与 Employee Involvement
五个基本阶段
保持改进成果（控制阶段Control）
——控制计划 Control Plans
——修正标准操作程序 Revise Standard Operating Procedures
实施六西格玛前后的对比
1996年 1999年
节约成本收益：投入期2亿 15亿；
利润率：（95年）% %
股票市值（81年）120亿 突破3000亿
实施六西格玛项目的实例
通用电气在新加坡的塑胶制造厂的颜色实验室里，六西格玛项目实施后，将通用电气的树脂颜色调配成顾客要求的颜色所需要的时间减少了85%。在全球塑胶市场快速进步的环境中，这一改进为工厂带来了明显的竞争优势。
使用六西格玛方法和技术后，通用电气药物系统和通用电气研发中心开发出关键性能符合顾客需求的新型Performix 630显像管。这种用新技术制造出的新一代显像管与原来的产品相比，具有更长的使用寿命、更高的灵敏度和更好的成像质量。
由一名黑带员工领导的六西格玛团队改进了准时交货系统，提高了生产率，通过改变冰箱的测试和修理过程为通用电气装置部门节省了4百万美元。改进前的冰箱测试和修理过程是生产线上的一个连续测试环，其过程是将冰箱从生产线上拿下来，检测和修理完毕后在放回生产线上。改进后用八个测试单元取代了原有的测试环，在这些测试单元中有专门人员负责检测冰箱在机械方面可能存在的问题并进行必要地修理，然后再进行电气测试。
在通用电气的资本抵押保险公司中，有一个持续贷款团队，这一团队中包含一名黑带员工和一名主黑带员工，他们应用六西格玛来处理借款人的拖欠问题，并采取相应的补救措施。这使得缺陷率减少了96%，通用电气资本抵押保险公司因此得以在减少申诉费用8百万美元的同时，提供更快捷的借款方式。
通用电气在加拿大的飞机引擎公司的行政助理，在一个项目中进行六西格玛绿带培训，以保证通用电气加拿大公司进口的航海用引擎和工业引擎的质量，以及供应给加拿大顾客的零件和工具的质量。项目的实施不仅大大减少了关税成本，还使得边境延误减少了至少50%。
4、Black Belt’s Training
BB’s training in general
GE Finance-Oriented Curriculum
BB Curriculum (Manufacturing Orientation)
BB’s training in general
Week 1
Six Sigma Overview and the MAIC Roadmap
Process Mapping过程图
QFD(Quality Function Development)
FMEA(Failure Mode and Effects Analysis)失效模式分析
Organization Effectiveness Concepts组织效率
Basic Statistics Using Minitab基本统计
Process Capability过程能力
Measurement Systems Analysis测量系统分析
Week 2
Review of Key Week 1 topic
Statistical Thinking统计思考
Hypothesis Testing and Confidence Intervals(F,t,etc.)假设检验与置信区间
Correlation相关
Multi-vari Analysis and Regression多变量分析与回归
Team Assessment团队评估
Week 3
ANOVA方差分析
DOE (Design of Experiments)实验设计
－Factorial Analysis
－Fractional Factorial
－Balanced Block Designs
－Response Surface Designs
Multiple Regression多元回归
Facilitation tools便利的工具
Week 4
Control Plans控制计划
Mistake-Proofs防呆措施
Team Development团队改进
Parallel Special Discrete, Continuous Process, Administration, and Design Tracks离散、连续过程的管理、设计
Final Exercise练习
GE Finance-Oriented Curriculum
Week 1
The DMAIC and DFSS improvement strategies（DMAIC和DFSS（六西格玛设计）改进战略）
Project selection and scoping (Define)（项目选择）
Sampling principles (quality and quantity)（抽样准则）
Measurement system analysis (also called “Gauge R&R”)（测量系统分析）
Process capability（过程能力）
Basic graphs（基本图）
Hypothesis testing（假设检验）
Regression（回归）
Week 2
DOE (focus on 2-level factorials)（实验设计）
Design for Six Sigma tools（DFSS）
Requirements flowdown（）
Capability flowup (prediction)
Piloting
Simulation（仿真）
FMEA（失效模式分析）
Developing control plans（改进控制计划）
Control charts （控制图）
Week 3
Power (impact of sample size)（样本容量的影响）
Confidence intervals (vs. hypothesis tests)（置信区间与假设检验）
Implications of the Central Limit Theorem（中心极限定理）
Transformation （转换）
How to detect “Lying With Statistics”
General Linear Models（简单线性模型）
Fractional factorial DOEs
BB curriculum (Manufacturing Orientation)
Context (1)
Why Six Sigma
DMAIC & DFSS processes (sequential case studies)
Project management fundamentals
Team effectiveness fundamentals
Define (1)
Project selection
Scoping projects
Developing a project plan
Multi-generational projects
Process identification (SIPOC)
Measure (1)
QFD
－Identifying customer needs
－Developing measurable critical-to-quality metrics (CTQ’s)
Sampling (data quantity and data quality)
Measurement system analysis (not just gauge R&R)
SPC Part I
－The concept of statistical control (process stability)
－The implications of instability on capability measures
Capability analysis
Analyze (2)
Basic graphical improvement tools (“Magnificent 7”)
Management and planning tools (affinity, ID, etc)
Confidence intervals (emphasized)
Hypothesis testing (de-emphasized)
ANOVA (de-emphasized)
Regression
Developing conceptual designs in DFSS
Improve (3-4)
DOE (focus on two level factorials, screening designs, and RSM)
Piloting (of DMAIC improvements)
FMEA
Mistake-proofing
DFSS design tools
－CTQ flowdown
－Capability flowup
－Simulation
Control (4)
Developing control plans
SPC Part II
－Using control charts
Piloting new designs in DFSS
持续改进 追求卓越
This curriculum is not necessarily exactly what is presented by Honeywell / Allied Signal, GE , but it is fairly representative of BB training in general.
Note that this is approximately 160contact hours, fairly focused, and is spread out over about four months.
In other words, the four weeks are not back-to-back, but spaced about a month apart.
There is a formal training in the use of the DMAIC roadmap.
How to integrate the various tools into an overall approach to process improvement.
How to get an improvement project going , how to transition from phase to phase and how to close out the project.
Each tools is then taught within the context of this roadmap, so it is immediately obvious why, when, and where each tools should be used.
GE has significantly reduced the treatment of basic probability and added more emphasis on graphical techniques (scatter plots, box plots and so on. )
The main reason for the difference is that this course is specifically tailored to people with financial background who will be primarily applying Six Sigma in financial ,general business ,and e-commerce process.
For example, we have found DOE to be very applicable in finance (pricing studies, collections, etc.), but we have not had RSM(response surface methodology) application in finance, so RSM is not in our curriculum.
Real examples are critically important to both motivation and learning. Presenting real “front to back” case studies which illustrate the overall flow of the DMAIC process.
Provide example of how each tool has been used.
Do not teach Minitab or other statistical software used as separate topics.
No theory behind t-test, ANOVA ,f-test, etc.
Why would I use this? What does this do? How do I do it?
