
说到6Sigma,在质量领域似乎很高深的存在。我最早接触6Sigma是在2005年,当时我在一家培训公司实习。当时培训课程,报价最高的课程就是6Sigma。作为培训公司的员工,可以积攒积分旁听企业对外的课程并承担助教的工作,6Sigma所需的积分也是最高的。
在我还没攒够积分之前,就离开了我实习的公司。但是6Sigma给我的印象是“高大上”。
后来我在工厂上班。有幸第二年,我所在的企业外聘了讲师做6Sigma的黑带培训。培训的对象从总经理到部门主管,本来我是没有资格学习的,但是我们的部门主管对这个并没有兴趣,把名额让给了我这个职级还是工程师的Leader。
因为有了之前的培训公司的经历,对6Sigma颇具用心,学习了半年的6Sigma课程,并且最终做的项目拿到了年度第一。后来十几年,在不同的企业开展过6Sigma项目。并且通过了中国质量协会的6Sigma黑带考试。
在同事面前,我可能一个标签就是6Sigma。我分享一下我对于6Sigma的一些心得看法。
6Sigma,在字面含义上就是6个标准差的不合格率,大致上是3.4DPPM(百万分之3.4)。可以认为是一个远期质量目标。
理工科大学生在大学都要学习《高等数学》,必需要学习的一个内容是“正态分布”。在正态分布里,拐点之间的距离就是1个标准差。在质量领域,会经常使用正态分布和标准差。用标6个准差注释缺陷率,代表很高的质量水平。
为什么要用6个标准差,据说是控制成本和失效成本的总和最低,最经济。其实在不同的行业并不尽然,汽配行业的要求比较高,大致上5个标准差,一般的民用行业,也普遍只有3-4个标准差。越高的质量标准代表着越高的控制成本。定义为6个,我们理解为很低的缺陷率即可。企业往往也是期望缺陷率越低越好,我们可以把6Sigma定义为失效的目标。注意,这里不是不合格率的目标,不合格有时天生是很多的,如何让消费者手上的拿到的是低失效,甚至是不失效的才是重点。
我这里用的是远期目标,就是以很难达成的前提。其实很多产品“质量特性”非常稳定,甚至达到8个Sigma或者几乎永不失效,这里绝大部分是不会在质量管理的工作范围内的,会被默认忽略。有一些因为安全性的确认要求,也会反复论述,虽然从未有问题。质量工作平时拿出来“盘”的,都是一些合格率较低的部分。
(另,如果发现有一些检验项目,检验了十年没有出现不合格,在企业的质量控制中就应被论证是否可以删除。确实有很多企业有这样的项目,检验员也是例行的画勾而已。我们之前就取消了一些,给企业节约了不少成本。)
在6Sigma的知识体系里,其实用的各种方法来帮助企业“追求”这样的目标。
追求6Sigma,大致上有两方面的内容。
1. 逻辑方法论。
最常见的方法论是DMAIC(定义-测量-分析-改进-控制),这是五个步骤,通常被采用在“质量改进”的项目中。初学习6Sigma,都要学习这个方法论。
然后是DMADV(定义-测量-分析-设计-验证),这也是五个步骤,通常被采用在“产品设计”的过程中,尤其是针对那些“质量特性不确定的产品中”。如果设计一款老年人用的手机,并不知道是否需要加摄像头,可以用这个方法论确认。
还有其他的方法论。大致上是说的项目管理的实施步骤和具体内容。在项目管理中,可以称为WBS。
这些方法并不是固定的,并且在不断演变。最早的DMAIC其实只有MAIC,有点像英文Magic。方法论并不是一定需要严格定义上去遵守每个细节的要求,是可以缺的,只要整个项目流程上没问题。当然,在没有完全理解这些方法论之后的原理之前,还是建议严格按照要求。
其实依照我的观察,大致上6Sigma改进项目,有20%的项目是成功的,但是这20%中的15%并不是按照6Sigma的要求进行,甚至有一些只是PDCA操作就可以完成,只有5%的项目会从方法论和结果上都合格。在方法论符合要求和改进项目获得成功两者,我宁愿选择改进项目获得成功。这15%的项目需要进行“包装”,且这些包装是有利的。对于黑带和绿带的项目,其中的差异黑带的项目收益更高,且黑带所使用的方法论一定是标准且可借鉴的。一些整体符合要求,收益高,但方法论上比较“土办法”的。可以放在绿带项目中。
6Sigma的逻辑还包含很多其他质量工具借鉴。例如现在6Sigma已经被官方默认为Lean-6Sigma,其中加入了大量的Lean精益管理的内容。其实6Sigma的质量工具也被其他融合,例如《朱兰三部曲》中,就非常推荐DMADV作为设计的方法论。
在实施6Sigma项目中,大致上方法论的部分有三点建议:
A. 符合常理,符合通常大家的逻辑。
B. 项目成功比方法论重要。
C. 尽量学习质量工具,融入工作中。
2. 统计学。
在6Sigma实际给企业带来的收益,看的见的是一些成功的项目。或者企业中成功的项目比较少,管理层比较失望,之后的几年就不再推行6Sigma了。我认为这个是一个误区。
依照我的观察,6Sigma对企业的日常质量管理中,最有效且渗透最深的就是统计学在日常工作的应用。这一些是看得到,但是很难统计的收益。最常见的就是质量改进的效果会普遍采用“假设检验”的方法。甚至会把“假设检验”列入8D的效果验证中。
6Sigma和统计学都是很难的内容。很多工程师不愿意学,另一些工程师需要一些时间去实践,第一年很难有所收获。当然也不排除一些学霸工程师,第一年就吃透了。
6Sigma的统计学,是两方面的内容。
A. 我们前辈所学的统计学,例如正交实验、田口实验、假设检验等,将统计学应用在企业质量管理领域的应用。
这些内容本来就有,只是之前用纸质的方式,人工计算。极少有企业能把这样的应用实现,以前一个“正交实验”就可以发表一篇论文。目前在6Sigma黑带的考试中,会有很多这样的计算要求,但是也不是全部。我们的前辈,可全部是用手算的。
B. Minitab等的统计软件应用,简化了工程师的工作。
所有的计算过程,软件已经帮助工程师实现,工程师只需要将数据按照格式进行输入。甚至实验设计也可以,例如正交实验需要做几组。我认识一位产品设计前辈,她三十年前学这些的都是手工计算的,也是非常感叹科技的发达。
并且统计软件把之前很多估算的内容都实现了精确的计算,而且提供了很多种不同的算法,例如一个简单的假设检验的P值,可以把四种算法的结果都显示。这在手工计算的年代是缺法资源的。
既然在质量目标上,追求6Sigma的要求,百万分之3.4,那么在数据统计上一定也是要求更精确。这个就是6Sigma区别其他质量工具的核心差异。
但是,这些内容并不是新事物。都是前辈留下的,并通过新科技实现。
现在一个下午,就可以完成过去可以发表一篇论文的工作量,对于企业来说是一个非常大的进步,如果把6Sigma的统计应用融入日常的工作中。当然也可以把一些值得的内容同样用于论文发表。
现在我从事QMS软件的产品设计工作。基于黑带所需的手工计算的知识,将Minitab的功能搬到了QMS的数据分析中,并且发现通过EXCEL就可以实现MINITAB的很多功能。Minitab的算法很精确,但不是统计软件的唯一方法。尤其一些简单的假设检验,EXCEL是自带功能的。
实施6Sigma项目的过程中,核心是用逻辑方法论,依照步骤一步一步做,并用统计学,获得Y=F(X)的精确关系,并应用在一些平时较难分析与解决的问题中。
设计DMADV,是找要设计的产品特性以达成顾客满意。
设计DMAIC,是找要控制的工艺特性以达成产品特性符合要求。
我把6Sigma的工具,按照相声的“说、学、逗、唱”四门功课做个划分。
A. 说。统计学。例如:正交实验,DOE,2K因子实验。这是基本功。
B. 学。质量工具。例如:Lean,和其他质量工具互相借鉴的。
C. 逗。项目管理。6Sigma往往通过项目的形式开展,项目管理的能力往往影响效果。
D. 唱。逻辑方法。例如:DMAIC,DMADV这些基本逻辑框架。
着一些是质量工程师实施6Sigma所需学习的。
