six sigma管理的实施阶段(ppt 36页).ppt

Sixsigma教育材料 一 导入Sixsigma的起源及卓越成绩品质管理发展史Sixsigma观念的植入Sixsigma的理解二 sixsigma五个阶段定义阶段测定阶段分析阶段改善阶段管理阶段三 sixsigmatool的活用 LGEHZ 制作 倪云林 Sixsigma的起源及卓越成绩 Motorola在2 6年中取得了节省22亿美元的卓越成绩 GeneralElectric在9个月当中 取得了惊人的成绩 共节省了11亿美元 LGEHZ电子2002年共节省了3892万元的好成绩 6SIGMA管理 最早由摩托罗拉 Motorola 提出 在1992年实现6SIGMA 后来由于通用电气 GE 的积极推行 并取得市场价值第一的卓越业绩 使6SIGMA管理的理论逐渐完善 并且应用实践不断推广 SIGMA 一个反映数据特征的希腊字母 已从单纯的含义标准差 被赋予更新的内容 6SIGMA质量意味着差错率为百万分3 4 即3 4ppm 品质管理的发展史 品质管理的历史 18C IQC 1940年代 SQC 1970年代 TQC 1980年代 TQM 6 IQC Incomingqualitycontrol工业革命时期 生产完后全检 良品与不良品进行区分 SQC Samplequalitycontrol二战时期 主要是生产武器 TQC Totalqualitycontrol主要是在日本推行 TQM TotalqualityManagement美国总统里根极力推行 6 1992年Motorola公司 Sixsigma观念的植入 什么6 都是骗人的东西 真的能节省那么多钱吗 实战SixSigma 观念导入 任何活动的推动与导入其成败关键常取決于人的态度 每家公司都有制度 而人的态度又常凌驾于公司的制度之上 因为观念会影响思維 思維能转化态度 态度又主宰行动 sixSigma能否成功 建构于TQM全面品质管理理念落实深根的基础上 当公司全员 由上到下皆將品质改善视为习惯 视追求流程零缺点为工作成就感 SixSigma的第一要素即已完备 sixSigma 加强了自上而下 自下而上和跨部门的团队工作 改进公司内部的协作以及与供方和顾客的合作 这种合作机会是很多的 态度 习惯 领导参与 什么是sixsigma SixSigma是一个严格的 遵守纪律 使用Data和统计分析来测定和改善一个公司成果的方法论 什么是sixsigma Itisabusinessprocessthatallowscompaniestodrasticallyimprovetheirbottomlinebydesigningandmonitoringeverydaybusinessactivitiesinwaythatminimizewasteandresourceswhileincreasingcustomersatisfaction 因此SIXSIGMA并不是单纯的提高SERVICE或者产品品质的活动 它是通过提高PROCESS的竞争力而贡献于经营成果的活动 SIXSIGMA是一种追求最小变异的经营管理思维 借用统计学上的常规分配与概率模式 来主导企业的战略战术 此之经营理念在强力且有效的管理工具的配合之下 大可从公司营运策略 管理方式一路做到产品研发 制程改善 品质提升及顾客满意度的提升 sixsigma的定量认识 3 42336 21066 807308 537 Level 65432 99 9996699 976799 37993 319369 1463 PPM 良品率 不良率 sixsigma的定性认识 Sixsigma是通过提高PROCESS的竞争力而贡献于经营成果的活动 因此PROCESS很重要 但是PROCESS并不是一成不变的 所以有必要对统计性思考方式进行了解 何谓统计性思考方式 对于信息的分析我们通常会在很大程度上依赖过去的经验和知识 但是 统计性思考方式则不是根据过去的经验 而是根据给定的数据来评价现在的Process的 各位是否经常听到如下的话 这些不适合我们部门的工作我们现在已竭尽全力了我们每天光干活就忙得喘不过气来我不可能这么想这种姿态对革新活动来说是最大的障碍 因为一般人这么想是因为他们难以摆脱过去的经验造成自己独有的思维方式 我们不常提出 为什么 的问题 但是小孩子经常问父母 为什么 通过这种提问 孩子们学到新的信息 并通过学到的东西来决定自己的行动 戴尔 卡耐基 谈到 只要你不认为不可能 你就不会被打败 不要为已打翻的牛奶而哭泣 冷静的分析过去的错误 设法从中获益 再忘却它 这是惟一让过去有建设性意义的做法 因此 不满足过去的经验 能够提出 为什么 的问题 从而学到知识 并在学习的基础上寻求恰当的行动方案 这种姿态可以说是进行SIXSIGMA活动最基本的原理 sixsigma的定性认识 环境变了 有的过程就没有意义了 没必要把过去习惯继续下去 sixsigma的定性认识 Sixsigma是一个严格的 遵守纪律 使用Data和统计分析来测定和改善一个公司成果的方法论 不满足过去 用创造性的思维方式去寻找捷径 超越自我 条条道路通北京 人们为了达到同一目的 可以通过不同的途径 但是最终效果是全然不同 我们现在许多知识是在前人的基础上得来的 也就是说是过去的经验 那么有没有更好的直通路呢 下面我以一个生动的实例来进行说明 某超大集团对该集团员工99999999999999999人十年的生产量进行统计 假设每人十年生产的部品数量为78945213546875476个 试求该集团十年的产量 常用方法 用笔死算使用计算器或计算机创造性方法 第一种方法 可能要花费很多时间 而且准确不会很高第二种方法 速度快 是一种好方法 但是一般计算机只能计算32byte 这里有34byte第三种方法是什么呢 下面我们通过MTB进行详细分析 sixsigma的定性认识 有十二个球 其中有一个和其他十一个球不同重量 但是不知道是轻了还是重了 现在给一个天平 要求只称三次就能找出哪个球重量不同 首先把12个球分ABC三组 一边4个 如下 A1 A2 A3 C2 C3 C4 先让A和B先称 有两种情况1 相等 说明异常球在C组 那么把C组前三个球和A或B任三个相称 又有两种情况 1 1 相等 那么C4是异常球 把C4和其它正常球相称可知其轻重 1 2 不等 可知C1 C2 C3中有一异常球 并知其轻重 然后让C1和C2相称 两种情况 1 2 1 相等 那C3是异常球 轻重也知道了 1 2 2 不等 那么在1 2中我们已经知道异常球的轻重了 所以现在就能找出C1和C2哪个是异常球 2 不相等 说明异常球在A和B组 取出A1和A2 取出B1和B2组成一组 然后取出B3和C组任三个再组成一组 sixsigma的定性认识 Sixsigma是一种追求最小变异的经营管理思维 借用统计学上的常规分配与概率模式 来主导企业的战略战术 此之经营理念在强力且有效的管理工具的配合之下 大可从公司营运策略 管理方式一路做到产品研发 制程改善 品质提升及顾客满意度的提升 最小变异又叫偏差 所以有必要对偏差的含义有深刻的认识 啊 平均水深不是说4m吗 愉快的休假 碧波荡漾 到东海度假的 罗克 先生希望通过跳水来消除长期积存的压力与疲劳 于是他爬上了跳台上 跳台上贴着这样一张告示 注意 平均水深4米 对自己的游泳水平非常自信的 罗克 先生想到平均水深是4米 便看了水平线深深呼吸后 毫不犹豫跳进大海里 但是 被送进了医院 由此可见 处处存在偏差 罗克先生如果不只是了解平均水深 而且对海底偏差也加以确认的话 就不会犯这样的错误 所以对我们决定产生很大影响不仅仅是平均数 而且包括变异大小 偏差的定义 12345 距离 标准偏差的概念 平均 首先考虑一下平均时间 我们知道MEAN 1 2 3 4 5 5 3测定偏差大小的方法是以平均数为中心 测定波及的范围 也就是说 求出各个不同值与平均之间差距 然后求出这些差距的平均数 就能得出平均数之间差距 用公式表示的话 如下所示 平均距离 各DATA与平均数间矩离 DATA数但是考虑到矢量 所以我们通常使用S 分散 或 标准偏差 来表示 S xi x 这样求出来的平均矩离 我们称之为标准偏差 用 表示 也就是说 如果偏差大 就说明偏离中心的矩离大 因此 革新或改善活动的中心就是减小这种标准偏差 S n 1 sixsigmalevel计算 中心内修理时间是三十分 标准偏差是五分 现在修理时间控制在20 30分之间 20分 25分 30分 25分和30分之间的这个标准段可以包含几个标准偏差呢 现准偏差为五分 故可包含一个 这时 称为1SigmaLevel 所谓SigmaLevel就是指标准段内可包含的标准偏差的个数 project后标准偏差将得到改善 那麽SigmaLevel又将如何变化呢 若由5分缩减为2 5分 则变为2SigmaLevel 若再缩减为一分的话 则变为5SigmaLevel 即 SigmaLevel大 标准偏差则小 也可看作想顾客提供的OutputQuality的品质好 SigmaLevel的计算 sixsigmalevel公式计算 当平均值没有偏移时 SL SU 中心内修理时间是三十分 标准偏差是五分 现在修理时间控制在20 30分之间 20分 25分 30分 sixsigmalevel公式计算 当平均值发生偏移时 SU zu 求出Z值可以得出Zu的不良率 SL ZL 求出Z值可以得出Zl的不良率 Ptotal Pl Pu然后反查就可以得Ztotal sixsigmalevel实例 某班学生的国语平均分数是60分 按偏差是5的正态分布的话 随意抽取一个学生时 70分以上分数的可能性是多少 60 65 70 45 50 55 测定值 分数 0 1 2 3 2 1 Z 值 68 3 95 4 99 7 75 3 Z x 5 70 60 2 Pr X 70 Z 2 2 28 或22 800PPM Z 0 0 01 0 02 0 03 0 04 0 0 5 00E 01 4 96E 01 4 92E 01 4 88E 01 4 84E 01 0 1 4 60E 01 4 56E 01 4 52E 01 4 48E 01 4 44E 01 0 2 4 21E 01 4 17E 01 4 13E 01 4 09E 01 4 05E 01 0 3 3 82E 01 3 78E 01 3 74E 01 3 71E 01 3 67E 01 0 4 3 45E 01 3 41E 01 3 37E 01 3 34E 01 3 30E 01 0 5 3 09E 01 3 05E 01 3 02E 01 2 98E 01 2 95E 01 0 6 2 74E 01 2 71E 01 2 68E 01 2 64E 01 2 61E 01 0 7 2 42E 01 2 39E 01 2 36E 01 2 33E 01 2 30E 01 0 8 2 12E 01 2 09E 01 2 06E 01 2 03E 01 2 00E 01 0 9 1 84E 01 1 81E 01 1 79E 01 1 76E 01 1 74E 01 1 0 1 59E 01 1 56E 01 1 54E 01 1 52E 01 1 49E 01 1 1 1 36E 01 1 33E 01 1 31E 01 1 29E 01 1 27E 01 1 2 1 15E 01 1 13E 01 1 11E 01 1 09E 01 1 07E 01 1 3 9 68E 02 9 51E 02 9 34E 02 9 18E 02 9 01E 02 1 4 8 08E 02 7 93E 02 7 78E 02 7 64E 02 7 49E 02 1 5 6 68E 02 6 55E 02 6 43E 02 6 30E 02 6 18E 02 1 6 5 48E 02 5 37E 02 5 26E 02 5 16E 02 5 05E 02 1 7 4 46E 02 4 36E 02 4 27E 02 4 18E 02 4 09E 02 1 8 3 59E 02 3 51E 02 3 44E 02 3 36E 02 3 29E 02 1 9 2 87E 02 2 81E 02 2 74E 02 2 68E 02 2 62E 02 2 0 2 07E 02 2 1 1 79E 02 1 62E 02 2 2 1 39E 02 1 25E 02 2 3 1 07E 02 9 64E 03 2 4 8 20E 03 7 34E 03 2 5 6 21E 03 5 54E 03 表的Z 值表示正态分布右侧尾部面积 2 28E 02 sixsigmalevel实例 6 促进Gr对1000个长途电话通话履历进行了统计性分析 结果是 平均通话时间为240秒 标准偏差是40秒的正态分布 长期Data 请回答以下问题 1 比200秒少或比300秒大的通话次数 2 当LSL 200秒 USL 300秒时 求Zlt bench 分析 确认平均值是否偏移 可以看出平均已发生了偏移 所以应该分两步走Zusl 300 240 40 1 5P 0 0668Zlsl 240 200 40 1P 0 159Ptotal 0 159 0 0668 0 2258 1000 0 226 226通话Zbench Zusl Zlsl 0 159 0 0668 0 2258 Z 0 76 A君于01年12月GB考试中 100分满分 得了80分 这次GB考试共千人应试 平均60分 标准偏差5分 在应试者中 A君为大概为第几名 分析 可以看出是平均发生偏移 且是只考虑单边的情况 Zusl 80 60 5 4等数 31 7 1000000 1000 0 03所以是第1名 DEFINE 定义阶段 ProcessMapping ProcessMapping是调查情报的流程 而使Process文件化 为明确改善的可能性而使用的工具ProcessMapping制定 定义Process范围 要改善的一般领域或特殊的Process 通过大脑风暴法制定Process的阶段顺序 为了容易分析 使用符号 为了验证Process 实际确认 追加KeyProcess的值 Yield Cost 损失费用 加班费用 Cycletime等 按题目的性质 使用分析图 ProcessLoss或浪费要素 改善Cycletime 改善品质 Flow改善 选定CTQ PROJECT导出 定义阶段就算结果 通常在定义阶段会用到QFD FMEA PARETO图 ProcessMapping LogicTree等工具 SIPOC S I P O C Supplier Input Process Output Customer 活动 Activity 意思决定 Process方向与流程 Process开始和结束 SIPOC是表示个人业务的进行状况的略图 Map 在定义顾客的概念及改善Process突出Point时的核心Process分析手段 Input Input Process Man Method Measurement Material Machine Environment output Output 定义阶段 QFD QualityFunctionDeployment 质量指标分解 QFD是将顾客核心要求事项 转换分解成技术要求事项 规格 或暂定的CTQ的工具 由相关工序专家制定QFDProcess 进行市场调查 明确信赖性要求 及一般的要求事项和顾客对现在品质核心问题的要求 对调查内容优先排序 为满足顾客的要求事项制定技术规格 确定对顾客要求事项影响大的技术规格的先后顺序 对已确定的先后顺序的技术要求事项 转换成暂定的Part特性 CTQ 对技术规格影响大的特性要素 CTQ 进行排序 抓住顾客 1970年代开业以来生意兴旺的000饭店最近有很头痛的事情 好多同行在附近开了饭店 他们以新口味 低廉价格 更上一层的服务的逐渐得到顾客的欢喜 这些饭店已经成了000饭店的竞争者 虽然有名气但是现在不能只靠这个名气来经营 有了这种想法的000饭店开始了6Sigma活动想找回以前的风光 统计性思考作为根本 明确区分了SIPOC Supplier Input Process Output Customer 并且在顾客的角度出发分析了顾客的重要要求事项等 经过几个月的时间根据各种数据分析了公司经营状态 并且选定了首先要改善的课题 从现在开始大家是这个饭店的老板和服务员 根据大家的经验和 已知的数据请制作worksheet 事业角度上最重要的是什么 VOB VoiceofBusiness 经营环境分析结果 BusinessIssue KPI 1 销售额两年翻一番 2 成本降低15 3 顾客满意度提高 4 竞争社兼并 Customer1 物美价廉2 SVC优质3 口味多样4 环境优美 Company历史悠久品牌好经验丰富体系完善价格高口味少经营体制不活 Compatitor口味新 价格低服务更好 规模大环境好无品牌经验少体系不完善 1 销售额呈下降趋势 2 价格高 3 经营体制不灵活 4 服务质量有待提高 5 饭店环境有待进一步改善 6 食品种类不丰富 1 利润额 2 顾客满意度 全体员工 消费者 我们000饭店做的事情是 我们000饭店做的事情是 Output是 Input是 我们CTQ饭店要做的事情是什么 1 增加利润 2 为顾客创造价值 1 物美价廉的菜肴 2 最佳的服务 3 顾客满意 4 利润额 这个Output谁使用 InternalCustomer ExternalCustomer 1 物美价廉的原材料 2 高水平的厨师及工作人员 3 舒适的环境和最佳服务 4 成本资金 InternalCustomer ExternalCustomer Input的供应者是谁 1 采购部2 人力资源部3 总务部4 服务人员5 财务部 1 供应商2 人才市场 顾客的要求是什么 1 物美价廉的菜肴 2 SVC优质 3 口味多样 4 环境好 1 按照顺序整理000饭店的业务 2 整理000饭店的产出物 3 整理000饭店所需要的内容 Idea money 问卷Idea moneyMenuMaterial菜 客人点的 Svcprocess skillGiftsSkill bag等material问卷 skillProcess skillIdea data Process分析 SIPOC分析 投入物 Input Process Data知名度菜SatisfactionSatisfactionSatisfactionSatisfaction经过打包的food完成的问卷 data账单Data问卷等 产出物 Output 市场调查 广告 点菜 制作 上菜 svc 赠品 打包 问卷 结账 后续svc 品质功能展开 Remark strong 9 medium 3 weak 1 改善课题选定 1 KPI 2 品质功能展开结果 3 问卷调查结果 改善课题 成本菜肴顾客满意度有竞争力的价格 成本缩减好的口味低价格 顾客期望得到物美价廉的食品 通过成本缩减提供物美价廉的佳肴从而提高本酒店的竞争力 LogicTree 不良内容 1次因子 2次因子 潜在因子 划伤 脱漆 外观不良 作业方法不当 LINE作业不良 来料不良 LINE判定基准不明确 来料不良 作业者责任感不强 修理后未重新投入 X1 X2 从4M 人 资材 机器 方法 分析 结合问题的影响要素 运用Logictree 初步找出问题的潜在因子 Control Improvement Analysis Measurement Define LGElectronics HuiZhou Inc 异色 脏 4 25 Pareto图 拍拉图是基于帕累托原理 该原理是VilfredoPareto提出的 他是十九世纪末二十世纪初的意大利经济学家 1897年他提出 80 的财富集中在20 的人手中 同理 任何过程中的大部分缺陷通常是由相对少数的问题引起的 排列图分析能帮助人们确定这些相对少数但重要的问题 以使人们把精力集中于这些问题的改进上 在sixsigma方法的测量和控制阶段 排列图分析尤其有效 拍拉图分析有助于把差错 缺陷 延迟 顾客抱怨等分类 分层 并从中找出最关键的 PARETO PIE Two sampleTforavsbNMeanStDevSEMeana618 196 002 4b618 014 421 8Difference mua mubEstimatefordifference 0 7795 CIfordifference 5 94 7 49 T Testofdifference 0 vsnot T Value 0 26P Value 0 802DF 10BothusePooledStDev 请问PooledStDev如何计算 pooledSTD公式为 S SQRT n1 1 S1 2 n2 1 S2 2 n1 n2 2 S1 S2分别为两个样本的标准偏差pooledSTD SQRT 5 6 00 2 5 4 42 2 10 5 27 Two sampleTforx1vsx3NMeanStDevSEMeanx1605 389200 001400 00018x3205 390350 004640 0010Difference mux1 mux3Estimatefordifference 0 00115095 CIfordifference 0 002483 0 000182 T Testofdifference 0 vsnot T Value 1 72P Value 0 090DF 78BothusePooledStDev 0 00259 Pareto图 拍拉图是基于帕累托原理 该原理是VilfredoPareto提出的 他是十九世纪末二十世纪初的意大利经济学家 1897年他提出 80 的财富集中在20 的人手中 同理 任何过程中的大部分缺陷通常是由相对少数的问题引起的 排列图分析能帮助人们确定这些相对少数但重要的问题 以使人们把精力集中于这些问题的改进上 在sixsigma方法的测量和控制阶段 排列图分析尤其有效 拍拉图分析有助于把差错 缺陷 延迟 顾客抱怨等分类 分层 并从中找出最关键的 PARETO PIE Pareto图 有人在估计总体均值时要求在置信度为99 的条件下保证样本平均数与总体均值之间的误差不超过标准差的25 问应抽取多少样本 有人问我什么时候要利用这样的公式这个问题很复杂 我也说不好 只能谈谈我的个人见解 希望大家一起研讨 首先你要先搞清楚 总体是不是符合正态分布的 其次就是你分析的目的要得到变化的区间 也就是置信区间 是区间估计 如果这个区间是很重要的话 你就必须要考虑样本的误差 在这种条件下 就要使用样本容量 如果计算方差还要考虑样本修正系数 我们知道6sigma主要采用的是小样本 小概率理论的 主要目的是通过考察样本组的变化 观察总体的变化 着眼点是在变化和差异上 和上诉理论着眼点不一样 从抽样看来样本校正系数 1 n N 但当样本n数很少的时候 这个比率接近于0 所以小样本的校正系数就是1 如果你看统计学的公式经常看到多一点东西 这就是样本误差的校正系数的计算公式 如我们非常熟悉的sem n 1 2这个公式 使用条件应该是简单随机重复抽样 完全的是sem n 1 2 N n N 1 1 2使用条件是简单随机不重复抽样 而在我们所学中 只提到随机抽样 而没有重点提到是不是重复抽样 有放回 所以说这个公式被简化了 而Z值的标准公式是 u Xbar n 1 2而在教材中我们往往看到 u Xbar 这是为什么哪 因为样本小 开方后可以忽略不记了 我学习了6sigma后再学统计学 忽然发现我经常出错 经常算错题 后来就明白了 原来是我熟记的很多东西 并不是确切的 是某些公式的简化形式 看了你的计算公式 但是还是不明白你的题目和这个公式有什么关系 比如你的题目是 有人在估计总体均值时要求在置信度为99 的条件下保证样本平均数与总体均值之间的误差不超过标准差的25 问应抽取多少样本 问 是不是S 和你这个25 是什么关系呢 用简单随机重复抽样方法选取样本时 如果要使抽样平均误差降低50 则样本容量需要扩大到原来的 单选题 A 2倍B 3倍C 4倍D 5倍这个题是不是C呢 应该是 Pareto图 什麼時候用常態分配 什麼時候用t