质量管理的新趋势精益质量管理

1、质量治理的新趋势-精益质量治理精益 HYPERLINK /zlglab/ 质量治理确实是在对关键质量数据的定量化分析基础上，综合运用多种知识和方法，对关键质量指标持续系统改进，追求达到卓越标准，如6西格玛标准，实现显著提高企业质量绩效及经营绩效的目的。精益质量治理是企业提高经营绩效的重要战略。一、精益质量治理是质量治理新趋势在质量治理百年历程中，先后经历了传统质量检验、统计质量操纵、全面质量治理几大时期，目前以6西格玛治理为核心的精益质量治理正成为质量治理新的进展趋势。在传统质量检验时期，检验从生产中分离出来，如泰勒主张成立专门的检验部门，改变原有工人自已检验的方式，设立专职检验员进行产品检验

2、。在20世纪40、50年代，数理统计被引入到质量治理中，质量治理进入到统计质量操纵时期，抽样检验、统计过程操纵等理论和方法不断完善，并被大量应用于质量治理之中。随后时期，数理统计被应用于企业经营全过程，质量治理工具不断推陈出新，ISO9000等标准也开始形成并不断被企业同意，质量治理理念随着市场竞争也提到了新的高度，全面质量治理成为质量治理百年历程中具深远阻碍的进展时期。在20世纪90年代，以GE为代表的世界级优秀企业，开始了质量治理新时期的探究，其重大贡献确实是6西格玛思想和方法的提出和运用。6西格玛治理强调将度量和改进应用于包括质量治理在内的企业经营全过程。6西格玛治理继承了全面质量治理(

3、TQM)的思想，并对TQM有了新进展，即在追求卓越目标下，通过度量及指标持续改进为TQM找到了落实方法。随着GE、摩托罗拉等企业应用6西格玛的巨大成功，6西格玛正被越来越多的企业所了解和认识，以6西格玛为核心的精益质量治理将成为质量治理进展新趋势。精益质量治理确实是在对关键质量数据的定量化分析基础上，综合运用多种知识和方法，对关键质量指标持续系统改进，追求达到卓越标准，如6西格玛标准，实现显著提高企业质量绩效及经营绩效的目的。二、质量数据分析是精益质量的基础质量数据是指某质量指标的质量特性值，由于质量一词含义丰富，既包括狭义的产品质量，也包括广义的工作质量，因而质量指标在企业中就多种多样，质量

4、数据在企业中几乎无处不在。狭义的质量数据要紧是产品质量相关的数据，如不良品数、合格率、直通率、返修率等。广义的质量数据指能反映各项工作质量的数据，如质量成本损失、生产批量、库存积压、无效作业时刻等。这些均将成为精益质量治理的研究改进对象。在质量数据统计分析中，特不关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据的分布规律。数据的集中位置分不有平均值、中位数、众数三种表示方法，其各具优缺点，其中平均值最为普遍常用。数据的分散程度由标准差表达，用符号s(西格玛)表示，数据的分散程度在质量治理中确实是质量特性值的波动性，反映过程能力。数据的分布规律在质量治理中对统计总体而言为正态分布，

5、该分布规律是理论和实践证明的统计规律。质量数据统计分析重点确实是在总体正态分布那个已知背景下研究该正态分布的平均值和标准差。质量数据定量化分析对企业质量治理以及经营治理具有重要意义，其是精益质量治理的基础。通过研究，我们把精益质量治理差不多任务分为两个层次。精益质量治理差不多任务是利用相关质量工具分析实际质量状况，及时发觉异常，并消除质量异常；精益质量治理第二层次任务是持续改进质量水平，持续降低质量波动，即减少样本的标准差。第二层次任务的实现依托于第一层次任务。三、精益质量治理差不多工具介绍结合前面所提精益质量治理两层次任务，对差不多任务而言，支持工具重点是直方图和操纵图，相关理论是统计过程操

6、纵，即SPC；对第二层任务而言，在前面工具基础上，重点是6西格玛治理理论和方法。1、直方图简介直方图是将质量数据按顺序分成若干间隔相等的组，以组距为底边，以落入各组的数据频数为依据，按比例构成的若干矩形条排列的图。直方图的典型作用包括：观看与推断产品质量特性分布状况；通过直方图形状，推断生产过程是否正常，推断工序是否稳定，并找出产生异常的缘故；计算工序能力，估算生产过程不合格品率。在生产过程是否正常的推断上，通过直方图的典型形状就可推断。直方图典型形状包括：正常型、偏向型、双峰型、锯齿型、平顶型和孤岛型。通过已总结出的不同形状常见质量缘故，这为迅速发觉和解决质量问题提供了重要途径。对正常型直方

7、图再进一步与公差限的结合，可直观快速的推断工序能力和质量状况，直观发觉工序异常。如典型图形有：理想型、偏心型、无富余型、富余型、能力不足型。2、操纵图简介操纵图是画有操纵界限对生产过程中产品质量进行操纵的一种图。操纵图是直方图的一种变形 ，其将直方图顺向转90度再反转，再绘制中心线和上下操纵限。中心线为样本某统计量的均值，上下操纵限分不为均值基础上的正负三倍标准差。当生产中不存在系统误差时，产品质量特性(总体)服从正态分布，样品值出现在均值加减3范围内的概率为0.9973。依照相关统计定理，假如生产处于受控状态，则认为样品值一定落在此3范围内。操纵图较直方图最大的特点是引入了时刻序列或样本序列

8、，通过观看样本点相关统计值是否在操纵限内以推断过程是否受控，通过观看样本点排列是否随机从而及时发觉异常。操纵图较直方图在质量预防和过程操纵能力方面大为改进。操纵图的要紧用途有：分析推断生产过程是否稳定；及时发觉生产中异常情况，预防不合格品产生；检查生产设备和工艺装备的精度是否满足生产要求；对产品进行质量评定。3、六西格玛治理简介在6西格玛治理中，通常使用西格玛水平Z作为满足顾客要求程度的质量水平度量。西格玛水平是综合了标准差与公差限的计算值，公式为Z=(USL-LSL)/2，即顾客要求的公差限除以两倍标准差。由于顾客要求是不断提高的，即公式中分子所代表的公差将不断减少，要求标准差应不断降低，以

9、适应顾客要求提高企业质量竞争力。达到6西格玛水平是指Z等于6。用正态分布来解释，确实是在正态分布单侧从均值到公差上限或下限范围内可容纳6个标准差；传统操纵图理论则是单侧3个标准差，不合格率操纵在0.27%水平。6西格玛治理对操纵图3倍操纵限进行了完全突破，将西格玛水平指标由3提高到6。我们应认识到，以3西格玛水平为标准的操纵图及统计过程操纵SPC理论和方法，在实际中仍是有效的。随着西格玛水平的提高，3倍标准差的操纵限区间得到不断压缩，通过操纵图仍能有效发觉质量异常。Z还有另一种表达形式：用百万分之缺陷率(ppm)来表示。一个服从正态分布的过程，其超出规范限的缺陷百分比与西格玛水平是一一对应的。

10、依照那个规律，我们能够通过测量缺陷的比率，估算过程的西格玛水平Z，并以此考察过程满足顾客要求的能力。当分布中心无漂移时，即样本均值与分布中心重合时，3西格玛水平对应的不合格率为0.27%，即2700ppm；6西格玛水平对应的不合格率为十亿分之二，即0.0024ppm。分布中心无漂移为理想状态。当分布中心上下漂移1.5时，3西格玛水平对应的不合格率为66807ppm；4西格玛水平为6210ppm；5西格玛水平为233ppm；6西格玛水平为3.4ppm。GE采取了上下漂移1.5来设定西格玛标准，6西格玛水平为3.4ppm。这成为6西格玛治理的默认标准。在企业追求由3西格玛向6西格玛的过程中，每提高

11、1个西格玛水平，质量水平均呈数十倍的改善。据研究，对一个3西格玛水平的企业来讲，提高一个西格玛水平可获得下述收益：利润率增长20%、产出能力提高12%18%、减少劳动力12%、资本投入减少10%30%。四、有待发觉的质量数据价值精益质量治理思想和方法除应用于产品质量相关活动外，也可应用于各项工作质量的治理。精益质量治理是对全面质量治理的继承和进展。精益质量治理关注对企业质量绩效有重要阻碍能够统计度量的工作或职能，精益质量治理通过度量指标波动性或称为西格玛值来衡量工作质量水平，精益质量治理借鉴QC小组活动经验与不足，引入项目治理理论和方法，形成了具自身特色的组织治理模式和项目治理制度，共同推动企

12、业质量绩效的改善。精益质量治理要求企业改善原有一些质量治理适应，增强指标度量意识，善于发觉和运用统计方法进行度量和改进。企业应重视指标波动性对企业竞争力的阻碍，重视质量指标的持续改进。精益质量治理设立了全新的质量成本概念，用不良质量成本损失代替传统的四项质量成本，为降低质量成本损失提高质量绩效找到了更多的着力点。在企业经营过程中，竞争无处不在。竞争直观看确实是一种比较。能用于比较的指标在企业中多种多样，比如产品质量、产品价格、交货期、服务水平等。企业在经营中由于各种缘故，不同时期同一指标往往表现出差异性，或称为波动性。不同企业这种波动性大小将对客户或相关方带来差不明显的感受。如质量性能指标，传

13、统上，我们关注不合格品，对合格品的质量数据往往不再去分析。同为合格品，都在公差限内，但质量指标波动程度小的企业将更受客户信赖。再如交货期或服务时刻，在客户同意的时刻范围内，我们实现了交付，却无视每批产品交货时刻的波动，假如竞争对手能在更准确更窄的时刻范围实现每批产品的交付， 其在此方面的竞争力将强于我们。在 HYPERLINK /scgl/ 生产治理领域，精益生产、JIT受到了企业的推崇，其追求生产环节交付数量的准确、交付时刻的准确，追求白费的最小化，结合质量指标波动性概念，确实是要追求相关指标在规定限度内波动性最小。精益生产思想对降低生产成本、节约资金、提高生产效率等具有重要作用，对生产环节工序安排、节拍设置、生产打算等均有重要意义，是精益质量治理应用的重要方面。在企业经营中，能用于度量的指标特不广泛，许多指标却常被忽略。比如，一个追求“以快制胜”的企业，假如不能认真地度量过自己关键业务 HYPERLINK /lc/ 流程的反应时刻，如产品开发周期、新品试制周期、量产周期、供货周期、信息