优质文档3西格玛规则word范文模板 18页Word下载.docx
《优质文档3西格玛规则word范文模板 18页Word下载.docx》由会员分享，可在线阅读，更多相关《优质文档3西格玛规则word范文模板 18页Word下载.docx（15页珍藏版）》请在冰豆网上搜索。
2?
3第11题
QFD在企业中的应用
QFD作为一个以企业的基本需求为基础，并将这种需求进行多层次演绎分析，转化为不同阶段各种技术要求、管理要求的系统，是施工企业改善企业管理、帮助建设企业提高市场竞争力的有效方法。
将qfd的思想运用于投标单位的资格预审中，通过运用简化的质量屋来把招标商对施工企业的各评审指标转化为该企业建设过程中的关键管理内容，使企业有的放矢，优化企业管理，抓住招标商的需求束，提高企业水平，从而在激烈的竞争中取得优势。
1获取并整理招标商的需求—资格预审评价指标的建立
资格预审的评价指标主要是考察投标单位的4大方面的状况，包括：
财务能力、施工经验、技术能力和企业信誉。
这其实也就是招标商对于投标单位的具体需求。
对qfd的过程来说，客户的需求是有高有低的。
所以，采用统计方法，向
评审专家发放调查表，将招标商的需求重要度分为5个等级，1很重要，2重要，3较重要，4略重要，5不重要。
经过归一化处理，可得到招标商的需求权重w=w1+w2+…+wn,对其需求的相对重要性进行排序。
2构造简化的质量表
将招标商对施工企业各方面需求的不同重视程度转化为施工企业建设中的关键管理过程。
即就是将招标商对投标单位的要求转化为施工企业管理过程中的关键管理因素，利用关系矩阵，通过加权评分把招标商对投标企业的要求的重要度予以量化。
采用这一方法可以将顾客的需求与措施之间的关系进行矩阵展开和量化评估分析，找出对顾客影响最大的措施，把握重点，是企业把人力物力用到关键的地方，在激烈的市场竞争中满足顾客需求，获得可观的效益。
篇二：
6西格玛标准公差计算公式
六西格玛管理系列讲座之一
什么是6西格玛管理？
当人们谈论世界著名公司-通用电器（GE）的成功以及世界第一CEO-杰克.韦
尔奇先生为其成功制定的三大发展战略时，都会不约而同地提出这样的问题。
如果概括地回答的话，可以说6西格玛管理是在提高顾客满意程度的同时降低经营成本和周期的过程
革新方法，它是通过提高组织核心过程的运行质量，进而提升企业赢利能力的管理方式，也是在新经济环
境下企业获得竞争力和持续发展能力的经营策略。
因此，管理专家RonaldSnee先生将6西格玛管理定义
为：
“寻求同时增加顾客满意和企业经济增长的经营战略途径。
”
如果展开来回答的话，6西格玛代表了新的管理度量和质量标准，提供了竞争力的水平对比平台，是
一种组织业绩突破性改进的方法，是组织成长与人才培养的策略，更是新的管理理念和追求卓越的价值观。
让我们先从6西格玛所代表的业绩度量谈起：
符号?
（西格玛）是希腊字母，在统计学中称为标准差，用它来表示数据的分散程度。
我们常用下面
的计算公式表示?
的大小：
如果有两组数据，它们分别是1、2、3、4、5；
和3、3、3、3、3；
虽然它们的平均值都是3，但是它
们的分散程度是不一样的（如图1-1所示）。
如果我们用?
来描述这两组数据的分散程度的话，第一组数
据的?
为1.58，而第二组数据的?
为0。
假如，我们把数据上的这些差异与企业的经营业绩联系起来的话，
这个差异就有了特殊的意义。
假如顾客要求的产品性能指标是3±
2（mm），如果第一组数据是供应商A所提供的产品性能的测量值，
第二组数据是供应商B所提供的产品性能的测量值。
显然，在同样的价格和交付期下，顾客愿意购买B的
产品。
因为，B的产品每一件都与顾客要求的目标值或理想状态最接近。
它们与顾客要求的目标值之间的
偏差最小。
假如顾客要求的产品交付时间是3天。
如果第一组数据和第二组数据分别是供应商A和B每批产品交
付时间的统计值，显然，顾客愿意购买B的产品。
因为，B每批产品的交付时间与顾客要求最接近。
尽管
两个供应商平均交付时间是一样的，但顾客的评判，不是按平均值，而是按实际状态进行的。
假如顾客要求每批产品交付数量是3件。
如果第一组数据和第二组数据分别是供应商A和B每批产品
交付数量的统计值，显然，供应商B向顾客供货的能力要大于A。
因为，供应商B每批都准确地达到了顾
客交付数量的要求，而供应商A在交付期内不是由于各种原因达不到交付数量的要求，使顾客不满意；
就
是多生产了产品，增加了库存，积压了资金。
假如这些数据代表了服务响应时间、顾客满意程度、产品开发周期...等等，这些数据与顾客要求的离
散程度以及与竞争对手的差异，就有了管理上的特殊意义。
Wedon’tknowwhatwedon’tknow.
我们不了解我们不知道的东西，
Wecan’tdowhatwedon’tknow.
我们对不了解的东西不能有所作为，
Wedon’tknowuntilwemeasure.
直到我们度量了我们才能了解，
Wedon’tmeasurewhatwedon’tvalue.
我们不度量我们认为没有价值的东西，
Wedon’tvaluewhatwedon’tmeasure.
我们不重视我们不度量的东西。
在6西格玛管理中常常提到以上的谚语：
我们不重视我们不度量的东西，我们对不度量的东西不能有
所作为。
因此，6西格玛管理特别强调度量的作用，强调用顾客满意的方式，用提高竞争力和追求卓越的
方法度量我们的业绩。
这点与我们传统的管理模式与方法是根本不同的。
让我们来看一看，在“度量什么”
和“怎样度量”上，6西格玛管理与我们传统的做法有什么不同。
首先，在“度量什么”上，6西格玛管理提供了广泛的业绩度量“视角”。
我们许多企业在组织业绩
的度量方面是不完善的。
在我们的日常管理活动中，针对产品特性或实现过程的度量往往比较明确，但对
其他业绩的度量则比较含糊。
我们不善于使用客观的量化度量方法来度量企业当前的表现以及竞争对手的
水平。
比如，一个追求“以快制胜”的企业，从未认真地度量过自己关键业务流程的周期，例如产品开发
周期、试验与测试周期、主要产品的制造周期、市场导入周期等等，也不清楚自己的流程在“时间”上的
“瓶颈”。
如果企业对“快”的追求是盲目的，就无法真正对“快”有所作为。
又比如，一个“以提供顾
客服务”为营销特点的企业，并不清楚顾客对服务的需求与期望，也从没有认真地对服务过程的表现度量
过。
比如说顾客对服务响应时间的要求以及目前企业的服务响应时间达到了什么水平等。
因此企业对“服
务”无法真正有所作为。
6西格玛管理是基于对组织业绩度量的管理，它强调按照顾客的需求和企业发展
重点度量组织业绩的各个方面。
比如：
交付期、交付状态、产品质量、服务特性、成本、库存、顾客满意、
员工满意、管理活动等等。
通过对组织业绩的广泛度量，寻求组织业绩突破和改进的空间。
再则，在“怎样度量”上，6西格玛管理提供了“追求卓越”的度量方法。
传统上，我们的度量仅限
于“符合性”上。
举例来说，我们对照规范检查产品质量，我们把符合规范的记为合格品。
对合格品来说，
一般我们不再关心其符合顾客要求的程度。
例如，某工序生产了A、B、C三个零件，A的测量值接近顾客
要求的目标值，而B接近于规范下限，C则超过了规范下限（如图1-2所示）。
我们把控制与改进的注意
力集中在C上。
尽管A产品的质量接近理想状态，而B产品几乎超差，但在传统的度量方法下，它们的
质量表现是一样的，都视为合格品。
但正是这种度量方法忽略掉的差异，在竞争力方面带来了不可忽略的
差异。
6西格玛管理重视符合顾客要求程度方面的差异，并通过采用揭示这些差异的度量方法，展示业绩
改进的空间。
在6西格玛管理中，通常使用西格玛水平Z作为满足顾客要求程度的业绩度量。
在这种度量中，我们
把每个测量值相对于顾客要求的偏离程度考虑进来。
Z有几种表达形式：
最简单的一种是用测量数据的标准差?
与顾客要求的上限（USL）和下限（LSL）
的关系来表达，其公式为：
达到6西格玛水平是指Z等于6。
如果用我们熟悉的正态分布来解释的话，也就是说过程的波动非常
小，集中在目标值附近。
它们满足顾客要求的能力很强。
而3西格玛水平则波动较大，其满足顾客要求的
能力远不如6西格玛水平。
（如图1-3所示）
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（如图1-4所示）。
根据这个规律，我们可以通过测量缺陷的
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。
通常，6西格玛水平所代表的过
程缺陷率为3.4ppm，而3西格玛水平的缺陷率为66807ppm。
我们不重视我们不度量的东西，我们对不度量的东西不能有所作为。
用顾客满意的方式，用提高竞争
力和追求卓越的方法度量我们业绩的方方面面，是6西格玛管理的基础。
只有解决了“度量什么”和“怎
样度量”的问题，才能发现我们在竞争力上的差距和改进空间。
这是实施6西格玛管理首先要解决的问题。
六西格玛管理系列讲座之二
在上一讲中，我们介绍了6西格玛管理是基于组织业绩度量的管理。
6西格玛管理在“度量什么”和“怎样度量”上不同于传统的方法，它为提升组织的竞争力揭示出广泛的业绩改进空间。
由于测量对象、测量方法和数据类型不同，在6西格玛管理中有若干种用于业绩度量的指标。
下面我们就一些常用的指标作一介绍。
在6西格玛管理的度量中，常常用到下面的度量指标，它们是：
FTY（FirstTimeYield）-首次产出率。
是指过程输出一次达到顾客规范要求的比率。
也就是我们常说的一次提交合格率。
RTY（RolledThroughputYield）-滚动产出率。
是构成过程的每个子过程的FTY之乘积。
表明由这些子过程构成的大过程的一次提交合格率。
RTY=FTY1?
FTY2?
FTYn式中：
FTYi是各子过程的首次产出率，n是子过程的个数。
用FTY或RTY度量过程可以揭示由于不能一次达到顾客要求而造成的报废和返工返修以及由此而产生的质量、成本和生产周期的损失。
这与我们通所采用的产出率的度量方法是不尽相同的。
在很多企业中，只要产品没有报废，在产出率上就不计损失。
因此掩盖了由于过程输出没有一次达到要求而造成的返修成本的增加和生产周期的延误。
举例来说，某过程由4个生产环节构成（如图2-1所示）。
该过程在步骤2和步骤4之后设有质控点。
根据生产计划部门的安排，投料10件。
经过步骤1和步骤2的加工后，在检验发现2个不合格品。
1件须报废，另1件经返修处理后可继续加工，这样有9件进入了后续的加工过程。
这9件产品经过步骤3和步骤4后又有1件报废，1件返修。
整个加工结束后，有8件产品交付顾客。
因此，生产计划部门的统计数据是：
产出率=80%。
这个统计数据不能表明在这80%中，有一些是经过返修后交付的，这些返修活动增加了生产成本和生产周期。
如果我们用RTY来度量的话，可以看出，步骤1和步骤2的FTY1为8/10=80%，步骤3和步骤4的FTY2为7/9=78%。
如果投料100件的话，经过步骤1和步骤2，第一次就达到要求的是100?
80%=80件，这些一次就达是要求的合格品经过步骤3和步骤4后，一次就能达到要求的将是80件?
78%=62件。
也就是100?
80%?
78%=100?
62.4%=62.4件，而80%?
78%=62.4%正是我们说的FTY1?
FTY2=RTY。
就这个例子来说，只有62%左右的产品（6件）是一次就达到加工要求的，而38%左右的产品需经返修或报废处理。
FTY=99%是不是足够好？
在很多人看来，这已经足够好了。
FTY达到3.4ppm不过是种“理想”状态，实际上并不需要如此低的缺陷比率。
但是，如果我们用RTY来度量的话，可以发现越是步骤多、越是技术含量高的过程，对FTY的要求就越高。
从下表中可以看出，如果每个子过程的FTY都为99%，那么由50个子过程构成的大过程的RTY只有60.5%，也就是说将有40%的过程输出需经返工或报废处理。
也许，经过返修处理后，过程的输出可以100%地交付顾客，用我们传统的产出率的统计方法，这个过程的产出率是100%。
但事实上，这个过程中存在着质量、成本和周期的巨大损失。
而这些损失是竞争力的损失。
我们还可以用下面一些度量指标衡量过程满足顾客要求的能力：
篇三：
3西格玛在汽车行业的应用
浅谈3σ准则的意义
专业：
学号：
姓名：
3σ是一种灵活的综合系统方法,通过获取、维持、最大化公司的成功，它需要对顾客需求的理解,对事实、数据的规范使用、统计分析，以及对管理、改进、再发明业务流程的密切关注。
在正态分布中σ代表标准差，μ代表均值x=μ即为图像的对称轴，三σ原则即为数值分布在（μ—σ,μ+σ）中的概率为0.6826；
数值分布在（μ—2σ,μ+2σ）中的概率为0.9544；
数值分布在（μ—3σ,μ+3σ）中的概率为0.9974；
可以认为，Y的取值几乎全部集中在（μ—3σ,μ+3σ）]区间内，超出这个范围的可能性仅占不到0.3%。
σ是一个希腊字母,在数理统计中表示标准差，是用来表征任意一组数据或过程输出结果的离散程度的指标，是一种评估产品和生产过程特性波动大小的统计量，由于σ的大小可以反映质量水平的高低，所以采用“σ水平”的尺度来衡量过程绩效。
3σ准则是检查错误数据的准则之一，在实验测量时，如果事先已修正了系统误差，使之在要求的范围内，实验时主要考虑的是偶然误差，如果某一测量的偶然误差服从正态分布，根据正态分布公式可以就出标准差σ，3σ为极限误差，对于服从正态分布的偶然误差出现在正负3σ区间内的概率为99.73%。
3σ准则是建立在正态分布的等精度重复测量基础上而造成奇异数据的干扰或噪声难以满足正态分布。
如果一组测量数据中某个测量值的残余误差的绝对值ν＞3σ，则该测量值为坏值，应剔除。
通常把等于±
3σ的误差作为极限误差。
对于正态分布的随机误差，落在±
3σ以外的概率只有0.27%，它在有限次测量中发生的可能性很小，故存在3σ准则。
3σ准则是最常用也是最简单的粗大误差判别准则，它一般应用于测量次数充分多（n≥30）或当n＞10做粗略判别时的情况。
3σ准则是以质量为主线，以客户需求作为中心，利用对事实和数据的分析，从而改进提升一个组织的业务流程能力。
它是一套灵活的，综合性的管理方法体系。
汽车制造企业，如果以3σ为手段，对汽车生产流程进行评估、改进及控制，将会使汽车生产在质量和收益水平上有很大的提高。
由于3σ准则在我国汽车制造业中应用还处于在尝试阶段，所以以3σ准则理念为依据，探讨3σ在汽车制
造业的应用方法和模式，对汽车制造业具有很高的参考价值。
3σ准则作为企业的一种准则，必须依靠有效的组织结构体系和一批优秀的人才来推动和保证。
汽车企业运用3σ准则，一定要挑选合适的人选，经过特定的培训后，才能安排其相应的岗位，并规定和赋予明确的职责与权限。
实施3σ准则首先要得到高层领导的重视，汽车公司实施3σ必须要建立3σ团队，也体现无界限合作的理念。
3σ团队形成的关键问题是取得团队的共识和团队的领导及成员的选择，而且团队成员代表着过程中的不同工作部门，因为只有更好的了解团队运作方式才能使团队运作过程更有效率。
3σ团队是为了实现公司管理而由相互协作的个体组成的正式群体，这些群体的有点是可以快速地组合、重组、解散。
团队大致可以分为问题解决型、自我管理型和多功能型三种类型。
团队可以分为成员式团队和教练式团队。
成员式团队的主要特点是以由团队领导的位置和其他成员相同，这样能很好的与其他成员相互沟通。
采用这种组织形式能协调好不同部门之间的障碍，使部门之间的信息达到共享，能充分利用不同部门之间的资源。
教练式团队的主要特点是团队的领导是团队的教练，是指导和监督其他团队成员完成项目，团队领导充分授权给团队成员。
采用这种组织形式能调动部门内部人员的积极性，而且每个成员又是各自项目的负责人，有一定的决策权，团队成员还可以相互交流各自项目的情况。
在汽车制动系统，需要分析制动板到圆盘之间的距离，还需要分析卡钳铸件到加工特征之间的制造工艺公差，运用3σ准则能在汽车制动系统预装配条件下，成功地帮助设计工程师完成公差设计，这种公差设计将装配间隙和制造误差都考虑在内，保证公差设计的准确性，提高产品设计的稳健性。
在汽车车灯装配系统中，为了保证汽车车灯在装配后的装配质量，需要控制装配后灯具与车体之间的间隙和外观表面光顺度。
运用3σ能对车灯装配支架进行敏感度分析，找出敏感度低的位置以装配车灯支架，降低车灯安装的操作难度，保证装配质量。
在汽车钣金焊接件敏感度分析中，汽车车身前车架系统，是安装汽车保险杠的框架件，由多个钣件冲压件焊接而成。
对于这样的框架系统，3σ准则能通过焊接装配后的敏感度分析，找出高敏感度的焊接夹具点位，以便在焊接装夹时固定其位置，避免由于敏感部位的移动，造成装配质量的不稳定。
杰克韦尔奇说，地区销售经理可以用3σ来预测可靠性、定价政策或价格方差；
人力资源经理可以用它来减少聘用员工所需的时间，工厂经理可以用它来减少废物，提高生产能力；
而汽车修理工和园艺工人也可以用它提高服务和满足顾客。
实施3σ的利益可以从两个方面阐述：
从企业内部来讲，可以减少失误、降低成本，最终提高生产率。
从外部来讲，可以提高顾客满意度，增强竞争力并获得顾客和市场份额。
长期以来，国内的一些企业因为产品质量问题一次次的伤害消费者，同时也把大片的市场拱手送给了跨国巨头。
而且，中国产品在许多国家目前仍背着质次价廉的黑锅。
中国企业如果质量管理跟不上去，将首先输在起跑线上。
所以中国必须实行3σ准则来保护中国市场。
美国著名的质量管理学家朱兰博士指出：
“20世纪是生产率的世纪，而21世纪是质量的世纪。
”正如教练不断地测量运动员成绩并采措施提高水平一样，企业也要用数据来做定期的体检，发现问题、分析问题，并及时改进。
以从顾客出发、用数据说话、强调改进、人人提高质量等这些管理法则的基本要求，来强化企业竞争力的内在要素。
一批优秀的企业已经加入了3σ阵容，而更多的企业家已开始把它挂在嘴边，更多的企业将它写进发展规划。
相信在不久的将来汽车行业以及其它行业在3σ准则的运用下会得到更好的发展。
特别地，3σ准则对中国自主的汽车企业来说至关重要，它能推动中国自主品牌的发展和提高企业的生产效率和质量以及顾客满意度，通过3σ准则还可以减少废品率，确保企业的效益，对国产汽车企业具有重要的意义。
篇四：
《统计学》3概率论与数理统计概述
【基础理论知识衔接】第三章1-3节《概率论与数理统计》
一、总结和复习描述数据的方法
二、密度曲线
三、关于概率
（一）三种解释：
古典概率（63页）
统计概率（64页）
主观概率（65页）
概率的以上三种定义，各有其特定的应用范围，也存在局限性，都缺乏严密性。
古典定义要求试验的基本事件有限且具有等可能性
统计定义要求试验次数充分大，但试验次数究竟应该取多大、频率与概率有多么接近都没有确切说明
主观概率的确定又具有主观随意性
苏联数学家柯尔莫哥洛夫于1933年提出了概率的公理化定义
——通过规定应具备的基本性质来定义概率
公理化定义为概率论严谨的逻辑推理打下了坚实的基础。
（二）概率的基本性质（67页）
非负性：
对任意事件A，有0?
P（A）?
1。
规范性：
必然事件的概率为1，即：
P（?
）=1；
不可能事件的概率为0，即：
P（?
）=0。
?
可加性：
若A与B互斥，则：
P（A∪B）=P（A）+P（B）
对于多个两两互斥事件A1，A2，…，An，则有：
P（A1∪A2∪…∪An）=P（A1）+P（A2）+…+P（An）
上述三条基本性质，也称为概率的三条公理。
四、随机变量及其数字特征
（75---86页）
随机变量——表示随机试验结果的变量
取值是随机的，事先不能确定取哪一个值
一个取值对应随机试验的一个可能结果
用大写字母如X、Y、Z...来表示，具体取值则用相应的小写字母如x、y、z…来表示根据取值特点的不同，可分为：
离散型随机变量——取值可以一一列举
连续型随机变量——取值不能一一列举
离散型随机变量
（1）离散型随机变量的第一个数字特征
是指数学期望，又称均值
描述一个随机变量的概率分布的中心位置
离散型随机变量X的数学期望：
（77页公式3.12）
相当于所有可能取值（以概率为权数）的加权平均值
数学期望的主要数学性质
若k是一常数，则E（kX）＝kE（X）
对于任意两个随机变量X、Y，有E（X+Y）＝E（X）＋E（Y）
若两个随机变量X、Y相互独立，则E（XY）＝E（X）E（Y）
（2）离散型随机变量X的方差——第二个数字特征
方差是它的各个可能取值偏离其均值的离差平方的均值，记为D（x）或σ2
公式：
（77页公式3.13）
标准差＝方差的平方根
方差和标准差都反映随机变量取值的分散程度。
它们的值越大，说明离散程度越大，其概率分布曲线越扁平。
方差的主要数学性质：
2?
若k是一常数，则D（k）＝0；
D（kX）＝kD（X）
若两个随机变量X、Y相互独立，则D（X+Y）＝D（X）＋D（Y）
五、随机变量的概率分布
1.离散型随机变量的概率分布（76页）
X的概率分布——X的有限个可能取值为xi与其概率pi（i=1，2，3，…，n）之间的对应关系。
概率分布具有如下两个基本性质：
76页公式
（1）
（2）
离散型概率分布的表示：
概率函数：
P（X=xi）=pi
分布列：
分布图：
常用离散型随机变量的概率分布（78—85页）
二点分布
二项分布
泊松分布（略）
超几何分布（略）
二点分布（0—1分布、Bernoulli伯努利分布、贝努里分布）教材78页
二项分布（教材79页）
（背景）——n重贝努里试验：
一次试验只有两种可能结果
用―成功‖代表所关心的结果，相反的结果为―失败‖
每次试验中―成功‖的概率都是p
n次试验相互独立。
（教材79页公式3.15——重点公式）
在n重贝努里试验中，―成功‖的次数X服从参数为n、p的二项分布，记为X～B（n,p）一元二项分布概率计算函数
教材80页
BINOMDIST
【复习】85页表3.11常用离散型随机变量概率分布的数字特征重点公式
2.连续型随机变量
连续型随机变量的概率分布
可以取某一区间或整个实数轴上的任意一个值
连续型随机变量的概率分布只能表示为：
数学函数——概率密度函数f（x）和分布函数F（x）
图形——概率密度曲线和分
升级会员 