6SIGMA管理的计划和实施精Word文档格式.docx
《6SIGMA管理的计划和实施精Word文档格式.docx》由会员分享,可在线阅读,更多相关《6SIGMA管理的计划和实施精Word文档格式.docx(10页珍藏版)》请在冰豆网上搜索。
首先是从必需的人力资源,一般6SIGMA管理的成员组成如下(详见参考文献
(1))。
倡导者(Champion):
一般由企业高级管理层组成。
通常由行政总裁(CEO)、总经理、副总经理组成,大多数为兼职。
一般会由一到两位副总全职负责6SIGMA管理的组织和推行,其主要职责为调动和提供企业内部和外部的各项资源,确认和支持6SIGMA管理全面推行,决定"
该做什么"
,检查进展了解6SIGMA管理工具和技术的应用,提出正确的问题。
确保按时、按质完成既定目标。
管理和领导黑带主管和黑带。
黑带主管(MasterBlackBelt):
与倡导者一起协调6SIGMA项目的选择和培训。
该职位为全职6SIGMA管理人员。
其主要职责理顺人员,组织和协调项目实施,执行和实施由倡导者提出的"
的工作。
在6SIGMA管理中,决定"
该如何做"
,培训黑带和为其提供技术支持,推动黑带们领导的多个项目。
黑带(BlackBelt):
为企业全面推行6SIGMA管理的中坚力量。
该职位也为全职6SIGMA管理人员,负责具体执行和推广6SIGMA管理。
同时肩负培训绿带的任务。
为绿带和员工提供6SIGMA管理工具和技术的培训,提供一对一的支持。
绿带(GreenBelt):
为兼职人员。
是企业内部推行6SIGMA管理众多底线收益项目的负责人。
他们侧重于6SIGMA在每天工作中的应用。
他们通常为企业各基层部门的骨干或负责人。
实施过程中可根据实际情况决定6SIGMA与其工作的比例。
6SIGMA管理的全面推行要求整个企业从上至下使用同样的6SIGMA语言和采用同样的6SIGMA工具。
因此,要建一支符合项目开展要求的6SIGMA专业队伍。
根据国外资料表明,一般可以采用如下公式来确定黑带和黑带主管的人数:
黑带总数=公司每年营业总额(美元)÷
1000000;
黑带主管总数黑带总数÷
10。
尤其是培训推广,必须有切实有效的培训。
对从事6SIGMA管理的人员予以专门培训。
资料表明须约20%的人员接受6SIGMA管理的专业性培训(如工具的正确使用),从而形成如下图所示的6SIGMA组织结构(图2)。
6SIGMA管理已不只是简单的要求企业的百万不合格品率少于3.4,而是一套增强企业核心竞争力,保持持续发展的理论和实施方法。
其实施过程可归纳为S4模式(有效的6SIGMA模式SmarterSIXSIGMASolutions)。
3.6SIGMA过程(PFSS)
6SIGMA过程可描述为MAIC四个阶段:
M,测量(measure)、A,分析(analysis)、I,改进(improve)和C,控制(Control)。
在项目界定之后,依照MAIC过程实施6SIGMA管理:
过程
阶段要求
M(测量)
识别关键产品特性和过程参数,了解过程并测量性能
A(分析)
确定关键的过程业绩和决定因素
I(改进)
策划设计优化过程业绩
C(控制)
实施和监控以保持成果
[图8]
由于6SIGMA管理的关键是通过一套以统计科学为依据的数据分析,测量问题,分析问题,改进优化和控制效果。
因此6SIGMA管理非常重视过程每个阶段的项目工具的准确选择和正确使用:
(图9)
项目工具
测量(M)
·
过程流程图
因果图(C&
E)
控制图项目的质量
排列图(Pareto)
散布图
测量系统分析(MSA)
失效模式分析(FMEA)
(识别潜的关键过程输入变理和输出变量)
过程能力指数
顾客满意度指数
分析(A)
头脑风暴法
多变量图(multi-Varicharts)
确定关键质量的置倍区间
假设检验
箱线图(BoxPlots)
直方图
排列图
多变量相关分析
回归分析
方差分析(ANOVA)
改进(I)
质量功能展于(QFD)
试验设计(DOE)
正交试验
响应曲面方法(RSM)
展开操作(EVOP)
控制(C)
控制图
统计过程控制(SPC)
防故障程序(PokaYoke)
过程能力指数(Cp,Cpk)
标准操作程序(SOPS)
过程文件(程序)控制
6SIGMA的过程中所使用的统计方法不是新的。
但S4过程模式的统计方法是一个协调系统,准确选择和合理使用可使6SIGMA的过程计划得以实现。
这需要倡导者和黑带大师的推进和黑带们的有效使用,同样也需要类似minitab这样的软件系统的支持。
根据测量阶段的实施要求,在测量业绩并描述过程以及计划数据收集之后,需对测量系统进行验证,并开始测量过程能力。
3.验证测量系统
测量系统是指测量特定特性有关的作业、方法、步骤、量具、设备、软件、人员的集合。
为获得6SIGMA管理所需的测量结果应建立完整有效的测量过程,以确保测量系统精确可信。
应对测量系统进行的分析和验证包括:
1.分辨力:
确保测量仪器、仪表等设备的
2.准确度:
影响准确度的因素包括环境、设备校准、操作人员等,除必须对测量器具执行严格的周期检定/校准外,还应确保测量系统在使用环境、时间等变化条件下的稳定性;
3.精密度:
确认在相同的条件下,重复测量和试验其结果相互间的一致程度。
影响精密度的主要因素涉及测量器具的重复精度及不同测量人员的操作水平。
通过重复性和再现性的分析(GR&
R),达到验证测量系统的目的。
4.测量过程能力
过程性能为过程的标准差的六倍,即PP=6。
其中6包含有正常波动和特殊波动,因而它不要求过程一定要稳定。
的计算,把收集的数据,看作一个大样本,再计算其样本标准差S。
(2)过程能力(ProcessCapability)
过程能力为过程的标准差的六倍,即PC=6
。
此时,过程的波动仅由正常波动源引起,过程是稳定的。
即PP=PC。
当过程不稳定时PP>
PC (有时定义长期过程能力为过程性能)。
可用样本极差R和标准差S来估计。
(3)过程能力指数
在以下三项假设成立的条件下定义过程能力指数
①过程受控,即过程的质量特性X的波动仅由正常波动引起。
②过程质量特性X服从正态分布N(μ,σ2)(GB4882-85,正态性检验)。
③规格限(LSL,USL)能准确表示顾客的要求:
当过程平均
不在规格限的中心,CP不能真实反映过程满足顾客的要求,但能反映过程的潜在能力。
因此,实际过程能力指数有:
CPK也可以用以下公式计算:
附:
6
管理中几个常用指标
1.
:
这是一个希腊字母,用来度量质量特性波动大小统计单位,在统计学中称为标准差。
我们知道任何一个质量特性X总是有波动的,这种波动是随机的,时隐时现,时大时小,时正时负。
但是当我们大量观察了同一质量特性时,隐藏在随机性后面的统计规律性就会显现出来,这就是X的概率分布。
在一个特性的概率分布中,有两个重要的特征量,这便是随机变量的均值与标准差。
随机变量的均值(统计中记为E(X))常用希腊字母µ
表示,随机变量的取值与均值的差,称为偏差,反映了波动,由于这种偏差也是随机的,为避免正负抵消,用它的平方的均值(统计中记为Var(X)=E(X-E(X))2)来表示其大小,称为方差,记为
,方差的算术根便是标准差,记为
。
2.过程能力PC与过程能力指数Cp:
(1)过程能力是指过程加工质量方面的能力。
这种能力表示过程稳定的程度,在过程受控时,特性服从的分布是正态分布。
过程的稳定性可以用标准差
来度量,
越小,过程越稳定,过程能力接越高。
由于在受控过程中,特性值有99.73%散布在(µ
-3
,µ
+3
)内,因此将过程能力定义为:
PC=6
(2)过程能力指数是用来度量一个过程满足顾客要求的程度。
顾客的要求可以用规范限来表示。
顾客对规范的要求可以是双侧的,即要求在X在(LSL,USL)内。
若记规范限的宽度为T=USL-LSL,规范的中心为M=(USL+LSL)/2,当规范中心M与过程中心µ
重合是,定义过程能力指数为顾客要求与过程能力之比:
有时顾客的要求是单侧的。
如果顾客要求X必须大于LSL时,就定义下过程能力指数为:
如果顾客要求X必须小于USL时,就定义上过程能力指数为:
在顾客的要求是双侧规范限时,过程中心µ
不一定与规范中心M重合,那么这时实际的过程能力指数用Cpk表示:
Cpk=min{CpU,CpL}
Cpk的其它计算公式有:
其中
=|M-µ
|是中心的偏移,K=2
/T是偏离度。
由于
,因此Cp也称为潜在的过程能力指数。
(3)长期的过程能力指数与短期的过程能力指数:
在实际中上述涉及的参数µ
与
常常是未知的,需要从过程中抽取数据获得它们的估计。
在短期的过程能力指数中,可以从短期获得的数据来估计。
譬如在一个稳定的过程中每隔一定时间从生产线上连续抽取一个n产品测定其特性值,从中可以计算它的平均值
,极差R(或标准差s),如果工抽取了k组,那么可以得到µ
和
的估计如下:
这里
上面的d2与c4是一个修偏系数,他们与n有关,可以查表得到
长期过程能力指数也称为过程性能指数,记为Pp相应的有Ppk,PpU,PpL),只是其中的µ
的估计改变了。
将长期收集的所有数据看成为一个样本。
它的样本很大,常有几百、几千个。
若记总的数据个数为N,那么记其平均值为
,样本标准差为s,可以直接用它们来估计µ
其中s无需修正,因为样本量很大,要注意σ的估计在长期数据场合已不能用平均极差或平均标准差估计了。
规范限内所包含的σ个数与不合格品率的关系:
在过程稳定时,若给出了规范限,过程的平均与标准差后,我们可以通过查正态分布表,获得不合格品率。
这里给出一张在不同的δσ质量水平下对照表--每一百万个产品中的不合格品数。
设规范限为(LSL,USL),规范限的宽度为T,规范的中心为M,过程的均值为µ
,标准差为
不合格品率(ppm)
T/2包含的σ个数δ
M=µ
|M-µ
|=1.5
1
317400
697700
2
45400
308733
3
2700
66803
4
63
6210
5
0.57
233
0.002
3.4
3.单位产品的平均缺陷数DPU
设X表示单位产品上的缺陷数,那么它服从泊松分布,其平均值常用
表示,而在一些文献上称它为DPU,表示的是单位产品上的平均缺陷数。
此时合格率为:
P(X=0)=e-DPU
因此要提高合格率就要降低DPU。
4.每个机会的缺陷数DPOM与百万个机会的缺陷数DPMO
一件产品上有10个位置可能产生缺陷,并且每个位置上最多出现一个缺陷。
此种位置称为一个机会(opportunity)。
如一块印刷电路板上有50个焊点,那么虚焊、漏焊、焊锡过多等缺陷只能出现在这50个位置上,这50个位置就是50个机会。
又如护士在病房里护理病人,早、中、晚三次送药片,输药水、记录体温等方面可能发生差错。
这些方面就是缺陷可能出现的机会。
假如一个产品(或一项服务)有10个机会,可用10个长方格表示机会,缺陷可用“·
”表示。
若抽取60个这样的产品共发现18个缺陷,每个机会的(平均)缺陷数定义为
若把DPO乘以106就得每百万个机会的缺陷数(DPMO)为
DPMO=0.03×
106=30000
5.流通合格率RTY
由于在生产线上每一工序都可能产生缺陷,一些缺陷可以通过返工修复成为合格的,因此最终的合格率不能反映中间工序返工所造成的损失。
因此提出了流通合格率的概念。
流通合格率指每一工序合格率的乘积,用RTY表示,或者用YRT表示。
譬如,一个产品有8道工序,其中第二道工序的合格品率为0.955,第五、第八道的合格品率分别为0.97,0.944,另外五道工序无不合格品,则该产品的流通合格率为
RTY=0.955×
0.97×
0.944=87.4%