您还没有绑定微信,更多功能请点击绑定

六西格玛在交易流程中的实战应用

六西格玛在交易流程中的实战应用
作者:袁春雷 (Jason Yuan)

六西格玛给人的印象都是在改善制造领域质量成本,特别是工艺参数方面的设计。虽然GE的杰克韦尔奇在其自传谈及六西格玛的管理和哲学,以客户为中心创造无边界改善组织,但是也很少笔墨触及到非生产领域的具体应用,市面上的很多文献和著作也较少涉猎。本文将探讨一下六西格玛在交易流程(非生产区域)的具体应用。
六西格玛与精益管理思想一样,都是从客户的关注点着手。相比较于制造领域,交易流程的很多部门关注的问题或改进的指标通常和真正的客户关心的不是很强的相关性。它们都是间接部门支持制造更好的为客户服务。 如:财务的应收账款的天数,HR 的员工离职率,质量部门的体系审核的成功率。这些都是BVA(Business value added)-企业内部认为必须要的活动,客户不一定真的很关注。
  在上述定义了问题和改善对象后,将测量目前的现状,在交易流程中数据的收集有的是直接能测量的,有的是主观要收集的,如客户满意度调查。基于数据设定改善目标,并展开分析。分析的工具常见的用到头脑风暴,亲和图,鱼骨图,因果矩阵,FMEA等分析主要原因。
  找到原因后改善措施大都不能用实验设计(DOE)来找到最佳改善,所用到的改善措施都是团队要一起研究原因后要制定的。

下面举两个六西格玛实际例子来说明,一个属于属性值得改善,一个是连续性数据改善。

A公司行政部门准备提高员工伙食满意度的项目,在改善前员工对伙食的满意度只有45%,影响到员工的情绪。设定目标提升到70%。确定了目标后六西格玛改善小组开始确定关键的影响因子。首先团队头脑风暴了10个主要因子,投发了100份问卷,筛选确定关键因子。主要的并汇总打分,见下表:
 
分了两个维度一个是员工的关注度,一个是目前的满意度,都取了平均值,然后关注度*满意度 综合看,确定了5个关键因子:味道,温度,品种,餐别,服务仪表。其中:餐别为两类:早餐/夜宵 和中餐,根据餐别对其他几个关键因子,用鱼骨图来分别深入分析。同时小组也画了流程图,观察哪些流程步骤容易出问题。
最后做了一些很有效的改善措施:如味道:提供附加的调味品,品种:半个月1大荤2小荤 2素,半个月 2大荤2素;每天保证1辣,提供时令蔬菜,并设置看板监控。温度:确保大于65度,并不定时抽查。
 整个项目A公司做下来,一个月满意度调查上升到78%,取得广大员工的好评。

B公司 财务部门设立了一个六西格玛项目意在降低开票的出错率(红票率),在国内发票是税务部门严格控制的,正常的开票流程14天完成,但是如果发票开错需要重新向地方税务部门申请空的发票,一来一回需要52天,因此迫切需要改善。现状:财务负票率为2.91%,平均月60份负票, 改善的目标要降低50%。项目首先选取了利益相关部门成员:财务,客服(CS),出货部门,然后团队用目视化的方法展开流程图,对每个流程展开了失效模式分析。(以下鱼骨图是用失效原因的总结)
 

主要失效模式高风险以5分制打分,最高风险分数为125分。前五位的失效模式:

1.    手工单出货单布局不规范,出货信息不完整。Billto、Qty、分批出货等 ,分值:125
2.    客户资料不统一、不规范,财务开票信息不全    分值:125
3.    CS需为财务提供订单确认书,财务需做订单确认书和出货单匹配  分值:100分
4.    红票太多,其他部门不了解其影响 分值:100
5.    Vips订单,开票员需手工输入出货信息,费时并容易出错 分值:80

针对主要的失效,采取了主要的改善措施:
•    财务协同IT探讨新的布局和内容,对系统进行整改。
•    取消CS提供订单确认书 
•    设计统一表格收集新客户信息,包含客户名称、帐号、银行信息等 ,IT在系统中增加编号栏位,以做对应
•    财务提供红票报告,并请相关责任人员签字确认。制定红票黑名单,定期Review
•    CS从系统中取出数据出相关信息,定期发给财务

改善完后的2个月数据直线下降,,第二月1.59%,第三月0.96%,改善是否真正有效,我们需要做改善前后的假设检验。改善前为11个月的数据,由于是小样本检验,需要先做验证改善前后数据的方差是否相等,采用F双边测试。H0(原假设):σBefore=after, H1:σ Before<>after,运行Minitab检验结果见下图。
 
                 
可以看到:P- Value=0.605>0.05 ,H0(原假设)成立,两者方差相等。
     知道方差相等,可以做T 检验来验证改善前后的红票率是否有显著差异,是否真的改善。H0: џ Before=after ,H1: џ Before>after,选择T测试单边检验,运行Minitab,结果见下图:
        

图表中:P-Value=0.03<0.05:H1成立,拒绝原假设,改善后的数据显著小于改善后的,改善有效。

      从以上两个交易流程改善的实际案例看,团队改善没有用到特别精深的统计知识,但是用到DMAIC的思路都一样的,以数据为中心,灵活应用鱼骨图,因果矩阵,流程程序分析,FMEA等分析得到真正改善的原因并采取相应的改善方法。结果改善非常有效,成绩巨大。

0 个评论

游客无法查看评论和回复, 请先登录注册