当度量指标是离散型数据——不良率，检验不良率指标是否达到预期值，即为比率检验。
在此，先讨论单样本比率检验。

为编辑方便，以PPT截图发布如下。

样本容量在实践中，具有实际意义：
在运用统计手段进行分析决策中，需要收集一定的样本，如果样本量过多，会增加经济成本，如果太少，不能满足统计分析要求，导致分析决策失误。在此，以单样本均值检验为例，讨论一下样本容量的问题，其他检验类似。

为方便编辑，以PPT截图的形式发布如下。 收起阅读 »

配对样本，与双样本有所区别。在此，单独列出进行讨论如下。

双样本检验：检验两个样本的均值与均值、方差与方差之间的比较。

为编辑方便，以PPT截图形式发布如下。

概述：将实际问题转化为统计假设，根据样本对所提出的假设作出判定：是拒绝，还是不拒绝，从而推断总体的某些性质，对实际问题作出统计判断。

意义：通过假设检验，对流程/系统的变异或状态，作出合理的判断，或对关键输入输出变量，进行验证，以支持合理的管理决策。

原理：小概率原理是假设检验的基本依据，即认为小概率事件在一次试验中几乎是不可能发生的。当进行假设检验时，先假设H0成立，在此假设下，若小概率事件A出现的概率很小，假如P(A)=0.01，经过取样试验后，A发生了，则违反了上述原理，认为这是一个不合理的结果，拒绝假设H0。

统计学依据：单因子X为离散型，样本数据Y为连续型，且Y服从正态分布、相互独立，Y总体均值、方差的检验法。

单样本检验：检验样本的均值或方差，与标准值的比较。

在此强调：在假设H0为真的条件下，对应的统计量才服从对应的概率分布，才能将样本的均值X或标准差S代入统计量，计算统计量在对应分布下的概率p，考察概率p是否为小概率事件，从而作出拒绝或不拒绝H0的判断。
若不假设H0为真，对应统计量就不服从对应的概率分布，就不存在后续计算p值和判断。

为编辑方便，以PPT截图形式发布如下。 收起阅读 »

概述：计算置信区间和Z检验或T检验的条件是，样本数据是相互独立，且服从正态分布。所以，在此之前需要对采集的数据进行独立性检验和正态性检验。

独立性检验：采集后组成的有序数列中，具有相同的事件或符号的连续部分称为一个游程。当数据个数n一定，若数据相互独立，则游程的个数应该不是特别多，也不是特别少。样本量<40，可查表检验；25<样本量<40，可查表检验，也可软件正态近似检验；40<样本量，只能软件正态近似检验。

查表检验，在此不作讨论。下面以一个例子，讨论minitab检验数据的独立性。

为编辑方便，以PPT截图形式发布如下：
收起阅读 »

参数估计时，给定置信水平，推算出参数的一个取值范围，即置信区间。
这个范围是如何计算出来的？minitab又是如何计算的？知其所以然，才能更好的理解、掌握、运用工具进行分析工作。

为了编辑方便，以PPT截图发布如下。

为编辑方便，PPT截图如下。

变异：造成过程数据、特性或功能改变。
1、一般（普通）原因（common causes）：噪音、随机变异，不可避免，随时间显示稳定。当一个过程只存在普通原因变异的情况下，称处于受控状态。
2、特殊原因（special causes）：某个/系列干扰，一次性/永久改变，造成变量不可预测、失控。当一个过程存在特殊原因变异的情况下，称处于过程失控。

控制图：通过时间的推移对过程质量加以测定、记录，并从而进行跟踪、控制管理的一种方法。
目标：检测出引起过程重要变异的特殊原因，及时采取调查和纠正行动消除特殊原因，保持过程处于统计控制状态。

为编辑的方便，其他内容以PPT截图的形式发布如下。

收起阅读 »

收集数据后，利用测量系统分析，判断数据是否真实反映流程状态。
接着，
一、利用箱线图，考察数据是否具有代表性。主要是考察异常点
——若异常点能合理解释，则样本数据中删除异常点，进行后续数据分析
——若异常点不能合理解释，则样本数据中包含或不包含异常点，分别进行后续数据分析

二、利用箱线图，考察多个数据组分布特征
若能图形识别数据特征，做出决策的，就不用再做统计分析。

收起阅读 »

测量系统分析－离散(属性)MSA方法

为编辑方便，以PPT编辑，再截图如下：

在讨论测量系统分析前，先讨论六西格玛统计分析的流程思路。

数据收集——测量系统分析（数据是否真实反映流程状态）——箱线图（数据是否具有代表性，考察异常数据点）——统计过程控制（流程是否稳定）——过程能力分析（当前流程是否满足客户要求，绩效表现怎样）——多变量研究（当前流程的可控输入变量与噪音输入变量有哪些？采取怎样的数据收集方式）——图形比较——正态检验——点估计、置信区间估计——假设检验

统计过程控制（流程是否稳定）——过程能力分析（当前流程是否满足客户要求，绩效表现怎样）——试验设计DOE——多变量研究（当前流程的可控输入变量与噪音输入变量有哪些？采取怎样的数据收集方式）——数据收集

测量系统分析

在此以一个例子来讨论。为了编辑的方便，以PPT编辑完成后，截图发布如下： 收起阅读 »

“中国制造”，离精益还有多远？

改革开放后，中国制造一路高歌猛进，中国制造席卷全球。中国一跃成为制造大国，这也一直是我们所津津乐道的。但是，随着欧美经济危机的爆发，人民币升值，国内人工成本和材料成本走高，中国制造似乎一夜之间陷入泥沼，我们突然间认识到——中国制造，原来大而不强！
中国制造业发展的同时，也在不断苦练内功。
从上世纪90年代开始，中国制造就在学习精益，现在已经过去二十多年，纵观这二十几年的精益过程，我们不得不承认，精益遍地开花，却少有结果。君不见，中国真正精益的企业少之又少，凤毛麟角。
精益到底是什么？首先，我们可以肯定，精益不是噱头，不是狗皮膏药。我们来看——
上世纪初，美国福特汽车公司创造了批量生产的流水线方式，生产效率较原始的手工作坊大幅度提高，福特一跃成为世界第一大生产商。批量生产的流水线方式取代手工作坊的方式成为主流。
二战后，日本丰田公司首创了“精益生产”，生产效率较流水线方式大幅度提升，丰田公司战胜美国老牌的汽车，一跃成为最赚钱的汽车公司。而精益方式则在世界上大行其道！
还有摩托罗拉和通用的6sigma品质改善方式……
从结果导向制来看，不管是批量的流水线方式，还是丰田生产方式的精益生产，或者6sigma，都大幅度提高了企业的竞争力，显著增加了企业的效益。与之前的方式相比，新的方式更有竞争力，是一种突破性的提升，是一种质变！
但是，反观中国制造，我们精益了这么多年，制造业的效率提升了多少？盈利水平提高了多少？
如果企业真正的精益，代表了企业的效率和利润可以持续显著提升。那中国这么多实施精益的公司中，又有几家公司真正“精益”了？
如果是少数的几家企业实施精益不成功，我们可以认为是这几家企业的问题，但是，如果绝大多数企业的精益推行都不怎么成功的话，就不再是企业的问题了。
我们不禁要问——为什么制造业的精益之路就这么难？
中国制造几十年的精益历程，不是想证明精益在中国遍地开花，而是要以改善中国制造的现状。
企业的目标为了更强大的竞争力，从而获取更多的利润。精益就是为企业实现这个目标服务的。
是什么导致企业的盈利处于现状的水准，而不是更高呢？因为企业现状的问题。
企业的问题很多，有经营问题，销售问题，生产问题，管理问题、执行问题等等。企业要追求“完美”。似乎要全面解决这些问题。
但要解决这些问题，企业需要投入的资源太大。所有的企业，都会受到一个非常重要的约束——企业投入的资源是有限的。依据“二八原理”——企业虽然会有很多的问题，但是这些问题的重要程度是不一样的，只要我们解决了企业最重要的20%的问题，就可以从根本上改变现状，企业的盈利水平也可以在最短的时间内实现质的飞跃。
解决主要问题，抓主要矛盾，才是企业快速提升盈利水平，追求精益的捷径。才能真正符合企业的目标！（这也是我每次大喊中国制造可以有快速突破的精益之道的原因。在我的新书快速精益突破实战小说《冲出重围》中，有详细阐述！本书由机械工业初版社初版，预计十二月面世）
精益不是搞几下5S，不是实施几张看板，也不是弄几条cell线，真正的精益，是可以满足企业利润持续显著提升要求的。
若实施精益，企业利润不能提升，这种精益就是“伪精益”，只是打着精益的幌子而已！
收起阅读 »

在讨论统计分析前，需要先明确数据类型与分析工具的关系。

数据分为：连续数据和离散数据。能用仪器记录的，通常为连续数据；不能用仪器记录的，通常为离散数据。
对应用场景中，数据分X、Y的判断，以采用合适的分析工具。逻辑上，先有X，再有Y，X对Y构成影响，Y是X的反应结果。

注意：
单一X，单一Y，指分析对象是一维数据或一元数据。其可能为连续数据，也可能为离散数据。
X或Y若为离散数据，可能有多个取值水平，即取值范围有多个。其可能为一维数据，也可能为多维数据。

（待续 ） 收起阅读 »

在概率及统计基础中，中心极限定理具有基础性意义。在此，首先讨论。

定理：无论总体是什么分布，其子组的均值呈正态分布；随着子组的样本容量n增加，子组均值呈集中趋势。子组均值的标准差＝子组的标准差/n的平方根

各不相同的系统或过程，其分布不一定相同，但抽取出的子组样本的均值，则呈正态集中趋势，所以有如下实际意义。
通过监控子组均值，来监控系统/过程的变化。
1、如果系统/过程稳定，其子组均值在正态曲线内，变异归因于普通原因，可以不作干预；
2、如果系统/过程不稳定，其子组均值在正态曲线外，变异归因于特殊原因，需要作调查和改进。
注：正态曲线内、外，以检验标准确定。

下图，以Minitab操作验证中心极限定理。

（待续）
收起阅读 »

在项目涉及范围不大、数据量不多的情况下，项目的改进分析，更多的是定性分析，不会大量应用到六西格玛统计分析手段。比如，研发小组的单一问题解决，QCC改进项目等等。下面就定性分析的过程，讨论如下。

1、改进课题以业务过程或分类的形式展开（若课题与过程相关，则以过程展开，否则以逻辑分类展开），全面分析找出各种影响因素。——发散、完整
并对影响因素，进行可控性识别（当前的条件下，是否有改进的可能性）。——聚焦、关键

2、对可控的影响因素，利用pareto图或因果矩阵，分析找出关键影响因素。——聚焦、关键

3、将关键影响因素回归到业务过程或逻辑分类中，分析其存在的问题，以及问题背后所涉及的种种原因。——发散、完整

4、所有的原因在当前条件或措施下，通过RPN分析其影响度，找出关键的根因。——聚焦、关键

5、每个根因，拟定出所有可能的改进对策。——发散、完整

6、利用调查表，评估每个改进对策，选出合适的改进对策。——聚焦、关键

7、针对改进对策，制定改进措施实施计划，在业务中执行计划，验证、评估改进效果。

9、改进措施：流程化、标准化、日常化、管理固化

整个分析过程，思考方式是不断的发散、聚焦、发散、聚焦的过程。
在此，总结一下，常用的质量工具如下：
1、发散性工具——完整性——头脑风暴、CTQ树
2、聚焦性工具——关键性——亲和图、调查表、pareto图、因果矩阵、分层法
3、分析模型——规范性——SIPOC模型、FMEA、5why、控制图、PDCP、网络图

（待续） 收起阅读 »

在相关资料中，精益Lean常与六西格玛一并提到。在此，仅简单阐述精益Lean概念，后续再详细讨论。

精益：消除任何对于准时向客户交付优质产品和服务不是绝对必要的事物
注：精益关注效率改善，六西格玛关注质量稳定/改进

8种浪费：缺陷产品、过度生产、运输、等待、库存、多余动作、多余步骤、未试用过的创新

价值分析：确定流程步骤——>将每个步骤区分为：增值、非增值——>计算增值百分比：增值步骤时间和/总时间——>减少非增值步骤的时间

物理流程图Spaghetti图：依据流程，来进行物理布局，以使传递/运输最小化

错误防范Poka-Yoke：预防（防呆）、检测（及时告警）。
——注意：该项，在企业中重视不够。企业某环节出现问题时，管理层经常将责任推到某个执行人，并加以处罚和教育，结果是适得其反，问题以后同样再现，并挫伤员工的积极性，损害员工与企业的关系。其实，这里忽视了管理上应当如何改进。
网络上曾有一篇文章——《美国护士发错药vs中国护士发错药》，文字虽有所夸大，但值得各级管理层参考。

目视化管理：通过视觉感知现场的正常和异常状态，及时预防隐患和消除浪费。如：银行网点公示客流高峰时段；公交车内的路线示意图；

7S工作场所：Sort整理（只有必要物品）、Store整顿（摆放有序）、Shine清扫（清除整齐）、Standardize清洁（形成标准）、Sustaining习惯（持之以恒）、safety安全、saving节约

（待续） 收起阅读 »

Control：改进成果固化、日常监控，寻求持续改进方法。

经过验证，且有效的改进措施，在该阶段需要固化到企业的日常运营和管理制度，以制度保证企业管理的高效和运营成功。

当然，任何事物都是发展变化的。这里提到的固化，不是一成不变的。前阶段被验证有效的改进措施，在运营中，也需要存在不断完善的空间。

行之有效的改进措施，在基本相同的条件下，在企业内部、企业之间，还存在推广复制、经验的共享，以此提升社会整体生产力。

在该阶段，会用到：测量系统分析、过程能力分析、统计过程控制、假设检验、方差分析、DOE试验设计等，分析方法，在后续逐步涉及。

（待续） 收起阅读 »

Improve：寻找最佳改进方案并实施，使过程变异降至最低。

在获取关键根因后，在该阶段需要分析每个根因，在当前条件和措施下，如果发生问题，可能造成的后果（失效模式）和风险。FMEA（Failure Modes and Effects Analysis失效模式与影响分析），提供了分析模型。

在当前措施的基础上，以三个方面：查侦、预防、补救，通过创新技术、头脑风暴、TRIZ、Redesign，制定新的改进措施。

结合企业业务运营，制定改进计划、措施试行、评估（质量、周期、成本、新风险），进行DOE试验设计(design of experiment)。整体评估改进措施，及修正改进措施。构成一个闭环。

（待续） 收起阅读 »

Analyze：通过分析，确定影响Y的关键X，及其背后的根本原因。

在Measure阶段，分析出关键影响因子X后，需要确定影响因子存在的问题，以及问题背后的根本原因。

若影响因子的问题，与过程相关，则以过程/子过程逐步分析，构成原因结构图；
若影响因子的问题，与过程无关，则以事物的逻辑关系、职能部门、事物结构三方面（本身、界面、联系）等，进行分类分层，构成原因结构图。
在上述2种分析过程中，可以采用5why+5W2H的分析方法（后续再述），探究问题的原因。

根据原因结构图，
若可以进行数据收集，则对Y、x’进行数据收集、验证、抽样，进行假设检验，分析出关键根因；
若只能定性分析，则利用因果矩阵、RPN，进行量化的定性分析，得出关键根因。

事物结构三方面（本身、界面、联系），如图

（待续） 收起阅读 »

Measure：通过现有过程的测量和评估，制定目标，识别过程输出Y和输入X。验证测量系统有效性、过程能力。

在确定改进项目课题后，首先需要考察课题，是否与过程（前后顺序）有关。
若与过程（流程）有关，则通过SIPOC模型，逐环节进行输入输出分析（输入输出流程图，详细流程图）。列出改进总目标Y的所包含的子目标y’s，以及影响Y的所有可能的因子x’s。Y(y1,y2,…,yn)＝f(x1,x2…xn)
若与过程无关，则改进课题以分类的形式进行分析。通过逻辑结构图逐层分析，并列出改进总目标Y的所包含的子目标y’s，以及影响Y的所有可能的因子x’s。Y(y1,y2,…,yn)＝f(x1,x2…xn)

面对众多的影响因子x’s，需要区分哪些因子是可控的，哪些因子是不可控的。这里的可控，是指以当前的条件，有改进的可能性。

在可控的影响因子中，通过因果矩阵/ Pareto图，分析出关键的影响因子x’…x’’’

对关键影响因子，利用分层法，进行分层/分组。再对Y、x’进行数据收集、验证、抽样。

利用采集到的数据，进行如下步骤：
测量系统分析（测量系统是否反映流程的真实情况）——>统计过程控制（流程是否稳定）——>过程能力分析（当前流程是否满足客户要求，绩效表现怎样）——>多变量研究（当前流程的可控输入变量与噪音输入变量有哪些？采取怎样的数据收集方式）

当然，不是所有改进项目都必须完全按照上述方式进行。可以根据项目具体情况，数据量的大小，酌情分析。
大量数据统计方法定量分析
少量数据总体方法定性分析

改进目标的设定，基于客户需求、标杆水平及合理的投入产出，确定项目的改进目标：（具体到y1,y2,…,yn）
当前基线y——>目标（考虑收益）

（待续） 收起阅读 »

DMAIC，六西格玛改进路线图的5个阶段。

Dfine：确认客户关键需求、关键产品或流程、CTQ、改进项目的合理范围。

首先，需要确定改进的来源。主要的来源分为三个部分：Strategy + VOC + VOB。
Strategy，企业中长期的战略意图；
VOC，客户声音，广义的客户包含了：商品或服务接受者客户、企业股东、员工、社会监管。VOC的获取来源分为：被动来源：抱怨、电话记录、维保记录、法规等，主动来源：访谈、调查表、会议纪要、市场调研等
不管VOC是正或负面，均转换为：需要/期望…，构成改进项目的正面依据。
VOB（Voice of Business流程/业务声音），如可制造性。根据企业运营、行业规则、国家法规等等要求，作为项目改进的依据之一。

以上众多的改进来源，有些战略层面的，有些是战术层面的，有些是来自企业外部的，有些是来自企业内部的。这些众多的来源，需要经过“分类”、“聚类”加以整理，判断。在此，需要用到质量工具，如：亲和图、Kano模型、CTQ树、调查表/Pareto图，决策部门量化判断出“最紧迫、最重要、最主要”的改进课题。

另外，需要注意的是，两种改进项目，针对的客户对象不同：（见附件图）
离群点问题对应单个或几个客户（最不满意）
整体问题对应全部客户

（待续） 收起阅读 »

6Sigma管理即通过有组织、有计划地实施6Sigma项目来实现经济效益，同时也通过6Sigma项目的实施来促进员工观念和行为方式的改变。所以，6Sigma项目的选择对于迎合企业战略的实施，促进企业发展，培养人才等方面具有重要的意义。

那么，如何来选择确定6Sigma项目呢？一般来说，有四个步骤。

步骤一：确定项目的大方向——项目的Y

确定项目的大方向，就如同给大海中的船舶提供指明航向的灯塔。只有确定了正确的项目，我们做的事情才有利于企业效益提升，那么，要如何确定项目的大方向呢？

首先，要注意倾听客户和企业经营的声音。针对顾客关注或投诉的热点或长期困扰企业的难点进行项目的展开。要贴近企业的战略实施。如微波事业部2012年要立足中高端，推进战略转型。那么在寻找项目时，要选择能促进公司战略转型成功的项目。

其次，运用水平对比法或平衡计分卡等工具找出企业薄弱点，确定相应项目。例如平衡计分卡的四个指标中，较弱的应作为企业项目选择的大方向，以保证企业的平衡发展。

步骤二：将Y进行分解

项目中的大Y一般表现为公司级的指标，涉及面较广，一般难以针对Y直接进行改进。要先分析Y的主要方面，逐层分解，确定需要改进的主要y。然后根据y的范围和影响程度，确定项目的等级和成员。

步骤三：明确y的关键质量特性（CTQ）

6Sigma强调以客户为中心，所以在确定y后，我们要调查顾客对y最关心的是什么，确定y的CTQ。例如在确定炉门不良中的y为炉门划伤，那么要进一步确定顾客对于炉门划伤最关心的是门窗板的划伤、门框的划伤等。

步骤四：优选和确定项目课题

在确定y的CTQ以后，如果存在很多CTQ，那就根据组织的战略发展和项目的绩效来选择优先改进的对象。

确定项目时，可直接将顾客的CTQ确定为项目，若CTQ流程过多，可以选择影响CTQ的相关流程作为改善项目。项目名称可尽量量化。

总的来说，6Sigma项目可坚持SMART原则。S（special）即具体的，项目目标必须具体，不可宽泛而论，导致项目执行没有方向。M（measurable）即可测量的。项目目标尽量量化出来，如降低炉门门窗板划伤30%。A（attainable）即可行的。项目提出的指标必须可行，如太过挑战性，容易打击项目执行的积极性。太低达不到项目效果。R（relevant）即相关的。项目目标要跟企业战略一致。若企业战略为转型中高端，则项目对象可聚焦中高端产品。T（Time Bound）即有时间限制的。项目要确定时间节点，将总目标分解为分目标并确定完成的具体时间节点。这样项目的执行能达到有效率，按时输出结果的目标。

收起阅读 »

ANOVA 方差分析：将因素对质量特性的影响与误差对质量特性的影响加以区分并做出估计，然后进行比较，分析、推断哪些因素或哪些因素间的交互作用对质量特性有显著影响。

Attribute Data 计数数据：通过计数得到的不能连续取值的离散型数据。

Benchmarking 水平对比：将过程、产品和服务质量同公认的处于领先地位的竞争者进行比较，从而找到改进机会或确定突破目标。

Black Belt 黑带：来自企业各个部门，经过6西格玛改进过程和工具的全面培训，熟悉6西格玛改进过程，具有较强的组织与协调能力，指导或领导6西格玛改进项目的进行。

Bottom Line 底线：账面上的利润，是产品/服务的销售成本和费用的函数。

Box - plot 箱线图：同时展示每个子群分布特征的5个统计量的坐标图。

Business Culture 企业文化：区别于其他组织的价值、观点、期望、准则和行为。

Cause-Effect Diagram 因果图：也称“石川图”、“鱼刺图”，是揭示质量特性波动与潜在原因的关系，即表达和分析因果关系的一种图表。

Continuous Data 计量数据：通过测量得到的可任意取值的连续型数据。

Continuous Improvement 持续改进：逐步的、永无止境的不断改进循环。

Control Chart 控制图：以统计推断理论为基础，设置统计控制限，按时间坐标显示独立测量值、平均值或其他统计值的折线图。

COPQ （Cost Of Poor Quality）不良质量成本损失：由于缺陷或不良质量造成的成本损失。

CTQ （Critical to Quality）关键质量特性：满足关键的顾客要求或过程要求的产品或过程特性。

Defect 缺陷：不满足CTQ规范的任何事件。

DOE （Design of Experiment）试验设计：析因实验和相应的改进方法。

FMEA（Failure Mode and Effects Analysis）失效模式与影响分析：用来分析产品或服务及其过程由于失效导致风险的方法。

Histogram 直方图：用宽度相同的矩形表示数据分布的图形工具。

Multi-Vari Chart 多变量图：直观地提供过程各影响因素之间的关系以及它们对过程输出影响的坐标图。

Pareto Chart 排列图：也称帕累托图，由一个横坐标、两个纵坐标、几个按高低顺序排列的矩形和一条累积百分比折线组成的分析图表。

p-Value p值：偏离零假设的概率，是可能拒绝原假设而接受备择假设的显著性水平。

Regression Analysis 回归分析：变量间关系的分析方法。

Run Chart 运行图：按时间坐标显示统计量的折线图。

QFD（Quality Function Deployment）质量功能展开：将顾客的语言转换为企业内部技术术语的工具。

Scatter Plot 散布图：研究两变量间相关性的图形工具。

SPC （Statistical Process Control）统计过程控制：用控制图监控和改进过程的方法。

Top Line 顶线：真实表达顾客对企业满意的收入。

Z 西格玛水平：描述过程满足顾客要求能力的参数。
收起阅读 »

对具有一定的管理基础的企业来说，一般都保存很多历史数据，如果再进一步能妥善整理、分层、储存并给予获取的途径的话，那么六西格玛项目改进的团队就能容易地收集获取所需要的信息。然而，有时候改进团队发现所需要的信息或数据根本没有，或者要提取数据十分困难、费用昂贵，于是他们被迫手工采集数据。在这种情况下，改进团队应该如何确保所采集的数据是有用的信息呢？就需要掌握以下采集数据的技巧：
1、先精心设计采集数据时所要提的问题，确保提的问题完全针对所需要获得的信息；
2、再把所有问题按照数据分层的方法，设计一个询问和采集的计划表，确保所有的问题能"层层推进"，避免问题先后顺序的错乱或问题重复导致获得的信息有误；
3、设计数据采集计划表一定要遵循简单实用原则，这个计划层次越清晰、越全面，解决问题的机会就越大；
4、选择数据采集人员，这些人员都了解需要什么数据、从哪里、谁、什么时间采集等；
5、对数据采集人员进行培训，内容包括问题询问的技巧、问题的分层和顺序等；
6、采集人员在信息数据采集到后，在上述的采集表格与计划采集数据相应的栏中填写各自的姓名、数据采集的时间、地点和对象等，有助于必要时数据的核查和验证。
建议大家先去尝试一下上述的数据采集的技巧和方法，只有经过尝试才能发现这些方法是否有用。实践证明，如果准确地引用这些技巧，那么其结果可能会使改进团队大喜过望，每个成员在面对问题的水平上也会得到明显提高。 收起阅读 »

浅析IE、LP、6sigma和LSS的关系

第一部分：IE是干什么的？

“IE是干什么的？”毕业之后，一直在这个行业中跌打滚爬，面试了很多人，也被很多人面试过，问的最多的问题还是这个。答案五花八门，差不多有下面这些：
“IE是制作SOP的。”（很明显是外行）
“IE是测量工时的。”（也是外行）
“IE是提高效率，降低成本的。”（IE一般是这么回答）
……
如果真的要说IE是干什么的，还是参考AIIE给出的定义好了。
这里不再赘述了。因为我们想知道的是“接地气”的说法。
其实，我个人认为，第一个说法（IE是制作SOP的）用来衡量IE的工作，还是有道理的。
很多人会说，第三个说法（IE是提高效率，降低成本的）更确切，SOP那是IE技术员干的事。这个说法确实不错！但是，不管IE花了多少精力，完成了一项多大的改善，最终形成的还是一份SOP，通过SOP把改善固化下来，让作业员执行新的标准。
当然了，这并不是说IE不重要，相反，IE很重要。因为在制作一份SOP的过程中，IE花了多少精力，用了多少分析，做了多少工作，用了多少工具，都直接决定了这份SOP是否是优化的。
也有人会说，“IE不光要做SOP，还要改善流程，制定标准化的流程。”
那好吧！我们就高大上一下，IE是制作标准的。（IE的功力更多的是体现在制作这份标准的过程中，我们考虑的是否足够优化）
改善是无止境的，所以我们要持续改善。在制定了标准之后，IE还要不断地改善标准。
——结论：IE是制定和改善标准的！
这里需要注意一下，这里的标准并不单纯是制造的标准，还可能是办公部门的标准，因为IE的应用并不是只有制造！（心有多大，IE就有多大！）
那制定完标准之后呢？难道IE就没有事情了吗？有！肯定没有那么轻松！制定完标准之后，IE还要测量和计算标准。
为什么要进行测量和计算呢？原因很简单！如果我们要想了解标准的好坏，不是通过标准本身，而是通过标准的结果来衡量！
比如，IE花费了精力，制定了在现有工艺水平下合理的标准之后，就要开始测量和计算标准！（一般从投入和产出两个方面）
在现有的标准工艺下，生产需要投入什么？投入多少？比如，完成一件产品，需要投入多少人工工时（所以，工时测量是必不可少的），多少设备工时，多少原材料，还有多少治工具等等。这些都是在现有生产条件下，维持生产所必须的，也是合理的需求（我在这里称之为标准需求）。如果我们的工艺条件没有改善，标准需求就不会降低！
如果大家想较劲，我就是要在不改善标准的情况下降低标准需求，好吧！那是“山寨”（减少必要的合理投入来降低企业成本的，就是山寨）！
IE不光要测量和计算投入，还要计算产出，比如标准产能。产出与投入的比较就形成了效率，效率越高，企业对资源的利用率就越高！
这里，我们举个例子，以设备为例，自动化设备的ST很好测量，假设我们测量出来设备的ST是3Sec，那么，一个小时就可以生产出来1200pcs产品，一天10个小时，就可以生产出来12Kpcs的产品。这就代表了设备的标准产能，但是在设备没有做任何改造的情况，突然有一天10个小时生产了13K的产品，老板的第一反应不会是高兴，而是哪个环节出问题了？
针对材料也是一样，就是BOM中的内容。
在这里需要单独做出说明的是人员的工时，虽然我们分析得出了ST是3秒的结论，但是，3秒只是一个均值，手工作业的波动更大，很可能某个制品，他可以用2.5秒。所以，对于人工的工时，很多情况下，很多管理者会有质疑，但是，从整体来看，这个值是不错的。举个例子，一个人的短跑可以做到10秒100米，但是我们不能要求他用这个速度跑10000米，会死人的！
当然了，制定了标准，IE还要不断改善标准，使标准投入越来越少，从而减少企业的投入。
IE的目的：制定标准，改善标准，减少企业的标准投入量，以改善企业投入。
在这里，很多IE就会有困惑：
在制造业中，IE要制定SOP，对于标准作业来讲，怎样才算是一份好的SOP呢？我们怎么才能做出一份好的SOP呢？
这是两个问题，我们一个一个来看！
怎样才算是一份好的SOP呢？这是关于SOP的判定标准，我是这么理解的：
（1）效率要高；
在作业设计的时候，要充分考量作业分析，产品的实现流程要优化，作业要合理，动作等级要低，这需要IE的技能；（这部分是IE的重点，我会在后续一步一步进行分享）
（2）品质要好；
在作业设计的时候，这种做法会有什么品质隐患，要考虑品质的防呆，杜绝和减少不良的发生，这需要用到品质的技能；
（3）安全性要高；
要没有安全隐患，把安全隐患在源头控制好；
（4）成本要低。
所有的生产，最终的目的只有一个——以最低的成本生产产品。
所以，我说IE的工作并没有想象中那么简单，一个优秀的IE工程师除了要掌握效率技能（IE技能）外，还要掌握品质技能，当然还要懂治工具的设计，要不然SOP的四个指标，就只能部分实现。最低的成本就只能是镜中花水中月。
至于第二个问题，如何才能做好一份SOP，怎样才能实现高效率，我们在后续的分享中一步一步进行分解。
讲到这里，所有的IE都会非常的自豪，哈！原来IE这么厉害，这么重要！原来IE可以做这么多事情。那IE是不是就是完美的呢？
我们往下看！
在生产中，IE制定了标准之后，产线就要执行标准，生产管理部门会对执行结果进行管理。有经验的IE就知道，IE制定的标准产能，产线往往是达不到的，在每个月的生产管理部门核算时，产品的实际PPH（Piece/(person*Hour)）与产品的标准PPH有显著差异。
事实上，这种差异不光发生在人工工时上，还有设备工时上，材料用量上（实际使用的材料用量往往比BOM表中的标准用量要高）。
针对这个差异，很多的IE会理直气壮的说，我制定的标准是没有问题的。潜台词就是说，这是制造部门执行的问题。真的是这样吗？从精益生产的角度理解，这就有问题了，为什么会这么说？究竟要怎么办？接下来我们往下看！


第二部分：精益生产那些事！
精益生产是以丰田生产方式为原型的一种管理方式。所以，有人把精益生产（LP）也称之为丰田生产方式（TPS）。现在市面上讲述精益生产的书籍和资料很多。
说起精益生产，大家都会说精益生产的两大支柱，“自働化”和“JIT”，以及精益生产的体系。当然提起精益生产，提起精益生产，广为人知的是精益理念。精益生产的思想就是要杜绝一切浪费。精益管理要求企业的各项活动都必须运用“精益思维” (Lean Thinking）。“精益思维”的核心就是以最小资源投入，包括人力、设备、资金、材料、时间和空间， 创造出尽可能多的价值，为顾客提供新产品和及时的服务。
而且对企业的浪费进行了概括之后，形成了“七大浪费”。
没有人可以说精益生产是错的，但是按照市面上的说法，并不妨碍很多人对精益生产的感觉一直是雾里看花。就像最简单的“七大浪费”，很多人都是云里雾里，知道这个确实是对的，但是并不清楚应该如何系统性地消除这些浪费。
就像我问了很多人，至今也没有搞清楚精益改善项目和IE改善项目有什么本质区别。
这些都已经够非常普及了，这方面的知识大家自己看一下。而且，我也不认为我能讲的比市面上讲得更清楚。当初，我也是这样一步一步接受精益生产的，这倒是没有什么捷径！
但今天，我想换一个方式来讲精益生产，换一个大家都能接受的——IE——方式来讲述精益生产，相信可以让大家在最短的时间揭开“精益生产”的神秘面纱。
我们来看IE的逻辑。在第一部分，我们分享了IE的一些理念，我们知道，企业投入的资源不可能不肯能小到零（除非企业破产），原因很简单。
IE依据企业的工艺水平，制定了优化的标准作业，并计算了标准的资源需求，称之为标准用量。这部分用量代表了企业现有工艺水平下的最好水平，是企业的极致。除非工艺发生改进，否者这部分的用量不可减少。
在实际生产的过程中，如果没有任何异常的干扰，产线的产能应该是围绕标准产能上下波动的。
但是，我们都说不如意之事，常十有八九。生产也是这样，在实际生产过程中，经常会有各种异常发生，材料品质异常、材料供应不及时，设备故障、人员请假、新人等等这些异常在生产过程中都会发生，异常发生之后，企业的投入不变，产出减少，单位产品的耗时增加，成本增加。
异常的发生导致浪费，使企业实际投入的资源要大于标准资源需求。因此企业实际投入的资源包含了两部分，一部分是合理的，一部分是不合理的，就是浪费，用等式表示如下：
实际消耗资源=标准消耗+浪费
异常发生导致浪费，因此我们要不断消除异常，还要进行改善，避免这些异常再次发生。就是要不断消除浪费，降低成本！
按照这个等式，浪费就不再是定性的，而是定量的。不管什么样的浪费，只要是浪费，必然会造成投入增加。
比如：
（1）材料供应不及时，会造成生产等待，投入增加，是浪费；
（2）设备发生故障，造成生产暂停，投入增加，是浪费；
（3）品质发生异常，生产暂停，投入增加，是浪费；
（4）人员请假，产线产出减少，是浪费；
（5）产线有新人，产出减少，是浪费；
（6）产线转换，产出为零，是浪费；
……
从结果来看，只要企业的投入增加，超过标准用量了，那么就一定有某种浪费存在。而要减少企业的投入，就只能不断消除这些浪费。
换句话说，只要企业的浪费越来越少，实际投入也就在不断减少，接近标准用量，企业也就越来越精益了。我们的目标就非常清晰，原因很简单，精益的目标就是要让实际投入的资源不断接近标准需求的资源。
当我们的标准改善之后，精益的目标就提高了。而事实上，每个IE对于改善标准，都应该是非常专业的。
相对于消除“七大浪费”，从结果判断浪费的数量，会让我们对于浪费的定义量化，而且，会清晰地知道企业目前离“零浪费”还有多远。
精益生产主张消除七大浪费，追求“零浪费”：
（1）实施TPM，全员进行设备管理，彻底消除设备的故障，将设备的故障引起生产的浪费减少；
（2）实施TQM，全员品质管理，彻底消除品质不良；
（3）实施SMED，减少转换的浪费；
……
按照这种模式推移下去，如果我们能消除企业所有的浪费，企业就完美了。
所以，从全面性的角度讲，精益生产关注了两个方面：
（1）改善标准，不断减少标准需求；
（2）改善浪费，不断减少浪费，追求“零浪费”。
从这个来看，似乎精益生产真的完美了，真的是这样吗？且看第三部分。


（题外话）

说到这里，很多IE的同事要跳脚了，怎么回事？精益生产比IE还要全面，为什么我们不直接学习精益生产，学IE干什么？
我的结论是，IE是必须要学习的，IE是一门系统性的方法论，精益生产并不神秘，要想真正做好精益生产，离开IE是不可能的。
为什么我这么笃定？我是有理由的。要执行精益生产，首先要进行标准化工作，标准化的好坏。直接决定了企业精益生产的起点，而要制定优化的标准，就离不开IE。
甚至，就连精益生产中最简单的5S，真正要做好的话，仍然离不开IE，比如，在进行车间级别的5S时，物料摆放的合理性要从整个车间的物流规划来做，才能实现整体的搬运距离最短，这个工作也只有IE才能干好。至于5S的细节，比如产线内部的5S或者办公5S，这是属于工位布置的，合理与否要取决于什么？相信做IE的非常清楚。
说到这里，很多的IE同事会有一个问题——那库存呢？精益生产一直主张消除库存的，追求“零库存”，但是IE好像没有。
关于库存，确实是浪费。事实上，关于库存，也是企业效率的一部分。大家可以考虑一下，对于企业来讲，库存的存在，增加了企业的投入，但是，企业的产出并没有增加。这种情况下，企业的效率反而降低了。所以，企业一定要降低库存。但是，在降低库存上，方法可以有很多种，并非只有一种。
后面，我也可以开单章，从企业的投入与产出的角度来分析生产、库存与销售的关系（效率=产出/投入，从根本上，还是效率的角度!所以，IE要完成的效率并不仅仅是生产效率，还是那句老话——心有多大，IE就有多大！）。

第三部分：原来6sigma很简单！
如果大家注意的话，会发现在企业的改善中，一直存在两大体系，除了效率体系外，还有一个体系——品质改善。在效率改善不断演化的同时，品质改善也在不断进步，发展到今天，最牛的当属6sigma（这里，以DMAIC为分析对象）。
事实上，在我的理解中，尽管品质改善在一直进化，但其核心思想并没有改变。当然，这主要决定于我的品质经历，从刚开始接触最基本的品质工具，后来不断扩展，直到几年前考了BB）。
下面，我想通过对比，把品质改善的核心思想进行说明，至于品质工具，如果我们建立了体系，可以把各种工具分门别类的填充到我们的体系中，这并不困难。我以最基础的品质七种工具为例对品质改善的思想进行说明：
（1）收集现状的数据；（检查表）
（2）对收集的数据进行分析（层别法）；
（3）找出现状最主要的问题；（二八原则、柏拉图）
（4）分析主要问题的所有可能的原因；（鱼骨图）
（5）对这些可能的原因进行试验，确认这些原因是否是真因；（散布图）
（6）对这些真正的原因进行管控，并对这些参数进行管控（控制图SPC）
品质改善的工具在不管进行演化，系统性也在不断增强，直到6sigma的诞生。相对而言，6sigma本身并没有任何神秘的色彩。只是在其中加入了更多的统计学技能而已。明白了6sigma的整体逻辑，你会发现其实很简单：
（1）D阶段：定义现状的问题，并找出主要问题，建立改善的组织架构，制定目标，给出经济效益（证明这个项目值得做）；
（2）M阶段：对造成主要问题的可能原因进行分析，并对这些原因进行初步的筛选；（MSA，是要证明你收集的数据时有效的，PFMEA对制程的因素进行分析，并进行原因的筛选）
（3）A阶段：对初步筛选出来的比较有可能的原因进行试验，并以统计学的工具进行验证（比如均值比较，方差比较等）
（4）I阶段：对这些A阶段筛选出来的主要原因进行优化（DOE，先做部分因子DOE，全因子DOE，最后有必要的话，进行RS（响应曲面DOE））；
（5）C阶段：对这些关键因子进行管控（控制图（SPC）和标准化SOP等）；
进过上面的分析和对比，我们会发现，不管品质改善的工具如何演进，但是品质的核心思想一直没有变——二八原理——“抓重点”，发现主要问题，解决主要问题，控制主要变量，取得突破性改善的效果！这也是为什么6sigma一直以突破性改善为基本点。
在品质改善中，也一直秉承改善无极限的理念。6sigma追求“零缺陷”，这与精益生产追求“零浪费”的目标并无显著差异。
但是，品质改善一直在消除最主要缺陷的道路上前行，当品质持续地以消除最主要的缺陷为目标时，企业的品质改善道路就是最优化的（也就是捷径）。
（偷偷告诉大家——所有的品质人员都知道，不可能消除所有的品质不良，只是没有人说出来而已，这也是为什么品质人员一直关注主要不良的一个出发点。你想啊，既然我们不能消除所有的不良，那就只能消除最主要的不良。）
事实上，二八原则不仅是6sigma改善取得成功的关键，也是符合企业资源的特性的。
因为任何企业的资源都是有限的。这个资源包括了人、材料、设备、资金、能源等各个方面。比如人员，每个部门的人员是一定的，当这些人力在完成一个改善的时候，其他的改善就要向后延迟。但是，任何一家企业，每个月30天都是相同的。
所以，在资源有限的前提下，企业应该讲有限的资源投入到重要的20%的问题上，这也是二八原理。
好了，了解了品质改善的逻辑之后，我们再来看精益生产。且看下一部分！


第四部分 精益与6sigma（LSS）要融合？

在企业中，有很多问题。有长期的，短期的，部门内部的，部门间的……
事实上，企业有问题是一个客观事实，没有问题的企业是不存在的。所以，对于企业的问题，我们大可不必谈虎色变。
但是，在“二八原理”看来，虽然企业有很多的问题，但是这些问题对企业的重要程度是不一样的。只有少数的20%是重要的。
这一点与哲学中的“矛盾论”有异曲同工之妙。但是矛盾论阐述的更加全面！
在马克思主义哲学中，矛盾论认为，事物是由矛盾构成的，事物的性质由主要矛盾决定，事物的发展方向由主要矛盾的发展方向决定。但是，主要矛盾和次要矛盾在一定条件下是可以转化的！
所以，在我们关注主要矛盾的同时也不能忽略次要矛盾。这叫“两手都要抓，两手都要硬”！
上述的观点放在企业中也同样适合，每个企业都会有很多各种各样的问题，但是这些问题对企业的重要程度是不一样的，决定企业现状的是少数的重要的20%的问题，只要解决了少数的重要的20%，企业的状况就可以得到根本的改变。
反之，如果企业重要的20%的问题没有解决，企业的状况并不会得到显著的改变。（判断一个企业的主要问题有没有解决，最直接的指标就是企业的效益是否有显著提升）
当然了，在解决主要问题的同时，不能忽略对次要问题的管控，一面次要问题转变成主要问题。
同时，在企业中，还需要面临最重要的一个限制条件——资源的有限性。企业不可能同时解决企业所有的问题。
综上，我们可以得出这样的结论：
（1）企业的问题很多；
（2）这些问题的重要程度不同；
（3）企业的资源是有限的；
在上述三个条件的制约下，企业的改善应该是——
把有限的资源投入到对企业最重要的少数的20%的问题上！同时，不能忽略对不重要问题的管控！
所以，在企业的问题很多，而且资源有限制的条件下，不管是IE、精益生产，或者6sigma，都会面临一个非常突出的问题，我们要改善什么。
在我们有很多改善可以做的时候，考量我们能力不是我们能改善什么，而是选择什么作为改善的对象。
既然我们不能同时解决企业所有的问题，我们就需要寻找企业重要的少数问题，将“FIFO（先进先出）”的原则与“二八原理”融合，我们如果将主要的资源投入到解决最重要的20%的问题上，企业的进步就是最大的，当我们解决了现在的重要的20%的问题，剩下的问题中会重新出现重要的少数20%，如果我们坚持少数重要的20%的问题。这时候，就变成了持续改善，而且是持续突破性的改善。
所以，从这一点来看，选择大于努力！
结合我们之前分享的IE和精益生产，我们知道，企业投入的资源包括两个部分：合理的部分（标准需求）和不合理的部分（浪费部分）。
如果我们把这两部分与整体投入的资源进行比较，就会得到标准需求资源与整体资源的比例（是否有似曾相识的感觉，是不是与良品率很相似？），而浪费部分与整体资源的比例（是不是与不合格品率很相似？）。
同时，在第三部分品质改善中，我们分享了品质改善的逻辑，在品质改善中，其以“二八原理”为指导，致力于消除最大的缺陷，并通过控制少数几个关键的因子，达到品质改善和管控的目标。
如果按照品质消除不良率的逻辑来消除浪费，消除不良率要从最主要的不良着手，消除浪费是不是也要从最主要的浪费入手呢？
在消除浪费的过程中，精益生产主张全面性，要全面追求“零浪费”要对浪费进行围追堵截，力争实现“零浪费”。这是没错的。
以6sigma为代表的品质改善更专注于“重点”，致力于突破性和快速性的改善。依据上面阐述的“主要矛盾”也好，“二八原理”也罢，都说明了重点的重要性。这也是好的！
把这两者结合起来，结合我们上述的对于企业改善的要求，就是——
消除浪费，全面性必不可少，重点也不可或缺。
（这也是我每次都喊着“精益生产可以有快速、突破性的方式”的原因。关于这一点，在我的新书企管类小说《冲出重围》中有详尽的描述。）
以设备为例，为了提高设备的效率，减少设备浪费。精益生产主张实施TPM（全员生产保全），全方位对设备故障进行绞杀，最终实现“设备零浪费”，并给出了设备管理的定量指标——OEE。
如果从不良率的角度来考量设备，是不是可以先从设备最严重的少数的20%的故障进行分析，制定可行对策分解到设备的日常保养、一级保养和二级保养中，并对设备进行有针对性的改进。
同时和TPM思想结合，加以日常的全面维护，设备故障是完全可以快速减少的。这种全面中有重点的TPM方式，既能满足企业快速提升的需求，又能满足做好设备基础工作的要求。
这时，企业要快速提升效益与强化基础管理工作就不再冲突，而是合二为一。
以此类推——
对于企业中人员的浪费，我们应该如何？
对于企业中的材料的浪费，我们要如何？
……
对于企业中的各种资源的浪费，我们又要如何？
不管是精益生产中的浪费，或者品质管理中的缺陷，都是企业的问题。在“主要矛盾（二八原理）”指引下的解决企业问题的途径，和解决企业问题的全面性结合起来，实现“有重点的全面”，才是王道！（重点是全面中的重点，全面是有重点的全面！）
而这时的精益生产和6sigma的结合才是真正的融合，而不是松散的结合！在这个过程中，重点可以让我们取得快速的、突破性的效果和收益，而全面消除浪费，则可以全局把控，从源头消除浪费的发生，改变以“救火”为主的消除浪费的方式，将浪费消除在隐患中，也可以减少“次要矛盾上升为主要矛盾”的意外！


——题外话
新书《冲出重围》的事情，终于可以告一段落。机械工业出版社本来确定好说要十月份出版，但是，考虑到新书推广方面的一些原因，最终决定在十一月份出版。
眼看着新书就要出版，就好像等待我女儿和我儿子出生时的感觉！不得不说，很兴奋，当然了，更多的是紧张！
把心思从书稿中抽出来，终于有时间来回顾自己在这本书的这几年的心路历程，站在这本书的高度去思考很多的东西。这才有了上面的这些东西！
在制造业中，各种新工具、新理念层出不穷，关于这些新的东西，我们要怎么用？这些新东西背后有没有联系，相互关系如何？如何把这些新的东西融入到我们的制造业中？
古人说“海纳百川，有容乃大”！这句话放在我们的制造业，也同样合适！
“有容乃大”！“容”不是简单的包含，不是简单的搭积木，堆豆腐块！而是在系统中的融会贯通！
所以，“容”所代表的更多的是一种境界！（不得不赞，古人的智慧！）
（大家可能会觉得我说的东西很“玄”。其实，道理很好理解！就以最简单的IE为例，现在很多企业都设立了IE部门，但是，这些IE部门真的发挥了作用了吗？作用真的大吗？每个公司的IE所做的工作内容都大相径庭，能够满足我在IE章节中所描述的IE的目的需求吗？IE的目的——制定标准，改善标准，减少企业的标准投入量，以改善企业投入。大家想一下，很多公司对IE的应用还处于“包含”、“搭积木”的状态。IE当自强啊！）
当我们能够把这些新的东西融入到我们的制造业中，我们的制造业才能真正的由大变强！也才能够走适合我们自己的制造业之路！在这个过程中，会有更多的新理念、新方法的产生！到那时，我们的制造业就不再仅仅是吸收，还包含了创新和输出！
本来还要讲“TOC（约束理论）”的，但是，想想还是暂时hold住了。原因很简单！新的方法和理念很多，难不成我还要把所有的新事物都融合进来？
（卖个关子！TOC我肯定还会讲，当然不是现在，而且在讲解的时候，还是会按照我自己的逻辑！会融入到我所讲的话题体系中。）
这个工作我们大家可以一起做！还是那句话——“海纳百川，有容乃大！”
非常感谢！


继《冲出重围》之后，《精益极限改善》全新上架！
京东、天猫及各大新华书店有售！
本书的理念传播离不开大家的支持！
有时间可以看一下！ 收起阅读 »