关于FMEA中常见的错误
1、严重度打分不一致
从不同的顾客的关注角度出发，严重度会有不同分值，比如说一个焊接后的摄像头有杂光现象，按照内部要求出现杂光，不符合生产标准，需要报废，严重度高（我们暂且定6分），而杂光问题的摄像头流到最终消费者那里，只是顾客体验上有一点不适，验证度低（3分）。所以我们需要列出内外部所有客户的严重度打分，最终要以要求最高的分值为严重度打分。
有些FMEA中，不同的失效模式，导致相同的后果，但严重度不一样。这是常见的错误。严重度根据失效模式的后果来打分，相同的后果，相同的打分。
严重度和特殊特性要结合在一起。一般评估下来影响到安全和法律法规风险的问题，严重度要打9-10分，如果是影响产品性能和装配的，严重度要打7-8分，你打了这些分数，说明这些控制点就是特殊特性（关键特性和重要特性），特殊特性的定义就是这么来的。经常看到一些FMEA严重度已经打了8分，但并未定义为特殊特性，管控也不严，这样产品就会有重大质量风险。需要注意。
2、失效模式少
很多FMEA失效模式很少，原因是分析的不够深入，没有把一个工序进行仔细拆解，按照每个动作来拆解，对每个动作按照正确的位置、正确的参数、正确的操作、正确的步骤、正确的零件等方面去思考一遍。做FMEA的人没有这样的思考和行为，很难做好FMEA。
3、失效模式单一
很多FMEA，一看就知道不行。为什么呢，一个失效模式，只对应了一两个失效原因，原因太单一了。实际情况一个后果会有很多原因，结合一个工序有很多失效模式，每个失效模式有不同的失效原因，这样FMEA的树状结构就形成了。做得好的FMEA，其树状结构是非常明显的。
为什么失效原因写得单一？除了经验之外，也是有方法的，针对每一个失效模式，我们需要从人机料法环的方面去考虑会这个失效模式造成什么影响，这样的FMEA就会丰富起来。
4、频度和不可探测度打分错误
频度不是凭个人感观打出来的分，而是根据过往不良记录来得出分值，另外要注意的是，SGM规定，如果你是用人工检查来探测问题，频度最低不得低于5分。
D代表的是不可探测度，它是探测度的反比，你越用设备自动检测、防错方法来规避问题，你的不可探测度就越小。探测度是公司可以去配备资源提高的（严重度无法降低，频度是客观数据的结果）。但资源永远是有限的，做FMEA不是一味提高所有的探测度，不能不分问题的严重度和发生频度，一律机器自动化检查，这是浪费资源，质量过剩。但对于特殊特性而言，我们就要倾斜资源来提高其管控力度。
5、FMEA履历缺失
FMEA是一个动态的文件，出现问题，或者年度评估的时候，我们会有新的认识和经验，需要加到FMEA中来，这样才能更加完善我们的FMEA宝库。我们需要建立变更履历，知道是因为什么原因来变更的，是谁变更的，变更了什么地方等等。有利于问题的追本溯源。
做FMEA前，最好把团队成员都一起培训合格，大家对FMEA有统一的认识，再开展。FMEA第一次做的时候会比较痛苦，可能一个工序要拆的很细，一个动作一个动作的分析，很烧脑，有可能一个动作就要分析个1-2个小时，而一个生产过程可能有上千个动作。但一旦第一版本的FMEA形成，可以说是一劳永逸、事半功倍的好事，公司的质量管控会得到一个质的提升，大有裨益。 收起阅读 »
从不同的顾客的关注角度出发，严重度会有不同分值，比如说一个焊接后的摄像头有杂光现象，按照内部要求出现杂光，不符合生产标准，需要报废，严重度高（我们暂且定6分），而杂光问题的摄像头流到最终消费者那里，只是顾客体验上有一点不适，验证度低（3分）。所以我们需要列出内外部所有客户的严重度打分，最终要以要求最高的分值为严重度打分。
有些FMEA中，不同的失效模式，导致相同的后果，但严重度不一样。这是常见的错误。严重度根据失效模式的后果来打分，相同的后果，相同的打分。
严重度和特殊特性要结合在一起。一般评估下来影响到安全和法律法规风险的问题，严重度要打9-10分，如果是影响产品性能和装配的，严重度要打7-8分，你打了这些分数，说明这些控制点就是特殊特性（关键特性和重要特性），特殊特性的定义就是这么来的。经常看到一些FMEA严重度已经打了8分，但并未定义为特殊特性，管控也不严，这样产品就会有重大质量风险。需要注意。
2、失效模式少
很多FMEA失效模式很少，原因是分析的不够深入，没有把一个工序进行仔细拆解，按照每个动作来拆解，对每个动作按照正确的位置、正确的参数、正确的操作、正确的步骤、正确的零件等方面去思考一遍。做FMEA的人没有这样的思考和行为，很难做好FMEA。
3、失效模式单一
很多FMEA，一看就知道不行。为什么呢，一个失效模式，只对应了一两个失效原因，原因太单一了。实际情况一个后果会有很多原因，结合一个工序有很多失效模式，每个失效模式有不同的失效原因，这样FMEA的树状结构就形成了。做得好的FMEA，其树状结构是非常明显的。
为什么失效原因写得单一？除了经验之外，也是有方法的，针对每一个失效模式，我们需要从人机料法环的方面去考虑会这个失效模式造成什么影响，这样的FMEA就会丰富起来。
4、频度和不可探测度打分错误
频度不是凭个人感观打出来的分，而是根据过往不良记录来得出分值，另外要注意的是，SGM规定，如果你是用人工检查来探测问题，频度最低不得低于5分。
D代表的是不可探测度，它是探测度的反比，你越用设备自动检测、防错方法来规避问题，你的不可探测度就越小。探测度是公司可以去配备资源提高的（严重度无法降低，频度是客观数据的结果）。但资源永远是有限的，做FMEA不是一味提高所有的探测度，不能不分问题的严重度和发生频度，一律机器自动化检查，这是浪费资源，质量过剩。但对于特殊特性而言，我们就要倾斜资源来提高其管控力度。
5、FMEA履历缺失
FMEA是一个动态的文件，出现问题，或者年度评估的时候，我们会有新的认识和经验，需要加到FMEA中来，这样才能更加完善我们的FMEA宝库。我们需要建立变更履历，知道是因为什么原因来变更的，是谁变更的，变更了什么地方等等。有利于问题的追本溯源。
做FMEA前，最好把团队成员都一起培训合格，大家对FMEA有统一的认识，再开展。FMEA第一次做的时候会比较痛苦，可能一个工序要拆的很细，一个动作一个动作的分析，很烧脑，有可能一个动作就要分析个1-2个小时，而一个生产过程可能有上千个动作。但一旦第一版本的FMEA形成，可以说是一劳永逸、事半功倍的好事，公司的质量管控会得到一个质的提升，大有裨益。 收起阅读 »
做一份好FMEA，是方法重要？还是技术重要？
FMEA分析到底是方法论重要？还是产品/工艺技术重要？有人认为，FMEA的逻辑方法重要，不懂FMEA的数据关联关系，不掌握结构树、功能网、失效网，怎么能做出FMEA呢？但也有人认为产品和工艺技术重要，没有懂技术的人员参与，怎么能识别出产品与过程风险呢。
之所以会出现这样的争论，是没有搞清楚FMEA协调员与技术专家在FMEA活动中的工作职责。FMEA是一个团队的活动，不是一个人的活动。一份能通过审核的FMEA，在台面上没有问题，那是需要协调员来主导方法论的，但要使FMEA起到作用，要从符合性转变为有效性，要求承载工程师的经验和教训，当然由技术专家的主导就更为重要了。所以做一份审核没有问题的FMEA，方法论更重要，做一份起到作用的FMEA，技术更重要。再次说明的是，这里有一个字“更”，所以任何一份好的FMEA，都是团队共同协作的结果。
FMEA协调员是公司内部的方法论专家，精通FMEA的步骤、数据关联关系、评分准则、风险优化标准等。协调员不是技术专家，他不一定懂公司的所有技术和工艺，他是套路专家，他专注方法论。
他是FMEA的七步法方法论专家，但不可能独立完成FMEA。协调员不一定懂所有的产品和工艺技术，缺少完成的FMEA功力，他管理FMEA的七步法的方法论，对内部人员进行FMEA的七步法的培训，参与FMEA团队建设，协调FMEA工作组活动。如果真的只让协调员来独自完成FMEA，那最多达成符合FMEA手册、标准的要求，达不到风险识别与控制的真实目的。
而技术专家拥有精湛的产品与工艺技术，清晰地知道产品特性波动带来的失效模式及失效后果，但如果让技术专家来独自做FMEA，他会说，这些我都考虑过了，而且产品设计中加了什么硬件，采取了何种验证措施，还要把它写成文件完全是没必要的事。如果真要做，SOD如何评分都让我们的技术专家喝上好一壶了。
FMEA是一个团队的活，不要机械地认为，团队活动就是安排团队一起评审FMEA会议，单独讨论FMEA会议真的很无聊，且组织多功能协调比较麻烦，所以强烈建议DFMEA与产品研讨会一起开，PFMEA与工艺研讨会一起开，然后由专人负责做FMEA记录不就好了嘛。
具体来讲，就是由协调员负责组织会议，协调员根据新项目，找到公司类似产品的FMEA或基础FMEA，作为本次新项目的FMEA模板，由协调员负责提问，技术专家负责回答技术问题，然后由记录员做好记录，最后会议完成后，及时得更新整理FMEA。
FMEA目的
1.发现和评估产品/过程的潜在故障和结果；
2.确定与产品相关的过程的潜在失效模式；
3.评估失败对客户的潜在影响；
4.确定潜在设计或制造过程的失效原因，减少失效的发生或找出失效的过程控制变量；
5.编制潜在失效模式分类表，建立考虑措施的优化体系；
6.为了降低缺陷的严重性，必须改变零件的结构设计；
7.提高缺陷到达用户之前或产品出厂之前发现缺陷的概率。
最后，所有FMEA分析都需要FMEA分析表，这是FMEA分析结果的书面总结。因此，FMEA分析为设计部、生产计划部、生产部、质量保证部等相关技术部门提供了共享的信息资源。另一方面，FMEA为今后类似产品的设计提供了信息。
实施问题
1.FMEA工作应与产品设计同步进行，尤其是在设计初期，这将有助于及时发现设计中的薄弱环节，并为安排改进措施的顺序提供依据。
2.对于不同阶段的产品开发，应进行不同程度和层次的FMEA。也就是说，FMEA要及时反映设计和流程的变化，并随着发展阶段不断补充、完善和迭代。
3.FMEA的工作应该由设计师来完成，应该贯彻“谁设计谁分析”的原则，因为设计师最了解自己设计的产品。
4.应加强FMEA分析的标准化，以确保FMEA分析结果的可比性。在开始分析复杂系统之前，应该统一制定FMEA的规范要求。结合系统特点，对FMEA的分析协议等级、失效准则、严重程度和危害程度的定义、分析表、失效率数据来源和分析报告要求进行统一规定和说明。
5.跟踪和分析FMEA的结果，以验证其正确性和改进措施的有效性。这个跟踪分析过程也是一个逐步积累FMEA工程经验的过程。一套完整的FMEA数据是各种经验和宝贵工程财富的总结，应不断积累，存档备查。
6.虽然FMEA是一种有效的分析方法，但它不是万能药，也不能代替其他可靠性分析工作。需要注意的是，FMEA一般是静态的单因素分析方法，在动态分析中并不完善。如果对系统进行综合分析，应结合其他分析方法。
收起阅读 »
之所以会出现这样的争论，是没有搞清楚FMEA协调员与技术专家在FMEA活动中的工作职责。FMEA是一个团队的活动，不是一个人的活动。一份能通过审核的FMEA，在台面上没有问题，那是需要协调员来主导方法论的，但要使FMEA起到作用，要从符合性转变为有效性，要求承载工程师的经验和教训，当然由技术专家的主导就更为重要了。所以做一份审核没有问题的FMEA，方法论更重要，做一份起到作用的FMEA，技术更重要。再次说明的是，这里有一个字“更”，所以任何一份好的FMEA，都是团队共同协作的结果。
FMEA协调员是公司内部的方法论专家，精通FMEA的步骤、数据关联关系、评分准则、风险优化标准等。协调员不是技术专家，他不一定懂公司的所有技术和工艺，他是套路专家，他专注方法论。
他是FMEA的七步法方法论专家，但不可能独立完成FMEA。协调员不一定懂所有的产品和工艺技术，缺少完成的FMEA功力，他管理FMEA的七步法的方法论，对内部人员进行FMEA的七步法的培训，参与FMEA团队建设，协调FMEA工作组活动。如果真的只让协调员来独自完成FMEA，那最多达成符合FMEA手册、标准的要求，达不到风险识别与控制的真实目的。
而技术专家拥有精湛的产品与工艺技术，清晰地知道产品特性波动带来的失效模式及失效后果，但如果让技术专家来独自做FMEA，他会说，这些我都考虑过了，而且产品设计中加了什么硬件，采取了何种验证措施，还要把它写成文件完全是没必要的事。如果真要做，SOD如何评分都让我们的技术专家喝上好一壶了。
FMEA是一个团队的活，不要机械地认为，团队活动就是安排团队一起评审FMEA会议，单独讨论FMEA会议真的很无聊，且组织多功能协调比较麻烦，所以强烈建议DFMEA与产品研讨会一起开，PFMEA与工艺研讨会一起开，然后由专人负责做FMEA记录不就好了嘛。
具体来讲，就是由协调员负责组织会议，协调员根据新项目，找到公司类似产品的FMEA或基础FMEA，作为本次新项目的FMEA模板，由协调员负责提问，技术专家负责回答技术问题，然后由记录员做好记录，最后会议完成后，及时得更新整理FMEA。
FMEA目的
1.发现和评估产品/过程的潜在故障和结果；
2.确定与产品相关的过程的潜在失效模式；
3.评估失败对客户的潜在影响；
4.确定潜在设计或制造过程的失效原因，减少失效的发生或找出失效的过程控制变量；
5.编制潜在失效模式分类表，建立考虑措施的优化体系；
6.为了降低缺陷的严重性，必须改变零件的结构设计；
7.提高缺陷到达用户之前或产品出厂之前发现缺陷的概率。
最后，所有FMEA分析都需要FMEA分析表，这是FMEA分析结果的书面总结。因此，FMEA分析为设计部、生产计划部、生产部、质量保证部等相关技术部门提供了共享的信息资源。另一方面，FMEA为今后类似产品的设计提供了信息。
实施问题
1.FMEA工作应与产品设计同步进行，尤其是在设计初期，这将有助于及时发现设计中的薄弱环节，并为安排改进措施的顺序提供依据。
2.对于不同阶段的产品开发，应进行不同程度和层次的FMEA。也就是说，FMEA要及时反映设计和流程的变化，并随着发展阶段不断补充、完善和迭代。
3.FMEA的工作应该由设计师来完成，应该贯彻“谁设计谁分析”的原则，因为设计师最了解自己设计的产品。
4.应加强FMEA分析的标准化，以确保FMEA分析结果的可比性。在开始分析复杂系统之前，应该统一制定FMEA的规范要求。结合系统特点，对FMEA的分析协议等级、失效准则、严重程度和危害程度的定义、分析表、失效率数据来源和分析报告要求进行统一规定和说明。
5.跟踪和分析FMEA的结果，以验证其正确性和改进措施的有效性。这个跟踪分析过程也是一个逐步积累FMEA工程经验的过程。一套完整的FMEA数据是各种经验和宝贵工程财富的总结，应不断积累，存档备查。
6.虽然FMEA是一种有效的分析方法，但它不是万能药，也不能代替其他可靠性分析工作。需要注意的是，FMEA一般是静态的单因素分析方法，在动态分析中并不完善。如果对系统进行综合分析，应结合其他分析方法。
收起阅读 »
SPC 之 I-MR 控制图
概述
1924 年，美国的休哈特博士应用统计数学理论将 3Sigma 原理运用于生产过程中，并发表了著名的“控制图法”，对产品特性和过程变量进行控制，开启了统计过程控制新时代。
什么是控制图
控制图指示过程何时不受控制，有助于标识是否存在特殊原因变异。如果存在特殊原因变异，则说明过程不稳定且有必要采取纠正措施。
控制图是按时间排序顺序绘制过程数据的图。大多数控制图都包括一条中心线、一个控制上限和一个控制下限。中心线表示过程均值。控制限表示过程变异。默认情况下，控制限绘制在中心线上下 3σ 的位置。
随机位于控制限内的点指示过程受控制且仅显示常见原因变异。位于控制限外部或者显示非随机模式的点指示过程不受控制且存在特殊原因变异。
如何选择合适的控制图
随着控制图的发展，它的类型也是越来越多，那么这时候对于使用 Minitab 的朋友来说，经常会纠结如何去选择一个合适的控制图。在 Minitab 19 中，协助菜单可以很好的帮助我们去选择一个合适的控制图。
I-MR 控制图
今天，我们来绘制一下 I-MR 控制图。
问题背景：某质量工程师监控了液体洗涤剂的生产过程，想要评估该过程是否受控制。这位工程师测量了 25 个连续批次的洗涤剂的 pH 值。
由于 pH 值的数据类型是连续型数据，而且是每批次只取一个样品（子组大小等于 1），故这位工程师创建了一张 I-MR 控制图，以监控洗涤剂的生产过程。
Minitab 绘制 I-MR 控制图
Minitab 结果解释
首先解释移动极差控制图（MR 控制图）以检查过程变异。没有位于控制限外部的点且所有的点都显示出随机模式。因此，过程变异受控制，质量工程师可以检查单值控制图（I 控制图）上的过程中心。
I 控制图上的一个观测值在检验 1 中失败，因为观测值在中心线上方且距离中心线超过 3个标准差。
I-MR 控制图的控制限计算（手动）
对于 I-MR 控制图，包含两张图单值控制图（I 控制图）和移动极差控制图（MR 控制图）， 我们首先来认识一下这两张图形上的 X 轴、Y 轴、点和线分别表示什么含义。
一、单值控制图（I 控制图）
X 轴：批次 ID
Y 轴：单值（每个批次对应的 pH 值，如单值图上的第二个点表示的是批次 2 的 pH 值）
点：单值控制图（I 控制图）上的每个标绘点是单独的观测值（如上图）。
中心线：单值控制图（I 控制图）上的中心线是过程平均值的估计值，计算如下
控制限：单值控制图（I 控制图）控制限的计算结果取决于标准差的估计方式。
1）移动极差平均值（默认方法）-移动极差长度默认为 2
a. 计算移动极差 MR（相邻 2 个数的较大值减较小值），当前数据样本量为 25，计算得到24 个移动极差。
b. 计算这 24 个移动极差的平均值 MRbar
c. 估计标准差的公式如下：
控制限计算公式
其中 k 为检验 1 的参数。默认值为 3。
当选择默认的用移动极差平均值来估计标准差时，我们还可以勾选”使用 Nelson 估计值”。使用 Nelson 估计值可以在计算控制限时更正异常大的移动极差值。此过程与 Nelson1 提出的过程相似。Minitab 消除比移动极差平均值大 3σ 的任何移动极差值，然后重新计算移动极差平均值和控制限。
2）移动极差中位数
a. 计算移动极差
b. 计算移动极差中位数
c. 估计标准差的公式如下：
二、移动极差控制图（MR 控制图）
X 轴：批次 ID
Y 轴：移动极差（如下 MR 控制图中的第二个点是批次 2 的 pH 值 5.99 和批次 3pH 值 6.11中较大值减去较小值，结果为 0.12（6.11-5.99）
点：MR 控制图上的标绘点是移动极差（移动极差是两个或多个连续点之间差值的绝对值）。
中心线：中心线是移动极差平均值的无偏估计值 MRbar
控制上限：??? = (??(?) ⋅ ?) + (? ⋅ ??(?) ⋅ ?)
控制下限：??? = (??(?) ⋅ ?) − (? ⋅ ??(?) ⋅ ?)或 LCL=0（计算结果为负值时）
移动极差平均值法的结果
移动极差中位数法的结果
结论
手动计算的过程比较复杂，而且还可能会出错，但是有了 Minitab 的帮助，我们只需要选择好合适的控制图后，点击几下就可以高效快速的计算出对应的控制限。当然，花点时间手动计算一下这些值，能够帮助你更好的理解控制图。而且在计算的过程中，你也会发现 Minitab 的算法跟 Excel 中算法的差异，也能够发现单值控制图的控制限受到移动极差的影响，所以在分析这两张控制图时，应该先分析下面的移动极差控制图，移动极差控制图中没有异常点时，这时候分析单值控制图才是有意义的。
X 轴：批次 ID
Y 轴：移动极差（如下 MR 控制图中的第二个点是批次 2 的 pH 值 5.99 和批次3pH 值 6.11 中较大值减去较小值，结果为 0.12（6.11-5.99） 收起阅读 »
1924 年，美国的休哈特博士应用统计数学理论将 3Sigma 原理运用于生产过程中，并发表了著名的“控制图法”，对产品特性和过程变量进行控制，开启了统计过程控制新时代。
什么是控制图
控制图指示过程何时不受控制，有助于标识是否存在特殊原因变异。如果存在特殊原因变异，则说明过程不稳定且有必要采取纠正措施。
控制图是按时间排序顺序绘制过程数据的图。大多数控制图都包括一条中心线、一个控制上限和一个控制下限。中心线表示过程均值。控制限表示过程变异。默认情况下，控制限绘制在中心线上下 3σ 的位置。
随机位于控制限内的点指示过程受控制且仅显示常见原因变异。位于控制限外部或者显示非随机模式的点指示过程不受控制且存在特殊原因变异。
如何选择合适的控制图
随着控制图的发展，它的类型也是越来越多，那么这时候对于使用 Minitab 的朋友来说，经常会纠结如何去选择一个合适的控制图。在 Minitab 19 中，协助菜单可以很好的帮助我们去选择一个合适的控制图。
I-MR 控制图
今天，我们来绘制一下 I-MR 控制图。
问题背景：某质量工程师监控了液体洗涤剂的生产过程，想要评估该过程是否受控制。这位工程师测量了 25 个连续批次的洗涤剂的 pH 值。
由于 pH 值的数据类型是连续型数据，而且是每批次只取一个样品（子组大小等于 1），故这位工程师创建了一张 I-MR 控制图，以监控洗涤剂的生产过程。
Minitab 绘制 I-MR 控制图
Minitab 结果解释
首先解释移动极差控制图（MR 控制图）以检查过程变异。没有位于控制限外部的点且所有的点都显示出随机模式。因此，过程变异受控制，质量工程师可以检查单值控制图（I 控制图）上的过程中心。
I 控制图上的一个观测值在检验 1 中失败，因为观测值在中心线上方且距离中心线超过 3个标准差。
I-MR 控制图的控制限计算（手动）
对于 I-MR 控制图，包含两张图单值控制图（I 控制图）和移动极差控制图（MR 控制图）， 我们首先来认识一下这两张图形上的 X 轴、Y 轴、点和线分别表示什么含义。
一、单值控制图（I 控制图）
X 轴：批次 ID
Y 轴：单值（每个批次对应的 pH 值，如单值图上的第二个点表示的是批次 2 的 pH 值）
点：单值控制图（I 控制图）上的每个标绘点是单独的观测值（如上图）。
中心线：单值控制图（I 控制图）上的中心线是过程平均值的估计值，计算如下
控制限：单值控制图（I 控制图）控制限的计算结果取决于标准差的估计方式。
1）移动极差平均值（默认方法）-移动极差长度默认为 2
a. 计算移动极差 MR（相邻 2 个数的较大值减较小值），当前数据样本量为 25，计算得到24 个移动极差。
b. 计算这 24 个移动极差的平均值 MRbar
c. 估计标准差的公式如下：
控制限计算公式
其中 k 为检验 1 的参数。默认值为 3。
当选择默认的用移动极差平均值来估计标准差时，我们还可以勾选”使用 Nelson 估计值”。使用 Nelson 估计值可以在计算控制限时更正异常大的移动极差值。此过程与 Nelson1 提出的过程相似。Minitab 消除比移动极差平均值大 3σ 的任何移动极差值，然后重新计算移动极差平均值和控制限。
2）移动极差中位数
a. 计算移动极差
b. 计算移动极差中位数
c. 估计标准差的公式如下：
二、移动极差控制图（MR 控制图）
X 轴：批次 ID
Y 轴：移动极差（如下 MR 控制图中的第二个点是批次 2 的 pH 值 5.99 和批次 3pH 值 6.11中较大值减去较小值，结果为 0.12（6.11-5.99）
点：MR 控制图上的标绘点是移动极差（移动极差是两个或多个连续点之间差值的绝对值）。
中心线：中心线是移动极差平均值的无偏估计值 MRbar
控制上限：??? = (??(?) ⋅ ?) + (? ⋅ ??(?) ⋅ ?)
控制下限：??? = (??(?) ⋅ ?) − (? ⋅ ??(?) ⋅ ?)或 LCL=0（计算结果为负值时）
移动极差平均值法的结果
移动极差中位数法的结果
结论
手动计算的过程比较复杂，而且还可能会出错，但是有了 Minitab 的帮助，我们只需要选择好合适的控制图后，点击几下就可以高效快速的计算出对应的控制限。当然，花点时间手动计算一下这些值，能够帮助你更好的理解控制图。而且在计算的过程中，你也会发现 Minitab 的算法跟 Excel 中算法的差异，也能够发现单值控制图的控制限受到移动极差的影响，所以在分析这两张控制图时，应该先分析下面的移动极差控制图，移动极差控制图中没有异常点时，这时候分析单值控制图才是有意义的。
X 轴：批次 ID
Y 轴：移动极差（如下 MR 控制图中的第二个点是批次 2 的 pH 值 5.99 和批次3pH 值 6.11 中较大值减去较小值，结果为 0.12（6.11-5.99） 收起阅读 »
在 Minitab 中进行扩展量具 R&R 研究
量具 R&R 研究可以告诉您测量系统生成的数据是否值得信赖。遗憾的是，严格的数据要求和其他限制可能会让量具 R&R 研究难以进行分析，并可能无法解释所有重要因子。Minitab 中的扩展量具 R&R 工具能够使这些障碍成为过去。
量具 R&R 研究可以告诉您什么？
• 您的测量系统是否足够灵敏？
• 您的测量工具是否一致？
• 进行测量的人是否一致？
扩展量具 R&R 能提供哪些额外优势？
• 不仅要分析部件和操作员，还要分析多达八个其他因子。
• 甚至不完整的数据也可以进行分析（不平衡研究）。
• 包括固定或随机因子，获得更好的灵活性。
在量具 R&R 研究中包含两个以上的因子
通常，量具 R&R 研究只关注两个因子：部件和操作员。但是如果您知道其他因子也会影响您的测量系统呢？如果您不纳入这些因子，则将永远无法了解它们对测量变异性有多大影响，以及您的测量系统可能看起来比实际情况更好还是更差。Minitab 的扩展量具 R&R 能让您纳入最多八个额外的因子，用于调查并评估所有可能影响测量系统的因子。
例如
因为他们在繁忙的生产车间工作，检验人员担心生产速度的变化会影响他们的测量能力。加入生产线速度作为量具研究的因子，揭示出生产线速度变化对测量的影响甚至超出他们的预期。
以不完整或不平衡的数据进行量具 R&R
量具 R&R 研究可以要求严格的“平衡”设计，尽管实际上数据的收集通常并不完美。也许在研究中让操作员将所有部件测量相同的次数并不可行，或者可能一些测量数据已经丢失。扩展量具 R&R 允许您分析测量系统，即使有这样不平衡的数据，也无需手动计算来解释丢失的数据。
包括固定或随机因子以获取更高的灵活性
在量具研究中，如果您有意选择了一定的兴趣级别（比如最有经验和最缺乏经验的操作员），则该因子是固定的。如果您随机选择了级别来代表总体，则该因子为随机。常见量具研究会在所有因子均为随机的基础上计算结果。但将固定因子视为随机因子可能导致过度或低估其重要性。
扩展量具 R&R 允许您指明哪些因子是固定的，哪些是随机的，以便更好更妥当地评估您的测量系统。
例如
审核显示，退回精密铣削设施的大部分不合规格部件可追溯到两名经验最少的检验员。为了更好的理解该问题，质量经理希望能重点关注这些特定操作员后续的量具研究。因为人工挑选的这些操作员无法反应出随机抽样，所以在分析该研究时，经理将这一因子指定为固定因子。
MINITAB 让量具 R&R 更简单
如果您尚未利用 Minitab 的强大功能从数据中获取最大价值，请立即下载功能完备的 Minitab 30 天免费试用版。
本文最初出现在Minitab博客上。
收起阅读 »
量具 R&R 研究可以告诉您什么？
• 您的测量系统是否足够灵敏？
• 您的测量工具是否一致？
• 进行测量的人是否一致？
扩展量具 R&R 能提供哪些额外优势？
• 不仅要分析部件和操作员，还要分析多达八个其他因子。
• 甚至不完整的数据也可以进行分析（不平衡研究）。
• 包括固定或随机因子，获得更好的灵活性。
在量具 R&R 研究中包含两个以上的因子
通常，量具 R&R 研究只关注两个因子：部件和操作员。但是如果您知道其他因子也会影响您的测量系统呢？如果您不纳入这些因子，则将永远无法了解它们对测量变异性有多大影响，以及您的测量系统可能看起来比实际情况更好还是更差。Minitab 的扩展量具 R&R 能让您纳入最多八个额外的因子，用于调查并评估所有可能影响测量系统的因子。
例如
因为他们在繁忙的生产车间工作，检验人员担心生产速度的变化会影响他们的测量能力。加入生产线速度作为量具研究的因子，揭示出生产线速度变化对测量的影响甚至超出他们的预期。
以不完整或不平衡的数据进行量具 R&R
量具 R&R 研究可以要求严格的“平衡”设计，尽管实际上数据的收集通常并不完美。也许在研究中让操作员将所有部件测量相同的次数并不可行，或者可能一些测量数据已经丢失。扩展量具 R&R 允许您分析测量系统，即使有这样不平衡的数据，也无需手动计算来解释丢失的数据。
包括固定或随机因子以获取更高的灵活性
在量具研究中，如果您有意选择了一定的兴趣级别（比如最有经验和最缺乏经验的操作员），则该因子是固定的。如果您随机选择了级别来代表总体，则该因子为随机。常见量具研究会在所有因子均为随机的基础上计算结果。但将固定因子视为随机因子可能导致过度或低估其重要性。
扩展量具 R&R 允许您指明哪些因子是固定的，哪些是随机的，以便更好更妥当地评估您的测量系统。
例如
审核显示，退回精密铣削设施的大部分不合规格部件可追溯到两名经验最少的检验员。为了更好的理解该问题，质量经理希望能重点关注这些特定操作员后续的量具研究。因为人工挑选的这些操作员无法反应出随机抽样，所以在分析该研究时，经理将这一因子指定为固定因子。
MINITAB 让量具 R&R 更简单
如果您尚未利用 Minitab 的强大功能从数据中获取最大价值，请立即下载功能完备的 Minitab 30 天免费试用版。
本文最初出现在Minitab博客上。
FMEA与问题解决在思路上的不同与联系
前言：FMEA（失效模式与影响后果分析）和问题的分析与解决，同样包含对原因的分析与措施的制定，那么它们在思路上有何区别与联系？在实际工作中，通常会存在怎样的误区和错误？本文就把二者放在一起进行一下讨论。
首先，我们先来统一理解一下两个术语：失效和问题。
失效是指没有达到所预期的功能和要求，它是问题的所表现出来的表象。打个比方，水库决堤了，这是坝堤失效了，因为坝堤的功能是阻拦水的，但它的问题在哪里呢？是坝堤上的小小的蚁穴，可谓“千里之堤，溃于蚁穴”。
再就是，同样是原因的分析，但是FMEA和问题解决在思路上是不同的。
FMEA，本质上是把将来有可能发生的所有失效的不同形式（模式）一一列出来，做出一个预判，并根据可能的原因，提前制定对应的控制措施，来防止真的发生；而问题解决，则是针对已经发生了的失效现象，找到问题的症结所在，并一步步地找到这个问题的根本原因，然后制定永久措施，防止同样的问题再次发生。
因此，FMEA的思路是发散式的，是尽可能调动团队成员的所有知识与经验，把每一个在理论上可能发生的失效模式都识别出来，把每个失效模式在理论上的每个可能的原因都列出来，必要时对这些原因进行试验验证。
而问题解决，则是收敛的和聚焦的，要基于“现物“、“现场”、“现实”的三现主义的理念与方法，找到与失效现象有关联的线索来识别问题症结，以及识别与这个问题症结存在关联的原因。问题解决强调的是“原因与问题事实的相关性”，通过试验或其他手段来一步步逐渐缩小“包围圈”，也像是一遍遍过筛子，最后把与这个问题的发生真正具有因果关系的原因确定下来，如下图所示。
我们通过一个案例来进一步说明它们之间的区别。
当客户打开音响包装箱时，发现音响的一个角上少了一个螺丝，如下图所示。
在PFMEA中，当我们分析打螺丝这个过程的失效模式时，我们可能要列出下列失效模式和失效起因：
可见，在PFMEA中，我们需要把所有可能导致打螺丝过程的失效模式以及它们的失效起因都识别出来，再一一制定相应的控制措施（措施本文略）。然而，在问题解决时，比如，当收到顾客关于少了螺丝的投诉时，我们的思路却是这样的：
第一步（第1遍筛子），我们可通过5W2H+IS/ISNOT工具，对少螺丝的音响展开客观、全面地描述，从多个角度来认识这个问题，例如，在哪个位置上少了螺丝？在左下角；缺少螺丝的丝孔上有什么特点？没有螺丝，但是有丝痕！
上面这个信息告诉我们，应当不是漏打，而是打过但没有打牢，这需要我们去打螺丝这个工位（根据产品二维码查出是哪个工位）上去进行详细的调查。
第二步（第2遍筛子），在这个工位上，我们可以借助于鱼骨图的逻辑和第一步的5W2H的输出，对相关的过程要素（而不是所有的过程要素！）进行分析和验证，需要验证电动起子上设置的扭矩值是否为WI上规定的数值，并验证输出值是否在WI允许的范围内；我们还要观察操作者在打螺丝时（特别是少螺丝的位置）操作是否方便，是否存在人机工程学问题；我们更要确认是否在打螺丝时存在产品固定不可靠的问题，等等。
实际验证结果告诉我们，操作者在打螺丝时的角度确实时常超出WI所规定的3度的范围！
我们再进一步地验证操作角度这个原因，抽取更多的出自该名操作者的产品，进行反向扭矩测试，结果同样发现了若干台产品，其螺丝上的扭矩值达不到WI所规定的扭矩（1.5-2.0kgf）！而且经过模拟物流过程的试验（专门的振动试验和跌落试验），这些螺丝基本上都脱落了！
于是，我们就确定这就是音响少螺丝的原因，但是这只是直接原因！但在PFMEA中，由人、机、料、法、环过程要素所分类的失效起因，其实在解决问题时，还需要更进一步地分析，这一点很关键！
第三步（第3遍筛子），我们借助于5WHY工具继续展开分析，例如，为什么会打歪了？有两种可能：该操作者不知道角度的要求（不超过3度），或者该操作者知道角度的要求，但是由于技能不够熟练，还是打歪了。经过调查，实际上是后者！那么为什么是技能不熟练就允许上岗呢？因为培训时只培训理论知识（WI），而没有提供专门的练习，资质要求中也没有包括技能考核这一项！这才是找到了根本原因！
从技术层面，措施是让操作者在线外专门进行练习，合格后方可上岗；从系统层面，将技能训练补充到培训大纲中，并补充到该岗位的资质要求中去。
由此可见，问题解决的原因分析不同于FMEA，它是根据与问题事实相关的线索，一层层地过滤、剖析，最终聚焦到与实际问题具有因果关系的根因上去，如下图所示，
然而，在实际工作中，通常存在下面两种错误的做法:
在制定FMEA时，只注重实际已经发生过的失效模式，而不去分析那些未发生过但从理论上可能发生的失效模式或失效起因，过份注重已发生的事实，过份务实，而FMEA是需要适当的务虚的！
另一种错误做法是在分析和解决问题时，不去注重事实，也就是不遵循三现主义，只是凭借理论上的知识和个人的经验，想出一大堆原因来，一一去验证，这实际上是在为自己制造出一群假想敌，然后再去一一消灭他们。
FMEA与问题解决，二者除了有着思路上的不同，更有着紧密的联系，二者互相支持、互相完善。
当出现问题需要解决时，我们可以采用下面的步骤去使用FMEA：
1、调出该产品的FMEA（功能相关的问题-DFMEA和PFMEA，缺陷与制造相关的问题-PFMEA），查看里面有没有与这个问题相关的失效模式。如果没有，则等问题解决完成（关闭）后，将问题对应的新失效模式补充到当前的FMEA中去。
2、如果FMEA中有这个问题对应的失效模式，则首先去确认里面的控制措施有无在这个问题产品上正确地执行，如果没有，则要验证是否是因为不执行这个措施而导致的该问题。
3、如果是一直在执行FMEA中的控制措施，则可能现有控制措施不能完全预防该问题的发生，改变控制方法，看能否有效；或者是，当前FMEA中的失效起因分析不彻底（没有到根本原因上），或者还有漏掉的因子未识别出来，需要进一步分析。这就需要当问题完全解决后，再把新的因子和对应的控制措施更新到FMEA中去，对失效起因和控制措施进行完善。
因此，FMEA可以为问题解决提供支持，反过来，问题解决可以促进FMEA的更新和迭代，这样形成一个良性互动，企业的技术能力就会像滚雪球一样，越来越强！ 收起阅读 »
首先，我们先来统一理解一下两个术语：失效和问题。
失效是指没有达到所预期的功能和要求，它是问题的所表现出来的表象。打个比方，水库决堤了，这是坝堤失效了，因为坝堤的功能是阻拦水的，但它的问题在哪里呢？是坝堤上的小小的蚁穴，可谓“千里之堤，溃于蚁穴”。
再就是，同样是原因的分析，但是FMEA和问题解决在思路上是不同的。
FMEA，本质上是把将来有可能发生的所有失效的不同形式（模式）一一列出来，做出一个预判，并根据可能的原因，提前制定对应的控制措施，来防止真的发生；而问题解决，则是针对已经发生了的失效现象，找到问题的症结所在，并一步步地找到这个问题的根本原因，然后制定永久措施，防止同样的问题再次发生。
因此，FMEA的思路是发散式的，是尽可能调动团队成员的所有知识与经验，把每一个在理论上可能发生的失效模式都识别出来，把每个失效模式在理论上的每个可能的原因都列出来，必要时对这些原因进行试验验证。
而问题解决，则是收敛的和聚焦的，要基于“现物“、“现场”、“现实”的三现主义的理念与方法，找到与失效现象有关联的线索来识别问题症结，以及识别与这个问题症结存在关联的原因。问题解决强调的是“原因与问题事实的相关性”，通过试验或其他手段来一步步逐渐缩小“包围圈”，也像是一遍遍过筛子，最后把与这个问题的发生真正具有因果关系的原因确定下来，如下图所示。
我们通过一个案例来进一步说明它们之间的区别。
当客户打开音响包装箱时，发现音响的一个角上少了一个螺丝，如下图所示。
在PFMEA中，当我们分析打螺丝这个过程的失效模式时，我们可能要列出下列失效模式和失效起因：
可见，在PFMEA中，我们需要把所有可能导致打螺丝过程的失效模式以及它们的失效起因都识别出来，再一一制定相应的控制措施（措施本文略）。然而，在问题解决时，比如，当收到顾客关于少了螺丝的投诉时，我们的思路却是这样的：
第一步（第1遍筛子），我们可通过5W2H+IS/ISNOT工具，对少螺丝的音响展开客观、全面地描述，从多个角度来认识这个问题，例如，在哪个位置上少了螺丝？在左下角；缺少螺丝的丝孔上有什么特点？没有螺丝，但是有丝痕！
上面这个信息告诉我们，应当不是漏打，而是打过但没有打牢，这需要我们去打螺丝这个工位（根据产品二维码查出是哪个工位）上去进行详细的调查。
第二步（第2遍筛子），在这个工位上，我们可以借助于鱼骨图的逻辑和第一步的5W2H的输出，对相关的过程要素（而不是所有的过程要素！）进行分析和验证，需要验证电动起子上设置的扭矩值是否为WI上规定的数值，并验证输出值是否在WI允许的范围内；我们还要观察操作者在打螺丝时（特别是少螺丝的位置）操作是否方便，是否存在人机工程学问题；我们更要确认是否在打螺丝时存在产品固定不可靠的问题，等等。
实际验证结果告诉我们，操作者在打螺丝时的角度确实时常超出WI所规定的3度的范围！
我们再进一步地验证操作角度这个原因，抽取更多的出自该名操作者的产品，进行反向扭矩测试，结果同样发现了若干台产品，其螺丝上的扭矩值达不到WI所规定的扭矩（1.5-2.0kgf）！而且经过模拟物流过程的试验（专门的振动试验和跌落试验），这些螺丝基本上都脱落了！
于是，我们就确定这就是音响少螺丝的原因，但是这只是直接原因！但在PFMEA中，由人、机、料、法、环过程要素所分类的失效起因，其实在解决问题时，还需要更进一步地分析，这一点很关键！
第三步（第3遍筛子），我们借助于5WHY工具继续展开分析，例如，为什么会打歪了？有两种可能：该操作者不知道角度的要求（不超过3度），或者该操作者知道角度的要求，但是由于技能不够熟练，还是打歪了。经过调查，实际上是后者！那么为什么是技能不熟练就允许上岗呢？因为培训时只培训理论知识（WI），而没有提供专门的练习，资质要求中也没有包括技能考核这一项！这才是找到了根本原因！
从技术层面，措施是让操作者在线外专门进行练习，合格后方可上岗；从系统层面，将技能训练补充到培训大纲中，并补充到该岗位的资质要求中去。
由此可见，问题解决的原因分析不同于FMEA，它是根据与问题事实相关的线索，一层层地过滤、剖析，最终聚焦到与实际问题具有因果关系的根因上去，如下图所示，
然而，在实际工作中，通常存在下面两种错误的做法:
在制定FMEA时，只注重实际已经发生过的失效模式，而不去分析那些未发生过但从理论上可能发生的失效模式或失效起因，过份注重已发生的事实，过份务实，而FMEA是需要适当的务虚的！
另一种错误做法是在分析和解决问题时，不去注重事实，也就是不遵循三现主义，只是凭借理论上的知识和个人的经验，想出一大堆原因来，一一去验证，这实际上是在为自己制造出一群假想敌，然后再去一一消灭他们。
FMEA与问题解决，二者除了有着思路上的不同，更有着紧密的联系，二者互相支持、互相完善。
当出现问题需要解决时，我们可以采用下面的步骤去使用FMEA：
1、调出该产品的FMEA（功能相关的问题-DFMEA和PFMEA，缺陷与制造相关的问题-PFMEA），查看里面有没有与这个问题相关的失效模式。如果没有，则等问题解决完成（关闭）后，将问题对应的新失效模式补充到当前的FMEA中去。
2、如果FMEA中有这个问题对应的失效模式，则首先去确认里面的控制措施有无在这个问题产品上正确地执行，如果没有，则要验证是否是因为不执行这个措施而导致的该问题。
3、如果是一直在执行FMEA中的控制措施，则可能现有控制措施不能完全预防该问题的发生，改变控制方法，看能否有效；或者是，当前FMEA中的失效起因分析不彻底（没有到根本原因上），或者还有漏掉的因子未识别出来，需要进一步分析。这就需要当问题完全解决后，再把新的因子和对应的控制措施更新到FMEA中去，对失效起因和控制措施进行完善。
因此，FMEA可以为问题解决提供支持，反过来，问题解决可以促进FMEA的更新和迭代，这样形成一个良性互动，企业的技术能力就会像滚雪球一样，越来越强！ 收起阅读 »
测量系统一致性分析 | 这个汤真的那么辣吗？
熊妈妈已经忍无可忍了。最近一次关于她做的汤有多辣的争论以张牙舞爪而结束，而且把小女孩吓坏了。
熊妈妈认为问题出在小女孩身上。自从有了金凤花姑娘之后，所有人都无法就任何事情达成一致。床不是太软就是太硬。粥不是太烫就是太凉。今晚，金凤花姑娘抱怨汤太辣，熊爸爸抱怨汤不够辣。
为了使家庭恢复安宁，熊妈妈觉得小女孩需要离开。但是，每当熊妈妈提到这点时，熊爸爸就会跑过去为金凤花姑娘辩护。熊妈妈需要使用数据来为自己辩护，她明白该怎么做：使用一种名为“属性一致性分析”的测量系统分析。熊妈妈知道，使用 Minitab中的“协助”会使事情变得简单容易。
首先，她煮了六份汤。在其中的三份汤中，熊妈妈仅添加了足够的胡椒粉和香料，使汤美味但不会太辣。她在其余三份汤中加了过量的辣椒酱。
接着，熊妈妈使用 Minitab来设置、收集和分析数据，她希望确定为什么家庭成员如此频繁地出现意见不一致。
设置属性一致性分析
选择协助 > 测量系统分析 (MSA)…
“协助”显示一个决策树，该决策树中包括用于“评价”数据的 MSA。
熊妈妈打算让每个家庭成员都品尝六份不同的汤，并让他们评价是好（“好喝！”）还是差（“难喝！”）。每个评价者对每份汤都品尝 4 次，因此熊妈妈不仅能够查看不同检验者的意见是否一致，还能查看每个检验者每次品尝后的评价是否一致。
但是，她的数据收集计划能够满足此分析的需要吗？单击“属性一致性工作表”下面的“更多…”即可显示一列需要检查的要求。例如，“协助”建议评价者对相同数量的好和差项目进行评分，还建议至少有 3 个评价者，熊妈妈的计划中涵盖了这两项要求。
现在，熊妈妈确信她的计划非常恰当。她单击“返回”，然后单击“属性一致性工作表”并按如下所示填写对话框：
在单击“确定”之后，Minitab 将针对每个评价者和每份汤生成一组（共四个）随机试验，并创建一个匹配的数据表。
Minitab 还允许打印一整套随时可用的数据收集表单（每个试验和评价者有一份对应的表单）。
接着，熊妈妈加热这六份汤，并让每个检验者按照 Minitab 所指定的随机顺序对每份汤品尝四次。然后，她只需将结果输入到其数据表的相应列中就可以了：
分析数据
将结果输入到工作表中之后，熊妈妈可以继续进行分析。返回到协助 > 测量系统分析 (MSA)…，但这一次的目标是分析数据，而不是设置研究：
按如上所示填写对话框，单击“确定”。Minitab 将生成所有输出，熊妈妈需要使用这些输出来为自己辩护。
汇总报告显示，总体而言，家庭成员正确识别汤辛辣程度的正确率仅为 75%。按评价者计算的准确度百分比显示每个评价者对汤进行识别的准确度。熊妈妈和熊宝宝的得分最高，他们的准确度分别为 95.8% 和 87.5%。熊爸爸的准确度为 79.2%，不算太低。
但是，金凤花姑娘的准确度为 37.5%，很低。
“协助”的准确度报告为熊妈妈提供了有关每个评价者表现的具体细节。准确度报告右侧的按评价者计算的准确度百分比图和标准图显示，在三头熊中，每头熊都非常擅长识别美味的汤，但是，金凤花姑娘正确识别出美味的汤的概率不到 20%。
“协助”还有另外两个输出——“误分类报告”和“报告卡”。
证据在汤里
通过属性一致性分析的结果，可以清楚地判定有关汤辣不辣的大多数不一致源自何处，以及（按照熊妈妈的观点）不一致应当在何处终结。使用由“协助”创建的简单图形，甚至连熊爸爸也可以轻松看出，金凤花姑娘对汤的评价分歧可能会导致家庭成员产生冲突。
无论您喜欢清淡的汤还是喜欢超辣的汤，您都已经成功完成了此测量系统分析。您已了解如何创建属性一致性分析工作表，以及如何分析您收集的数据以使用“协助”来确定评价者在何处一致，在何处不一致。 收起阅读 »
熊妈妈认为问题出在小女孩身上。自从有了金凤花姑娘之后，所有人都无法就任何事情达成一致。床不是太软就是太硬。粥不是太烫就是太凉。今晚，金凤花姑娘抱怨汤太辣，熊爸爸抱怨汤不够辣。
为了使家庭恢复安宁，熊妈妈觉得小女孩需要离开。但是，每当熊妈妈提到这点时，熊爸爸就会跑过去为金凤花姑娘辩护。熊妈妈需要使用数据来为自己辩护，她明白该怎么做：使用一种名为“属性一致性分析”的测量系统分析。熊妈妈知道，使用 Minitab中的“协助”会使事情变得简单容易。
首先，她煮了六份汤。在其中的三份汤中，熊妈妈仅添加了足够的胡椒粉和香料，使汤美味但不会太辣。她在其余三份汤中加了过量的辣椒酱。
接着，熊妈妈使用 Minitab来设置、收集和分析数据，她希望确定为什么家庭成员如此频繁地出现意见不一致。
设置属性一致性分析
选择协助 > 测量系统分析 (MSA)…
“协助”显示一个决策树，该决策树中包括用于“评价”数据的 MSA。
熊妈妈打算让每个家庭成员都品尝六份不同的汤，并让他们评价是好（“好喝！”）还是差（“难喝！”）。每个评价者对每份汤都品尝 4 次，因此熊妈妈不仅能够查看不同检验者的意见是否一致，还能查看每个检验者每次品尝后的评价是否一致。
但是，她的数据收集计划能够满足此分析的需要吗？单击“属性一致性工作表”下面的“更多…”即可显示一列需要检查的要求。例如，“协助”建议评价者对相同数量的好和差项目进行评分，还建议至少有 3 个评价者，熊妈妈的计划中涵盖了这两项要求。
现在，熊妈妈确信她的计划非常恰当。她单击“返回”，然后单击“属性一致性工作表”并按如下所示填写对话框：
在单击“确定”之后，Minitab 将针对每个评价者和每份汤生成一组（共四个）随机试验，并创建一个匹配的数据表。
Minitab 还允许打印一整套随时可用的数据收集表单（每个试验和评价者有一份对应的表单）。
接着，熊妈妈加热这六份汤，并让每个检验者按照 Minitab 所指定的随机顺序对每份汤品尝四次。然后，她只需将结果输入到其数据表的相应列中就可以了：
分析数据
将结果输入到工作表中之后，熊妈妈可以继续进行分析。返回到协助 > 测量系统分析 (MSA)…，但这一次的目标是分析数据，而不是设置研究：
按如上所示填写对话框，单击“确定”。Minitab 将生成所有输出，熊妈妈需要使用这些输出来为自己辩护。
汇总报告显示，总体而言，家庭成员正确识别汤辛辣程度的正确率仅为 75%。按评价者计算的准确度百分比显示每个评价者对汤进行识别的准确度。熊妈妈和熊宝宝的得分最高，他们的准确度分别为 95.8% 和 87.5%。熊爸爸的准确度为 79.2%，不算太低。
但是，金凤花姑娘的准确度为 37.5%，很低。
“协助”的准确度报告为熊妈妈提供了有关每个评价者表现的具体细节。准确度报告右侧的按评价者计算的准确度百分比图和标准图显示，在三头熊中，每头熊都非常擅长识别美味的汤，但是，金凤花姑娘正确识别出美味的汤的概率不到 20%。
“协助”还有另外两个输出——“误分类报告”和“报告卡”。
证据在汤里
通过属性一致性分析的结果，可以清楚地判定有关汤辣不辣的大多数不一致源自何处，以及（按照熊妈妈的观点）不一致应当在何处终结。使用由“协助”创建的简单图形，甚至连熊爸爸也可以轻松看出，金凤花姑娘对汤的评价分歧可能会导致家庭成员产生冲突。
无论您喜欢清淡的汤还是喜欢超辣的汤，您都已经成功完成了此测量系统分析。您已了解如何创建属性一致性分析工作表，以及如何分析您收集的数据以使用“协助”来确定评价者在何处一致，在何处不一致。 收起阅读 »
二值响应DOE-汽车挡风玻璃断裂问题
二值响应DOE
传统实验设计的因子类型可以是连续型的也可以是文本型的，而响应变量都是连续型的，如我们想考察材料类型、注塑压力、注塑温度、冷却温度对绝缘强度的影响。现在Minitab 21中新增了二值响应DOE的功能，所谓二值响应就是结果只有两种可能，是/否，好/坏，合格/不合格。二值响应DOE，您可以在Minitab 21的以下分析中找到。
筛选设计
因子设计
响应曲面设计
问题背景
一家汽车制造商想观察由于外来物质损害挡风玻璃所产生的裂纹，他们考虑了三个因子：外来粒子的速度、粒子重量和玻璃供应商。
A: 颗粒的速度（mph），低水平：50， 高水平：60
B: 颗粒的重量（gram），低水平：20， 高水平：40
C: 挡风玻璃的供应商：低水平：A，高水平：B
数据收集
在一个特殊的设计实验房间里，一种颗粒被射向固定于20英尺远的挡风玻璃，一个检验员记录挡风玻璃是否产生裂纹，每种挡风玻璃只使用一次。制造商具有进行对100种挡风玻璃进行实验的资金、时间和材料，允许研究者试验10种挡风玻璃的样本大小。每8个因子的组合和两个中心点。然而，从供应商A只能获得48种挡风玻璃，因此，最后一轮实验只包括8种挡风玻璃样本。
分析二值DOE
在Minitab 21的二值响应DOE分析种，除了主对话框跟经典实验设计有比较大区别以外，其他选项，比如“项”、“图形”中的设置是没有差别的。
在“项”中，我们第一次拟合模型时，把所有的项都考虑进来（在下面分析中有一个陷阱，请注意哦）。
所有对话框点击确定后，得到如下结果。
注意：当我们把所有项都加入到模型中，这时候我们可以看到没有显著的项，此时不要急着下结论。这时候一般的做法是先删除高阶交互作用项。
删除三阶交互作用项和所有二阶交互作用项以后，我们可以看到这时候A和B变成显著的了，C仍然不显著，在下一步优化中需要删除掉。我们得到以下的最终结果。
优势比
仅当您为具有二元响应的模型选择 logit 链接函数时才提供优势比。在这种情况下，优势比可用于解释预测变量与响应之间的关系。
连续预测变量的优势比：优势比大于 1 表示在预测变量越大，事件发生的几率越大。优势比小于 1 表示预测变量越大，事件发生的几率越小。在当前结果中，该模型使用颗粒的重量水平来预测汽车挡风玻璃是否断裂。在此示例中，挡风玻璃断裂为“事件”。每颗粒的重量为10gram，因此研究人员使用10gram作为一个单位变化。优势比约为1.8455。颗粒重量每增加一个单位，挡风玻璃断裂的比率就增加约1.8455倍。颗粒速度的优势比解释结果一样，不再赘述。
类别预测变量（当前结果没有）的优势比：对于类别预测变量，优势比可以比较事件在两个不同的预测变量水平发生的几率。Minitab 通过在水平 A 和水平 B 这两列中列出水平来设置比较。水平 B 是因子的参考水平。优势比大于 1 表示事件在水平 A 下发生的几率大。优势比小于 1 表示事件在水平 A 下发生的几率小。
结论
在Minitab 21中有了二值响应DOE分析，扩展了DOE的功能。当然，在实验设计中我们除了遇到二值响应DOE外，可能还会遇到残差分析有问题需要对响应变量做变换的DOE分析、带区组的实验设计分析等比较复杂的DOE问题。我们将在后续为大家一一分享，如果您还没有使用过Minitab 21，可以登陆Minitab官网下载30天免费试用版哦！ 收起阅读 »
传统实验设计的因子类型可以是连续型的也可以是文本型的，而响应变量都是连续型的，如我们想考察材料类型、注塑压力、注塑温度、冷却温度对绝缘强度的影响。现在Minitab 21中新增了二值响应DOE的功能，所谓二值响应就是结果只有两种可能，是/否，好/坏，合格/不合格。二值响应DOE，您可以在Minitab 21的以下分析中找到。
筛选设计
因子设计
响应曲面设计
问题背景
一家汽车制造商想观察由于外来物质损害挡风玻璃所产生的裂纹，他们考虑了三个因子：外来粒子的速度、粒子重量和玻璃供应商。
A: 颗粒的速度（mph），低水平：50， 高水平：60
B: 颗粒的重量（gram），低水平：20， 高水平：40
C: 挡风玻璃的供应商：低水平：A，高水平：B
数据收集
在一个特殊的设计实验房间里，一种颗粒被射向固定于20英尺远的挡风玻璃，一个检验员记录挡风玻璃是否产生裂纹，每种挡风玻璃只使用一次。制造商具有进行对100种挡风玻璃进行实验的资金、时间和材料，允许研究者试验10种挡风玻璃的样本大小。每8个因子的组合和两个中心点。然而，从供应商A只能获得48种挡风玻璃，因此，最后一轮实验只包括8种挡风玻璃样本。
分析二值DOE
在Minitab 21的二值响应DOE分析种，除了主对话框跟经典实验设计有比较大区别以外，其他选项，比如“项”、“图形”中的设置是没有差别的。
在“项”中，我们第一次拟合模型时，把所有的项都考虑进来（在下面分析中有一个陷阱，请注意哦）。
所有对话框点击确定后，得到如下结果。
注意：当我们把所有项都加入到模型中，这时候我们可以看到没有显著的项，此时不要急着下结论。这时候一般的做法是先删除高阶交互作用项。
删除三阶交互作用项和所有二阶交互作用项以后，我们可以看到这时候A和B变成显著的了，C仍然不显著，在下一步优化中需要删除掉。我们得到以下的最终结果。
优势比
仅当您为具有二元响应的模型选择 logit 链接函数时才提供优势比。在这种情况下，优势比可用于解释预测变量与响应之间的关系。
连续预测变量的优势比：优势比大于 1 表示在预测变量越大，事件发生的几率越大。优势比小于 1 表示预测变量越大，事件发生的几率越小。在当前结果中，该模型使用颗粒的重量水平来预测汽车挡风玻璃是否断裂。在此示例中，挡风玻璃断裂为“事件”。每颗粒的重量为10gram，因此研究人员使用10gram作为一个单位变化。优势比约为1.8455。颗粒重量每增加一个单位，挡风玻璃断裂的比率就增加约1.8455倍。颗粒速度的优势比解释结果一样，不再赘述。
类别预测变量（当前结果没有）的优势比：对于类别预测变量，优势比可以比较事件在两个不同的预测变量水平发生的几率。Minitab 通过在水平 A 和水平 B 这两列中列出水平来设置比较。水平 B 是因子的参考水平。优势比大于 1 表示事件在水平 A 下发生的几率大。优势比小于 1 表示事件在水平 A 下发生的几率小。
结论
在Minitab 21中有了二值响应DOE分析，扩展了DOE的功能。当然，在实验设计中我们除了遇到二值响应DOE外，可能还会遇到残差分析有问题需要对响应变量做变换的DOE分析、带区组的实验设计分析等比较复杂的DOE问题。我们将在后续为大家一一分享，如果您还没有使用过Minitab 21，可以登陆Minitab官网下载30天免费试用版哦！ 收起阅读 »
优思学院｜品质圈QCC是什么？如何有效实施？
原发表于优思学院知乎号
QCC的由來
QCC（Quality Control Circle / Quality Circle），一般称为品质圈，是一个由员工组成的小团体，通过各种团队式的改善活动，开发员工的无限潜能，共同为企业的改进做出贡献，尊重人性，建立一个开朗的工作团体。
品质圈（QCC）最初是由戴明博士（W. Edwards Deming）在20世纪50年代提出，戴明博士称赞丰田是这种做法的典范。 后来，这一想法于1962年在日本各地开始正式化，并由石川馨（Kaoru Ishikawa）等人扩大发展，石川馨是20世纪著名于品质管理的日本学者，他发明了鱼骨图，所以鱼骨图同时也称为石川图。
后来，日本科学家和工程师联盟（JUSE）在日本协调这一項QCC的运动，到了1978年，JUSE在他们的出版物《Gemba to QC Circles》中声称，日本已经有超过100万个品质圈，涉及约1000万个日本工人。
QCC的执行方式
品质圈（QCC）团队的成员通常来自同一工作领域，他们自愿定期聚会，以发现、调查、分析和解决与工作有关的问题。
根据日本的经验，在各种工作场所里95%的问题都可以通过简单的质量控制方法来解决，比如七种质量控制工具、PDCA方法。七种质量控制工具-优思学院七种质量控制工具包括帕累托图、因果图、層別法、查檢表、直方图、散布图与控制图。这些工具将帮助QCC小组系统地进行头脑风暴，并对问题进行批判性分析。然后，通过逻辑思维和经验，大多数在日常工作出现的问题都能得到解决。六西格玛五步法-优思学院另外，六西格玛[1]的五步法，则是一种以数据驱动的方法，较适用于处理复杂和深层次的问题，一般会由更资深的质量人员才可掌握，受过培训和认证的六西格玛绿带和黑带，都是改善深层次问题的专家，他们可以领导改善项目，让流程取得突破性的进展。
为什么QCC是有用的？
基于QCC实践的方案因各种原因而被引入，很多企业无一例外地发现，由于QCC活动，产品和服务的质量得到了改善。QCC活动揭示了各种缺陷，让团队自己进行改善，从而提高了工作满意度，并有助于对员工工作的自豪感，这进一步提高了的产品质量，提高了对质量的认识，并持续改进。
另一个好处是改善双向沟通，管理层变得更加关注员工提出的问题，同時，员工也意识到了组织运行的日常问题。部门之间的沟通也得到改善。当QCC致力于解决他们自己领域的问题时，他们的系统性方法往往揭示了以前未曾预料到的生产流程中的困难原因。一般来说，QCC计划需要与ISO9000质量标准在管理结构和公司内部培训方面有相同的框架。因此，QCC应该是任何公司的全面质量计划的一部分。
每个人对QCC计划所规定的改进的承诺也有助于建立顾客的信心。尽管有些公司并不打算实现纯粹的财务回报，但大多数公司发现，财务利益还是会大大改进。
如何实施QCC？
拥有最成功的QCC项目的公司在早期阶段花了很多时间，以确保在任何QCC活动开始之前，公司的每个人都能得到适当的信息和咨询。通常情况下，资深的质量人员、受过培训和认证的六西格玛绿带和黑带都可以协助进行QCC的宣导工作。一旦建立起来，一个典型的项目将在公司的所有部门、办公室、服务部门和生产部门都有QCC在运作。经验表明，公司的规模对项目的成功并不重要，但它对支持结构和组织有很大影响。
实施的步骤可以包括：
通过管理层的介绍，让管理层了解QCC的过程。
2. 对QCC的可行性进行分析。
3. 成立一个指导委员会。
4. 挑选协调人和内部指导员（可以是六西格玛绿带和黑带）。
5. 选定潜在的初始开展的流程。
6. 向已确定的地区、部门的一线主管介绍QCC。
7. 协调员和中层管理人员接受关于该过程和他们角色的广泛培训。
8. 有兴趣的主管自愿参加并接受培训。
9. 培训结束后，QCC将对向新培训的主管报告的员工进行介绍。
10. 员工自愿成为一个圈子的成员并接受培训。
11. 一个圈子成立并开始工作。
12. 随着兴趣的扩大，更多的圈子被组建。
13. 圈子以系统的方式解决问题，而不仅仅是讨论问题。
14. 管理层必须确保解决方案一旦被接受就能迅速实施。
15. 圈子不为他们的解决方案直接支付报酬，但管理层必须确保适当和恰当的认可。
为了成功实施QCC，必须考虑以下准则：
参与是自愿的。
2. 管理层是支持的。
3. 需要对员工进行授权。
4. 培训是方案的组成部分。
5. 成员作为一个团队工作。
6. 成员解决问题，而不仅仅是发现问题。
QCC的行为准则
在一個QCC小組裡，要成功開展，我們要确保小組的討論和參與可以順利和流暢地進行，才可發揮最大的效果，小組的領導者要确保和思考：每成員都在思考同一个问题吗？是否有鼓励所有的想法的提出（不论好的和坏的）？是否所有的想法都被记录下来了吗？所有成员是否有平等的机会参与？
一般来说，QCC讨论要有一些行为准则，例如：
可以批评想法，但不能批评個人。
2. 唯一愚蠢的问题是没有被问到的问题。
3. 团队中的每个人都要对团队的进展负责。
4. 对他人的想法持开放态度。 收起阅读 »
QCC的由來
QCC（Quality Control Circle / Quality Circle），一般称为品质圈，是一个由员工组成的小团体，通过各种团队式的改善活动，开发员工的无限潜能，共同为企业的改进做出贡献，尊重人性，建立一个开朗的工作团体。
品质圈（QCC）最初是由戴明博士（W. Edwards Deming）在20世纪50年代提出，戴明博士称赞丰田是这种做法的典范。 后来，这一想法于1962年在日本各地开始正式化，并由石川馨（Kaoru Ishikawa）等人扩大发展，石川馨是20世纪著名于品质管理的日本学者，他发明了鱼骨图，所以鱼骨图同时也称为石川图。
后来，日本科学家和工程师联盟（JUSE）在日本协调这一項QCC的运动，到了1978年，JUSE在他们的出版物《Gemba to QC Circles》中声称，日本已经有超过100万个品质圈，涉及约1000万个日本工人。
QCC的执行方式
品质圈（QCC）团队的成员通常来自同一工作领域，他们自愿定期聚会，以发现、调查、分析和解决与工作有关的问题。
根据日本的经验，在各种工作场所里95%的问题都可以通过简单的质量控制方法来解决，比如七种质量控制工具、PDCA方法。七种质量控制工具-优思学院七种质量控制工具包括帕累托图、因果图、層別法、查檢表、直方图、散布图与控制图。这些工具将帮助QCC小组系统地进行头脑风暴，并对问题进行批判性分析。然后，通过逻辑思维和经验，大多数在日常工作出现的问题都能得到解决。六西格玛五步法-优思学院另外，六西格玛[1]的五步法，则是一种以数据驱动的方法，较适用于处理复杂和深层次的问题，一般会由更资深的质量人员才可掌握，受过培训和认证的六西格玛绿带和黑带，都是改善深层次问题的专家，他们可以领导改善项目，让流程取得突破性的进展。
为什么QCC是有用的？
基于QCC实践的方案因各种原因而被引入，很多企业无一例外地发现，由于QCC活动，产品和服务的质量得到了改善。QCC活动揭示了各种缺陷，让团队自己进行改善，从而提高了工作满意度，并有助于对员工工作的自豪感，这进一步提高了的产品质量，提高了对质量的认识，并持续改进。
另一个好处是改善双向沟通，管理层变得更加关注员工提出的问题，同時，员工也意识到了组织运行的日常问题。部门之间的沟通也得到改善。当QCC致力于解决他们自己领域的问题时，他们的系统性方法往往揭示了以前未曾预料到的生产流程中的困难原因。一般来说，QCC计划需要与ISO9000质量标准在管理结构和公司内部培训方面有相同的框架。因此，QCC应该是任何公司的全面质量计划的一部分。
每个人对QCC计划所规定的改进的承诺也有助于建立顾客的信心。尽管有些公司并不打算实现纯粹的财务回报，但大多数公司发现，财务利益还是会大大改进。
如何实施QCC？
拥有最成功的QCC项目的公司在早期阶段花了很多时间，以确保在任何QCC活动开始之前，公司的每个人都能得到适当的信息和咨询。通常情况下，资深的质量人员、受过培训和认证的六西格玛绿带和黑带都可以协助进行QCC的宣导工作。一旦建立起来，一个典型的项目将在公司的所有部门、办公室、服务部门和生产部门都有QCC在运作。经验表明，公司的规模对项目的成功并不重要，但它对支持结构和组织有很大影响。
实施的步骤可以包括：
通过管理层的介绍，让管理层了解QCC的过程。
2. 对QCC的可行性进行分析。
3. 成立一个指导委员会。
4. 挑选协调人和内部指导员（可以是六西格玛绿带和黑带）。
5. 选定潜在的初始开展的流程。
6. 向已确定的地区、部门的一线主管介绍QCC。
7. 协调员和中层管理人员接受关于该过程和他们角色的广泛培训。
8. 有兴趣的主管自愿参加并接受培训。
9. 培训结束后，QCC将对向新培训的主管报告的员工进行介绍。
10. 员工自愿成为一个圈子的成员并接受培训。
11. 一个圈子成立并开始工作。
12. 随着兴趣的扩大，更多的圈子被组建。
13. 圈子以系统的方式解决问题，而不仅仅是讨论问题。
14. 管理层必须确保解决方案一旦被接受就能迅速实施。
15. 圈子不为他们的解决方案直接支付报酬，但管理层必须确保适当和恰当的认可。
为了成功实施QCC，必须考虑以下准则：
参与是自愿的。
2. 管理层是支持的。
3. 需要对员工进行授权。
4. 培训是方案的组成部分。
5. 成员作为一个团队工作。
6. 成员解决问题，而不仅仅是发现问题。
QCC的行为准则
在一個QCC小組裡，要成功開展，我們要确保小組的討論和參與可以順利和流暢地進行，才可發揮最大的效果，小組的領導者要确保和思考：每成員都在思考同一个问题吗？是否有鼓励所有的想法的提出（不论好的和坏的）？是否所有的想法都被记录下来了吗？所有成员是否有平等的机会参与？
一般来说，QCC讨论要有一些行为准则，例如：
可以批评想法，但不能批评個人。
2. 唯一愚蠢的问题是没有被问到的问题。
3. 团队中的每个人都要对团队的进展负责。
4. 对他人的想法持开放态度。 收起阅读 »
优思学院｜精益和六西格玛管理的演化史／发展史
原发表于优思学院知乎号
精益和六西格玛是一步一步在漫长的时间和无数前人的智慧累积而成的产物，这个发展历程可以以一个演化史的概念来论述，优思学院制作了这个视频希望可以透过一些历史发展的关键时间和事件描绘整个演化的历程，让大家易于理解。
首先，我们今天所知道的精益和六西格玛，代表了当前质量和流程改进领域的最佳实践，精益和六西格玛整个知识体系的起源和演化，可以追溯到1700年。
1700年 - 工业革命
在1700年的工业革命之前，产品是由熟练的工匠创造的。他们的工作质量是通过严格而漫长的学徒和培训过程来保证的。
工业革命后，检查被用来决定工人的产出是否可以接受。但是，由于检查不是以一种系统的方式进行的，所以它只能夠在低产量的情况下有效。
随着组织的发展，对更有效的操作的需求也在增加。
1795年 - 高斯以正态分布预测缺陷
1795年，德国数学家高斯，在试图开发缺陷的预测模型时，发现了正态分布。正态分布是今天仍然使用的最强大的统计工具之一，后来也成为了统计过程控制等工具的基础。
1911年 - 泰勒提出了科学管理
1911年，弗雷德里克‧泰勒提出了科学管理，通过优化任务的执行方式和专业分工来提高生产质量，组织可以制定标准的工作，然后由受过专门训练的人员来负责。
1913年 - 亨利‧福特建立了现代化的流水线
1913年，亨利‧福特通过增加移动平台和传送带系统改进了装配线，成为了现代化的流水线。他发现，一辆汽车在生产中停留的时间越长，其生产成本就越高。因此，他是第一个使用减少时间的浪费来降低成本的人，这也变成了后来的精益管理中的一个重要思想。
1931年 - 休哈特提出统计过程控制
1931年，沃特·休哈特指出“变异”存在于生产过程的每个方面，而我们是可以通过使用简单的统计工具如抽样和概率分析来了解变异，因此他提出了统计过程控制（SPC）和“控制图”（Control Chart）的使用，成为了质量管理和六西格玛管理的核心工具。
1950年 - 戴明博士受邀到日本
1950年，戴明博士受邀到日本向该国的总经理和工程师讲授质量心法。后来，他将一系列统计学方法引入美国产业界，他所提出的《管理十四要点》成为本世纪全面质量管理和六西格玛管理的重要理论基础。
1951年 - 朱兰出版了《质量控制手册》
1951年，另一位质量专家朱兰，出版了第一本关于质量管理最全面的著作，《质量控制手册》，他提出的质量管理学说包括质量改进三部曲、帕累托法则，成为了六西格玛改进方法论的最初形态。
1969年 - 費根堡姆提出了全面质量管理（TQM）
1969年，費根堡姆于东京举行的第一届国际质量控制会议上发表了演讲，首次提出了全面质量管理，倡导的概念包括以客户为中心、员工参与、持续的过程改进、数据的统计分析。以及将质量管理融入整个组织。
1930年-1970年 - 大野耐一等人创造出丰田生产系统
在1930年至1970年期间，大野耐一等，在戴明、朱兰、泰勒和福特等人所发展的理论基础上，开始发展一套新概念，包括减少浪费、看板、单件流、快速换模、准时生产和持续改善等等，成为了丰田生产系统，是丰田创造的高效生产管理的方法，也就成为了我们今天所说的精益生产、精益管理。
1985年 - 比尔‧史密斯发明了六西格玛方法
1985年，一位摩托罗拉的工程师——比尔‧史密斯，在寻找消除缺陷的实用方法時，开发了 "测量、分析、改进和控制 “的阶段性问题解决过程，就是后来的六西格玛过程模型，比尔‧史密斯也因此被称为六西格玛之父。
1988年 - 迈克尔‧哈里奠定了六西格玛方法论和管理架构
1988年，迈克尔-哈里将武术术语引入六西格玛，以”黑带”描述一个在六西格玛方法上达到的一定技能水平的人。同年，摩托罗拉责成哈里在整个公司推广六西格玛，从那时起，六西格玛不再是一个只由工程师使用的工具。摩托罗拉公司获得巨大财务节约的消息很快就传开了，其他公司也很快开始复制摩托罗拉的方法。
1990年 - 《改变世界的机器》一书出版
《改变世界的机器》在1990年出版，作者詹姆斯·P·沃麦克，丹尼尔·T·琼斯等在书中提出：真正过剩的是缺乏竞争力的大量生产方式的生产能力，而具有竞争力的精益生产方式的生产能力是严重缺乏的。丹尼尔·T·琼斯在2021年亦因此获得了国际精益六西格玛研究所（ILSSI）的终身成就奖。
1995年 - 杰克‧韦尔奇把六西格玛发扬光大
1995年，通用电气的首席执行官的杰克-韦尔奇，在了解到六西格玛有可能大幅节约成本后，在1995年10月，他改变了对整个通用电气的激励计划，60%的奖金与财务状况挂钩，40%与六西格玛结果挂钩。到1998年年底，公司至少是绿带的人才会被考虑担任管理职位。
2016年 - ILSSI 国际精益六西格玛研究所成立
随着精益和六西格玛的应用成果越来越明显，无数相关的培训机构前仆后继地出现，2016年，国际精益六西格玛研究所正式成立，每年举行国际性的研讨会，为不同的培训机构订立培训和考核标准，成为国际上最重要的认证和推动组织之一。
而优思学院是唯一获得国际精益六西格玛研究所认可的，以中文为培训语言的发证机构。
收起阅读 »
精益和六西格玛是一步一步在漫长的时间和无数前人的智慧累积而成的产物，这个发展历程可以以一个演化史的概念来论述，优思学院制作了这个视频希望可以透过一些历史发展的关键时间和事件描绘整个演化的历程，让大家易于理解。
首先，我们今天所知道的精益和六西格玛，代表了当前质量和流程改进领域的最佳实践，精益和六西格玛整个知识体系的起源和演化，可以追溯到1700年。
1700年 - 工业革命
在1700年的工业革命之前，产品是由熟练的工匠创造的。他们的工作质量是通过严格而漫长的学徒和培训过程来保证的。
工业革命后，检查被用来决定工人的产出是否可以接受。但是，由于检查不是以一种系统的方式进行的，所以它只能夠在低产量的情况下有效。
随着组织的发展，对更有效的操作的需求也在增加。
1795年 - 高斯以正态分布预测缺陷
1795年，德国数学家高斯，在试图开发缺陷的预测模型时，发现了正态分布。正态分布是今天仍然使用的最强大的统计工具之一，后来也成为了统计过程控制等工具的基础。
1911年 - 泰勒提出了科学管理
1911年，弗雷德里克‧泰勒提出了科学管理，通过优化任务的执行方式和专业分工来提高生产质量，组织可以制定标准的工作，然后由受过专门训练的人员来负责。
1913年 - 亨利‧福特建立了现代化的流水线
1913年，亨利‧福特通过增加移动平台和传送带系统改进了装配线，成为了现代化的流水线。他发现，一辆汽车在生产中停留的时间越长，其生产成本就越高。因此，他是第一个使用减少时间的浪费来降低成本的人，这也变成了后来的精益管理中的一个重要思想。
1931年 - 休哈特提出统计过程控制
1931年，沃特·休哈特指出“变异”存在于生产过程的每个方面，而我们是可以通过使用简单的统计工具如抽样和概率分析来了解变异，因此他提出了统计过程控制（SPC）和“控制图”（Control Chart）的使用，成为了质量管理和六西格玛管理的核心工具。
1950年 - 戴明博士受邀到日本
1950年，戴明博士受邀到日本向该国的总经理和工程师讲授质量心法。后来，他将一系列统计学方法引入美国产业界，他所提出的《管理十四要点》成为本世纪全面质量管理和六西格玛管理的重要理论基础。
1951年 - 朱兰出版了《质量控制手册》
1951年，另一位质量专家朱兰，出版了第一本关于质量管理最全面的著作，《质量控制手册》，他提出的质量管理学说包括质量改进三部曲、帕累托法则，成为了六西格玛改进方法论的最初形态。
1969年 - 費根堡姆提出了全面质量管理（TQM）
1969年，費根堡姆于东京举行的第一届国际质量控制会议上发表了演讲，首次提出了全面质量管理，倡导的概念包括以客户为中心、员工参与、持续的过程改进、数据的统计分析。以及将质量管理融入整个组织。
1930年-1970年 - 大野耐一等人创造出丰田生产系统
在1930年至1970年期间，大野耐一等，在戴明、朱兰、泰勒和福特等人所发展的理论基础上，开始发展一套新概念，包括减少浪费、看板、单件流、快速换模、准时生产和持续改善等等，成为了丰田生产系统，是丰田创造的高效生产管理的方法，也就成为了我们今天所说的精益生产、精益管理。
1985年 - 比尔‧史密斯发明了六西格玛方法
1985年，一位摩托罗拉的工程师——比尔‧史密斯，在寻找消除缺陷的实用方法時，开发了 "测量、分析、改进和控制 “的阶段性问题解决过程，就是后来的六西格玛过程模型，比尔‧史密斯也因此被称为六西格玛之父。
1988年 - 迈克尔‧哈里奠定了六西格玛方法论和管理架构
1988年，迈克尔-哈里将武术术语引入六西格玛，以”黑带”描述一个在六西格玛方法上达到的一定技能水平的人。同年，摩托罗拉责成哈里在整个公司推广六西格玛，从那时起，六西格玛不再是一个只由工程师使用的工具。摩托罗拉公司获得巨大财务节约的消息很快就传开了，其他公司也很快开始复制摩托罗拉的方法。
1990年 - 《改变世界的机器》一书出版
《改变世界的机器》在1990年出版，作者詹姆斯·P·沃麦克，丹尼尔·T·琼斯等在书中提出：真正过剩的是缺乏竞争力的大量生产方式的生产能力，而具有竞争力的精益生产方式的生产能力是严重缺乏的。丹尼尔·T·琼斯在2021年亦因此获得了国际精益六西格玛研究所（ILSSI）的终身成就奖。
1995年 - 杰克‧韦尔奇把六西格玛发扬光大
1995年，通用电气的首席执行官的杰克-韦尔奇，在了解到六西格玛有可能大幅节约成本后，在1995年10月，他改变了对整个通用电气的激励计划，60%的奖金与财务状况挂钩，40%与六西格玛结果挂钩。到1998年年底，公司至少是绿带的人才会被考虑担任管理职位。
2016年 - ILSSI 国际精益六西格玛研究所成立
随着精益和六西格玛的应用成果越来越明显，无数相关的培训机构前仆后继地出现，2016年，国际精益六西格玛研究所正式成立，每年举行国际性的研讨会，为不同的培训机构订立培训和考核标准，成为国际上最重要的认证和推动组织之一。
而优思学院是唯一获得国际精益六西格玛研究所认可的，以中文为培训语言的发证机构。
收起阅读 »
优思学院｜优秀管理者的十大特质，你具备了多少个？
管理者的重要性是有目共睹，一家成功企业的内部管理需要谨慎细心，同时又胆大的组织者支撑。但是好的管理者并非满街都是，要找到人才更需要独具慧眼，老板该如何辨别好与坏？
谷歌（Google）为了找出优秀管理者的特质，组织了一场中短期实验。访谈过谷歌上下员工，配合谷歌内部各个团队绩效数据后，他们总结出 10 个谷歌认为“优秀管理者”一定会有的特点。
谷歌是怎么找出这十个特点？
实验涵盖数据交叉比对和管理者、团队成员单独访谈。谷歌 研究人员首先从“主管表现评分” 和“主管年度员工评等回馈”两大资料下手，一个从团队整体表现判断主管优劣，另一个则是从曾经当过团队成员的评价确认主管管理技术。他们很快发现一个不可质疑的事实，“优秀管理者带领的团队，表现普遍比其他来的有效率且愉快”。这不仅证实了管理者的必要性，更将谷歌内部主管做出优劣区分，以协助实验下一阶段。
为了找出管理者优秀的主因，研究人员接着对团队成员做随机抽样访谈，也让评分高与评分低的主管在不知情的状况下接受面试，其中说明带领团队执行专案的过程和危机处理的方式。以下为谷歌 认为一个优秀管理者普遍具备的十大特质：
你具备以下十大特质吗？
一、优秀的管理者是一个好的教练
二、给团队赋能，拒绝微观管理
三、表达对员工个人幸福和成功的关心
四、重视效率和结果导向
五、成为一个好的沟通者，要做到了解你的员工
六、支持员工职业发展并乐于与他们交流职业表现
七、对团队有一个清晰的愿景
八、具备较高专业技能来提升团队
九、能够积极推动内外部合作
十、成为强有力的决策者
以上十点看似简单，但要全部满足，想必需要大量的实战经验，此外，他更会在成长过程中不断摸索、试错，最后才有办法找到自己的风格，并与团队成员达成共识。要成为一位优秀的管理者无法一蹴可几，但对于目前不知道该如何改进的主管们，或许可以参考谷歌提供的十大特质，开始修正管理模式。
要成为一个优秀的管理者、领导者不是一朝一夕的事，优思学院希望透过六西格玛黑带认证课程[1]，让更多的人可以提升自己成为更好的管理者、领导者。 收起阅读 »
谷歌（Google）为了找出优秀管理者的特质，组织了一场中短期实验。访谈过谷歌上下员工，配合谷歌内部各个团队绩效数据后，他们总结出 10 个谷歌认为“优秀管理者”一定会有的特点。
谷歌是怎么找出这十个特点？
实验涵盖数据交叉比对和管理者、团队成员单独访谈。谷歌 研究人员首先从“主管表现评分” 和“主管年度员工评等回馈”两大资料下手，一个从团队整体表现判断主管优劣，另一个则是从曾经当过团队成员的评价确认主管管理技术。他们很快发现一个不可质疑的事实，“优秀管理者带领的团队，表现普遍比其他来的有效率且愉快”。这不仅证实了管理者的必要性，更将谷歌内部主管做出优劣区分，以协助实验下一阶段。
为了找出管理者优秀的主因，研究人员接着对团队成员做随机抽样访谈，也让评分高与评分低的主管在不知情的状况下接受面试，其中说明带领团队执行专案的过程和危机处理的方式。以下为谷歌 认为一个优秀管理者普遍具备的十大特质：
你具备以下十大特质吗？
一、优秀的管理者是一个好的教练
二、给团队赋能，拒绝微观管理
三、表达对员工个人幸福和成功的关心
四、重视效率和结果导向
五、成为一个好的沟通者，要做到了解你的员工
六、支持员工职业发展并乐于与他们交流职业表现
七、对团队有一个清晰的愿景
八、具备较高专业技能来提升团队
九、能够积极推动内外部合作
十、成为强有力的决策者
以上十点看似简单，但要全部满足，想必需要大量的实战经验，此外，他更会在成长过程中不断摸索、试错，最后才有办法找到自己的风格，并与团队成员达成共识。要成为一位优秀的管理者无法一蹴可几，但对于目前不知道该如何改进的主管们，或许可以参考谷歌提供的十大特质，开始修正管理模式。
要成为一个优秀的管理者、领导者不是一朝一夕的事，优思学院希望透过六西格玛黑带认证课程[1]，让更多的人可以提升自己成为更好的管理者、领导者。 收起阅读 »
优思学院｜六西格玛對中小规模企业价值大么？应如何推行？
原发表于优思学院知乎号
很多人有一种错误的想法，是精益六西格玛都是大企业的专利，中小规模企业用不着、也用不起，他们因此错过了一个可以让他们保持竞争力和突破自身界限的好工具。
应用精益六西格玛的最重要条件，其实不是企业的规模，而是企业本身有没有变革改进的决心。
越来越多的小企业意识到六西格玛的方法论和工具如何能够帮助他们，然而，小企业管理的资金较少，不像大公司那样可以乱花费，所以小公司要做好两件事：一、控制培训的成本，二、选择合适的人和项目。
中小规模企业的优势
相比大型企业，中小规模企业的战略目标、管理都不明确和不成熟，借助六西格玛管理，企业可以订立更清晰的战略，然后以六西格玛项目作为行动。
中小规模企业经常遇到的问题，就是经常要"救火"，因为员工相对缺乏系统性的思维，透过六西格玛的培训，可以改变员工的思维，强化过程系统、预防问题。
中小规模企业的现状
1. 中小企业在中国占到了98%以上的企业，创造了85%的就业机会，产值60%，利润40%。另外，中小型企业广泛分布于一、二、三产业各行业，占城市就业的75%。
2. 中小型企业在数量上虽然具有优势，但资金积累不足，风险投资与运营资本相对匮乏。
3. 中小企业规模小，资金少，人员少，有利于生产和管理。相对于大企业，周转快，容易适应变化的经济环境，随时调整经营方向，满足市场需求。
4. 中小企业也开始采用六西格玛管理制度，提高管理效率和创新发展能力，为企业扩大规模和竞争力打下坚实基础。
根据当前国內中小企业质量管理的现状，中小企业要做大做强，建立自己的品牌，只有努力提高产品质量和服务质量。2006年9月，由Aberden Group发表的“Lean six sigma benchmark report”指出，中小企业可以通过实施六西格玛管理而获得巨大的经济效益。
中小企业执行六西格玛管理的可行性分析
针对中小型企业的特点和质量管理现状，针对中小企业实施六西格玛管理进行SWOT分析。
S W - 强弱分析
执行过程中，企业的高层领导扮演重要角色。因为中小企业的组织结构比较简单，上下级之间的交流很快，企业只要决定实行六西格玛管理，就能在较短时间内调动企业内部的一切资源。
一般而言，中小企业采取精细、精细的战略。但是由于企业实力的限制，只能把全部资源集中到一个产品上，导致中小企业的核心业务单一明确。实现六西格玛管理，首先要确定企业的关键过程。只要抓住核心业务，实施六西格玛经营收益就会更明显。另外，中小企业的资产很少。银行的融资风险很大，贷款的运营成本比较高。
以上原因使中小企业融资渠道相对不足。六西格玛管理在实施过程中运用了大量的统计知识，对成员的专业技能和知识要求比较高。缺少系统的人才引进与培训计划，中小企业往往倾向于为大企业提供良好的发展平台。
O T - 机会和威胁分析
伴随着现代信息技术的不断发展和因特网的广泛应用，电子商务越来越受到中小企业的青睐。电子化的发展，不仅降低了企业加速资金流动，而且提高了服务质量。中小型企业要善于利用这个平台，抓住市场需求，积极开发国内外市场。
毋庸置异，随着国外大型企业纷纷进军国内市场，中国中小企业由于其社会声誉、售后服务系统等难以与中国中小企业竞争，其发展之路就更加艰难。和别人竞争。
中小企业如何建立六西格玛管理目标和系统？
中小型企业质量管理体系往往比较落后，直接建立六西格玛体系是不科学的。六西格玛系统是一个逐步发展的过程。这一动态演化系统的优势在于有限资源对其进行优化，它能够动态地进行调整，尤其是在市场变化时，如果演化过程中有较大的波动和偏差，则可以及时进行调整，以避免造成更大的损失。
中小型企业要逐步构建六西格玛管理体系，一要提高质量管理水平，做到全面质量管理。实践中，需要收集大量数据，实施DMAIC，利用各种统计工具分析缺陷的原因，提出改进措施。在对中小企业自身特点及存在问题进行研究的基础上，提出六西格玛管理体系框架。
进行六西格玛管理需要注意的问题
优思学院认为，中小型企业在实施六西格玛管理时应注意的问题：
对六西格玛的理解与认同：包括对六西格玛实施目的、意义的理解与认同，以及对六西格玛原则和统计工具的认识与认同。
领导能力及责任心：因为六西格玛管理是自上而下的活动，领导能力和责任意识是确保六西格玛项目成功的关键。
变革公司文化：公司要加强变革管理，通过加强与维护沟通、激励、教育等措施，使六西格玛管理真正为员工所接受。
改变传统的质量观，提高对六西格玛的认识，离不开培训：在实施六西格玛战略的过程中，企业应该以创建学习型组织为目标，为实施六西格玛提供人才保障。 收起阅读 »
很多人有一种错误的想法，是精益六西格玛都是大企业的专利，中小规模企业用不着、也用不起，他们因此错过了一个可以让他们保持竞争力和突破自身界限的好工具。
应用精益六西格玛的最重要条件，其实不是企业的规模，而是企业本身有没有变革改进的决心。
越来越多的小企业意识到六西格玛的方法论和工具如何能够帮助他们，然而，小企业管理的资金较少，不像大公司那样可以乱花费，所以小公司要做好两件事：一、控制培训的成本，二、选择合适的人和项目。
中小规模企业的优势
相比大型企业，中小规模企业的战略目标、管理都不明确和不成熟，借助六西格玛管理，企业可以订立更清晰的战略，然后以六西格玛项目作为行动。
中小规模企业经常遇到的问题，就是经常要"救火"，因为员工相对缺乏系统性的思维，透过六西格玛的培训，可以改变员工的思维，强化过程系统、预防问题。
中小规模企业的现状
1. 中小企业在中国占到了98%以上的企业，创造了85%的就业机会，产值60%，利润40%。另外，中小型企业广泛分布于一、二、三产业各行业，占城市就业的75%。
2. 中小型企业在数量上虽然具有优势，但资金积累不足，风险投资与运营资本相对匮乏。
3. 中小企业规模小，资金少，人员少，有利于生产和管理。相对于大企业，周转快，容易适应变化的经济环境，随时调整经营方向，满足市场需求。
4. 中小企业也开始采用六西格玛管理制度，提高管理效率和创新发展能力，为企业扩大规模和竞争力打下坚实基础。
根据当前国內中小企业质量管理的现状，中小企业要做大做强，建立自己的品牌，只有努力提高产品质量和服务质量。2006年9月，由Aberden Group发表的“Lean six sigma benchmark report”指出，中小企业可以通过实施六西格玛管理而获得巨大的经济效益。
中小企业执行六西格玛管理的可行性分析
针对中小型企业的特点和质量管理现状，针对中小企业实施六西格玛管理进行SWOT分析。
S W - 强弱分析
执行过程中，企业的高层领导扮演重要角色。因为中小企业的组织结构比较简单，上下级之间的交流很快，企业只要决定实行六西格玛管理，就能在较短时间内调动企业内部的一切资源。
一般而言，中小企业采取精细、精细的战略。但是由于企业实力的限制，只能把全部资源集中到一个产品上，导致中小企业的核心业务单一明确。实现六西格玛管理，首先要确定企业的关键过程。只要抓住核心业务，实施六西格玛经营收益就会更明显。另外，中小企业的资产很少。银行的融资风险很大，贷款的运营成本比较高。
以上原因使中小企业融资渠道相对不足。六西格玛管理在实施过程中运用了大量的统计知识，对成员的专业技能和知识要求比较高。缺少系统的人才引进与培训计划，中小企业往往倾向于为大企业提供良好的发展平台。
O T - 机会和威胁分析
伴随着现代信息技术的不断发展和因特网的广泛应用，电子商务越来越受到中小企业的青睐。电子化的发展，不仅降低了企业加速资金流动，而且提高了服务质量。中小型企业要善于利用这个平台，抓住市场需求，积极开发国内外市场。
毋庸置异，随着国外大型企业纷纷进军国内市场，中国中小企业由于其社会声誉、售后服务系统等难以与中国中小企业竞争，其发展之路就更加艰难。和别人竞争。
中小企业如何建立六西格玛管理目标和系统？
中小型企业质量管理体系往往比较落后，直接建立六西格玛体系是不科学的。六西格玛系统是一个逐步发展的过程。这一动态演化系统的优势在于有限资源对其进行优化，它能够动态地进行调整，尤其是在市场变化时，如果演化过程中有较大的波动和偏差，则可以及时进行调整，以避免造成更大的损失。
中小型企业要逐步构建六西格玛管理体系，一要提高质量管理水平，做到全面质量管理。实践中，需要收集大量数据，实施DMAIC，利用各种统计工具分析缺陷的原因，提出改进措施。在对中小企业自身特点及存在问题进行研究的基础上，提出六西格玛管理体系框架。
进行六西格玛管理需要注意的问题
优思学院认为，中小型企业在实施六西格玛管理时应注意的问题：
对六西格玛的理解与认同：包括对六西格玛实施目的、意义的理解与认同，以及对六西格玛原则和统计工具的认识与认同。
领导能力及责任心：因为六西格玛管理是自上而下的活动，领导能力和责任意识是确保六西格玛项目成功的关键。
变革公司文化：公司要加强变革管理，通过加强与维护沟通、激励、教育等措施，使六西格玛管理真正为员工所接受。
改变传统的质量观，提高对六西格玛的认识，离不开培训：在实施六西格玛战略的过程中，企业应该以创建学习型组织为目标，为实施六西格玛提供人才保障。 收起阅读 »
优思学院｜一本六西格玛管理必读的重要著作
原发表于优思学苑知乎帐号
一个入职公司3年的研发工程师，因为一时疏漏引爆挥发性液体的大储存槽，甚至于差点儿摧毁整个工厂，你可以想像他竟然在20年后变成这家公司迄今为止最年青的执行长吗？甚至于被《财富》杂志赞誉为“世纪经理人”？
这个人就是通用电器的前总裁杰克·韦尔奇（Jack Welch）！
杰克·韦尔奇（Jack Welch），1960年进入通用电器（GE），1981年成为了通用电器第八任执行长。威尔许带领通用电器（GE）的二十年间，一手打造出“通用电器传奇”，让通用电器的身价暴涨四千亿美元，位居世界最有价值的企业之列，成为了世界企业追求卓越的楷模，而威尔许本人也赢得“世纪经理人”、“过去七十五年来最伟大的创新者，美国企业的标竿人物”等美誉。2001年从通用电器退任后，周游世界各地，向学术界人群发表演说。
在他40年的职业生涯中，经历各种不同的岗位和伴随而来的磨练，最终在一群俊杰中脱颖而出。他一路踏过那条艰钜和悠长的路途，所做的抉择以及由此凝聚的智慧，都在《赢》这本书中。
《赢》这本书在上市一周后即跃居亚马逊总排行榜的前三名，当时还获得沃伦·巴菲特、比尔·盖茨等名人强力推荐，大家都说：有了《赢》，人们再也不需要阅读其他的商业管理著作了。
杰克·韦尔奇在通用电器40年的职业生涯中，他带过3人团队，也管过3万人的事业部门；曾解决萎靡不振的生意，也经手过极速发展的业务。经历公司裁员、收购、裁撤、组织困境，也有经济起飞及衰落，1996年起，杰克推动“六西格玛管理”（Six Sigma Management），以将产品的不良率降低到千万分之3.4[1]，也让很多管理者明白如何改进自己的流程，减少变异、失效来提升企业的利润率，直至今日，六西格玛的人才，仍然是不同行业的公司所渴求的重要人力资源。
他如何在退任前，使通用电器市值暴涨4千亿美元，盈利由16亿美元跃升至272亿美元，变成全球发展最快、获利能力最大的公司之一？
杰克·韦尔奇无疑是最谙制胜之道的企业家。本书是威尔许退休后，到全球各地与许多高级经理人与MBA学生进行Q&A对谈的回应，这是大家最有感兴趣的话题与困惑，也是作者亲身经历的总梳理。威尔许的管理做法与思想，都是他不断尝试、不断检讨、从每日面对的挑战中发展起来的实战工具。
他的写作风格直爽而坦白，就像是面对面听他分享这辈子的绝学。他用最浅白的话，表述最艰涩的专有名词，什么叫策略、什么是六西格玛、变革又是什么意思。通过他一番讲解，大家很轻易就能了解其精神与价值。
诚如杰克·韦尔奇所说的，“领导不是一张简单的守则清单，每一天都充满了矛盾与挑战，你只能使尽浑身解数达成使命”。他给经理人的二十个制胜提议，就是要送给那些眼睛里闪着豪情壮志，血液里流着澎湃热情的人──无论他们位居组织的哪一个位置。
有无数多元化的公司，“多元”与“专注”间具有无法避免的冲突，管理的复杂度是一大挑战，优思学院认为，《赢》这本书让我们了解商业世界的本质和目标就是要取得胜利，它也让我们了解到六西格玛并没有你想像中那么复杂、可怕。
全书目录：（来自百度）
前言 “每天都有一个新问题”
第一部分 有关的基础
第1章 使命感和价值观——常被谈及却很现实的话题
第2章 坦诚——缺乏坦诚是商业生活中最卑劣的秘密
第3章 考评——力争公平和有效
第4章 发言权和尊严——关注企业中的每一个人
第二部分 你的公司如何才能赢
第5章 领导力——不只是你自己的事
第6章 招聘——赢家是怎样炼成的
第7章 员工管理——你已经得到了出色的选手，接下来怎么办？
第8章 “分手”——解雇别人不是件容易的事
第9章 变革——即使是大山也要撼动
第10章 危机管理——千万不可坐以待毙
第三部分 你要如何赢得竞争
第11章 战略——奥秘都在“调料”里
第12章 预算——不要让预算制定程序缺乏效率
第13章 有机成长——开创新事物是企业成长最有效的途径
第14章 企业的兼并收购——警惕交易狂热等致命陷阱
第15章 六西格玛——它并没有你想像中那么复杂、可怕
第四部分 你的事业如何才能赢
第16章 合适的工作——找到一份好工作将使你再也用不着找工作了
第17章 晋升——很抱歉，没有捷径
第18章 糟糕的老板——遇到这样的上级，你该怎么办？
第19章 工作与生活的平衡——找我说的那样做，但不要学我
第五部分 有关赢的其他问题
第20章 无处不在——五花八门的其他问题 收起阅读 »
一个入职公司3年的研发工程师，因为一时疏漏引爆挥发性液体的大储存槽，甚至于差点儿摧毁整个工厂，你可以想像他竟然在20年后变成这家公司迄今为止最年青的执行长吗？甚至于被《财富》杂志赞誉为“世纪经理人”？
这个人就是通用电器的前总裁杰克·韦尔奇（Jack Welch）！
杰克·韦尔奇（Jack Welch），1960年进入通用电器（GE），1981年成为了通用电器第八任执行长。威尔许带领通用电器（GE）的二十年间，一手打造出“通用电器传奇”，让通用电器的身价暴涨四千亿美元，位居世界最有价值的企业之列，成为了世界企业追求卓越的楷模，而威尔许本人也赢得“世纪经理人”、“过去七十五年来最伟大的创新者，美国企业的标竿人物”等美誉。2001年从通用电器退任后，周游世界各地，向学术界人群发表演说。
在他40年的职业生涯中，经历各种不同的岗位和伴随而来的磨练，最终在一群俊杰中脱颖而出。他一路踏过那条艰钜和悠长的路途，所做的抉择以及由此凝聚的智慧，都在《赢》这本书中。
《赢》这本书在上市一周后即跃居亚马逊总排行榜的前三名，当时还获得沃伦·巴菲特、比尔·盖茨等名人强力推荐，大家都说：有了《赢》，人们再也不需要阅读其他的商业管理著作了。
杰克·韦尔奇在通用电器40年的职业生涯中，他带过3人团队，也管过3万人的事业部门；曾解决萎靡不振的生意，也经手过极速发展的业务。经历公司裁员、收购、裁撤、组织困境，也有经济起飞及衰落，1996年起，杰克推动“六西格玛管理”（Six Sigma Management），以将产品的不良率降低到千万分之3.4[1]，也让很多管理者明白如何改进自己的流程，减少变异、失效来提升企业的利润率，直至今日，六西格玛的人才，仍然是不同行业的公司所渴求的重要人力资源。
他如何在退任前，使通用电器市值暴涨4千亿美元，盈利由16亿美元跃升至272亿美元，变成全球发展最快、获利能力最大的公司之一？
杰克·韦尔奇无疑是最谙制胜之道的企业家。本书是威尔许退休后，到全球各地与许多高级经理人与MBA学生进行Q&A对谈的回应，这是大家最有感兴趣的话题与困惑，也是作者亲身经历的总梳理。威尔许的管理做法与思想，都是他不断尝试、不断检讨、从每日面对的挑战中发展起来的实战工具。
他的写作风格直爽而坦白，就像是面对面听他分享这辈子的绝学。他用最浅白的话，表述最艰涩的专有名词，什么叫策略、什么是六西格玛、变革又是什么意思。通过他一番讲解，大家很轻易就能了解其精神与价值。
诚如杰克·韦尔奇所说的，“领导不是一张简单的守则清单，每一天都充满了矛盾与挑战，你只能使尽浑身解数达成使命”。他给经理人的二十个制胜提议，就是要送给那些眼睛里闪着豪情壮志，血液里流着澎湃热情的人──无论他们位居组织的哪一个位置。
有无数多元化的公司，“多元”与“专注”间具有无法避免的冲突，管理的复杂度是一大挑战，优思学院认为，《赢》这本书让我们了解商业世界的本质和目标就是要取得胜利，它也让我们了解到六西格玛并没有你想像中那么复杂、可怕。
全书目录：（来自百度）
前言 “每天都有一个新问题”
第一部分 有关的基础
第1章 使命感和价值观——常被谈及却很现实的话题
第2章 坦诚——缺乏坦诚是商业生活中最卑劣的秘密
第3章 考评——力争公平和有效
第4章 发言权和尊严——关注企业中的每一个人
第二部分 你的公司如何才能赢
第5章 领导力——不只是你自己的事
第6章 招聘——赢家是怎样炼成的
第7章 员工管理——你已经得到了出色的选手，接下来怎么办？
第8章 “分手”——解雇别人不是件容易的事
第9章 变革——即使是大山也要撼动
第10章 危机管理——千万不可坐以待毙
第三部分 你要如何赢得竞争
第11章 战略——奥秘都在“调料”里
第12章 预算——不要让预算制定程序缺乏效率
第13章 有机成长——开创新事物是企业成长最有效的途径
第14章 企业的兼并收购——警惕交易狂热等致命陷阱
第15章 六西格玛——它并没有你想像中那么复杂、可怕
第四部分 你的事业如何才能赢
第16章 合适的工作——找到一份好工作将使你再也用不着找工作了
第17章 晋升——很抱歉，没有捷径
第18章 糟糕的老板——遇到这样的上级，你该怎么办？
第19章 工作与生活的平衡——找我说的那样做，但不要学我
第五部分 有关赢的其他问题
第20章 无处不在——五花八门的其他问题 收起阅读 »
优思学院｜六西格玛设计的五步法 - DMADV
六西格玛设计（DFSS）是一种改进方法，帮助企业以高质量的水平创造新产品或服务，不论是任何性质的行业同样适用。六西格玛[1]设计的方法和流程也是从DMAIC中变化而成，它的目的是旨在最初开发过程中尽可能地利用公司的能力来满足客户的需求，这就减少了多次重新设计和重新推出产品的需要，因为这将会造成非常大的浪费和损失。
DFSS的主要目标是第一次就把事情设计好，尽量减少缺陷或变异。与传统的六西格玛方法有一点差别，DFSS通常会利用定义、测量、分析、设计、验证（也称为DMADV）这五个阶段来确定客户的需求，然后设计一个解决方案来满足这些需求。额外的工作在前期进行，以确保公司充分掌握客户的需求和期望，这需要大量的数据和分析。
DMADV的5个阶段
DMADV方法被广泛用于实施新产品或流程。由于它以数据和综合分析为基础，并能在早期确定成功与否，因此对供应链运作特别有利。一个六西格玛设计项目的五个阶段如下：
定义：
这个初始阶段决定了从项目的目的、时间表、预算到结果的交流方式等一切。它还详细说明了任何相关的风险，并建立了可量化的目标。
测量：
在这个阶段，客户的期望和需求被转化为可量化的设计要求。诸如调查、现场访问和消费者焦点小组等方法被用来获取客户信息。
分析：
一旦确定了设计要求，就会产生多种设计。评估工具会评估每个概念在多大程度上满足了顾客的需求，以及其成功的潜力。
设计：
选择最佳设计，并开始详细的生产工作。所需的技术、材料、制造过程和地点、风险和包装都通过分析工具和计算机模拟进行评估。一旦决定了最终的设计并制定了验证计划，这个阶段就结束了。
验证：
进行验证测试，以评估设计是否确实符合性能和客户要求。通常情况下，在实际的产品发布之前，会创建一个原型或试点建设。无论设计是否成功，都要完成项目文件并分享结果。
DMAIC和DMADV的相似之处
使用结构化的方法来减少变异和解决问题
收集和分析数据以做出明智的决定
使用团队来解决问题
以客户为中心
使用许多相同的工具（头脑风暴、FMEA、DOE）。
DMAIC和DMADV的区别
DMAIC解决的是当前流程；DMADV解决的是设计流程。
DMAIC减少/消除缺陷（被动性）；DMADV防止缺陷（主动性）。
DMAIC包括具体的解决方案；DMADV是解决方案设计过程的一部分。
DMAIC包括控制，以维持收益；DMADV包括对完成的设计的验证和确认。 收起阅读 »
DFSS的主要目标是第一次就把事情设计好，尽量减少缺陷或变异。与传统的六西格玛方法有一点差别，DFSS通常会利用定义、测量、分析、设计、验证（也称为DMADV）这五个阶段来确定客户的需求，然后设计一个解决方案来满足这些需求。额外的工作在前期进行，以确保公司充分掌握客户的需求和期望，这需要大量的数据和分析。
DMADV的5个阶段
DMADV方法被广泛用于实施新产品或流程。由于它以数据和综合分析为基础，并能在早期确定成功与否，因此对供应链运作特别有利。一个六西格玛设计项目的五个阶段如下：
定义：
这个初始阶段决定了从项目的目的、时间表、预算到结果的交流方式等一切。它还详细说明了任何相关的风险，并建立了可量化的目标。
测量：
在这个阶段，客户的期望和需求被转化为可量化的设计要求。诸如调查、现场访问和消费者焦点小组等方法被用来获取客户信息。
分析：
一旦确定了设计要求，就会产生多种设计。评估工具会评估每个概念在多大程度上满足了顾客的需求，以及其成功的潜力。
设计：
选择最佳设计，并开始详细的生产工作。所需的技术、材料、制造过程和地点、风险和包装都通过分析工具和计算机模拟进行评估。一旦决定了最终的设计并制定了验证计划，这个阶段就结束了。
验证：
进行验证测试，以评估设计是否确实符合性能和客户要求。通常情况下，在实际的产品发布之前，会创建一个原型或试点建设。无论设计是否成功，都要完成项目文件并分享结果。
DMAIC和DMADV的相似之处
使用结构化的方法来减少变异和解决问题
收集和分析数据以做出明智的决定
使用团队来解决问题
以客户为中心
使用许多相同的工具（头脑风暴、FMEA、DOE）。
DMAIC和DMADV的区别
DMAIC解决的是当前流程；DMADV解决的是设计流程。
DMAIC减少/消除缺陷（被动性）；DMADV防止缺陷（主动性）。
DMAIC包括具体的解决方案；DMADV是解决方案设计过程的一部分。
DMAIC包括控制，以维持收益；DMADV包括对完成的设计的验证和确认。 收起阅读 »
优思学院｜PDCA与PDSA到底有何分别？
在医院质量管理工具中， PDCA循环与PDSA循环经常被混淆。[1]从字母本身的含义，PDCA代表Plan-Do-Check-Act，PDSA代表Plan-Do-Study-Act。对于某些人来说，从“检查”（Check）到“学习”（Study）的变化可能是微不足道的，但对Deming博士和他的老师Walter A. Shewhart博士来说，“检查”（Check）和“学习”（Study）是有区别的。
PDCA循环或PDSA循环始于企业界产品开发的一系列步骤，最终发展成为质量持续改进的一种方法。首先让我们一起回顾这两个理论的发展历程。
Galileo Galilei (1564-1642)被认为是现代科学之父，开启了设计性实验的先河。Francis Bacon (1561-1626)认为知识需要遵循有计划的结构，人们通过演绎和归纳来积累知识。Charles Peirce 和 William James在1872年认为思想决定行动，真理是由理想的实际结果所验证。John Dewey (1859-1952)是实用主义的主要倡导者。 Clarence Irving Lewis（1883-1964）认为真理是确定的，需要经过经验的验证来区分，而概念是在任何特定经验中的应用是假设的。Lewis的书对Walter A. Shewhart博士和Deming博士产生了巨大的影响。
事实上Deming循环起源于Shewhart循环，Shewhart博士于1939年出版的《质量管理角度上的统计学方法》一书，该书第一次引入了一种含有三个步骤科学流程，即：标准、生产和检验，标准、生产和检验就对应科学方法中的假设、进行实验和对假设的检验，这三个步骤就构成了获取知识的动态科学流程。
Deming博士持续关注着Shewhart博士的思想，于是Deming博士在1950年Shewhart循环的基础上进行了修改。Deming博士强调了在设计、生产、销售和研究这四个步骤中进行持续互动的重要性。如图3所示的，他突出说明了这些步骤应该以产品和服务的质量为目的持续进行循环。这个新版本的循环就被称为Deming循环、戴明环或者戴明圈。
之后，Deming博士在日本对Deming循环的新版本进行了介绍。根据今井正明（Masaaki Imai）的描述，Deming博士与日本的质量管理专家在原有基础上又发展出PDCA环（也有文献说是日本质量管理专家根据Deming环的理论发展出了PDCA循环）。1986年，Deming博士对1950年修改的版本进行了一次完善，详见图3。Deming博士指出“任何一个步骤也许都需要经济统计学上的指导，需要一定的速度，还需要能从失败中汲取的教训及对步骤间相互作用进行测估方面进行保护。”
1993年Deming博士对戴明环进行了再次修改并称其为学习和改进的戴明环，即PDSA循环。Deming博士将其描述成了一个产品或者流程进行学习和改进的流程图。PDSA中的Study（研究评估）具体指质量改进小组对测试所获取的数据、反馈内容等进行研究，评估改变措施是否成功或是否需要进一步改善。研究评估阶段需要考虑：测试后过程是否改进？如果改进，改进多少？是否达到改进的最终目标？使用新方法是否使操作过程更加复杂？在测试改变过程中是否有未预期的事件发生？从具体内容上，比Check的内容更加丰富，更加强调研究与学习。
之后，Gerald Ranli, Kevin Nolan and Thomas Nolan添加了三个基本问题对PDSA环进行了补充：
问题一：我们想要努力完成什么？这个问题的回答过程可以帮助医疗机构明确自己想要改进的具体方向、内容、目标和期望结果。
问题二：我们如何知道变化是一种改进？实际的改进只能通过测量评估得以证明。医疗机构需要考虑的是在一个改进措施进行实际运用时究竟可以带来多少不同。并且医疗机构需要在评估改进时收集哪些数据进行评估达成一致。如果评估结果的变化向着预期结果发展，那么就可以认为是一种改进。
问题三：我们可以进行哪些改变来促进最终结果的改善？只有在变化进行实施了以后才会发生改善，但不是所有变化都能导致改善。
PDSA中辨认哪种改变来促进最终改善的方法是，在实际运用前对其进行测试，以便利于决策。
后来石川馨博士对PDCA环重新进行了定义以在规划步骤里包含更多的内容：确定目标并制订达成这些目标的方法石川馨认为好的管理意味着要允许标准能被持续改进使其能反映顾客的心声和抱怨，同时也能兼顾下一个流程提出的要求。这个管理范畴的概念将在整个组织内进行部署实施。后来逐步演化为更为细化的步骤，从而形成了品管圈
由此可见，PDSA是PDCA的发展，PDCA和PDSA的主要区别在于PDCA是一个重复的四阶段模型，用于实现业务流程管理的持续改进。而PDSA也是一个重复的四阶段模型，但是内涵更大，Deming博士认为不能简单通过Check来确认效果，而是要通过一系列的研究和实验最终达到持续改建的目的。虽然，PDCA和PDSA循环之间的第三阶段有所不同，但通过这两种模式实现的目标是相似的，至于选用哪种方法主要取决于所有解决的问题类型或主题类型，不同类型的问题适合不同的医院质量管理工具。
另外，尽管这些都是非常简单的理解模型，但它们的实现可能会因其所用的过程而变得复杂，比如问题解决型品管圈就体现了PDCA的思路，而由企业创新型QC小组活动逐步发展形成适合医疗机构的课题研究型品管圈则体现了PDSA的思路。 收起阅读 »
PDCA循环或PDSA循环始于企业界产品开发的一系列步骤，最终发展成为质量持续改进的一种方法。首先让我们一起回顾这两个理论的发展历程。
Galileo Galilei (1564-1642)被认为是现代科学之父，开启了设计性实验的先河。Francis Bacon (1561-1626)认为知识需要遵循有计划的结构，人们通过演绎和归纳来积累知识。Charles Peirce 和 William James在1872年认为思想决定行动，真理是由理想的实际结果所验证。John Dewey (1859-1952)是实用主义的主要倡导者。 Clarence Irving Lewis（1883-1964）认为真理是确定的，需要经过经验的验证来区分，而概念是在任何特定经验中的应用是假设的。Lewis的书对Walter A. Shewhart博士和Deming博士产生了巨大的影响。
事实上Deming循环起源于Shewhart循环，Shewhart博士于1939年出版的《质量管理角度上的统计学方法》一书，该书第一次引入了一种含有三个步骤科学流程，即：标准、生产和检验，标准、生产和检验就对应科学方法中的假设、进行实验和对假设的检验，这三个步骤就构成了获取知识的动态科学流程。
Deming博士持续关注着Shewhart博士的思想，于是Deming博士在1950年Shewhart循环的基础上进行了修改。Deming博士强调了在设计、生产、销售和研究这四个步骤中进行持续互动的重要性。如图3所示的，他突出说明了这些步骤应该以产品和服务的质量为目的持续进行循环。这个新版本的循环就被称为Deming循环、戴明环或者戴明圈。
之后，Deming博士在日本对Deming循环的新版本进行了介绍。根据今井正明（Masaaki Imai）的描述，Deming博士与日本的质量管理专家在原有基础上又发展出PDCA环（也有文献说是日本质量管理专家根据Deming环的理论发展出了PDCA循环）。1986年，Deming博士对1950年修改的版本进行了一次完善，详见图3。Deming博士指出“任何一个步骤也许都需要经济统计学上的指导，需要一定的速度，还需要能从失败中汲取的教训及对步骤间相互作用进行测估方面进行保护。”
1993年Deming博士对戴明环进行了再次修改并称其为学习和改进的戴明环，即PDSA循环。Deming博士将其描述成了一个产品或者流程进行学习和改进的流程图。PDSA中的Study（研究评估）具体指质量改进小组对测试所获取的数据、反馈内容等进行研究，评估改变措施是否成功或是否需要进一步改善。研究评估阶段需要考虑：测试后过程是否改进？如果改进，改进多少？是否达到改进的最终目标？使用新方法是否使操作过程更加复杂？在测试改变过程中是否有未预期的事件发生？从具体内容上，比Check的内容更加丰富，更加强调研究与学习。
之后，Gerald Ranli, Kevin Nolan and Thomas Nolan添加了三个基本问题对PDSA环进行了补充：
问题一：我们想要努力完成什么？这个问题的回答过程可以帮助医疗机构明确自己想要改进的具体方向、内容、目标和期望结果。
问题二：我们如何知道变化是一种改进？实际的改进只能通过测量评估得以证明。医疗机构需要考虑的是在一个改进措施进行实际运用时究竟可以带来多少不同。并且医疗机构需要在评估改进时收集哪些数据进行评估达成一致。如果评估结果的变化向着预期结果发展，那么就可以认为是一种改进。
问题三：我们可以进行哪些改变来促进最终结果的改善？只有在变化进行实施了以后才会发生改善，但不是所有变化都能导致改善。
PDSA中辨认哪种改变来促进最终改善的方法是，在实际运用前对其进行测试，以便利于决策。
后来石川馨博士对PDCA环重新进行了定义以在规划步骤里包含更多的内容：确定目标并制订达成这些目标的方法石川馨认为好的管理意味着要允许标准能被持续改进使其能反映顾客的心声和抱怨，同时也能兼顾下一个流程提出的要求。这个管理范畴的概念将在整个组织内进行部署实施。后来逐步演化为更为细化的步骤，从而形成了品管圈
由此可见，PDSA是PDCA的发展，PDCA和PDSA的主要区别在于PDCA是一个重复的四阶段模型，用于实现业务流程管理的持续改进。而PDSA也是一个重复的四阶段模型，但是内涵更大，Deming博士认为不能简单通过Check来确认效果，而是要通过一系列的研究和实验最终达到持续改建的目的。虽然，PDCA和PDSA循环之间的第三阶段有所不同，但通过这两种模式实现的目标是相似的，至于选用哪种方法主要取决于所有解决的问题类型或主题类型，不同类型的问题适合不同的医院质量管理工具。
另外，尽管这些都是非常简单的理解模型，但它们的实现可能会因其所用的过程而变得复杂，比如问题解决型品管圈就体现了PDCA的思路，而由企业创新型QC小组活动逐步发展形成适合医疗机构的课题研究型品管圈则体现了PDSA的思路。 收起阅读 »
优思学院｜朱兰，质量改进的先驱者
14年前的今天，质量的历史上失去了其最重要的先驱者，他就是被公认的质量管理大师----约瑟夫・朱兰。
朱兰，是著名的作家和质量改进专家，他于2008年2月28日去世。在103岁的时候，朱兰在现代流程和质量改进方法上，奠定基础。
优思学院认为，他在质量管理的贡献以多种形式出现，他采用了帕累托原则，并将其转化为商业改进上的用途。他开创了朱兰改善三部曲(Quality Trilogy)，解决了产品质量的计划、控制和改进问题，完全颠覆了20世纪初的传统方法，使经营更有效率，而往后出现的六西格玛[1]的大部分工具，都是来自朱兰所提出的理论作为基础的。优思学院: 朱兰 - 质量改进的先驱者朱兰的背景
朱兰在1904年出生于罗马尼亚，8岁时移民到美国。他的家人在明尼苏达州的明尼阿波利斯定居。朱兰在学校的数学成绩很好，更成为一名国际象棋的专家。高中毕业后，他在明尼苏达大学获得了电气工程学士学位。
他在西电的霍桑工厂工作，最终进入贝尔实验室的质量控制部门，他的工作是与一个测试质量改进创新的团队一起，这项早期的工作，基本上决定了他的人生轨迹。
在20世纪30年代，他晉升至工业工程主管的位置，还获得了芝加哥洛约拉大学法学院的法律学位。
二战期间，朱兰为政府部门工作，专注于精简装运程序。但是，更重要的是，在此期间，他看到了18世纪意大利经济学家维尔弗雷多·帕累托的作品。
朱兰提出了帕累托原则的用法
当朱兰离开常规的办公室工作，成为质量改进的顾问时，他已经形成了一种理论，即帕累托的80/20原则可以应用于任何组织的运作上。
根据《经济学人》报道，他认为大多数缺陷是由所有缺陷的一小部分原因造成的。另外，一个团队中20%的成员将构成一个项目80%的成果，而20%的企业客户将创造80%的利润。
朱兰认为，组织在掌握了这些知识后，将减少对无意义的细枝末节的关注，而更多地关注识别20%的问题。这意味着消除造成大多数缺陷的20%的错误、奖励造成80%成功的20%的员工、为推动销售的20%的忠实客户提供服务等等的策略。
在某种程度上，帕累托原则将数字与商业中的想法联系起来，就像在生活中一样，事情并不是平均分配的。帕累托本来正在研究的，是瑞士的土地所有权，但朱兰看到，帕累托原则其实也适用于商业、企业管理，优思学院认为帕累托原则也奠定六西格玛管理的理念基础。
朱兰对人的关注和重视
尽管他拥有数学和统计学方面的专业知识，但朱兰却重视个人。他很早就知道，流程改进的最大障碍不是工具，而是需要在相关人员中实现文化的转变。朱兰认为，质量改进的一个主要障碍，是一个不参与、不作为的上层管理部门，他们固守自己目前的方式和系统。
朱兰曾说，"在观察许多公司的运作时，我无法找到一个例子，是如果没有上层管理者的领导下，是可以获得令人惊叹的结果的。"
朱兰的质量改进三部曲
朱兰发现了公司倾向于处理缺陷的隐藏成本，在20世纪初，这往往意味着在问题发生后再去处理，而不是把时间和金钱集中在进行质量改进以防止缺陷发生。
他还认为，由此产生的不良产品质量给公司带来的损失超过了他们充分考虑的范围，包括对公司声誉的损害，导致客户的流失。
他还主张创建高效运行的业务，而不需要进行昂贵的检查。他提出了朱兰改进三部曲，其中涉及三个主要领域。
质量规划 (Quality Planning) - 这涉及到识别你的客户，确定他们的需求，并开发响应他们需求的产品。
质量控制 (Quality Control) - 创建一个可以在最小的检查下运行的过程。
质量改进 (Quality Improvement) - 制定一个创造产品的流程，然后优化该流程。
《朱兰三部曲》于1986年正式出版，并迅速成为全世界参与质量改进的人的必读书目，明显地这套理论成为日后六西格玛管理、DMAIC方法论的基础。优思学院｜朱兰质量改进三部曲朱兰访问日本
1954年，朱兰进行了一次真正改变质量和流程改进的访问旅行。他向日本的商业领袖讲述了他关于质量改进和控制的想法。虽然他在其他地方也访问过，但日本人对他的信息特别重视。
在随后的几年里，日本企业领导人发展了精益生产的方法，他们制定了流程改进方法，这些方法后来在世界各地被不断复制。虽然这些日本领导人在发展这些理念方面功不可没，但朱兰在激发这些理念方面也值得称道。
多年来，朱兰还写了很多书，在《质量控制手册》、《朱兰的质量手册》和《经理人的突破》等书中可以找到对他的思想的进一步见解。
质量成本的计算
朱兰是第一位提出企业需要计算和了解自身质量成本的质量管理专家，他指出，如果能夠降低不良的质量成本，就可以大大的增加公司的润。
另外，朱兰把质量成本曲线分为“质量改进区域”、“中间区域”、“至善论区域”三部分，他认为在不同区域，企业就会有不同的工作重点，这种方法可以让企业管理更有效地运用资源采取改善的措施。
收起阅读 »
朱兰，是著名的作家和质量改进专家，他于2008年2月28日去世。在103岁的时候，朱兰在现代流程和质量改进方法上，奠定基础。
优思学院认为，他在质量管理的贡献以多种形式出现，他采用了帕累托原则，并将其转化为商业改进上的用途。他开创了朱兰改善三部曲(Quality Trilogy)，解决了产品质量的计划、控制和改进问题，完全颠覆了20世纪初的传统方法，使经营更有效率，而往后出现的六西格玛[1]的大部分工具，都是来自朱兰所提出的理论作为基础的。优思学院: 朱兰 - 质量改进的先驱者朱兰的背景
朱兰在1904年出生于罗马尼亚，8岁时移民到美国。他的家人在明尼苏达州的明尼阿波利斯定居。朱兰在学校的数学成绩很好，更成为一名国际象棋的专家。高中毕业后，他在明尼苏达大学获得了电气工程学士学位。
他在西电的霍桑工厂工作，最终进入贝尔实验室的质量控制部门，他的工作是与一个测试质量改进创新的团队一起，这项早期的工作，基本上决定了他的人生轨迹。
在20世纪30年代，他晉升至工业工程主管的位置，还获得了芝加哥洛约拉大学法学院的法律学位。
二战期间，朱兰为政府部门工作，专注于精简装运程序。但是，更重要的是，在此期间，他看到了18世纪意大利经济学家维尔弗雷多·帕累托的作品。
朱兰提出了帕累托原则的用法
"重要的少数和微不足道的多数"。
当朱兰离开常规的办公室工作，成为质量改进的顾问时，他已经形成了一种理论，即帕累托的80/20原则可以应用于任何组织的运作上。
根据《经济学人》报道，他认为大多数缺陷是由所有缺陷的一小部分原因造成的。另外，一个团队中20%的成员将构成一个项目80%的成果，而20%的企业客户将创造80%的利润。
朱兰认为，组织在掌握了这些知识后，将减少对无意义的细枝末节的关注，而更多地关注识别20%的问题。这意味着消除造成大多数缺陷的20%的错误、奖励造成80%成功的20%的员工、为推动销售的20%的忠实客户提供服务等等的策略。
在某种程度上，帕累托原则将数字与商业中的想法联系起来，就像在生活中一样，事情并不是平均分配的。帕累托本来正在研究的，是瑞士的土地所有权，但朱兰看到，帕累托原则其实也适用于商业、企业管理，优思学院认为帕累托原则也奠定六西格玛管理的理念基础。
朱兰对人的关注和重视
尽管他拥有数学和统计学方面的专业知识，但朱兰却重视个人。他很早就知道，流程改进的最大障碍不是工具，而是需要在相关人员中实现文化的转变。朱兰认为，质量改进的一个主要障碍，是一个不参与、不作为的上层管理部门，他们固守自己目前的方式和系统。
朱兰曾说，"在观察许多公司的运作时，我无法找到一个例子，是如果没有上层管理者的领导下，是可以获得令人惊叹的结果的。"
朱兰的质量改进三部曲
朱兰发现了公司倾向于处理缺陷的隐藏成本，在20世纪初，这往往意味着在问题发生后再去处理，而不是把时间和金钱集中在进行质量改进以防止缺陷发生。
他还认为，由此产生的不良产品质量给公司带来的损失超过了他们充分考虑的范围，包括对公司声誉的损害，导致客户的流失。
他还主张创建高效运行的业务，而不需要进行昂贵的检查。他提出了朱兰改进三部曲，其中涉及三个主要领域。
质量规划 (Quality Planning) - 这涉及到识别你的客户，确定他们的需求，并开发响应他们需求的产品。
质量控制 (Quality Control) - 创建一个可以在最小的检查下运行的过程。
质量改进 (Quality Improvement) - 制定一个创造产品的流程，然后优化该流程。
《朱兰三部曲》于1986年正式出版，并迅速成为全世界参与质量改进的人的必读书目，明显地这套理论成为日后六西格玛管理、DMAIC方法论的基础。优思学院｜朱兰质量改进三部曲朱兰访问日本
"所有的改进都是逐个项目进行的，没有其他方式"。
1954年，朱兰进行了一次真正改变质量和流程改进的访问旅行。他向日本的商业领袖讲述了他关于质量改进和控制的想法。虽然他在其他地方也访问过，但日本人对他的信息特别重视。
在随后的几年里，日本企业领导人发展了精益生产的方法，他们制定了流程改进方法，这些方法后来在世界各地被不断复制。虽然这些日本领导人在发展这些理念方面功不可没，但朱兰在激发这些理念方面也值得称道。
多年来，朱兰还写了很多书，在《质量控制手册》、《朱兰的质量手册》和《经理人的突破》等书中可以找到对他的思想的进一步见解。
质量成本的计算
朱兰是第一位提出企业需要计算和了解自身质量成本的质量管理专家，他指出，如果能夠降低不良的质量成本，就可以大大的增加公司的润。
另外，朱兰把质量成本曲线分为“质量改进区域”、“中间区域”、“至善论区域”三部分，他认为在不同区域，企业就会有不同的工作重点，这种方法可以让企业管理更有效地运用资源采取改善的措施。
收起阅读 »
优思学院｜六西格玛和ISO9000可否结合一起实施？
原发表于优思学苑知乎号
质量管理是管理一个组织、产品或服务保持一贯卓越水平所需的所有活动和功能的行为。质量是使组织区别于其竞争对手的一个基本因素，所以，采取质量措施会带来卓越的产品或服务，满足并超越客户的期望，为组织增加收入和生产力。
世上有不同的系统、方法学、工具和技术帮助提高质量性能，包括六西格玛[1]和ISO 9001。它们可以单独使用或同时使用，以达到预期的质量水平。
对于六西格玛和ISO 9001是否可以相互取代，存在着一些误解。
六西格玛是一种流程改进的方法，其目的是以每百万个机会中3.4个缺陷的速度消除缺陷。这种管理哲学倾向于通过减少变异，提升公司业务或生产过程的有效性，使客户和员工保持满意度来提高企业绩效。
六西格玛是一种数据驱动的方法，使用流程模型 "定义-测量-分析-改进-控制"（DMAIC）作为解决问题和改进流程的路线图，运用六西格玛方法可以该公司的系统有突破性的变革和改进。优思学院｜六西格玛认证课程ISO 9000系列涉及质量管理的各个方面，供那些希望确保其产品和服务满足客户要求的组织使用。
ISO 9001是一个质量管理体系，要求在全面控制生产操作的基础上持续改进过程。质量管理体系要求组织有一个预先建立的控制体系，但并不确定流程应该是什么样子。ISO 9001是一个控制制度，它要求所有的过程都被记录下来，然而，它并不能帮助那些已经建立了一些无效过程的组织。ISO 9001对所有过程使用较简单的计划-执行-检查-行动（PDCA）改进模式，对系统实施小型的变革，让过程有改进。
上面的陈述表明，ISO 9001和六西格玛有两个不同的关注重点。ISO 9001是一个管理质量的系统，而六西格玛是一个流程改进的方法。
它们可以相互补充，提供接近完美的结果。只有当组织设置了有效的流程，导致组织内部质量的改善时，才能把握住ISO 9001的真正价值。此外，六西格玛业务改进流程应该是持续改进的质量管理系统的一部分。组织可以使用六西格玛工具来定义一个问题，测量过程，分析结果，改进过程，然后使用ISO 9001来控制和持续改进这些过程，因为有效的质量管理系统使组织能够维持六西格玛的成果。
将六西格玛与ISO 9001结合起来，有助于组织保证在实施六西格玛后不会倒退到原来的流程。从六西格玛中受益的组织往往忘记了建立一个质量体系的重要性，这对于不断提高质量同时减少不合格品是至关重要的。只有当组织使用系统方法时，才有可能保持质量的改进。ISO 9001和六西格玛都能带来业绩的改善和客户满意度的提高。与单独实施相比，它们可以完美地互补，以达到更持久的效果。
在过渡到ISO 9001:2015的过程中，将六西格玛与你的质量管理体系相结合，以保证成功。研究表明，那些将六西格玛与ISO 9001整合在一起的组织拥有一种质量文化，可以保留现有客户，甚至为组织带来新客户。
所以，通过了六西格玛认证的专业人士有更大的职业潜力，更好的工作表现，并证明他们是熟练的专业人士。随着竞争压力的增加，对合格的质量专业人员的需求将不断增加，六西格玛可能是未来质量人员的必需的技能。 收起阅读 »
质量管理是管理一个组织、产品或服务保持一贯卓越水平所需的所有活动和功能的行为。质量是使组织区别于其竞争对手的一个基本因素，所以，采取质量措施会带来卓越的产品或服务，满足并超越客户的期望，为组织增加收入和生产力。
世上有不同的系统、方法学、工具和技术帮助提高质量性能，包括六西格玛[1]和ISO 9001。它们可以单独使用或同时使用，以达到预期的质量水平。
对于六西格玛和ISO 9001是否可以相互取代，存在着一些误解。
六西格玛是一种流程改进的方法，其目的是以每百万个机会中3.4个缺陷的速度消除缺陷。这种管理哲学倾向于通过减少变异，提升公司业务或生产过程的有效性，使客户和员工保持满意度来提高企业绩效。
六西格玛是一种数据驱动的方法，使用流程模型 "定义-测量-分析-改进-控制"（DMAIC）作为解决问题和改进流程的路线图，运用六西格玛方法可以该公司的系统有突破性的变革和改进。优思学院｜六西格玛认证课程ISO 9000系列涉及质量管理的各个方面，供那些希望确保其产品和服务满足客户要求的组织使用。
ISO 9001是一个质量管理体系，要求在全面控制生产操作的基础上持续改进过程。质量管理体系要求组织有一个预先建立的控制体系，但并不确定流程应该是什么样子。ISO 9001是一个控制制度，它要求所有的过程都被记录下来，然而，它并不能帮助那些已经建立了一些无效过程的组织。ISO 9001对所有过程使用较简单的计划-执行-检查-行动（PDCA）改进模式，对系统实施小型的变革，让过程有改进。
上面的陈述表明，ISO 9001和六西格玛有两个不同的关注重点。ISO 9001是一个管理质量的系统，而六西格玛是一个流程改进的方法。
它们可以相互补充，提供接近完美的结果。只有当组织设置了有效的流程，导致组织内部质量的改善时，才能把握住ISO 9001的真正价值。此外，六西格玛业务改进流程应该是持续改进的质量管理系统的一部分。组织可以使用六西格玛工具来定义一个问题，测量过程，分析结果，改进过程，然后使用ISO 9001来控制和持续改进这些过程，因为有效的质量管理系统使组织能够维持六西格玛的成果。
将六西格玛与ISO 9001结合起来，有助于组织保证在实施六西格玛后不会倒退到原来的流程。从六西格玛中受益的组织往往忘记了建立一个质量体系的重要性，这对于不断提高质量同时减少不合格品是至关重要的。只有当组织使用系统方法时，才有可能保持质量的改进。ISO 9001和六西格玛都能带来业绩的改善和客户满意度的提高。与单独实施相比，它们可以完美地互补，以达到更持久的效果。
在过渡到ISO 9001:2015的过程中，将六西格玛与你的质量管理体系相结合，以保证成功。研究表明，那些将六西格玛与ISO 9001整合在一起的组织拥有一种质量文化，可以保留现有客户，甚至为组织带来新客户。
所以，通过了六西格玛认证的专业人士有更大的职业潜力，更好的工作表现，并证明他们是熟练的专业人士。随着竞争压力的增加，对合格的质量专业人员的需求将不断增加，六西格玛可能是未来质量人员的必需的技能。 收起阅读 »
优思学院｜德国制造为何被受推崇？
原发表于优思学苑知乎号
多年来，德国汽车制造商----奥迪的广告一直使用 "Vorsprung durch Technik "的口号。在数百万读过或听过这句话的人中，只有一小部分人知道它的意思（意思是"通过技术取得进步"）。这个广告活动之所以有效，是因为人们将德国的设计和制造与质量、精确度和技术上的辉煌成绩联系起来。无论是卡尔-蔡司镜片、宝马摩托车、博世洗碗机，还是Lamy钢笔，人们购买德国产品时，都期待着它的卓越质量。
德国在制造业方面是如何做到如此出色的？
为什么它往往比法国和意大利等邻国好得多？故事开始于17世纪，当时德国甚至不是一个统一的国家，而是由许多不同的王国拼凑而成。然而，这些国家中的一个，即普鲁士，正在发生的发展将有助于创造我们今天所知道的德国。
它始于一场宗教复兴。在普鲁士的哈雷市，对路德教会的精神懈怠感到失望的人们组成了一个新的团体，被称为虔诚派。他们对自己的信仰很认真，并认真对待耶稣关于照顾孤儿的命令。不久，他们就照顾了数百名孤儿。虔诚派希望这些孩子能通过圣经认识上帝，并成为对社会有用的人。因此，他们建立了学校和技术学院，这些学校和技术学院的严格时间表成为我们今天所知的教育系统的基础。虔诚派还建立了一家出版社、一家啤酒厂和一家制药公司，为整个中欧和东欧提供产品。其结果是，普鲁士成为欧洲受教育程度最高、最具创业精神的地方之一，为德国后来的工业成功奠定了重要基础。
一个世纪后，德国的启蒙运动进一步推动了教育。普鲁士成为首批对所有儿童实行义务教育的国家之一。随着人们阅读普鲁士探险家亚历山大-冯-洪堡的探险经历，科学变得更加流行。洪堡的弟弟威廉在柏林开办了一所新的大学。同时，普鲁士国王通过了一系列的改革，使国家官僚机构成为欧洲最高效的机构之一。
所有这些都意味着普鲁士处于成为世界第二大工业国的理想位置。英国首先达到了这个目标，但普鲁士紧随其后。事实上，普鲁士在英国之后起步是有帮助的。他们可以看到英国人做了什么，然后做得更好。例如，普鲁士的矿山比英国的矿山使用更多的机器，产量更高。当英国的制造商安于现状的时候，他们的普鲁士同行正在建立新的工业。英国科学家在化学品和工程方面做出了许多关键的早期发现，但巴斯夫、拜耳、西门子、博什和AEG等德国公司在开发这些新技术并从中获利方面做得最多。德国人还开创了新的产业：例如，世界上第一辆汽车是由戴姆勒和本茨制造的。到19世纪末，德国工程迅速获得了今天的声誉。
1871年，普鲁士与德国其他各州联合起来，形成了德国。更多的人、更多的煤和更多的铁帮助使这个新国家成为世界工业的领导者。到1914年，德国的煤炭和钢铁产量是英国的两倍。它的第二大煤田生产的煤比整个法国都多。
19世纪的德国制造业奇迹在20世纪出现了第二个奇迹。制造业在英国和美国等前工业强国逐渐萎缩，但德国保留了其工厂和技术技能。德国19%的工作仍在制造业，是英国和美国的两倍。而且大多数人宁愿开宝马也不愿开别克。
输掉两场战争是对这第二个奇迹的部分解释。第一次世界大战后，胜利者禁止德国拥有空军。所有的航空企业和工程师不得不转移到其他行业。宝马公司停止生产飞机发动机，开始生产摩托车和汽车。在第二次世界大战期间，英国和美国的轰炸机摧毁了数百家工厂，德国建造了新的和更好的工厂。英国和美国还拿走了价值数十亿美元的知识产权，这刺激了德国制造商的创新。相比之下，像英国这样的战胜国很容易自满。
战争的失败有助于解释现代德国的另一个特点，这个特点已被证明对其工业具有决定性意义，即其工人愿意接受适度的工资。在法国和英国，为提高工资而罢工是常态，随着收入的增加，企业决定将生产转移到其他地方。相比之下，德国的工厂工人接受较低的工资，他们认为这是保住工作的必要条件。为什么德国人的要求更加温和并不清楚--有些人指出，他们的民族文化是尊重责任而不是权利和风险。但是，两次世界大战的失败所带来的耻辱很可能帮助巩固了这种看待世界的方式。
低工资意味着有更多的钱投资于研究和开发，这有助于德国企业保持其技术优势。无论是大众汽车和拜耳这样的大公司，还是制造从音乐支架到医疗设备的小型家族企业，即Mittelstand，都是如此。
德国还得益于其作为小国集合的历史。德国没有相当于伦敦的地方，它在英国经济中的地位过大。许多德国城市有巨大的地方自豪感。大多数人去的是离家最近的大学。其结果是，在这个国家，教育和技能，以及成功的产业，都被广泛传播。
在哈雷的虔诚派几个世纪之后，德国继续在教育方面表现出色。这里有为那些希望学习科学和人文的人开设的学校，但也有提供技术培训的优秀机构。德国有一种学徒文化，造就了一支高技能的劳动力。政府投资于人，当美国公司在2008年金融风暴后解雇工人时，许多德国公司能够将他们送到政府资助的培训计划中。当经济复苏时，他们又把员工带回来。
德国同时亦引进了各种创新的改进方法学，当中包括六西格玛[1]。在2000年，六西格玛在奥迪公司组织背景下的实际应用是显而易见的，特别是在德国Neckarsulm工厂的奥迪TT生产中。由于奥迪TT的生产过程没有根本性的缺陷，因此没有必要对整个生产过程进行全面的重新设计，但是，一个旨在实现 "六西格玛水平"的过程改进机制将对该组织有利。
此外，德国人甚至尝试会把六西格玛应用于政府和公共领域。
然而，虽然许多人喜欢德国制造的商品，但德国人对他们赚的钱太少感到越来越沮丧。在这个世界上最不平等的国家之一，大多数人都租房子住。德国制造业的黄金时代可能即将结束，奔驰的13家工厂中只有3家在德国。至少我们可以希望，德国继续在设计和工程方面表现出色，为我们提供了如此多漂亮和实用的产品。
从德国的制造业历史中，我们也可以了解到，质量的成功，是有很多的因素组成的，但当中包括创新的思维、人才的培育两者却是必不可少的。 收起阅读 »
多年来，德国汽车制造商----奥迪的广告一直使用 "Vorsprung durch Technik "的口号。在数百万读过或听过这句话的人中，只有一小部分人知道它的意思（意思是"通过技术取得进步"）。这个广告活动之所以有效，是因为人们将德国的设计和制造与质量、精确度和技术上的辉煌成绩联系起来。无论是卡尔-蔡司镜片、宝马摩托车、博世洗碗机，还是Lamy钢笔，人们购买德国产品时，都期待着它的卓越质量。
德国在制造业方面是如何做到如此出色的？
为什么它往往比法国和意大利等邻国好得多？故事开始于17世纪，当时德国甚至不是一个统一的国家，而是由许多不同的王国拼凑而成。然而，这些国家中的一个，即普鲁士，正在发生的发展将有助于创造我们今天所知道的德国。
它始于一场宗教复兴。在普鲁士的哈雷市，对路德教会的精神懈怠感到失望的人们组成了一个新的团体，被称为虔诚派。他们对自己的信仰很认真，并认真对待耶稣关于照顾孤儿的命令。不久，他们就照顾了数百名孤儿。虔诚派希望这些孩子能通过圣经认识上帝，并成为对社会有用的人。因此，他们建立了学校和技术学院，这些学校和技术学院的严格时间表成为我们今天所知的教育系统的基础。虔诚派还建立了一家出版社、一家啤酒厂和一家制药公司，为整个中欧和东欧提供产品。其结果是，普鲁士成为欧洲受教育程度最高、最具创业精神的地方之一，为德国后来的工业成功奠定了重要基础。
一个世纪后，德国的启蒙运动进一步推动了教育。普鲁士成为首批对所有儿童实行义务教育的国家之一。随着人们阅读普鲁士探险家亚历山大-冯-洪堡的探险经历，科学变得更加流行。洪堡的弟弟威廉在柏林开办了一所新的大学。同时，普鲁士国王通过了一系列的改革，使国家官僚机构成为欧洲最高效的机构之一。
所有这些都意味着普鲁士处于成为世界第二大工业国的理想位置。英国首先达到了这个目标，但普鲁士紧随其后。事实上，普鲁士在英国之后起步是有帮助的。他们可以看到英国人做了什么，然后做得更好。例如，普鲁士的矿山比英国的矿山使用更多的机器，产量更高。当英国的制造商安于现状的时候，他们的普鲁士同行正在建立新的工业。英国科学家在化学品和工程方面做出了许多关键的早期发现，但巴斯夫、拜耳、西门子、博什和AEG等德国公司在开发这些新技术并从中获利方面做得最多。德国人还开创了新的产业：例如，世界上第一辆汽车是由戴姆勒和本茨制造的。到19世纪末，德国工程迅速获得了今天的声誉。
1871年，普鲁士与德国其他各州联合起来，形成了德国。更多的人、更多的煤和更多的铁帮助使这个新国家成为世界工业的领导者。到1914年，德国的煤炭和钢铁产量是英国的两倍。它的第二大煤田生产的煤比整个法国都多。
19世纪的德国制造业奇迹在20世纪出现了第二个奇迹。制造业在英国和美国等前工业强国逐渐萎缩，但德国保留了其工厂和技术技能。德国19%的工作仍在制造业，是英国和美国的两倍。而且大多数人宁愿开宝马也不愿开别克。
输掉两场战争是对这第二个奇迹的部分解释。第一次世界大战后，胜利者禁止德国拥有空军。所有的航空企业和工程师不得不转移到其他行业。宝马公司停止生产飞机发动机，开始生产摩托车和汽车。在第二次世界大战期间，英国和美国的轰炸机摧毁了数百家工厂，德国建造了新的和更好的工厂。英国和美国还拿走了价值数十亿美元的知识产权，这刺激了德国制造商的创新。相比之下，像英国这样的战胜国很容易自满。
战争的失败有助于解释现代德国的另一个特点，这个特点已被证明对其工业具有决定性意义，即其工人愿意接受适度的工资。在法国和英国，为提高工资而罢工是常态，随着收入的增加，企业决定将生产转移到其他地方。相比之下，德国的工厂工人接受较低的工资，他们认为这是保住工作的必要条件。为什么德国人的要求更加温和并不清楚--有些人指出，他们的民族文化是尊重责任而不是权利和风险。但是，两次世界大战的失败所带来的耻辱很可能帮助巩固了这种看待世界的方式。
低工资意味着有更多的钱投资于研究和开发，这有助于德国企业保持其技术优势。无论是大众汽车和拜耳这样的大公司，还是制造从音乐支架到医疗设备的小型家族企业，即Mittelstand，都是如此。
德国还得益于其作为小国集合的历史。德国没有相当于伦敦的地方，它在英国经济中的地位过大。许多德国城市有巨大的地方自豪感。大多数人去的是离家最近的大学。其结果是，在这个国家，教育和技能，以及成功的产业，都被广泛传播。
在哈雷的虔诚派几个世纪之后，德国继续在教育方面表现出色。这里有为那些希望学习科学和人文的人开设的学校，但也有提供技术培训的优秀机构。德国有一种学徒文化，造就了一支高技能的劳动力。政府投资于人，当美国公司在2008年金融风暴后解雇工人时，许多德国公司能够将他们送到政府资助的培训计划中。当经济复苏时，他们又把员工带回来。
德国同时亦引进了各种创新的改进方法学，当中包括六西格玛[1]。在2000年，六西格玛在奥迪公司组织背景下的实际应用是显而易见的，特别是在德国Neckarsulm工厂的奥迪TT生产中。由于奥迪TT的生产过程没有根本性的缺陷，因此没有必要对整个生产过程进行全面的重新设计，但是，一个旨在实现 "六西格玛水平"的过程改进机制将对该组织有利。
此外，德国人甚至尝试会把六西格玛应用于政府和公共领域。
然而，虽然许多人喜欢德国制造的商品，但德国人对他们赚的钱太少感到越来越沮丧。在这个世界上最不平等的国家之一，大多数人都租房子住。德国制造业的黄金时代可能即将结束，奔驰的13家工厂中只有3家在德国。至少我们可以希望，德国继续在设计和工程方面表现出色，为我们提供了如此多漂亮和实用的产品。
从德国的制造业历史中，我们也可以了解到，质量的成功，是有很多的因素组成的，但当中包括创新的思维、人才的培育两者却是必不可少的。 收起阅读 »
优思学院｜QA和QC，傻傻分不清？
原文來自优思学苑知乎帐号
这是我们很常会遇到的问题，就是关于 QA（Quality Assurance）和 QC（Quality Control）的分别，如果我们单纯地把他们区别出而不加解释，其实意义不大，因为它们都只是一些名称和分类而已，但我们可以从两者的起源和理念一步步地说明这种区分的缘由。
首先要明白的是，什么是质量(Quality)？
对产品制造而言，质量就是其功能及特性满足所制定需求的能力。
举一些更实际的例子，像是产品规格里的全部功能都有、所有的功能执行起来都不会发生错误、产品功能不会突然发生异常或中断、还有产品功能执行的效能符合制定的要求、外观上也没有不符客人要求的缺陷 ……等等。
简单地说，像是该有的功能都有、也都能正常运作、而且还运作得够快，就是质量好。
想到质量/品质，许多人脑海中首先会浮现的，恐怕是像“ISO 质量管理体系”之类耳熟能详的词语。没错，ISO，也就是国际标准化组织，它制定了许多标准，包括我们也同样时常听到的 ISO 9000 的质量标准。有些公司会强调，他们已经通过ISO 9000的标准，表示他们的产品是有质量的。
在 ISO 9000 里，对Quality Assurance 的定义是：“为了提供实体满足质量要求的足够信心，而实作的所有计划性以及系统性的活动”。同样的，ISO 9000 里也定义了何谓Quality Control，也就是“为达质量要求而采用的作业性技术及活动”。
或许看完这定义，你还是不见得能理解其意义。
简单来说，质量保证——即QA的目的，是要在产出产品的过程中，使用正确的方法来进行，而 QC 的作用，则是当产品完成时，会去检查所产出的产品是否正确。
以软体测试为例，当我们透过检测已完成的软体，找出其中不符合软体规格的瑕疵，以便有机会予以修正，所以，测试工作是在检查所完成的软体产品是否正确，因此，这应该属于 QC 工作过程的一部份，是作业性技术及活动。
如果了解到二者的差异，你可以很容易明白， QA 的重点放在制造方法或者过程（Process）上，有了正确（能满足质量要求）的过程和方法，照着执行，就应该要能够产出满足要求的产品。所以说，QA 是事前的、是在产品完成之前的整个过程，是计划性以及系统性的活动，QA 目标是在预防产品发生瑕疵，而QC则在找出完成的成品中潜在的瑕疵。
过程的管理和QA的职责
过程是一组将输入转化为输出的相互关联的活动。过程是产品（服务）质量形成的必经环节，因而是质量管理的基点。优思学院｜六西格玛证书课程基于过程控制与管理来保证产品质量的观点早已有之。休哈特于20世纪30年代提出的SPC就是通过监视和控制产品制造过程来确保过程稳定而保证产品质量的。
20世纪中叶，人们逐渐认识到影响产品质量的环节远不止产品制造过程，更重要的还有设计过程，于是，日本学者田口玄一提出了三段设计法、赤尾洋二博士提出了QFD理论。
随后，费根保姆提出的全面质量管理（TQM）拓展了人们对过程的视野，将影响产品质量的过程扩大到整个企业范围内的所有业务过程。过程的概念由此超越原有的生产过程，延伸到各种辅助过程。现代质量管理则更加强调过程的观点，把企业的一切活动都看作为过程，并对其进行系统化管理，这就是过程管理。
过程管理是一种改进企业业绩的结构化方法，它不只是改进个别过程，还能改善企业的整体管理水平。它强调从总体上对业务过程进行系统思考、严密设计而不是着眼于某一个单一的过程或任务点。过程管理已成为现代质量管理的一个基本信条。
过程在六西格玛中也占有十分重要的地位，它是六西格玛采取改善行动的场所，也是六西格玛走向成功的关键和载体。在六西格玛实施中，过程的重要性决定了过程管理的重要性。有效的过程管理已成为驱使六西格玛走向成功的关键。
所以，单就以开发流程来看，QA的工作过程中，可能就包括了：制定流程、监控管理开发团队是否依据流程来进行工作，以及收集开发团队对于流程的回馈，制定预防问题的方案，进而甚至持续改善流程。
如果希望在QA方向发展，学习成为六西格玛绿带是一个不错的选择。 收起阅读 »
这是我们很常会遇到的问题，就是关于 QA（Quality Assurance）和 QC（Quality Control）的分别，如果我们单纯地把他们区别出而不加解释，其实意义不大，因为它们都只是一些名称和分类而已，但我们可以从两者的起源和理念一步步地说明这种区分的缘由。
首先要明白的是，什么是质量(Quality)？
对产品制造而言，质量就是其功能及特性满足所制定需求的能力。
举一些更实际的例子，像是产品规格里的全部功能都有、所有的功能执行起来都不会发生错误、产品功能不会突然发生异常或中断、还有产品功能执行的效能符合制定的要求、外观上也没有不符客人要求的缺陷 ……等等。
简单地说，像是该有的功能都有、也都能正常运作、而且还运作得够快，就是质量好。
想到质量/品质，许多人脑海中首先会浮现的，恐怕是像“ISO 质量管理体系”之类耳熟能详的词语。没错，ISO，也就是国际标准化组织，它制定了许多标准，包括我们也同样时常听到的 ISO 9000 的质量标准。有些公司会强调，他们已经通过ISO 9000的标准，表示他们的产品是有质量的。
在 ISO 9000 里，对Quality Assurance 的定义是：“为了提供实体满足质量要求的足够信心，而实作的所有计划性以及系统性的活动”。同样的，ISO 9000 里也定义了何谓Quality Control，也就是“为达质量要求而采用的作业性技术及活动”。
或许看完这定义，你还是不见得能理解其意义。
简单来说，质量保证——即QA的目的，是要在产出产品的过程中，使用正确的方法来进行，而 QC 的作用，则是当产品完成时，会去检查所产出的产品是否正确。
以软体测试为例，当我们透过检测已完成的软体，找出其中不符合软体规格的瑕疵，以便有机会予以修正，所以，测试工作是在检查所完成的软体产品是否正确，因此，这应该属于 QC 工作过程的一部份，是作业性技术及活动。
如果了解到二者的差异，你可以很容易明白， QA 的重点放在制造方法或者过程（Process）上，有了正确（能满足质量要求）的过程和方法，照着执行，就应该要能够产出满足要求的产品。所以说，QA 是事前的、是在产品完成之前的整个过程，是计划性以及系统性的活动，QA 目标是在预防产品发生瑕疵，而QC则在找出完成的成品中潜在的瑕疵。
过程的管理和QA的职责
过程是一组将输入转化为输出的相互关联的活动。过程是产品（服务）质量形成的必经环节，因而是质量管理的基点。优思学院｜六西格玛证书课程基于过程控制与管理来保证产品质量的观点早已有之。休哈特于20世纪30年代提出的SPC就是通过监视和控制产品制造过程来确保过程稳定而保证产品质量的。
20世纪中叶，人们逐渐认识到影响产品质量的环节远不止产品制造过程，更重要的还有设计过程，于是，日本学者田口玄一提出了三段设计法、赤尾洋二博士提出了QFD理论。
随后，费根保姆提出的全面质量管理（TQM）拓展了人们对过程的视野，将影响产品质量的过程扩大到整个企业范围内的所有业务过程。过程的概念由此超越原有的生产过程，延伸到各种辅助过程。现代质量管理则更加强调过程的观点，把企业的一切活动都看作为过程，并对其进行系统化管理，这就是过程管理。
过程管理是一种改进企业业绩的结构化方法，它不只是改进个别过程，还能改善企业的整体管理水平。它强调从总体上对业务过程进行系统思考、严密设计而不是着眼于某一个单一的过程或任务点。过程管理已成为现代质量管理的一个基本信条。
过程在六西格玛中也占有十分重要的地位，它是六西格玛采取改善行动的场所，也是六西格玛走向成功的关键和载体。在六西格玛实施中，过程的重要性决定了过程管理的重要性。有效的过程管理已成为驱使六西格玛走向成功的关键。
所以，单就以开发流程来看，QA的工作过程中，可能就包括了：制定流程、监控管理开发团队是否依据流程来进行工作，以及收集开发团队对于流程的回馈，制定预防问题的方案，进而甚至持续改善流程。
如果希望在QA方向发展，学习成为六西格玛绿带是一个不错的选择。 收起阅读 »
优思学院｜SPC控制图中的控制线应该用"3倍标准差"还是用"系数A2、D3、D4"公式来计算？
有在学习六西格玛的小伙伴提问：SPC控制图中有的用系数A2、D3、D4来计算控制线，有的用3倍标准差来算，到底哪个是准确的?区别在什么？常数表中的A2、D3、D4是怎么得来的？
其实，SPC控制图的控制线并不存在两种方法来计算，从理论上来说，控制线的上下限是就是3倍总体标准差（实际的分布）。不过，由于我们一般没办法知道总体的标准差，所以实际上我们是不能通过3倍标准差的那些公式来计算上下限的。
例如，你可能收集了的25组数据，每组5个数据，一共125个数据，你想透过计算这些数据的标准差，再用来计算控制线的上下限，但这是不正确的，因为这个实际上是样本的标准差，而不是总体的标准差。
你只能根据你已经有的有限样本数据来推算出来，那就需要使用A2、D3、D4等常数，通过所知道的样本数量和平均值来推算。
想了解更多六西格玛工具的知识和应用方法，那就要关注优思学院，我们会不停期解答网友和同学的疑问，提供不同的管理知识～ 收起阅读 »
其实，SPC控制图的控制线并不存在两种方法来计算，从理论上来说，控制线的上下限是就是3倍总体标准差（实际的分布）。不过，由于我们一般没办法知道总体的标准差，所以实际上我们是不能通过3倍标准差的那些公式来计算上下限的。
例如，你可能收集了的25组数据，每组5个数据，一共125个数据，你想透过计算这些数据的标准差，再用来计算控制线的上下限，但这是不正确的，因为这个实际上是样本的标准差，而不是总体的标准差。
你只能根据你已经有的有限样本数据来推算出来，那就需要使用A2、D3、D4等常数，通过所知道的样本数量和平均值来推算。
想了解更多六西格玛工具的知识和应用方法，那就要关注优思学院，我们会不停期解答网友和同学的疑问，提供不同的管理知识～ 收起阅读 »
EXCEL版MSA分析
不能使用专用软件，可以使用excel版做的MSA分析。密码5314046
优思学院｜PDCA是什么？PDCA如何实操？
无论您是否从事质量管理、六西格玛管理、或者是精益生产，您都会经常听到PDCA Cycle。这是一种什么样的管理理念？
这是由美国著名管理学家戴明提出的，包括四大概念：Plan、Do、Check、Act。
步骤1：计划（Plan）
正所谓谋定而后动，秉持第一次就做对的精神，谨慎的思考该怎么做！在产品制作之前，周延的规划各项标准程序（SOP）、制程规格、负责单位以及检验方式…等。
步骤2：执行（Do）
依据先前制定的规划，准确的执行各项工作。
步骤3：查核（Check）
在执行过程中，必须随时检查达成率。倘若发现计划（Plan）和实际执行（Do）发生落差时，就该随时提出改善的办法。
步骤4：行动（Act）
针对第3个步骤查核（Check）所提出的改善之道，重新修正做法，正确执行矫正措施，以利未来的工作方向越来越进步。
Deming 认为，上述的步骤是一个持续循环的动态过程。企业只要重覆执行步骤1~4，就能持续从错误中学习和反省，并且从反省中成长！企业若确实实施 PDCA 循环，将能体验前所未见的巨大效益。尤其在网路时代中，产品的生命周期越来越短，企业该如何因应诡谲的市场变化，并随时改善生产和品质管理方式，已成为管理者最重要的课题。
PDCA 是一个过程，和六西格玛中的DMAIC有着相似的意义，它可以说是DMAIC的简单版。它的伟大之处在于它也是一个可重复的过程，它允许管理者在面对同一个项目时应用 PDCA 来不断改进和实现目标； 如果是不同的项目，没有必要改变不同的管理。 方式。 这四个字母简单地说明了项目的执行顺序。
任何项目进行以前，相信大家一定都会前置规划，订定计划就是第一个P (Plan)，而后依循着计划执行，此即为D (Do)的步骤。
然而，大多数的项目在运行时，工作流程常在Do 这一步之后，便直接跳至结案阶段（有些甚至没有结案），才列出过程中的问题与未来建议。这导致项目的问题无法即时的获得解决，除了造成一些成本损耗，也可能无法顺利达成目标。另外，往往在下一次的项目，又会遇到同样的问题，一样没办法解决（是不是很有这种经验！）
所以，在过程中我们其实就可以先采取行动来解决问题，也就是剩下的两个步骤 — C (Check)查检、A (Action)行动，分别要做什么呢？
PDCA的意思
接下来将针对这四步骤逐一说明：
Plan
计划 —
在计划撰写的过程中，若写得越详尽，未来在执行的时候，就能更具体，且容易追踪。而这个计划从何依据呢？除了大活动的项目目标之外，也可能是小日常的营运机会点。订定目标和撰写计划的时候，也有一些工具可以依循，例如SMART原则、5W1H等，我将会在未来的文章中介绍。
Do
执行 —
当我们有上一步的计划之后，便是按照计划执行。尽可能的遵循你的计划做，这样在后续的两个步骤中，才有办法去检视哪些不足，而加以调整。
Check
查检 —
工作时应该有某个问题不断重演的经验吧，这时可以追溯过去执行计划时，是否忽略了Check这个步骤，导致无法从错误中改善，而在下一次计划中再次展现出同样的行为模式。查检的重点在于找出机会点，方能追捕进度，或是精进作业流程，提升效率。
Action
行动 —
当上个步骤检视出与计划上的进度差距，或是抓到机会点后，便可提出行动方案进行改善。此时提出的解决方案，也将会成为下一个“计划”，并持续PDCA的步骤。
所以，PDCA四个步骤，将如下图一般，成为一个cycle
PDCA实际在运行是怎样呢？
简单地举个例子，假设今天有新饮料上市，希望能推广给顾客做尝鲜，那么它的PDCA可能是：
1. Plan计划：在收银机前方提供新饮料试饮给排队等待顾客
2. Do执行：依照上述计划执行，在收银机前方准备一壶新饮料做试喝，执行时要记得不时观察，并记录问题点
3. Check查检：发现一个问题点，因为试饮杯放在背后工作台面，经常会忘记要倒给客人试喝。
4. Action行动：将试饮杯移至收银机桌面上，可以减少伙伴忘记倒试喝，也减少不必要的转身动作
而这个Action所采取的行动方案，将成为下一阶段的Plan。若执行后仍发现有其他问题点，则再进行Check的步骤，并提出下一个Action改善。
PDCA只能在大型项目中使用吗？
其实PDCA循环，在服务业可说是每天都在上演。对于当班管理者而言，在掌管每一天、每一个班次之前，我们心中都存在一个计划，可能期望达成多少业绩、完成多少行政待办、伙伴训练进度追踪等。然而服务业是一个与人高度互动的行业，计划波折及变动极大，有时受天气、商圈活动、风水、星象…影响，就会不断地和计划有差距，需要进行多次的PDCA以使营运顺利。
所以PDCA不限于活动的规模大小，是 每天都能运行的一个目标管理循环
如果以上的说明对您仍有些模糊，我再举一个更生活化的例子
假设在8点上班出门前，我想要提早于六点起床，给自己两个小时读书，我的PDCA如下：
1. Plan计划：晚上12点以前就寝，闹钟设定5:50及6:00两个时段。
2. Do执行：第一天计划顺利达成；第二天因为晚上聚会，凌晨一点才睡；第三天虽然准时晚上12点就寝，但因赖床7:00才起床。
3. Check查检：发觉自己晚上行程不可以待太晚，而早上设定的闹钟数量太少，缓冲时间太短。
4. Action行动：晚上活动尽可能在11点前结束，维持12点就寝。早上闹钟则提前至5:40，并于每5分钟再设定一组。
上方的Action成为我新的PDCA循环的第一步Plan，并持续PDCA循环直到达成目标（最后结果：每天都睡不饱，7:50才起床，总是赶着8:00的公车上下班…..）
如此简单却已能套用至大部分的计划执行与目标管理上了！ 收起阅读 »
这是由美国著名管理学家戴明提出的，包括四大概念：Plan、Do、Check、Act。
步骤1：计划（Plan）
正所谓谋定而后动，秉持第一次就做对的精神，谨慎的思考该怎么做！在产品制作之前，周延的规划各项标准程序（SOP）、制程规格、负责单位以及检验方式…等。
步骤2：执行（Do）
依据先前制定的规划，准确的执行各项工作。
步骤3：查核（Check）
在执行过程中，必须随时检查达成率。倘若发现计划（Plan）和实际执行（Do）发生落差时，就该随时提出改善的办法。
步骤4：行动（Act）
针对第3个步骤查核（Check）所提出的改善之道，重新修正做法，正确执行矫正措施，以利未来的工作方向越来越进步。
Deming 认为，上述的步骤是一个持续循环的动态过程。企业只要重覆执行步骤1~4，就能持续从错误中学习和反省，并且从反省中成长！企业若确实实施 PDCA 循环，将能体验前所未见的巨大效益。尤其在网路时代中，产品的生命周期越来越短，企业该如何因应诡谲的市场变化，并随时改善生产和品质管理方式，已成为管理者最重要的课题。
PDCA 是一个过程，和六西格玛中的DMAIC有着相似的意义，它可以说是DMAIC的简单版。它的伟大之处在于它也是一个可重复的过程，它允许管理者在面对同一个项目时应用 PDCA 来不断改进和实现目标； 如果是不同的项目，没有必要改变不同的管理。 方式。 这四个字母简单地说明了项目的执行顺序。
任何项目进行以前，相信大家一定都会前置规划，订定计划就是第一个P (Plan)，而后依循着计划执行，此即为D (Do)的步骤。
然而，大多数的项目在运行时，工作流程常在Do 这一步之后，便直接跳至结案阶段（有些甚至没有结案），才列出过程中的问题与未来建议。这导致项目的问题无法即时的获得解决，除了造成一些成本损耗，也可能无法顺利达成目标。另外，往往在下一次的项目，又会遇到同样的问题，一样没办法解决（是不是很有这种经验！）
所以，在过程中我们其实就可以先采取行动来解决问题，也就是剩下的两个步骤 — C (Check)查检、A (Action)行动，分别要做什么呢？
PDCA的意思
接下来将针对这四步骤逐一说明：
Plan
计划 —
在计划撰写的过程中，若写得越详尽，未来在执行的时候，就能更具体，且容易追踪。而这个计划从何依据呢？除了大活动的项目目标之外，也可能是小日常的营运机会点。订定目标和撰写计划的时候，也有一些工具可以依循，例如SMART原则、5W1H等，我将会在未来的文章中介绍。
Do
执行 —
当我们有上一步的计划之后，便是按照计划执行。尽可能的遵循你的计划做，这样在后续的两个步骤中，才有办法去检视哪些不足，而加以调整。
Check
查检 —
工作时应该有某个问题不断重演的经验吧，这时可以追溯过去执行计划时，是否忽略了Check这个步骤，导致无法从错误中改善，而在下一次计划中再次展现出同样的行为模式。查检的重点在于找出机会点，方能追捕进度，或是精进作业流程，提升效率。
Action
行动 —
当上个步骤检视出与计划上的进度差距，或是抓到机会点后，便可提出行动方案进行改善。此时提出的解决方案，也将会成为下一个“计划”，并持续PDCA的步骤。
所以，PDCA四个步骤，将如下图一般，成为一个cycle
PDCA实际在运行是怎样呢？
简单地举个例子，假设今天有新饮料上市，希望能推广给顾客做尝鲜，那么它的PDCA可能是：
1. Plan计划：在收银机前方提供新饮料试饮给排队等待顾客
2. Do执行：依照上述计划执行，在收银机前方准备一壶新饮料做试喝，执行时要记得不时观察，并记录问题点
3. Check查检：发现一个问题点，因为试饮杯放在背后工作台面，经常会忘记要倒给客人试喝。
4. Action行动：将试饮杯移至收银机桌面上，可以减少伙伴忘记倒试喝，也减少不必要的转身动作
而这个Action所采取的行动方案，将成为下一阶段的Plan。若执行后仍发现有其他问题点，则再进行Check的步骤，并提出下一个Action改善。
PDCA只能在大型项目中使用吗？
其实PDCA循环，在服务业可说是每天都在上演。对于当班管理者而言，在掌管每一天、每一个班次之前，我们心中都存在一个计划，可能期望达成多少业绩、完成多少行政待办、伙伴训练进度追踪等。然而服务业是一个与人高度互动的行业，计划波折及变动极大，有时受天气、商圈活动、风水、星象…影响，就会不断地和计划有差距，需要进行多次的PDCA以使营运顺利。
所以PDCA不限于活动的规模大小，是 每天都能运行的一个目标管理循环
如果以上的说明对您仍有些模糊，我再举一个更生活化的例子
假设在8点上班出门前，我想要提早于六点起床，给自己两个小时读书，我的PDCA如下：
1. Plan计划：晚上12点以前就寝，闹钟设定5:50及6:00两个时段。
2. Do执行：第一天计划顺利达成；第二天因为晚上聚会，凌晨一点才睡；第三天虽然准时晚上12点就寝，但因赖床7:00才起床。
3. Check查检：发觉自己晚上行程不可以待太晚，而早上设定的闹钟数量太少，缓冲时间太短。
4. Action行动：晚上活动尽可能在11点前结束，维持12点就寝。早上闹钟则提前至5:40，并于每5分钟再设定一组。
上方的Action成为我新的PDCA循环的第一步Plan，并持续PDCA循环直到达成目标（最后结果：每天都睡不饱，7:50才起床，总是赶着8:00的公车上下班…..）
如此简单却已能套用至大部分的计划执行与目标管理上了！ 收起阅读 »
优思学院｜测量系统分析（MSA）中的偏倚和线性是什么？
原发表于优思学院知乎号
测量系统分析（MSA）是六西格玛和汽车工业行动小组 (AIAG) 的一个重要工具，一般来说，当我们利用一个量具去测量某一事物时，优思学院认为我们首先关注的是量具的分辩率，接着是量具的准确性（就是偏倚和线性度），最后就是测量的变异度（测量的精准度）。
偏倚和线性度
偏倚（Bias）：观察到的测量平均值（在可重复性条件下进行试验）与参考值之间的差异；历史上称为准确性。偏差在测量系统的工作范围内的单个点上进行评估和表示。
线性度（Linearity）：在测量系统的预期工作范围内偏置误差的差异。换句话说，线性表示操作范围内多个独立偏差误差的相关性。
偏倚是您的测量值与实际值的比较，而线性度是评估测量值在测量系统的工作范围内的准确度。
如果对量具的偏差和线性度有怀疑，你可以预先分析一下：
*选择几个零件（要分布到较极端的操作范围）
*每个零件都要进行测量（使用你要研究的量具每个零件至少测量10次，要随机进行）
Minitab中的关于偏倚和线性的研究
同学提问：
（zhuanlan.zhihu.com/p/438423133）
这是使用Minitab去研究偏倚和线性的方法，软件会导出以上这种结果。
首先，量具在各个参考值都存在偏差(Bias)，而且非常明显，在量具偏倚的结果里显示所有参考尺寸的P值都小于0.05。例如，对于5.13的样件，平均偏差为0.157583。
线性（Linearity）方面，正如散点图中的正斜线所标识的那样。不同参考值的偏差都不一致，表明测量系统也有线性问题（P = 0.00）。
测量的精准度
当量具的准确度被确认后，我们便会进一步关注测量的变异度。
测量系统分析（MSA）是六西格玛绿带/黑带培训的其中一部分，测量的变异度在今天越来越受重视，因为以往我们一直都忽略这个很关键的东西，经常假定自己的量测没有任何问题，或者影响很轻微。
假设，供应商送货给你们的工厂，供应商有他们的QA测量检查，你们的工厂也有IQC，为什么老是出现质量问题而要退货呢，其中一个被忽略的情况是，大家的测量系统不同，测量的变异不同，测量系统分析（MSA）可以提供分析的工具，解决类似的问题。
收起阅读 »
测量系统分析（MSA）是六西格玛和汽车工业行动小组 (AIAG) 的一个重要工具，一般来说，当我们利用一个量具去测量某一事物时，优思学院认为我们首先关注的是量具的分辩率，接着是量具的准确性（就是偏倚和线性度），最后就是测量的变异度（测量的精准度）。
偏倚和线性度
偏倚（Bias）：观察到的测量平均值（在可重复性条件下进行试验）与参考值之间的差异；历史上称为准确性。偏差在测量系统的工作范围内的单个点上进行评估和表示。
线性度（Linearity）：在测量系统的预期工作范围内偏置误差的差异。换句话说，线性表示操作范围内多个独立偏差误差的相关性。
偏倚是您的测量值与实际值的比较，而线性度是评估测量值在测量系统的工作范围内的准确度。
如果对量具的偏差和线性度有怀疑，你可以预先分析一下：
*选择几个零件（要分布到较极端的操作范围）
*每个零件都要进行测量（使用你要研究的量具每个零件至少测量10次，要随机进行）
Minitab中的关于偏倚和线性的研究
同学提问：
六西格玛中的MSA，量具的线性偏倚，用minitab分析后得到下图。求详解。请问这张图意味着什么？
（zhuanlan.zhihu.com/p/438423133）
这是使用Minitab去研究偏倚和线性的方法，软件会导出以上这种结果。
首先，量具在各个参考值都存在偏差(Bias)，而且非常明显，在量具偏倚的结果里显示所有参考尺寸的P值都小于0.05。例如，对于5.13的样件，平均偏差为0.157583。
线性（Linearity）方面，正如散点图中的正斜线所标识的那样。不同参考值的偏差都不一致，表明测量系统也有线性问题（P = 0.00）。
测量的精准度
当量具的准确度被确认后，我们便会进一步关注测量的变异度。
测量系统分析（MSA）是六西格玛绿带/黑带培训的其中一部分，测量的变异度在今天越来越受重视，因为以往我们一直都忽略这个很关键的东西，经常假定自己的量测没有任何问题，或者影响很轻微。
假设，供应商送货给你们的工厂，供应商有他们的QA测量检查，你们的工厂也有IQC，为什么老是出现质量问题而要退货呢，其中一个被忽略的情况是，大家的测量系统不同，测量的变异不同，测量系统分析（MSA）可以提供分析的工具，解决类似的问题。
收起阅读 »
检测过程需要做PFMEA分析吗？怎样分析？
在制造过程的设计中，总是要在制造工序间设置单独的检测步骤，这些检测步骤也是一个流程图的组成部分，例如，一个零件在焊接完毕后，对其部质量进行进行超声波检测；也可能是对其上游多个操作过程的综合探测，例如在智能音响中的所有声学零件组装成一个声学模组后，要进行声学项目的检测（还不是产品最终检测），我们把这样的检测过程叫做专检过程。
下图是一套产品过程流程图片断的示例，红色部分为检测过程。
我们知道，PFMEA是以产品过程流程图作为分析基础的，那么其中的检测过程需要做PFMEA分析吗？怎样分析它们的失效模式和失效起因呢？我们只研究它们的探测度或只做MSA可以吗？
这是在业界争议比较多的问题，本文就尝试展开讨论一下，供大家参考。
首先，为了避免再产生不必要的争议，我们先参考一下在2020年在汽车行业发布的新版AIAG-VDA FMEA手册（以下简称“FMEA手册”），其中在该书的3.1.2条“ PFMEA项目识别和边界”中有这么一段话：
工厂内会影响产品质量且可考虑进行PFMEA分析的过程包括：接收过程、零件和材料储存、产品和材料交付、制造、装配、包装、标签、成品运输、储存、维护过程、检测过程以及返工和返修过程等。
可见，在新版的FMEA手册中，检测过程是需要做PFMEA的，然而FMEA手册中却没有给出具体的方法和案例。
我们再看FMEA手册中3.5.3条关于“当前探测控制（DC）”的描述：
定义-当前探测控制是指在产品离开过程或发运给顾客前，通过自动或手动方法探测是否存在失效起因或失效模式。
如下图所示：
可见，对位于操作过程下游的检测过程来说，它既是产品制造过程流程图中需要做PFMEA的一个步骤，同时也可以看作是对前一个或多个操作过程的失效模式的探测。
二者并不矛盾，也并不重复，它们的作用和目的是不同的！作者建议我们先要对操作过程的当前探测措施和探测度进行分析、评价以及优化，在确定不再需要进一步优化之后，再单独对该检测过程进行PFMEA的分析，以便输出对检测过程的控制措施，从而减少测量误差和误判率！
我们先了解一下操作过程的探测措施。
它分为对失效起因的探测和对失效模式的探测，但是在实际的生产线和生产过程的设计时，人们往往不喜欢寻求防止失效起因的出现的预防措施，或者发现失效起因的探测措施，而是习惯于寻求对失效模式的探测，也就是我们常吐槽的“事后检验”、“死后验尸”，这似乎已经成为了一种天经地义的事情！这其实是一种非常落后的质量控制理念！通过下图，从同一个焊接过程中，我们可以全面了解这几种控制理念和方法：
从上图中可以看出，对于焊接、热处理、铸造、电镀、注塑等特殊过程，相当多的特性，如机械性能，是不能通过对产品的检测而得知的，这就必须识别出失效起因，对失效起因采取预防或者探测措施。即使是可以进行事后检测的产品，一旦发现不合格，也是一种浪费，因此，评价一个探测措施，我们需要分为这样几种情况：
对失效起因的探测，好于对失效模式的探测；在工位内失效模式的探测，好于下游工位的探测；仪器探测，好于人工目测；机器探测，好于人工探测；防错探测，好于一般机器/仪器探测。在FMEA手册的探测度D的打分指导中就是遵循此理念，读者可自行查阅。
因此，在对当前探测措施进行优化时，我们就要按上述“档位”做出改变，也就是升级为比当前更加先进的探测方法，这也是衡量一个过程设计是否先进的重要依据之一。一旦一个探测方法被确定下来，这个检测过程就形成了，我们就要对它加以管理，包括研究它的失效模式、失效起因，以及输出对它的控制计划。
那么怎样分析检测过程的PFMEA呢？它与MSA分析有什么关系呢？
我们还是使用FMEA手册中的失效链：
下面我们来探讨一下如何进行检测过程的PFMEA分析。
首先，我们要明确一个检测过程的功能是什么，很显然，执行检测，就是为了要把产品（注：在此处也包括零件、半成品，以下同）中的不合格的挑选出来，同时把合格的流到后面的工序当中去，因此，一个检测过程的失效模式应当是：把不合格的产品当作了合格的产品（接收不合格）、把合格的产品当作了不合格的产品（拒收合格），还可能在检测时把产品损坏了，例如特性的改变、损伤等。
它的失效影响和严重度S怎样分析呢？
如果是把不合格产品判断为合格产品，这相当于被检特性所对应的加工过程的失效模式和失效影响，例如，一个机加工过程，尺寸过大是这个加工过程的一个失效模式，可能会造成后续不能装配，如果它的专检工序失效，这个尺寸过大的零件就会被放行，同样也会造成后续不能进行装配。
如果是把合格产品判断为不合格产品，就会产生误报警，造成不必要的生产线停线事故。一家管理成熟的工厂都会有快速反应规则，包括生产线暂停运行，例如，如果是所检特性是一个关键特性，只要发现一次或几次问题，则会造成产线的暂停，这时S为7-8这个程度（请读者自行查阅一下FMEA手册的S打分指导）；如果是一个次要特性，则只有达到一定数量或比例后才使生产线暂停，所以要看所检特性的重要度。
如果是因为检测而造成产品的损坏，这要根据受到影响的特性的重要度来确定S的值，例如检测过程损伤的是产品的表面质量，S仅仅是3-4。
如何分析检测过程的失效起因？
检测过程的影响因素，不同于加工过程的4M1E（人、机、料、法、环），而是SWIPE： S-标准、方法，W-工件，I-仪器/量具，P-测量者或者测量程序，E-测量环境。
总结以上分析，我们可以得到检测过程PFMEA失效分析的通用结构形式：
如何进行检测过程PFMEA的风险分析与控制措施的优化？
这是基于检测过程的当前预防措施和探测措施进行的分析和评价，同样也有着各自的Occurrence 和Detection。
预防措施是针对失效的起因采取的，对于检测过程，就是上述展开的SWIPE因素。
关于测量的方法（S）和发生频度（O）。当前的预防措施一般是原自于其他产品同类检测过程使用过的、已经证明是可靠的检测方法，一般是做成检测指导书的形式。分析和评价的目的是确认现有检测方法（检测指导书）是否会导致产生较高的测量误差或损伤。具体可以从这几个方面考虑：
• 是否分析过设计要求？
• 是否考虑过产品加工过程的特点（易出问题的地方）？
• 测量原理或过程是否与产品的运行过程和客户的使用工况相匹配？
• 测量方法是否存在产生较大测量误差或产生产品损伤的可能？
• 是否做过不同方法的MSA的分析和结果（测量误差）的对比？等等。
在设计一个检测过程时，如果这些方面没有充分研究过，则就有可能产生较大的测量误差，这也是确保一种检测方法可靠的预防控制措施。
检测过程失效起因发生频度O的打分，我们完全可以参考FMEA手册中的“过程的潜在频度O”的打分指导，例如，如果检测过程完全是一键控制式的自动化测量，且被测产品的定位也是自动化定位，那么关于方法这个因素的O就1分；如果完全是手工测量，例如使用卡尺或者目测，则要看检测方法指导书上有没有确定性、明确的、图文并茂的规定。
下面是作者在之前企业工作时遇到的一个典型案例。一个板金零件需要测量它的角度α，如下图所示，由于板金件在折弯机上折弯时，下面的工装支架产生了松动，使得两端的角度α1和α2不一致，如果不在检测指导书中规定一个明确的测量位置，则就会存在很大的重复性误差（即同一检验员使用同一把量具，也会产生不一致的结果）。
对于被测量的工件（W），其实这也与测量方法有关系。只要其特性不会随着时间的推移而发生变化，就不会影响测量的结果，而有些则是会随着时间而发生变化的，例如，零件的平面度，如果存在内应力，它会在加工完毕后随着应力的释放而发生变化；塑料件的尺寸会随着储存环境温度的变化而变化；电容的漏电量，不同时间是有变化的；压力（水压、气压）试验时压力随时间衰退，等等，这些特性的变化，就会大大影响测量结果，会产生较大的误判。
对于这样的被测量对象，我们必须采取相应的预防控制措施，即在测量方法中规定好测量的时间限制、补偿的系数等，否则，就会影响测量的结果。对于一般的特性稳定的产品工件，这个因素，是不打O值的。
测量的仪器/量具（I）和测量人员/程序（P）及它们的O值。 量具与测量者是两个重要的测量误差来源，对于量具来说，它的细分因素包括量具、试验台（平整度、是否有减震措施等）、测量设备和量检具出厂时的精度和稳定性（随使用环境因素变化）、夹具（夹紧力、夹持位置等）；对于测量人员来说，是否在上岗前进行过专业的培训和资质的认证，以及是否经常轮换（会产生较大的再现性误差）等。
以上这些因素，在设计一个测量过程时，要事先充分考虑，并进行一一的策划与确认，采取相应的预防控制措施，例如，在三座标测量室中，应有温度控制措施，对于测量/试验台，应增加减振措施，对于量具的出厂精度，应依据要测量的零件设计精度要求（例如分辨率为公差范围的1/10以上），并对这些细分因素进行MSA的分析或者进行方差分析来对比研究，选择测量误差最小的方式。
关于这两个因素的O值打分，我们可以根据检测过程的MSA分析中量具和测量者的误差分量，再结合FMEA手册中的O值打分指导来进行打分。下面是如何将MSA的分析结果转化为O值的评价理论依据和示例：
下图是一个基准值为XT，偏倚为B，精度为σm的测量系统的一系列测量值所构成的分布（假设为正态），当我们研究量具的影响时，可以通过研究量具能力和GRR来获得单纯的量具偏倚（B）和重复性误差（σe），同理，当我们研究测量者之间或者量具之间的误差时，我们则使用再现性误差（σo）。
我们可以通过查寻或者通过统计软件计算正态累积概率函数来获得误判的类型和概率。
例如，一个测量系统，它测量一个零件的长度。经过测量系统分析得知，其偏倚B = 0.05，R&R的标准差也是0.05。如果测量一个基准值为0.4的零件长度，它的规格为0.6 – 1.0，那么有多大的概率产生误判？
对该结果的解释：虽然这个零件的基准值（0.4）在规格范围以外，是不合格的，但是，由于存在测量误差，理论上存在0.135%的误判风险（不合格判为合格）。在FMEA手册的过程潜在频度O（备选）打分指导中，这属于O值5-6的程度。
关于控制措施的优化，先看主要误差的类型，如果是偏倚而且恒定的，则可以采用补偿，否则，就需要矫正或者更换新量具；如果是精度误差较大，先看这个量具的出厂说明或制造标准中的理论测量精度，如果这个理论精度也达不到产品的测量要求（例如分辨率为公差范围的1/10以上），那么就应更换精度更高的量具类型，如果是因为磨损老化导致，则进行修理、矫正，或者更换。
对于测量环境（W）。测量环境对测量结果的影响，要看测量的产品和特性的类型，例如机械加工件，可能会对环境温度有较高的要求，如果是一个声学产品，则需要对环境噪声有极高的要求，需要在专门的、远离车间环境的听音室中进行检测。这些影响因素，在设计一个测量过程时要考虑、策划，并采取必要的预防措施。
检测过程的探测（D）
检测过程本身对应的是操作过程的失效模式探测，而检测过程自己的探测措施所要针对的则是对检测误差的发现机会和能力。我们怎样才能及时、有效地探测到一个检测过程（测量系统）产生的误差呢？这包括：对测量者的考核（频次、内容、标准）、对量具的校准（频次及机构）、测量系统分析MSA（指标、标准、频次、方法）等等，例如，这些类型的活动一次也没有做，则D应当为10分。
对检测过程的探测措施的优化包括提升校准/MSA的频次、增加样品的数量、改进抽样方案，以及执行这些活动计划是通过人工提醒，还是自动化提醒的方式等等。
综上所述，研究一个检测过程，实际上包括了MSA工作，且把MSA分析的结果应用于改进和优化检测过程。在业界的MSA培训和学习时，存在一种不好的习惯，就是只注重分析那几个测量系统的统计指标（偏倚、线性、稳定性、重复性、再现性），而忽视了对测量系统的构成（影响）因素的识别，忽视了把MSA统计指标应用于系统因素的进一步分析和改善上，其实这才是MSA的真正目的。
那么，有人会产生一个疑问：我们对检测过程进行MSA分析不就行了吗？为什么还要进行PFMEA呢？
对检测过程进行PFMEA分析，与单纯的MSA还是不一样的，检测过程PFMEA是面向整条产线上的所有检测过程，通过分析它们的S、O、D来确定是否需要优化（AP），怎样优化，优化完成后，再制定针对检测过程各影响因素的控制计划，用来管控这个检测过程不出现过大的测量误差，这才是对检测过程进行PFMEA分析的最终目的，这也是通常容易被忽视了的！这个控制计划就包括：是否做MSA分析，做哪些MSA指标，以及做MSA的频次，因此检测过程的PFMEA要比MSA高一个层次。下表是检测过程控制计划一个示例。
检测过程的PFMEA与MSA的关系，见下图所示。
收起阅读 »
下图是一套产品过程流程图片断的示例，红色部分为检测过程。
我们知道，PFMEA是以产品过程流程图作为分析基础的，那么其中的检测过程需要做PFMEA分析吗？怎样分析它们的失效模式和失效起因呢？我们只研究它们的探测度或只做MSA可以吗？
这是在业界争议比较多的问题，本文就尝试展开讨论一下，供大家参考。
首先，为了避免再产生不必要的争议，我们先参考一下在2020年在汽车行业发布的新版AIAG-VDA FMEA手册（以下简称“FMEA手册”），其中在该书的3.1.2条“ PFMEA项目识别和边界”中有这么一段话：
工厂内会影响产品质量且可考虑进行PFMEA分析的过程包括：接收过程、零件和材料储存、产品和材料交付、制造、装配、包装、标签、成品运输、储存、维护过程、检测过程以及返工和返修过程等。
可见，在新版的FMEA手册中，检测过程是需要做PFMEA的，然而FMEA手册中却没有给出具体的方法和案例。
我们再看FMEA手册中3.5.3条关于“当前探测控制（DC）”的描述：
定义-当前探测控制是指在产品离开过程或发运给顾客前，通过自动或手动方法探测是否存在失效起因或失效模式。
如下图所示：
可见，对位于操作过程下游的检测过程来说，它既是产品制造过程流程图中需要做PFMEA的一个步骤，同时也可以看作是对前一个或多个操作过程的失效模式的探测。
二者并不矛盾，也并不重复，它们的作用和目的是不同的！作者建议我们先要对操作过程的当前探测措施和探测度进行分析、评价以及优化，在确定不再需要进一步优化之后，再单独对该检测过程进行PFMEA的分析，以便输出对检测过程的控制措施，从而减少测量误差和误判率！
我们先了解一下操作过程的探测措施。
它分为对失效起因的探测和对失效模式的探测，但是在实际的生产线和生产过程的设计时，人们往往不喜欢寻求防止失效起因的出现的预防措施，或者发现失效起因的探测措施，而是习惯于寻求对失效模式的探测，也就是我们常吐槽的“事后检验”、“死后验尸”，这似乎已经成为了一种天经地义的事情！这其实是一种非常落后的质量控制理念！通过下图，从同一个焊接过程中，我们可以全面了解这几种控制理念和方法：
从上图中可以看出，对于焊接、热处理、铸造、电镀、注塑等特殊过程，相当多的特性，如机械性能，是不能通过对产品的检测而得知的，这就必须识别出失效起因，对失效起因采取预防或者探测措施。即使是可以进行事后检测的产品，一旦发现不合格，也是一种浪费，因此，评价一个探测措施，我们需要分为这样几种情况：
对失效起因的探测，好于对失效模式的探测；在工位内失效模式的探测，好于下游工位的探测；仪器探测，好于人工目测；机器探测，好于人工探测；防错探测，好于一般机器/仪器探测。在FMEA手册的探测度D的打分指导中就是遵循此理念，读者可自行查阅。
因此，在对当前探测措施进行优化时，我们就要按上述“档位”做出改变，也就是升级为比当前更加先进的探测方法，这也是衡量一个过程设计是否先进的重要依据之一。一旦一个探测方法被确定下来，这个检测过程就形成了，我们就要对它加以管理，包括研究它的失效模式、失效起因，以及输出对它的控制计划。
那么怎样分析检测过程的PFMEA呢？它与MSA分析有什么关系呢？
我们还是使用FMEA手册中的失效链：
下面我们来探讨一下如何进行检测过程的PFMEA分析。
首先，我们要明确一个检测过程的功能是什么，很显然，执行检测，就是为了要把产品（注：在此处也包括零件、半成品，以下同）中的不合格的挑选出来，同时把合格的流到后面的工序当中去，因此，一个检测过程的失效模式应当是：把不合格的产品当作了合格的产品（接收不合格）、把合格的产品当作了不合格的产品（拒收合格），还可能在检测时把产品损坏了，例如特性的改变、损伤等。
它的失效影响和严重度S怎样分析呢？
如果是把不合格产品判断为合格产品，这相当于被检特性所对应的加工过程的失效模式和失效影响，例如，一个机加工过程，尺寸过大是这个加工过程的一个失效模式，可能会造成后续不能装配，如果它的专检工序失效，这个尺寸过大的零件就会被放行，同样也会造成后续不能进行装配。
如果是把合格产品判断为不合格产品，就会产生误报警，造成不必要的生产线停线事故。一家管理成熟的工厂都会有快速反应规则，包括生产线暂停运行，例如，如果是所检特性是一个关键特性，只要发现一次或几次问题，则会造成产线的暂停，这时S为7-8这个程度（请读者自行查阅一下FMEA手册的S打分指导）；如果是一个次要特性，则只有达到一定数量或比例后才使生产线暂停，所以要看所检特性的重要度。
如果是因为检测而造成产品的损坏，这要根据受到影响的特性的重要度来确定S的值，例如检测过程损伤的是产品的表面质量，S仅仅是3-4。
如何分析检测过程的失效起因？
检测过程的影响因素，不同于加工过程的4M1E（人、机、料、法、环），而是SWIPE： S-标准、方法，W-工件，I-仪器/量具，P-测量者或者测量程序，E-测量环境。
总结以上分析，我们可以得到检测过程PFMEA失效分析的通用结构形式：
如何进行检测过程PFMEA的风险分析与控制措施的优化？
这是基于检测过程的当前预防措施和探测措施进行的分析和评价，同样也有着各自的Occurrence 和Detection。
预防措施是针对失效的起因采取的，对于检测过程，就是上述展开的SWIPE因素。
关于测量的方法（S）和发生频度（O）。当前的预防措施一般是原自于其他产品同类检测过程使用过的、已经证明是可靠的检测方法，一般是做成检测指导书的形式。分析和评价的目的是确认现有检测方法（检测指导书）是否会导致产生较高的测量误差或损伤。具体可以从这几个方面考虑：
• 是否分析过设计要求？
• 是否考虑过产品加工过程的特点（易出问题的地方）？
• 测量原理或过程是否与产品的运行过程和客户的使用工况相匹配？
• 测量方法是否存在产生较大测量误差或产生产品损伤的可能？
• 是否做过不同方法的MSA的分析和结果（测量误差）的对比？等等。
在设计一个检测过程时，如果这些方面没有充分研究过，则就有可能产生较大的测量误差，这也是确保一种检测方法可靠的预防控制措施。
检测过程失效起因发生频度O的打分，我们完全可以参考FMEA手册中的“过程的潜在频度O”的打分指导，例如，如果检测过程完全是一键控制式的自动化测量，且被测产品的定位也是自动化定位，那么关于方法这个因素的O就1分；如果完全是手工测量，例如使用卡尺或者目测，则要看检测方法指导书上有没有确定性、明确的、图文并茂的规定。
下面是作者在之前企业工作时遇到的一个典型案例。一个板金零件需要测量它的角度α，如下图所示，由于板金件在折弯机上折弯时，下面的工装支架产生了松动，使得两端的角度α1和α2不一致，如果不在检测指导书中规定一个明确的测量位置，则就会存在很大的重复性误差（即同一检验员使用同一把量具，也会产生不一致的结果）。
对于被测量的工件（W），其实这也与测量方法有关系。只要其特性不会随着时间的推移而发生变化，就不会影响测量的结果，而有些则是会随着时间而发生变化的，例如，零件的平面度，如果存在内应力，它会在加工完毕后随着应力的释放而发生变化；塑料件的尺寸会随着储存环境温度的变化而变化；电容的漏电量，不同时间是有变化的；压力（水压、气压）试验时压力随时间衰退，等等，这些特性的变化，就会大大影响测量结果，会产生较大的误判。
对于这样的被测量对象，我们必须采取相应的预防控制措施，即在测量方法中规定好测量的时间限制、补偿的系数等，否则，就会影响测量的结果。对于一般的特性稳定的产品工件，这个因素，是不打O值的。
测量的仪器/量具（I）和测量人员/程序（P）及它们的O值。 量具与测量者是两个重要的测量误差来源，对于量具来说，它的细分因素包括量具、试验台（平整度、是否有减震措施等）、测量设备和量检具出厂时的精度和稳定性（随使用环境因素变化）、夹具（夹紧力、夹持位置等）；对于测量人员来说，是否在上岗前进行过专业的培训和资质的认证，以及是否经常轮换（会产生较大的再现性误差）等。
以上这些因素，在设计一个测量过程时，要事先充分考虑，并进行一一的策划与确认，采取相应的预防控制措施，例如，在三座标测量室中，应有温度控制措施，对于测量/试验台，应增加减振措施，对于量具的出厂精度，应依据要测量的零件设计精度要求（例如分辨率为公差范围的1/10以上），并对这些细分因素进行MSA的分析或者进行方差分析来对比研究，选择测量误差最小的方式。
关于这两个因素的O值打分，我们可以根据检测过程的MSA分析中量具和测量者的误差分量，再结合FMEA手册中的O值打分指导来进行打分。下面是如何将MSA的分析结果转化为O值的评价理论依据和示例：
下图是一个基准值为XT，偏倚为B，精度为σm的测量系统的一系列测量值所构成的分布（假设为正态），当我们研究量具的影响时，可以通过研究量具能力和GRR来获得单纯的量具偏倚（B）和重复性误差（σe），同理，当我们研究测量者之间或者量具之间的误差时，我们则使用再现性误差（σo）。
我们可以通过查寻或者通过统计软件计算正态累积概率函数来获得误判的类型和概率。
例如，一个测量系统，它测量一个零件的长度。经过测量系统分析得知，其偏倚B = 0.05，R&R的标准差也是0.05。如果测量一个基准值为0.4的零件长度，它的规格为0.6 – 1.0，那么有多大的概率产生误判？
对该结果的解释：虽然这个零件的基准值（0.4）在规格范围以外，是不合格的，但是，由于存在测量误差，理论上存在0.135%的误判风险（不合格判为合格）。在FMEA手册的过程潜在频度O（备选）打分指导中，这属于O值5-6的程度。
关于控制措施的优化，先看主要误差的类型，如果是偏倚而且恒定的，则可以采用补偿，否则，就需要矫正或者更换新量具；如果是精度误差较大，先看这个量具的出厂说明或制造标准中的理论测量精度，如果这个理论精度也达不到产品的测量要求（例如分辨率为公差范围的1/10以上），那么就应更换精度更高的量具类型，如果是因为磨损老化导致，则进行修理、矫正，或者更换。
对于测量环境（W）。测量环境对测量结果的影响，要看测量的产品和特性的类型，例如机械加工件，可能会对环境温度有较高的要求，如果是一个声学产品，则需要对环境噪声有极高的要求，需要在专门的、远离车间环境的听音室中进行检测。这些影响因素，在设计一个测量过程时要考虑、策划，并采取必要的预防措施。
检测过程的探测（D）
检测过程本身对应的是操作过程的失效模式探测，而检测过程自己的探测措施所要针对的则是对检测误差的发现机会和能力。我们怎样才能及时、有效地探测到一个检测过程（测量系统）产生的误差呢？这包括：对测量者的考核（频次、内容、标准）、对量具的校准（频次及机构）、测量系统分析MSA（指标、标准、频次、方法）等等，例如，这些类型的活动一次也没有做，则D应当为10分。
对检测过程的探测措施的优化包括提升校准/MSA的频次、增加样品的数量、改进抽样方案，以及执行这些活动计划是通过人工提醒，还是自动化提醒的方式等等。
综上所述，研究一个检测过程，实际上包括了MSA工作，且把MSA分析的结果应用于改进和优化检测过程。在业界的MSA培训和学习时，存在一种不好的习惯，就是只注重分析那几个测量系统的统计指标（偏倚、线性、稳定性、重复性、再现性），而忽视了对测量系统的构成（影响）因素的识别，忽视了把MSA统计指标应用于系统因素的进一步分析和改善上，其实这才是MSA的真正目的。
那么，有人会产生一个疑问：我们对检测过程进行MSA分析不就行了吗？为什么还要进行PFMEA呢？
对检测过程进行PFMEA分析，与单纯的MSA还是不一样的，检测过程PFMEA是面向整条产线上的所有检测过程，通过分析它们的S、O、D来确定是否需要优化（AP），怎样优化，优化完成后，再制定针对检测过程各影响因素的控制计划，用来管控这个检测过程不出现过大的测量误差，这才是对检测过程进行PFMEA分析的最终目的，这也是通常容易被忽视了的！这个控制计划就包括：是否做MSA分析，做哪些MSA指标，以及做MSA的频次，因此检测过程的PFMEA要比MSA高一个层次。下表是检测过程控制计划一个示例。
检测过程的PFMEA与MSA的关系，见下图所示。
SPC应用案例
各位大侠好，这是我目前推行的供应商方的SPC管理初步案例
请大家指正，我这样推行的思路对不对。
欢迎大家留言讨论。
图1是其中1个改善案例，
图2是推行的系统化管理一角。
请大家指正，我这样推行的思路对不对。
欢迎大家留言讨论。
图1是其中1个改善案例，
图2是推行的系统化管理一角。
优思学院｜"共同原因"和"特殊原因"是什么？
原发表于优思学院知乎号
如果你有看过优思学院关于SPC的六西格玛绿带课程视频，应该会知道在控制界限以内的变异原因，和超出控制界限以外的变异原因两者的区别。这是休哈特（Walter A. Shewhart）博士在 1924年发明第一张质量控制图时，给予的区分，他把两者分别命名为机遇原因(Chance Cause)和非机遇原因(Assignable Cause)。当时的学者为崇敬Shewhart博士把统计学应用在工业上所作的贡献，故亦有称为Shewhart图。
直到1970年，美国的质量管理大师 W. Edwards Deming博士首次应邀访台，在他所发表的学术演讲中，他提出了两个崭新的名词，就是在控制界限以内变异的原因，称为共同原因(Common Cause)，超出控制界限以外的变异原因，称为特殊原因(Special Cause)。优思学院看到许多美英等国的质量管理书籍上，也逐渐采用这个名词。尤其近几年来，Deming博士时有新著问世，声望陡增，已成为质量管理界中之牛耳。
我们当时都以为Deming博士把共同原因来代替机遇原因，特殊原因来代替非机遇原因，无非是取其浅显达意，容易明白而已。而且一直以为这两个名词是相等的(即：共同原因 = 机遇原因，特殊原因 = 非机遇原因)，没有再去作进一步的研究。
近十年来，美国新出版的质量管理书籍很多，也曾讨论过这些名词的问题，才知道这两个名词并不完全相等，因为Shewhart和Deming两人的出发点，并不一样。兹就读书所得，说明于次。
Shewhart博士的观念是着眼于制程中的变异，凡是在控制下的变异(Controlled Variation)，可以认为是稳定(Stable)而经常存在的，所以称之为机遇原因，亦有人称之为无法避免之原因(Unavoidable Cause)者。这种变异是制程中固有的(Inherent)的变异，如果要把它减少(或减小)，制程亦必随之而变动。
至于制程中不能控制的变异(Uncontrolled Variation)，是随时在变动，既不稳定，亦非经常存在，并不是制程中的一部分。这种不稳定的性质，使制程不能按照预定的目标操作，致产生过多的变异(Excess Variation)。这种变异原因称为非机遇原因，应该可以把这种变异原因找出来，并加以消除掉，使制程回复正常。故这种原因亦有称之为可避免之原因(Avoidable Cause)者。
上述两种方法，都可以用来改进制程，但基本上是不同的。前者是去修改(改善) (Modify)一个经常而稳定的制程，而后者是去创造(Create)一个经常而稳定的制程。到底要采用那一种方法？就要看制程中的变异而定。因此，改进制程的首要步骤，是先要决定制程中有无不能控制的变异原因存在。而Shewhart的质量控制图是根据机率原理和统计学而来的，正是判断制程中有无不能控制的变异原因的有效利器。
至于Deming博士，他的着眼点是放在：谁该对这种变异负责？于是创造了共同原因和特殊原因这两个名词。
共同原因的变异是存在于制造系统(System)或控制良好的系统中。优思学院认为因为这种变异是属于系统内的，所以应该由控制这一系统的人员来负责，那即是：经理人员─特别是高阶层的经理人员。共同原因的变异仅祇能由经理阶层人员采取行动，才能把它移除掉。
特殊原因的变异在本质上是局部的。Deming博士曾说过，他喜欢用〝特殊〞这个形容词来指特定的一群作业员，或特定的某一位作业员，或特定的机器，或特定的局部环境等所造成的特殊原因。他并说，名词并不重要，重要的是观念。一般都能从发生问题的那一特定阶层人员，就可自行找出原因，采取行动，并把困扰的问题消除掉。
这些非机遇原因可以由作业员或那一部分的领班来采取行动。 而共同原因却不然，它可以是机遇原因，也可以是非机遇原因。无论在那一种情况，都是系统上发生的错误(Faults)，仅祇能由经理阶层人员采取行动，才能改正过来。 Deming博士是着重在谁该对这种不同型式的变异负责，现在优思学院可以用一句话来说明他的观念：减少任何一个质量特性(如厚度，或绩效等)的变异，不管这个质量特性是否在控制状态之下，甚至只有少数几个或没有不良品产生，都认为是良好的管理。 〝零缺点〞并不能算够好。
工业界必须做到比符合规格还要来得好。经理人员要去研究制程，并且应该去找寻变异的来源，进而把它消除掉，以经常改进产品。质量控制图正是用来找出这些来源的有效利器。当制程中的变异减小后，则零件将更为相似，产品亦将愈佳。这些都是Deming博士在1950年带给日本人的金玉良言，日本人懂得这些话，经过了石川一郎(按：即石川馨氏之尊翁)及小柳贤一等继续不断地努力，才奠定了实施SQC成功的基础。
现在，将再介绍另一个观念(Concept)，那就是：工程上(Engineering)对变异的观念，和Shewhart博士(包括Deming博士)对变异的观念，两者完全不同。工程上对变异的观念，其目的是要求产品能符合规格，不管产品中的变异有多大，只要在规格范围以内，就尽可能地让它去变化(Vary)。如果结果是在规格范围以内，就认为是〝够好〞了。而Shewhart博士观念的目的，是要制程经常稳定一致(Consistency)，结果自然是产品尽可能地稳定一致了。因为它们的目的不同，结果也就随之而不同。优思学院认为我们没有必要把这两种观念加以协调。经理人员必须采用其中之一，作为生产制程的指导原则：仅只要求符合规格，还是继续不断地改进制程。
经理人员在工业革命时期就开始采用第一种观念了。大约经过了200年以后，这个目的仍没有达到。因为我们仅仅把目标放在符合规格上，结果却缺乏进步。这就没有理由使人相信将来会有什么进步的缘故。
另一方面，根据日本的经验，应用了Shewhart博士的观念之后，证明了持续不断地改进制程，使得日本的工业产品提高了它们的质量，也提高了它们的生产力。结果，不再局限于以符合规格为满足，而是在持续不断地改进途程中前进。
优思学院认为要产品完全符合规格，唯有持续不断地改进制程，而且仅只有当经理人员用言词和行动来支持这个目标时，才会获得质量和生产力的增加。
收起阅读 »
如果你有看过优思学院关于SPC的六西格玛绿带课程视频，应该会知道在控制界限以内的变异原因，和超出控制界限以外的变异原因两者的区别。这是休哈特（Walter A. Shewhart）博士在 1924年发明第一张质量控制图时，给予的区分，他把两者分别命名为机遇原因(Chance Cause)和非机遇原因(Assignable Cause)。当时的学者为崇敬Shewhart博士把统计学应用在工业上所作的贡献，故亦有称为Shewhart图。
直到1970年，美国的质量管理大师 W. Edwards Deming博士首次应邀访台，在他所发表的学术演讲中，他提出了两个崭新的名词，就是在控制界限以内变异的原因，称为共同原因(Common Cause)，超出控制界限以外的变异原因，称为特殊原因(Special Cause)。优思学院看到许多美英等国的质量管理书籍上，也逐渐采用这个名词。尤其近几年来，Deming博士时有新著问世，声望陡增，已成为质量管理界中之牛耳。
我们当时都以为Deming博士把共同原因来代替机遇原因，特殊原因来代替非机遇原因，无非是取其浅显达意，容易明白而已。而且一直以为这两个名词是相等的(即：共同原因 = 机遇原因，特殊原因 = 非机遇原因)，没有再去作进一步的研究。
近十年来，美国新出版的质量管理书籍很多，也曾讨论过这些名词的问题，才知道这两个名词并不完全相等，因为Shewhart和Deming两人的出发点，并不一样。兹就读书所得，说明于次。
Shewhart博士的观念是着眼于制程中的变异，凡是在控制下的变异(Controlled Variation)，可以认为是稳定(Stable)而经常存在的，所以称之为机遇原因，亦有人称之为无法避免之原因(Unavoidable Cause)者。这种变异是制程中固有的(Inherent)的变异，如果要把它减少(或减小)，制程亦必随之而变动。
至于制程中不能控制的变异(Uncontrolled Variation)，是随时在变动，既不稳定，亦非经常存在，并不是制程中的一部分。这种不稳定的性质，使制程不能按照预定的目标操作，致产生过多的变异(Excess Variation)。这种变异原因称为非机遇原因，应该可以把这种变异原因找出来，并加以消除掉，使制程回复正常。故这种原因亦有称之为可避免之原因(Avoidable Cause)者。
上述两种方法，都可以用来改进制程，但基本上是不同的。前者是去修改(改善) (Modify)一个经常而稳定的制程，而后者是去创造(Create)一个经常而稳定的制程。到底要采用那一种方法？就要看制程中的变异而定。因此，改进制程的首要步骤，是先要决定制程中有无不能控制的变异原因存在。而Shewhart的质量控制图是根据机率原理和统计学而来的，正是判断制程中有无不能控制的变异原因的有效利器。
至于Deming博士，他的着眼点是放在：谁该对这种变异负责？于是创造了共同原因和特殊原因这两个名词。
共同原因的变异是存在于制造系统(System)或控制良好的系统中。优思学院认为因为这种变异是属于系统内的，所以应该由控制这一系统的人员来负责，那即是：经理人员─特别是高阶层的经理人员。共同原因的变异仅祇能由经理阶层人员采取行动，才能把它移除掉。
特殊原因的变异在本质上是局部的。Deming博士曾说过，他喜欢用〝特殊〞这个形容词来指特定的一群作业员，或特定的某一位作业员，或特定的机器，或特定的局部环境等所造成的特殊原因。他并说，名词并不重要，重要的是观念。一般都能从发生问题的那一特定阶层人员，就可自行找出原因，采取行动，并把困扰的问题消除掉。
这些非机遇原因可以由作业员或那一部分的领班来采取行动。 而共同原因却不然，它可以是机遇原因，也可以是非机遇原因。无论在那一种情况，都是系统上发生的错误(Faults)，仅祇能由经理阶层人员采取行动，才能改正过来。 Deming博士是着重在谁该对这种不同型式的变异负责，现在优思学院可以用一句话来说明他的观念：减少任何一个质量特性(如厚度，或绩效等)的变异，不管这个质量特性是否在控制状态之下，甚至只有少数几个或没有不良品产生，都认为是良好的管理。 〝零缺点〞并不能算够好。
工业界必须做到比符合规格还要来得好。经理人员要去研究制程，并且应该去找寻变异的来源，进而把它消除掉，以经常改进产品。质量控制图正是用来找出这些来源的有效利器。当制程中的变异减小后，则零件将更为相似，产品亦将愈佳。这些都是Deming博士在1950年带给日本人的金玉良言，日本人懂得这些话，经过了石川一郎(按：即石川馨氏之尊翁)及小柳贤一等继续不断地努力，才奠定了实施SQC成功的基础。
现在，将再介绍另一个观念(Concept)，那就是：工程上(Engineering)对变异的观念，和Shewhart博士(包括Deming博士)对变异的观念，两者完全不同。工程上对变异的观念，其目的是要求产品能符合规格，不管产品中的变异有多大，只要在规格范围以内，就尽可能地让它去变化(Vary)。如果结果是在规格范围以内，就认为是〝够好〞了。而Shewhart博士观念的目的，是要制程经常稳定一致(Consistency)，结果自然是产品尽可能地稳定一致了。因为它们的目的不同，结果也就随之而不同。优思学院认为我们没有必要把这两种观念加以协调。经理人员必须采用其中之一，作为生产制程的指导原则：仅只要求符合规格，还是继续不断地改进制程。
经理人员在工业革命时期就开始采用第一种观念了。大约经过了200年以后，这个目的仍没有达到。因为我们仅仅把目标放在符合规格上，结果却缺乏进步。这就没有理由使人相信将来会有什么进步的缘故。
另一方面，根据日本的经验，应用了Shewhart博士的观念之后，证明了持续不断地改进制程，使得日本的工业产品提高了它们的质量，也提高了它们的生产力。结果，不再局限于以符合规格为满足，而是在持续不断地改进途程中前进。
优思学院认为要产品完全符合规格，唯有持续不断地改进制程，而且仅只有当经理人员用言词和行动来支持这个目标时，才会获得质量和生产力的增加。
收起阅读 »
RSS Feed