原创—EXCEL SPC函数 直方图 控制图更新 增加菜单功能

原发布版本还存在一些BUG,主要是直方图分布曲线不真实(加大组数),有很多人不知道怎么用,增加了具体的说明和方便的自定义菜单栏。还有选择的数据区域为一列时组内的...
原发布版本还存在一些BUG,主要是直方图分布曲线不真实(加大组数),有很多人不知道怎么用,增加了具体的说明和方便的自定义菜单栏。还有选择的数据区域为一列时组内的标准差计算存在出错(现采用了默认5个为一组)进行了全面更新。VBA是在OFFICE 2013版本下编写的,如果其它版本出错的,请发信息给我更新。如果觉得还可以,可做为加载项保存,这样在任何时候都可以调用了。
图片1.jpg

20181009142302.jpg

181011更新日志:增加菜单功能,应网友要求,增加了XBAR-R和-S两种控制图。增加了一些常用的工具。需要的更新下载。
  收起阅读 »

原创—EXCEL SPC函数 直方图 控制图

已更新,请查看!https://www.6sq.net/article/101034
已更新,请查看!https://www.6sq.net/article/101034

原创—excel加载项完成的Xbar-R质量分析报告

   使用EXCEL加载项功能,将文件解压在c:\Program Files\Microsoft Office\Office15\Library或放在个人的加载...
   使用EXCEL加载项功能,将文件解压在c:\Program Files\Microsoft Office\Office15\Library或放在个人的加载项文件内,到Excel选项内把"qctool"选上,然后在任何文件内就可以做分析了。怎么做加载项不知道的Baidu一下吧,使用方法:选中你要做图的数据区域,按"Ctrl+shift+K"就可以自动完成了,也可以在EXCEL内自定义菜单,调用内部的”XBarR“宏来运行,这样以后分析数据就方便了。
    加载后,大家也可以试试自定义的品质计算函数,只要输入=cpk(规格上限,规格下限,数据区域)就可以计算出CPK值了,当然还有PPK ,CPL ,CPU ,PPK ,PPU,PPL ,CP,PP等相关的函数。和MINITAB内对过的整体分析结果一致,组内分析因为没有找到MINITAB对标准差的计算公式,结果还是略有差异。我现组内采用的是合并标准差计算公式,有知道的也可以讨论一下!

图片1.jpg

  收起阅读 »

奇文共欣赏----共享北山浮生:“人穷不能怨社会”这句话居然是错误的

SPC
不能发布外部链接,有兴趣自己度娘吧   作者通过比较遵循二八原则的幂分布和遵循八二原则的高斯分布,来深入浅出的讨论社会发展规律;并从特征的独立性出发,搞出了一套...
不能发布外部链接,有兴趣自己度娘吧
 
作者通过比较遵循二八原则的幂分布和遵循八二原则的高斯分布,来深入浅出的讨论社会发展规律;并从特征的独立性出发,搞出了一套人才分布和财富分布的原理,看的人一愣一愣的。
 
让人觉得,基础学科的强大和伟大。

实用汽车英语之问题分析模板

           一般问题分析模板 很高兴和大家见面啦!后面会利用几期与大家分享OEM(Original Equipment Manufacturer)...

          
一般问题分析模板

很高兴和大家见面啦!后面会利用几期与大家分享OEM(Original Equipment Manufacturer)现场质量问题的分析模板,内容包括:
一般问题分析模板
尺寸匹配类模板
功能类问题模板
我们结合实战,看一些我们工作中常用,却不知道怎么表达的实用英语。第一期,我们先看看一般类问题分析模板涉及的一些英语表达:

       ▋缺陷描述和基本信息


0.jpg


这张图片是汇报用的一些基础信息,我们逐一看看这些信息用英语该如何表达呢?
缺陷描述:Issue Description
报告人:Reporter
零件批次:Batch or Lot 
例句:Please help me segregate all the suspected lots of the headlamps请帮我隔离所有的缺陷批次大灯
注:说起批次这个词,针对质量人来说,出了问题第一个想起来的就是要咖喱!what?是隔离啦,哈哈!那么隔离可疑物料到底应该用哪个词?我们会想到的以下几个单词:

推荐:segregate
共用车型/产品:Common/Shared Vehicle Mode
零件名称:Part Name
零件号:Part Number
发生地点、工位:Station
稍微展开一下,汽车装配线的基本工位名称:
内外饰装配:Interior/Exterior Assembly Station
底盘装配:Chassis Assembly Station
质量门:Quality Station
问题发生频次:Frequency
单一问题:Single Case
批量问题:Quantity Issue
问题类型:以下介绍几种通用的问题分类:
Quality Alert:质量警报【程度较轻】
Quality:质量问题
Engineering Issue: 工程设计类问题
Partnership Relation Issue: 对问题响应和进度的抱怨问题  【你惹恼别人啦】
例句: I will issue a complain PRR in the system as for no reply on this issue to us
因为您对该问题的消极反馈,我会在系统内发布对该问题的抱怨PRR.
供应商:supplier
重复发生:repeat issue
断点失效:clear/break point failure

  ▊缺陷照片拍摄技巧:

0_(2).jpg


标注好缺陷位置,好坏零件对比
The defect area should be marked clearly on the part and also the comparison between OK and NG parts is necessary.
如果缺陷照片无法辨别,留好缺陷样件便于供应商确认
If the defect is hard to identify by the picture ,then keep the defect part to wait for the confirmation of the supplier 
异响问题插入视频
You should attach video files to the report when meet a abnormal issue.

下期送上:一般问题分析模板中【长短期措施】的实用英语,敬请期待 !也欢迎大家关注我的微信公众号:【PVE英语学习】

0_(1).jpg


  收起阅读 »

Cpk也可以有置信度

这是你要的Cpk吗? 在开发一项新工艺或者购入一台新设备的时候,我们都会去看看制程或设备的Cp/Cpk。根据我多年来的经验,供应商通常的做法是取一个或一组样品...
这是你要的Cpk吗?

在开发一项新工艺或者购入一台新设备的时候,我们都会去看看制程或设备的Cp/Cpk。根据我多年来的经验,供应商通常的做法是取一个或一组样品,量出一组该工艺或设备的输出特性值,计算出一个Cp/Cpk值,看它是否达到顾客的期望(例如Cpk大于1.67)。这样的做法有没有什么问题?

先来回顾一下Cp和Cpk的定义。
Cp,Process Capability Ratio (PCR)
Cp=(USL-LSL)/6σ  (1)
一般,制程的中心跟规格的中心不完全重合,此时需要看Cpk
Cpk=min(Cpu, Cpl)
Cpu=(USL-μ)/3σ (2)
Cpl=(μ-LSL)/3σ (3)

其中,u是制程的中心值。

规格来自于设计输入,因此,计算Cp/Cpk的关键就在于得到σ。
我们都知道,当样品量足够大时(n>25),可以用样品的的标准差s来估计整体的σ。当样品量不够大时(2<=n<=25),可以用修偏的样品标准差来估计整体的σ。
σ=s/c4 (4)
这样,我们终于可以算出我们需要的Cp/Cpk了。看似一切天衣无缝,大功告成!
可是,假如你根据一组样品算出Cpk=2,你又有多大的信心能说这个工艺或设备的能力能满足Cpk>1.67的要求呢?学过统计学的人都明白,显然不可能有100%的信心。

前面我们所做的一切可以说是Cp/Cpk的点估计,为了引入置信度的概念,我们需要做区间估计或者假设检验。

如果输出特性值服从正态分布,100(1-α)%置信度下Cp/Cpk的置信区间分别为(来自page 359, introduction to statistical quality control, 6ED, Douglas C. Montgomery):
 
CP5.JPG
 (5)

 
CP6.JPG
 (6)

除此之外,我们也可以取N组样品,得到N个Cp/Cpk,然后对Cpk做假设检验。如:
H0:Cpk=1.67
H1:Cpk>1.67
只是不知道Cpk是否符合正态分布,如果不是,也可以使用一些函数变换使其服从正态分布后再做假设检验。

这样得到的Cp/Cpk的估计是不是更加有信心了?

 
谢谢点赞! 收起阅读 »

SPC应用浅谈

SPC
前言: 看到同事A君在写”SPC统计过程控制程序”,于是讨论了下,在此将讨论过程中的部分对话及讨论后我的思考整理总结下,留作纪念,也看看过段时间后自己回过头来再...
前言:
看到同事A君在写”SPC统计过程控制程序”,于是讨论了下,在此将讨论过程中的部分对话及讨论后我的思考整理总结下,留作纪念,也看看过段时间后自己回过头来再看,是否有进步。

 
背景介绍:

1.公司在申请IATF16949 2016认证;属于新申请认证,包括需要按照IATF16949要求重新构建体系文件,包括SPC统计过程控制程序。

2.文中的问,指的是我在问A君,答:指A君在回答;comment是我对A君回答的反应和思考;

3.电源产品主要制程:锡膏印刷—SPI(每块PCB选5-10个点,100%检测)—贴片---回炉焊---AOI(PCB上焊接点100%检测)---插件(手工插件)---波峰焊(常见的波峰焊,非选择性波峰焊)—touch up ---组装—安全测试1---功能测试1---aging---安全测试2---功能测试2(测试都是100%测试)---包装。

 

问:写这个程序的目的是什么

答:(楞了一下,犹豫了3秒)体系的要求哇,老师布置的目的。

comment: 完蛋了,以此为目的的程序文件注定会沦为paper work.

 
 
问:我们用SPC的目的是什么呢?

答:监控过程趋势,确定是否有变异,计算Cpk.

 Comment: 监控过程趋势,确定是否有变异,这个可以理解。计算cpk是什么意思?某些SPC控制图,如均值极差图,是可以直接计算Cpk的,但是有的SPC控制图如P图 U图,是不能直接计算Cpk的。很明显,这里A君将SPC中应用最广的均值极差图法等同为SPC了.
 

问:程序文件中有定义SPC监控哪些点呢?

答:有锡膏厚度  功能测试的一些电性能参数 和组装后的几个成品尺寸;

问:控制方法和抽样方式呢?

答:都是均值极差法和等距离抽样

Comment:锡膏厚度有SPI 100%检测,且SPI的测试软件有集成及实时显示每个测试点的厚度值及趋势图,对此有必要再另做SPC吗?可否直接应用SPI的图示? 毕竟SPC的等距抽样也是从SPI的数据中抽取的,SPI都已经是100%检测,为什么还要抽取数据,做个SPC?

  当然,SPI趋势图中只有规格上下限,没有控制上下限,如果能和SPI供应商合作,预留出控制上线限的设置或者应用SPC的思路来管控SPI趋势图(如彩虹图),就更好了.另外SPI中有大量的数量都没有好好的分析,可惜了.(跑题了);

功能测试是ATE自动化100%测试的,ATE有记录数据,没有图表显示趋势。根据经验,与规格相比,产品的实际电性能表现的变异太小(如规格100±1,实际表现在100±0.02),即PPK CPK远远大于2。这种情况下,均值极差图可以用,但是若出现超出控制线的点(此时控制线在100±0.02范围内,而异常点也在100±0.02范围内)的情况,该怎么做?公司此时是否有能力和资源去分析和调整?或者说,从经济性的角度讲:是否有必要再去调整?这种情况下,是否用P图更合适?

 认可组装尺寸的抽样方法和控制方式,但是将组装尺寸的SPC放在OQC位置(离线,产品入库前检查)来进行,就与SPC初衷之一的”预防理念”背道而驰了.

 

  最后:当前产品的生产方式为小批量多批次,同时广泛使用有如SPI   AOI  ATE等100%自动化检测的设备,在这种情况下,该如何做SPC呢? 收起阅读 »

用Javascript + Access做了一个网页版的SPC

SPC
可以实现以下特点: 1. 员工密码管理,指定能访问的线别 2. 8个判异准则任意组合,异常点自动红色,可以在报警后定制对话框内容。 3. 自动生成图形,图形可以...
可以实现以下特点:
1. 员工密码管理,指定能访问的线别
2. 8个判异准则任意组合,异常点自动红色,可以在报警后定制对话框内容。
3. 自动生成图形,图形可以放大查看细节。
4. 自动按周生成SPC报警率趋势图,Ppk趋势图。
5. 汇总生成SPC报警汇总表。
6. 生产线不需要额外投入软件/硬件成本,浏览器即可。

目前在产线使用良好 收起阅读 »

1分钟教你制作区域控制图

您在一家加工厂工作,关注质量的提高。您决定每日对每个班次(共五个班次)生产的 10 套汽缸(共计 50 个样本)的长度进行测量。由于区域控制图非常易于解释,因此...
您在一家加工厂工作,关注质量的提高。您决定每日对每个班次(共五个班次)生产的 10 套汽缸(共计 50 个样本)的长度进行测量。由于区域控制图非常易于解释,因此您决定用它来评估数据。您还决定在每个不受控制信号后重置累积的分值。
 
长度
数据1 数据2 数据3 数据4 数据5
601.472 599.672 599.672 600.672 598.672
601.072 599.172 600.472 599.772 598.972
600.172 601.272 601.372 600.072 599.972
599.972 600.372 598.472 597.715 598.172
599.972 597.972 598.872 599.972 600.072
599.972 597.972 598.872 599.972 600.072
599.072 599.872 599.272 599.372 601.572
601.172 601.272 601.672 600.572 600.072
601.172 601.072 601.172 600.072 600.16
599.972 601.172 600.76 601.572 601.372
 
操作:
1, 6SQ统计--控制图--子组的变量:区域

 
2,选择对应的数据列

QQ图片20161222104405.png

3,点击确定输出结果.

输出结果_SixSQStat_SPC_XChart.jpg

 
解释结果

子组 6 的累积分值等于 8,表示过程不受控制。您发现操作员在子组 6 后重置了机器,因为他认为该机器出现了脱位。但是,区域控制图检测到过程在子组 10 处也不受控制。在看到区域控制图上子组 7-10 中接下来的上升之后,您确定操作员可能对子组 6 处识别出的问题补偿过度。
 
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作Laney u'控制图

一家连锁医院的工作人员每周都记录药物错误使用的次数。错误示例包括服药时间错误、剂量错误和药物错误。 这家连锁医院接待大量的患者,平均每周 7500 人。数据显...
一家连锁医院的工作人员每周都记录药物错误使用的次数。错误示例包括服药时间错误、剂量错误和药物错误。

这家连锁医院接待大量的患者,平均每周 7500 人。数据显示出较大数量的过度离散。工作人员决定使用 Laney U' 控制图(而不使用传统 U 控制图)来监控药物错误使用次数.

错误    患者
71    5750
15    9010
84    7179
56    6830
18    7134
69    8478
12    8858
20    7412
39    7537
93    8957
62    8330
33    9810
3    8645
79    5716
12    9240
28    7243
91    8846
42    6215
31    4718
13    4993
68    9356
15    7654
147    4535
67    5659
52    5593
94    9550
82    7589
91    8520
7    9606
58    6808
61    8876
16    5355
操作:
1, 6SQ统计--控制图--属性控制图:Laney u'



2,选择对应的数据列

QQ图片20161221184307.png


3,点击确定输出结果.

输出结果_SixSQStat_SPC_pChart.jpg


解释结果

第 23 周的药物错误使用次数异常高。此数据点不受控制,应该加以调查研究。

查看在传统 U 控制图上标绘的相同数据,请参见下图,非常多的超控点。

普通u图结果_SixSQStat_SPC_pChart.jpg


Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

过来者眼中的质量经理人职业规划(下)

信息来源:文章转载自网络 在全球化的今天,假设不需要工作签证,假设你的英文很棒,棒得跟美国人一样。   全球化的真正含义是,人口是可以互相流动...

信息来源:文章转载自网络

在全球化的今天,假设不需要工作签证,假设你的英文很棒,棒得跟美国人一样。
 
全球化的真正含义是,人口是可以互相流动的,那么在座的这些人的质量回报是多少。大概一个证书是7万多美金年薪,五个或更多的证书是8万多9万年薪或者是更高。当然你的英文不行,你出不了国门,你那就完了,因为在中国工资永远是最低的,我们的人口最多嘛。但是我想倒过来讲就是,我们有些人确实是美国质量协会认可的,就是在全球范围内他的工资程度应该是这样一个水平。当然有人开玩笑说,我不满足这个,我还想赚得想要更多。那你可能要去经商了,打工是打不了那么多钱的。这是我讲的非常重要的一个生涯回报的概念。目前这个管理领域里所面临的客体跟压力,讲回我们自己,就是能力的层次是有阶梯的,你需要往上爬。再者,就是你要确定自己是通才还是专才,往哪条路上走,3年5年以后要干什么。


我讲一个故事给大家听。

我记得93、94年的时候,我从英国管理学院,曼切斯特管理学院学完管理学位我就想回亚洲,那时候我们中国的情况并不是特别好。 93、94年很早的时候,尤其是93年的时候。八九political风波,然后整个经济非常的疲塌。但是因为我是学管理的,所以就看的很远,说学管理的在国外要去管一个公司很难,不管它的政治问题、文化问题、历史的渊源,很难说一个中国人的经历管上几百个老外,更不用说在外国的企业是一个华人的总经理管上上千个老外,是几乎不可能的,所以我就想回亚洲。那么信息一出以后的话,当时很多跨国公司来找我。可口可乐公司在亚太区的总裁,香港太古洋行的事业部的总经理来找我在曼切斯特商学院来见我,他跟我谈了很多事,我当然非常犹豫,当然也想回亚洲。他最后一个问题,非常关键的一个问题问我是这样的。他说我们已经谈了很多的,That is not a problem.他说这都不是问题。我问了很多问题,包括什么香港房子很贵啊,因为他的总部在香港,他说香港房子很贵that is not a problem ,他说这不是问题。他认为呢能拿钱搞定的问题都不是问题,但他最后问我的是,I have one question,last question toask you。他说我最后一个问题要问你。就是我们可口可乐这个业务在中国发展得非常快,在香港台湾都非常快。We have so many opportunities,我们有很多机会,you can find a job in our group anyway ,他说你可以在我的公司里面找任何工作,you are always welcome。但是,这是他问我的,but, I‘d like to ask you ,what do you see of in ten years’ time ,他说你在十年之内能看自己,自己应该是一个什么角色,他问我你十年以后会变成什么模样。

很多人会问洪老师你当时怎么回答,他在问我career的问题,在问我生涯的问题。
 
我先卖个关子,不在这边告诉你。但是这个问题如果你回答好了,这个工作就是你的。我回答的,我现在想来,我回答得非常好。因为叫知己知彼,明白我心中是有准备的。他听到我的回答,他说,OK,that is no problem,that is not aproblem。I will see you inHongkong。他说他see me in Hongkong的意思,也就是说我的工作就是我的了。一个月以后,我带着全家连根从英国拔起,回到了香港,那个时候香港还没有回归,还是个殖民地。由此开始了我在亚洲的生涯。

我现在还感激他,非常感激他。他跟我第一次谈到了生涯的问题。很多人非常想知道你当时是怎样回答他。我可以告诉大家,当时我如果回答得不好,没有一个非常清晰的认识,可能他会想想看。
 
我们现在回过来讲,在中国这个人文环境里边,同样我问你,what do you see youself in ten years‘ time。也就是说,十年以后在座的怎么看我们的将来,是怎样的发展。有一天总经理把你找进去说,您在各方面都干得不错,我们公司有很多机会,十年后您看您想变成什么,你怎么来看自己。你准备好回答这个问题了吗?

回过来我讲一个非常现实的问题,就是在我们中国发展的人文环境里面,如果说做质量的,很多人会茫然。

因为质量工作在我们工作社会里边是一个非常吃力不讨好的事。在公司里边,只要质量不出问题那都是很自然的,没有人会想起你。只要产品质量什么东西,客户那边发生问题都是你的,你没把活干好,工资大概未必是最高的,活是最累的,正常的重要的决策是不会来找你的,人事、销售、财务是最受重视的,质量经理人的位置都不知道在哪里。真正问你10年以后能干什么,或者是问你创造多少的价值,你又苦于没有数据拿出来、说不出来的。你只能说老板我帮你搞定ISO9000的证书,他就会问你这个东西花了我多少钱,但是我问你你能帮企业赚了多少钱,你就瞠目结舌,你就说不出来。从这里讲的话,而且你看看我们这个社会,我们这个社会是不太讲究质量的,质量在我们环境里边是非常受到漠视的东西。因此从这个角度讲,我们可以发现我们老板对质量的追求是马马虎虎。我们打电话都有一个人文环境,“老兄,你最近怎么样?还混得不错吧?”“诶呀,OKOK啦,混得马马虎虎啦”做什么事都马马虎虎,不追求尽善尽美。那么在这样一个人文环境里面,我们这些质量经理人是怎么样去定位的。

我们学质量的人,大部分人莽打莽撞进来的人,有的是学工程数理、设备出生的,不是学文科出生的。
 
我的统计数据和学生告诉我,大部分的人都是学工程出身的。但是我们最弱的是在文化、人际关系沟通跟领导力方面,而这个是我们社会最强调的,我们社会最讲人际关系、沟通、领导力、文化这些东西,但我们又是最弱的。你怎么在一个强弱不对称的情况下寻找自己专业的突破,这也是给大家提出的挑战。

 我们的职业生涯在8到10年以后发展的瓶颈在会隐形的出现,在你35岁到45岁左右,会显现你的中年危机。为什么一般到35岁到40岁左右会显现你的中年危机?这个时候您在公司最高,你知道的东西你下属基本上都知道,他的工资只有你的一半,他比你年轻,比你更能干,速度和反应比你更快,而且拍老板的马屁拍得比你更好。所以一有风吹草动,要么老板就会把你干掉,要么不干掉的话,把你晾在边上让你没有自尊,让你逼着走人。但是为什么说中年危机是在35到45岁呢?房子没供完,车子没供完,上有老下有小,小孩还没有出来干活,所以你的财务压力最大,你这个时候最郁闷。

 
怎样去应对中年危机呢?

我有一个很有意思的法宝。你怎么用动态的角度来看看自己生涯的发展。讲一些正面的东西,其实我们国家给你一个非常大的舞台,你有社会发展能力、专业技能、方法技能、综合能力,你回过头来看看自己我有这些东西没有,这是事业公司对我的要求。我们的知识是否在不断地衰退,您在公司干活的十年之内,您在您的专业知识、技术知识、学术知识方面,尤其您看到这条绿线,一些数据表明专业知识方面它的半衰期还是非常快的,一般5到6年就是一个周期。

如果你在这5到6年之内没有学习,如果你在公司打工期间之内,不断重复做以前做的事情,比如你今年做的事情跟去年做的事情是一样的。那么公司要手起刀落要切要裁你的时候,你不要去怪公司,你只能怪自己,因为你对公司的价值越来越小。反过来思考,我们怎么能够让我们的知识能够应应时代的步伐不断往前走。那你看看质量管理这些年做了些什么,在这七八十年发展了什么。


吴总今天早上讲了一点非常重要的,叫小Q和大Q的概念。在座很多的质量经理人讲起产品质量规 格、技术标准,头头是道,很在行。讲起什么讲叫控制、预防、保证、持续改进,讲起什么叫可持续发展,他就开始有点远了。我们现在讲到质量的发展,如果你去看看2009年推出的ISO9000:9004,里面讲到了用质量发展的方法来管理公司的可持续性发展,就是业务的可持续发展,它里边没有我们通常讲到的产品质量这一方面,它讲到的概念非常大。现在我们从看样、检验、控制、改善、品控系统、保证系统、质量管理系统,讲到了经营管理系统,在座的多少人在这个领域里走得非常快,您对那些高端的东西掌握得非常地道。如果你掌握不了,当我们这个社会走到这个领域里去的时候,你的知识就落后了,所以有时我们要看看我们有没有追上去,而且要走在其他人的前面。延伸阅读:从30岁到35岁:为你的生命多积累一些厚度

 一个完整的质量管理的内涵式是非常丰富的,它不只是工具,也不只是流程,它包括系统、战略、领导力、团队、文化,它几乎是包罗万象。我们团队里面有多少人掌握了应知应会的能力,我们的流程里掌握了多少管理的方法,我们在工具里、在系统里又有多少可以拿出来跟大家分享,跟大家往前走的东西?如果有一天洪老师跟你讨论什么是战略性的指南观念,那你又知道多少?当你在整个质量管理内涵里面知道很少,三分之一、二分之一的时候,这就是我们的动力,也是我们的压力,你要去学习。

 小Q、大Q的概念在不断地演绎,这两年世界发展得非常快,尤其在中国产业升级换代的时候,有几个领域大家需要关注的,就是:第一个领域,质量要拉起来做。要从产品的质量走向组织卓越,所以要点的质量做到线的质量,要做到面的质量。在座的质量经理人要去经营好点线面的关系。另外一个就是我们从事制造行业的质量,很多人很熟,但是服务业的质量,你知不知道?服务业的质量怎么做,这个社会发展得非常快,我们中国的制造业产业大国都开始要转型,在转型的过程中,我们怎么去探索第二层第三层,这也是我们讲到的点线面拉起来做跟我们实现在职业生涯转型的一个方面,将来一个非常好的方向。

我讲一个总结性的东西,调查显示42.37%的被调查者表明,他们面临的最大困难是缺少发展空间。其实白领感觉到缺少发展空间,有的是单位造成的,但是相当一部分是个人自己造成的。

当你迈出学校的大门就必须开始一系列意识的转换,首先是从学校人到社会人的转换,然后是从知识人到能力人的转换,第三是从自然人到单位人或企业人的转换,机会空间与三种转换密切相关,如何获取机会,更来自于自己的心态,自己对自己的定义。

也就是说,职业的学习跟能力发展的要求。职业能力是一种实践与经验的结果,是相应在行为方面的永久变化,所以我们要不断给自己寻找机会,去发展与自己职业发展相关变化的东西。在企业打工,最麻烦的、最大的危机,是假设你自己想到过去的两到三年不断地重复你以前做的事情,没有在学习,你要有一个紧迫感,要去学习。最好的方法是ASQ。ASQ给我最大的感触就是“知识体很丰富,知识库方面也是非常完善的”。

回到刚才讲的,如果你去看任何大的公司,现在进进出出的全是帅哥美女,都是年轻人,30年以后还是年轻人。那我们这些人还怎么继续有价值?我的感悟就是,你自己的能力、你自己的知识,一定要超越你的同龄人,要把你自己的企业作为学习平台,不断去经营自己的生涯,以至有一天当企业不要你了,或者你离开企业了,你继续有这个生涯可以贡献给社会。

有人问我,世界上什么职业最好。我说行行出状元,没有一个职业是最好的,也没有一个职业是最差的。什么样的生涯才算最成功?什么样的生涯都可以成功。你问我衡量成功人   士的有三条,我的答案会是什么吗?第一,在这个行业里边,你是最擅长的是什么。因为只有擅长,有天赋,才能出色。第二点就是这个东西你是喜欢的。如果是喜欢的你就会开心,你不会忧郁。第三条是这个行,这个职业,还能够给你带来一定的财富。只要符合这三条,任何职业都是成功的职业。

最后一个问题问大家,就是你选择质量经理人这个生涯,不管你走“通才”还是“专才”的路,是根据这三条来衡量的吗?如果不是,你早点放弃,早点转行,你现在还有时间。如果有人选择质量经理只是因为这个工作离我比较近,这个工作钱还可以,其实我对这个东西就不感兴趣,又不擅长,又不开心,那你不会成功的,你会非常快地成为“4050”。这就是我们职业给我们的危机感。最好是兴趣、爱好、追求、职业定位,短期、中期、长期的学习,这一切ASQ给你安排得非常好。大家上它那个平台做一个借鉴,让它领着大家往前走,该拿证的拿证,该参加的参加,该学习的学习。就是一定要让自己的事业生涯引导之下超越我的同行,超越我的同事,永远记得不断地学习。

我给几条质量经理人的总结:

要从关注产品质量走向关注组织卓越,要拉起来做。做小质量只有企业价值,没有社会价值,换一个行业,企业倒闭了,你那些知识一钱不值。所以你要把产品质量拉到组织卓越,要从自身的企业价值转换成可持续实现的社会价值,要成为社会人,要从打工的心态转换成对终身生涯的追求,所以以能力提升为主线,在终身学习的路径,是你应对将来职业生涯发展所有风波中最好的武器。最后希望大家持续不断去学习!
  收起阅读 »

过来人眼中的质量经理人职业规划(上)

信息来源:文章转载自网络 我现在是一个自由职业人,游走于公司打工跟为企业社会服务之间,所以我今天在这里说,我没有任何工作,但是我非常忙。我服务企业...
信息来源:文章转载自网络
我现在是一个自由职业人,游走于公司打工跟为企业社会服务之间,所以我今天在这里说,我没有任何工作,但是我非常忙。我服务企业,我有很多非常高端的客户。也有可能过几天,我会在某家企业做高管。
 
质量管理这个专业在最近这么多年的发展对我们的职业生涯规划以及将来的发展有些什么样的启示?
 
首先我来讲一下质量经理人生涯漫谈。所谓生涯是一种知己知彼,百战不殆的追求过程。很多时候,生涯不是公司所给的,是自己去确定的。很多学者做过生涯的研究。比如说六十年代,甚至是三十年代,我们都会发现,很多人都对生涯进行过定义,不管他讲得对不对。什么叫生涯?生涯就是在一系列相关工作中按身份和荣誉的等级一个可以预测的方法迈进的一个路径。另外的话,你要用动态的观念来看自己生活和工作。并可以对自己的不同阶段行动,贡献和回报进行有意义的解释。
 
很多人会问我是如何进入质量行业的,其实我跟很多人一样都是莽打莽撞的,但是你回过来看看,一个人的生涯怎么去有意义的规划,其实是一个非常有意思的课题。ASQ对生涯有一个非常好的诠释。它是用英文写的。意思就是说“你要把你的生涯去发展的第一步,你就要意识到是你自己而不是你的公司,对你自己的生涯发展起决定性的作用!”,生涯是自己的事,不是公司的事。一个成功的生涯在质量方面必须要从一个非常清晰的视野、愿景的说明,你的教育跟培训,非常清楚自己职业生涯的发展阶段以及你专业的证书。
 
有几个要求能够促使一个生涯成功的,一是你要愿景。什么是愿景?想到三年五年以后的事情。另一个就是你要有必要的教育跟培训,还有一个非常清晰的计划,是通才还是专才。职业经理人现在面临非常大的困扰。第一个困扰就是工作带给你的是什么?工作最难突破的是什么?工作最难保障的是什么?一份工和一份职业是不一样的,它们的心态不一样。很多人虽然做到了质量经理,甚至是质量总监,但在他心里边只是一份工。隔壁有一个公司,稍好点待遇,他就跳了!有的是纵的跳,有的是横的跳。你问很多人打工,他把自己还作为一个打工者,但是我可以告诉你,打工者的心态跟生涯的心态是不一样的。以上三个问题,大家可以自己好好思考一下。
 
中国,历来是“人口大国”,但绝不是“人才大国”。现在大家都知道,大学生找一份工作非常不容易。我们国家每年以六百份的速度不断的制造出大量的大学生。那么,要从这里边脱颖而出,你必须是人才!那么人跟人才之间的区别在哪里?实际上企业管理对我们职业经理人是提出很多要求的。质量经理人对职业也提出了很多要求。这是在自己的要求跟企业的要求完全能够吻合的情况下,这些人才就会脱颖而出。有人会问:“普通人跟人才之间的区别在哪里?”,我会告诉你,大概在正常情况下,不管你是否有权势,还是富几代,社会环境没有,大多数都是属于那一类的,其本是都是很普通的老百姓。我们这些人受过一定专业教育的,怎么能够往前走,成为一个脱颖而出的人才。不是你的家庭背景,不是你的经济实力,是你自己的能力。自己的能力有很多能力,大家可以看到,比如说我们把能力拿下来,它就有很多不同的能力。能力应知应会应表现。你的知识层次,你的操作层次以及你的行为表现和心里素质,都是人才构成的一个部分。人很有意思的是,在不同年龄发展阶段,你的能力的水平,你的能力维度是不一样的。社会企业对你的要求,以及你自己对自己的期许是不一样的。那么这些能力的东西就由“不可能”变成“解决在生活中各个阶段问题的能力”。
我们可以把职业生涯作为轴线的人生舞台,把年龄放进去。
大概出生到14岁是一个发展自我的概念。15到24岁是对发展实践、能力、天分了解的阶段,包括你的大学,你在探索。从25到44岁是寻找合适的职业并投入这些活动,以便来建立自己的职业生涯。一般在这个阶段,我们中国人的话叫做“三十而立”。到三十几岁到四十岁,如还找不到自己的定位,那你就比较危险了。那么到45岁至64岁是努力来维持跟提升生涯的阶段。这个年龄它是要到64岁,我想它是非常有道理的。在65岁 以后,个人的能力跟责任减弱,准备退休的时候。那么现在在中国,在全世界面临人口老年化的问题。为什么这样讲?这是一个社会的要求,是一个社会的必然。尤其在我们国家,是一个倒三角的情况。社会恭喜的财富让年轻人来承担养老的金额。
 
现在在我们国家有一个重要的现象,跟我们各位都有关系的,这就是说我们社会的老年化现象及倒三角的现象就是老年人越来越多。尤其是我们国家的独生子女,年轻人的素养在下降。年轻人贡献的社会财富以及不足以支持我们这一代人养老的钱。社会唯一难做的事就是让老人继续工作,延迟退休。那么在这样的情况下,意味着各位的职业生涯不得不在政府的规定之下要继续延长,那我们职业生涯的轴线就拉得更长。
 
如果你去任何一个工厂,去任何上海的写字楼,进进出出的全是年青人,风华正茂。如果你三十年以后,再去大楼去看,仍然是年轻人。你会想,当时的年轻人到哪里去了?很多人都在大企业工作,非常自豪。但是你可以想象大学生毕业二十几岁进企业,公司大部分是年轻人。但是不可能所有的年轻人都会同一时间退休。也就是你很难想象三十年后,全部都是六十几岁的老人在工作,这是不可能的事情,那么我们这些人到哪里去了。所以这是一个非常重要的问题。
 
我们现在所要关注的是探索、建立、维持阶段。尤其是三十岁左右要给自己定位。如再定不下来,就非常难了。人生发展阶段实际是一个“九I”的模型,由下往上走。大致上是三个阶段,knowing、doing跟enjoying。第一阶段就是I wait;第二个阶段就是I know,我知道;第三个阶段就是I want,我想要;然后呢,第四个阶段是I learn,我去学习;学到了知识以后,再下一步第五阶段就是I transform,我把我学到的知识转换为可疑做的一些东西;再下一阶段就是I do,我去实现,我去做;再下一个阶段就是要有成就感,Iachieve,我成就了什么东西,大大小小的成就;再下面就是Ienjoy,就是你开始去欣赏你自己的人生;最后一个阶段就是I actualize,在精神层面你实现了你的追求,你很洒脱,很超脱。这个阶段的话,它非常形象地描述了人生阶段的职业生涯,或者是自己的人生是怎样往前走的。可能这个阶段的话,应了中国的一句话,叫做“三十而立,四十而不惑,五十而知天命”。
 
那么这个阶段对于我们大家有什么优势,有什么感悟的东西呢?就是感悟的东西是从能力的角度来分析的,就是一个人有能力他可以感悟到很多,他沿着正常的路线在那走,我们先看,就是质量经理人。质量经理人在这里边所讲到的,就是他所应该具有的东西让他正常地沿着刚才那个路径往前走,那么这里边一些正常的东西呢,是包括哪几个方面呢?比如说他有自我评估,他有正面的人生观、心理状况等级,他有很多的专业知识。我们把它简单的讲起来,能力的表申叫应知应会应表现,就是对它的一些说明。大致上讲我们在座的所有的年轻人沿着这个能力,沿着这个30岁、40岁、50岁的生涯继续往前走。
 
那当然如果你走得好的话,应该有两条路可以走下去。第一条路就是“通才”,一般你在工厂走或者是在企业在社会走管理这条路,那么这个“通才”的路呢,就是你自己的能力在哪些方面比较擅长的,就是比较宏观,比较重视这个人际关系,你有非常强的决断力跟视野,你的是横向。那么这些人容易做大,在权力中心里边他升得比较高,升得比较快。因为你的权力中心升得比较高升得比较快,所以当你坐在这个位置上去的时候,那你是精彩的一天,这叫一人之下万人之上。你欣赏你的财富,欣赏你的权力,欣赏你前呼后拥的这样一个状况。但是他面临巨大的压力,就是高处不胜寒。一般来讲“通才”的生涯比较短暂,它是夜空中的流星,一闪而过,你会发现很多做得很大的很高的官,下来以后就不知道到哪里去了。它燃烧了自己,在短暂的生涯里边他燃烧自己,燃烧的时候非常亮,非常耀眼,然后前呼后应,财富的积累也非常快。
 
那么另外有一种生涯就是我们讲到的“专才”。就是你有一技之长,你的技术技能这条路上走得比较快。那么这些人他具有非常好的特征。这些特征表现在他微观,知识跟技能他比较专注持久,那这些人往往具有的思维方式是纵向的。
 
“通才”跟“专才”,不是说哪一个好,说哪一个不好,我只是讲它的不同。专才由于他的专业知识,如果这个专业知识永远不断地与时俱进的话,那么专才这个路呢,它就是平淡,它不那么精彩,不那么耀眼,但它很持久。专才以后可以做顾问,可以写书立著,他可以去辅导企业,辅导其他的各方面。平淡就是福,就是它的特征。如果说“专才”跟“通才”一辈子的财富积累,或许在很多时候是一样的,也就是小溪流水,积少成多。等到他退休的时候,他的职业生涯非常长,那么他也可能积累到一定的财富。所以上帝造人是非常公平的。
 
但是你问我是“专才”好还是“通才”好,我会问你,你是适合“专才”还是适合“通才”。这个问题是很多人没有想过的,所以你在自己的生涯之前最好要问问你自己,你是适合什么样的人,适合什么样的角色。这是一个生涯之路。
 
二、生涯跟性格是有关系的。这是江山易改本性难移,生出来什么模样就什么样。在很多时候,当然后天因素是可以决定。但是,你的性格,尤其是你的思维,你的左半耳右半耳的构造会决定你往哪个职业生涯走得更快更好。很多人是理性的,很多人是感性的。当然哪些人容易成为通才,哪些人容易成为专才。所以很多时候在设计自己的职业生涯的时候,做一些性格测试时非常重要的。我担任过总经理,我应聘过很多人,我担任过企业的高管。我们在英正企业的时候问很多年轻人说 20年以后你要做什么,大概十个人都会说想做总经理,但大概能做到总经理的人不到十分之一。所以在这里边来讲,不是总经理就是那么的辉煌壮丽的。当然最好的人才是复合型人才,那么复合型人才是非常少的,非常少见,这是我们讲到的另外一个。
 
还有一个就是管理发展类职业的要求。质量人是那么的另类,以至于你很难断定质量经理人是“通才”还是“专才”。实际上质量人现在越来越看是复合型人才。以前我们讲质量经理人是“专才”,他只要懂 SPC就可以了,只要懂统计数据工具就可以了,只要拿一个什么SQE就可以了啦,现在不行。现在质量领域的发展已经对我们提出更高的要求,一方面是专才,一方面你必须是通才。所以这个领域潜力非常大,水非常深的。它对我们提出了技术的要求,也对我们提出了管理的要求,那么,压力就来了。如果你不好好去经营自己,这是讲到60岁的故事,你恐怕就没有可持续就业的能力。
 
大家知道在企业里面,现在企业老总最关心的就是我这个企业的可持续经营盈利。就是我3年以后,5年以后,10年以后还有没有得做,能不能越做越大,这是老总在关心的。那我们个人关心的是什么?就是3年以后,5年以后,我还可不可以持续就业。记得在上海有一段时间非常厉害的就是“4050”,别忘了,“4050”的这些下岗的个人,当时厂里的技术员,或者是现在“4050”闲着在家的那些人,当年都是中专大学本科的毕业生,风华正茂进入我们的国企。他跟我们现在在座的人一样,可是不管是什么原因不去追究。但是他们所经历的“4050”将来在我们的身上也会发生。
 
所以,个人这个角度讲,就是我怎么把我的可持续就业能力要关注好,这是我们从个人角度最关系的东西。如果我们想想质量经理人的职业生涯横过来发展怎么去发展,我想横过来走。那么,一般来讲的话呢,你首先要有一个事业的东西。有了一个事业的东西的话呢,也是就你将来想干什么,然后你横过来跳。你跳一个工,跳一个工,再跳一个工。那一般来讲的话,你这个工的话一般是叫两到三年,我们通常叫 natural move,横向的移动,一个工一个工地跳。那横过来甚至你可以从一个行业跳到另外一个行业。这样的话,你在进行什么样的一个跳动呢,你在进行一个通才的跳动。因为你经历很多的行业,经历很多的工作,甚至你未必是质量经理人。你说我将来就是要做总经理,那做总经理的话你什么都要知道,销售要去,物流业要去,财务也要去。不过横向的长期的跳动有一个非常不好的东西,就是虽然你什么都知道,但是,youlose the trust ,你丢掉了信任,你行里边不断地跳,等到你有一天不会有人要你做总经理的,他说你在一个工厂都呆不到两年你又在那换,你这个人没有长性,而且人家不知根不知底,虽然你什么行业都呆过,什么东西都知道,但是我总经理不找你,总经理都是内部提拔的,这就给大家一个启示。就是如果真的要做通才的话,这个通才最好在企业内实现,但是如果你在做潜力实现,你要去做横向的流动,这种流动在很多大企业就是让一个人长期地留在企业,我相信在很多大企业都有,他做横向的流动,这些人最容易成为将来的总经理,不主张叫外部的横向流动。有人来应征说以前那十年做了什么,比如说我前面干了五个工,平均两年换一个工,肯定不会找你做总经理,然后你就变成Jack of all trades and master of none,英文翻译是“三脚猫”,什么都懂,什么都不是,那你就完了,这个生涯就会中断,非常可怕的。做这个横向发展要非常小心。但是,如果你可以从“专才”向“通才”发展有一个纵向。怎么走呢?比如质量经理人以运作管理为例,在现在范围内做些跳动,比如生产、储运、物流、采购、工程、供应链,以后做到厂长。在企业的一个轮子里进行横向移动,那慢慢上去的话,也可以做总经理。有一天当了总经理了,当然需要很多人来支持你,有一个团队。还有一些人比他更专,就是你走上一条非常专业的道路,然后得话你一直是个黑带,黑带大师啊,一直往前走。以培训教育为例,你可以做咨询的专家,也可以做培训师,当然不是人人都可以做培训师跟咨询师的,你还要有一些背景,还要有一些天赋。我刚才讲过了,跨行业和事业的跳跃是不限的,这里面是更有风险。有人说我什么都不干了,我去创业,这个风险最大,但是一旦成功了,回报也最高。
 
我们现在回过来想,质量经理人纵向发展是有路子的,这是在美国SQ知识库里搬下来的,你看我们可以从scientific quality expert,一步步往上爬,你可以爬到最高的位子,比如说是scientific manager of organization excellence 就是任何的质量经理人,质量经理人,或者是组织卓越经理人。
 
那么吴总也讲过,在美国,尤其是在北美,我们把质量经理的这一块现在已经改为名词,或者是有一个改动的趋势,把它叫做组织卓越的经理,里边也有很多的意思。也是纵向往前走,纵向往前走并不代表着我们的知识不是在横向的拓展。我们再看一下,现在质量要求的知识体,我们如果是真正纵向的质量工程师往前走,跟质量经理人是不太一样的。大家可以去看一看美国质量经理人对质量经理人的知识体要求,叫做bodyof knowledge,就是BOK。那么这些知识体代表的是什么?代表的是能力提升的不同阶段,他所应知应会用具有的东西。这只是代表一个方面,但是这里边能力的内涵要更重要于他的证书。在质量管理的微观层次上,比如说,解决问题的能力,决策能的手段上面,一些微观的工具要非常非常的清楚。宏观层次上的质量管理,你不止要知道,知道只是一方面,能够熟练应用,能够辅导企业,能够运用到这个企业,能够达到效果是另外一回事情,这才能算是一个能力。
 
那么注册质量人员认证的路径,美国SQ呢也给你策划得非常好,那么你可以从质量改进员、检测员、技师、审核员、工程师一路上去,你从左边或者右边,CSSBB或者CQPA,你都可以一路往上走。但是,现在这个行里边基本上发展的趋势是质量领域越做越火,而不是越做越窄。尤其是现在质量领域关注点还是比较窄的,我们在座一些学员可能将来要小心,路是不是越走越窄。我们可以看到它的能力模型,你可以看到从CQI、CQIA到CQT、CQA、CQE, 它最高的境界是CQM或者是OE,这是organizations ofexcellence。你可以看到这些人在最高端的质量经理人做什么,尤其是在目标能力方面。它说这些人要掌握企业质量管理的核心要素与工具,懂得企业质量成本管理,理解企业质量战略的制定,并能有效利用各种质量管理的方法和原则,解决企业各个环节中所要求改进和优化的问题,从而实现企业效益目标的增长。这些人在我看来,就是企业的总参谋长,不是总司令,但是是总参谋长。从这个角度出发,我们就会理解我们做参谋长的这些,总参谋作战部长的那些人,需要什么样的能力的模型是非常重要的。
 
如果你做到了6个西格玛,做到了这个方面你更专业,但是更专业就是更窄。就是您对统计数据的工具,尤 其是工具方面是特别重要。那么如果你硬要把质量经理人分成的叫专才跟通才方面。我认为前面一级的就是质量经理人,就是 organization of excellence,就是组织卓越的质量经理人的这个档次是更宏观一点,就这些人更容易做到总经理。那如果是做黑带,那这些人就更懂得方法论,他可以做到质量总监,亚太区的或者是全球的质量总监。
 
当然,“专才”是可以跳到“通才”,但是“通才”是很难跳回到“专才”的。就像一个艺术家很难做科学家,但是科学家有的时候是可以玩艺术的。爱因斯坦是一个科学家,他的脑子非常棒。但是我从来很少听说哪个专业的艺术家他的科学、科技也是分非常棒的,这就是我们讲的意思。但是,如果我们在质量领域里硬要分,我的经验是,如果你要做通才,那你要往前面一条路上走;如果你要做专才,可能往这个方面走会好一点。这两个之间有时候是可以互相转换的。

​过来人眼中的质量经理人职业规划(下):http://www.6sq.net/article/99877 收起阅读 »

精益六西格玛咨询实施的关键成功因素折叠

实施精益六西格玛咨询的关键成功因素包括以下几点: 关注系统精益六西格玛的力量在于整个系统,精益六西格玛不是精益和六西格玛简单相加,而是要把精益和...
实施精益六西格玛咨询的关键成功因素包括以下几点:

关注系统精益六西格玛的力量在于整个系统,精益六西格玛不是精益和六西格玛简单相加,而是要把精益和六西格玛有机接合起来,处理整个系统的问题,对于系统中不同过程或同一过程的不同阶段的问题,精益和六西格玛相互补充,才能达到1+1>2的效果,例如当过程处于起始状态,问题较为简单,可以直接用精益生产的方法和工具解决,但随着过程的发展,当问题处于复杂状态时,就要用六西格玛的方法解决。

所以在实施中要关注于整个系统,用系统的思维方式、综合考虑、恰当选用精益六西格玛的方法或工具。现实一些企业实施精益六西格玛时之所以没有达到预期效果,就是因为他们虽然同时做了精益和六西格玛,但是没有把二者接合在一起,而是不同的部门分别使用不同的模式。

重视文化建设不论是精益生产还是六西格玛管理,文化对其成功都起到了重要的作用。同样,实施精益六西格玛也离不开文化建设。通过文化建设,使公司每一个员工形成一种做事的习惯,自觉地按精益六西格玛的方式去做事情。

精益六西格玛的文化是持续改进、追求完美、全员参与的文化。只有追求完美,持续地对过程进行改进,才能不断超越现状,取得更大的绩效;而现代的组织管理是一个非常复杂的系统,个人或一部分人的力量是有限的,只有靠全员参与,才能最大地发挥出集体的能力。

流程管理为中心精益生产和六西格玛管理都是以流程为中心的管理方式,因此精益六西格玛管理也必须以流程为中心,摆脱以组织功能为出发点的思考方式。只有以流程为中心才能真正发现在整个价值流中哪些是产生价值的,哪些是浪费,进行高效的管理。

领导的支持精益六西格玛需要处理整个系统的问题,同时要分析和解决的问题也更复杂,需要与不同的部门进行沟通,需要得到更多资源的支持,所以没有领导的支持是不可能成功的。领导的支持应该是实实在在的支持,而不是仅仅有口头上的承诺,所以这就要求领导也要参与到精益六西格玛管理变革中去,只有参与其中,才能发现问题,有力地推动精益六西格玛。

正确使用方法和工具在利用精益六西个玛方法对系统分析之后,针对具体某一点的问题,可能仅仅用到的精益生产或者六西格玛的方法或工具,也可能需要把两个管理模式中的方法和工具结合起来使用。例如对于简单问题,就应该用Kaizen的策略,用精益生产的方法和工具直接解决,如果还用六西格玛的方法和工具,必然降低过程的速度;而对于复杂的问题,如果不用六西格玛的方法和工具,就不能发现真正的原因,不能有效解决问题:还有一些复杂问题需要同时利用精益的和六西格玛的方法和工具来解决,才能达到其目的。因此,精益六西格玛管理要实现精益生产速度和六西格玛的过程稳健性,必须确定问题的种类,针对具体问题选用恰当的处理方法和工具。
 
转载自:张驰咨询 收起阅读 »

1分钟教您制作C控制图

假定您供职于一家亚麻制品厂。每 100 平方码的织物可以有一定数量的瑕疵,超过该数量,便会被拒收。为了保证质量,您需要在若干天时间内跟踪每 100 平方码织物的...
假定您供职于一家亚麻制品厂。每 100 平方码的织物可以有一定数量的瑕疵,超过该数量,便会被拒收。为了保证质量,您需要在若干天时间内跟踪每 100 平方码织物的瑕疵数,以便弄清楚生产过程是否按预期运行。
 
数据如下:
瑕疵
2
4
1
1
4
5
2
1
2
4
4
3
5
2
1
1
2
3
2
4
3
2
4
3
2
3
5
1
4
3
4
2
3
6
4
0
1
2
3
1
 
1, 6SQ统计--统计过程控制--C图

 
2, 选择数据范围。
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160923224402.png

3,确认,输出结果:
Sheet4_SixSQStat_SPCcChart.jpg


解释结果

因为点落在随机图案内,且位于 3s 控制限制的边界内,所以您推断过程按预期运行并且受控制。
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教您制作U控制图

作为玩具生产公司的生产经理,您需要监控每个电动玩具车单位的缺陷数。请检验 20 单位的玩具并创建一个 U 控制图来检验每单位玩具的缺陷数。您希望 U 控制图提供...
作为玩具生产公司的生产经理,您需要监控每个电动玩具车单位的缺陷数。请检验 20 单位的玩具并创建一个 U 控制图来检验每单位玩具的缺陷数。您希望 U 控制图提供直接控制限制,因此将子组大小固定为 102(每单位的平均玩具数目)。 
数据如下:
 
缺陷数
9
11
2
5
15
13
8
7
5
2
4
4
2
5
5
2
3
2
1
6
 
1, 6SQ统计--统计过程控制--U图

 
2, 选择数据范围, 子组尺寸是固定的,输入102
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160923183306.png

 
3,确认,输出结果:

Sheet4_SixSQStat_SPCuChart.jpg

解释结果

单位 5 和 6 在控制上限直线上面,这表示存在特殊原因影响了这些单位中的缺陷数。您应该分析是什么特殊原因影响了这些单位的受监控玩具车的缺陷数,使其超出控制。
 
excel案例数据
http://pan.baidu.com/s/1i5AXSRN收起阅读 »

1分钟教您制作NP控制图

您在一家玩具生产公司工作,您的职责是检验有缺陷车胎的数量。您每批检验 200 个样本,然后决定创建一个 NP 控制图来监控缺陷品的数量。   数据如下: 拒绝数...
您在一家玩具生产公司工作,您的职责是检验有缺陷车胎的数量。您每批检验 200 个样本,然后决定创建一个 NP 控制图来监控缺陷品的数量。
 
数据如下:
拒绝数 已检验
8 200
13 200
7 200
8 200
5 200
13 200
7 200
12 200
27 200
10 200
12 200
6 200
10 200
9 200
13 200
7 200
8 200
5 200
15 200
25 200
7 200
10 200
5 200
12 200
6 200
6 200
10 200
17 200
14 200
11 200
 
1, 6SQ统计--统计过程控制--NP图

 
2, 选择数据范围, 子组尺寸 输入 200
判异规则,我们只选择了规则1,超出控制限。
QQ图片20160923182051.png

3,确认,输出结果

输出结果_SixSQStat_SPCnpChart.jpg

 
解释结果

检验批次 9 和 20 超出控制上限,这表示可能有特殊原因影响了这两个批次的缺陷品数。您应该分析是什么特殊原因影响了检验批次 9 和 20 的车胎缺陷品数,使其超出控制。
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教您制作P控制图

假定您在一家生产电视机显像管的工厂工作。对于每个批次,您都会抽取一些显像管并进行视像检验。如果显像管内侧有刮痕,您就会拒收它。如果某个批次的拒收数太多,您会对该...
假定您在一家生产电视机显像管的工厂工作。对于每个批次,您都会抽取一些显像管并进行视像检验。如果显像管内侧有刮痕,您就会拒收它。如果某个批次的拒收数太多,您会对该批次进行 100% 的检验。P 控制图可以定义何时需要检验整个批次。
 
数据如下:
 
拒绝数 抽样
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
 
1, 6SQ统计--统计过程控制--P图
    
 
2, 选择数据范围, 样本尺寸是不固定的,选择上"抽样"列
判异规则,我们只选择了规则1,超出控制限。
QQ图片20160923175749.png

 
3, 确认,输出结果:
Sheet4_SixSQStat_SPCpChart.jpg

 
结论:
有一个点超出了控制限.
6SQ统计3.0企业版90天试用下载
 
Excel案例数据
http://pan.baidu.com/s/1i5AXSRN收起阅读 »

1分钟教您制作I-MR-R/S 控制图

"假设您想要确定为纸卷包一层薄膜这一过程是否受控制。您关心用于包卷纸的薄膜的厚度是否正确以及整个纸卷包得是否均匀。您从 15 个连续纸卷中抽取 3 个...
"假设您想要确定为纸卷包一层薄膜这一过程是否受控制。您关心用于包卷纸的薄膜的厚度是否正确以及整个纸卷包得是否均匀。您从 15 个连续纸卷中抽取 3 个样本,并测量外层薄膜的重量。 

由于您想了解整个纸卷包得是否均匀以及每个纸卷是否包裹正确,因此使用6SQ统计 创建 I-MR-R/S 控制图。
数据如下:
 
外层薄膜
269 306 279
274 275 302
268 291 308
280 277 306
288 288 298
278 288 313
306 284 308
303 292 307
306 292 307
283 303 297
279 300 299
285 279 293
274 278 297
265 278 282
269 276 286
 
1, 6SQ统计--统计过程控制--I-MR-R/S(组间/组内)                                
                                       
       
 
2, 选择数据范围, 一组数据只有3个,所以选择估计标准差方法 Rbar 
判异规则,我们只选择了规则1,超出控制限。
                                    
QQ图片20160916175746.png

 
3, 确认,输出结果:

Sheet6_SixSQStat_SPCIndiChart.jpg


Sheet6_SixSQStat_SPCMRChart.jpg


Sheet6_SixSQStat_SPCRChart.jpg


QQ图片20160916180052.png


QQ图片20160916180056.png

采用Rbar计算标准差

解释结果

单值控制图显示控制限制之外有五个点,表明此过程不受控制。 

Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​ 

                                  收起阅读 »

1分钟教您制作单值-移动极差控制图

作为石灰石采石场的渠道经理,您要监视每周向重要客户运送的 45 批石灰石的重量(磅)和变异。每一批的重量应近似为 930 磅。现在,您要使用单值和移动极差控制图...
作为石灰石采石场的渠道经理,您要监视每周向重要客户运送的 45 批石灰石的重量(磅)和变异。每一批的重量应近似为 930 磅。现在,您要使用单值和移动极差控制图来检查数据。
 
重量
905
930
865
895
905
885
890
930
915
910
920
915
925
860
905
925
925
905
915
930
890
940
860
875
985
970
940
975
1000
1035
1020
985
960
945
965
940
900
920
980
950
955
970
970
1035
1040
 
1, 6SQ统计--统计过程控制--单值-移动极差图

 
2, 选择数据范围, 选择包含水平直方图
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160916171952.png

 
3, 确认,输出结果:

QQ图片20160916172121.png


QQ图片20160916172125.png


QQ图片20160916172246.png

 
解释结果

单值控制图显示控制限制范围之外有 6 个点,控制限制范围之内有 22 个点,表示有非随机模式,从而说明存在特殊原因 。移动极差控制图显示有一个点高于控制上限。您应该仔细检查采石场的生产流程,以改进对石灰石运送重量的控制。 

Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​   收起阅读 »

1分钟教您制作Xbar-S 控制图

您正在对 9 位严格进行节食和日常锻炼的病人研究其血糖水平。要监视病人血糖水平的均值和标准差,请创建 X 和 S 控制图。您在 20 天中每天采集每位病人的血糖...
您正在对 9 位严格进行节食和日常锻炼的病人研究其血糖水平。要监视病人血糖水平的均值和标准差,请创建 X 和 S 控制图。您在 20 天中每天采集每位病人的血糖读数。 
 
数据如下:
血糖水平
85 87 150 100 100 90 70 72 75
70 85 143 100 121 92 66 70 69
75 80 140 92 130 83 70 68 67
75 83 149 95 130 80 68 85 75
73 78 140 90 124 86 69 70 75
77 110 165 110 150 110 115 80 75
75 98 172 110 145 110 95 52 80
96 110 168 110 145 110 80 80 75
89 95 170 110 145 120 89 72 79
75 95 220 100 149 100 110 80 85
80 90 165 103 135 95 77 76 85
80 88 155 103 120 85 79 78 82
75 85 150 103 135 90 75 85 78
75 88 150 95 130 90 70 76 89
82 95 145 100 133 90 77 89 79
80 90 165 103 135 95 77 86 80
85 100 160 120 140 100 90 79 92
70 100 165 120 140 100 120 86 71
95 100 155 120 139 100 89 86 78
78 110 158 122 145 108 95 95 78
 
1, 6SQ统计--统计过程控制--均值和标准偏差图

 

QQ图片20160916164034.png

2, 选择数据范围, 选择包含水平直方图,和显示2sigma线
判异规则,我们只选择了规则1,超出控制限。

QQ图片20160916164034.png

3, 确认,输出结果:

QQ图片20160916164502.png

 
QQ图片20160916164507.png


QQ图片20160916164713.png

 
解释结果

10 天中的血糖水平均值和标准差落于控制限制范围内。9 位节食并进行日常锻炼的病人的血糖水平及其变异性均受控制。 
 
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教您制作Xbar-R 控制图

您在汽车发动机组装厂工作。部件之一的凸轮轴的长度必须为 600 毫米 +2 毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题,它引起装配时配合不良,...
您在汽车发动机组装厂工作。部件之一的凸轮轴的长度必须为 600 毫米 +2 毫米以满足工程规格。凸轮轴长度不符合规格是一个长期以来的问题,它引起装配时配合不良,导致废品率和返工率都居高不下。您的主管要绘制 X 和 R 控制图以监控此特征,于是您在一个月中从工厂使用的所有凸轮轴收集共 100 个观测值(20 个样本,每个样本中 5 个凸轮轴),并从每个供应商处收集 100 个观测值。首先您将看到供应商2 生产的凸轮轴。       
 
数据如下:
 
供应商 2
601.6 600.4 598.4 600 596.8
602.8 600.8 603.6 604.2 602.4
598.4 599.6 603.4 600.6 598.4
598.2 602 599.4 599.4 600.8
600.8 598.6 600 600.4 600.8
600.8 597.2 600.4 599.8 596.4
600.4 598.2 598.6 599.6 599
598.2 599.4 599.4 600.2 599
599.4 598 597.6 598 597.6
601.2 599 600.4 600.6 599
602.2 599.8 599.8 601 601.6
601.6 600.2 601.8 601.2 597.6
599.8 602.8 600 599.6 602.2
603.8 603.6 601.8 602 603.6
600.8 600.2 600.4 600.2 602.2
598 598.4 600.8 602.8 597.6
601.6 603.4 597 599.8 597.8
602.4 602.2 600.6 596.2 602.4
601.4 599.2 601.6 600.4 598
601.2 604.2 600.2 600 596.8
 
1, 6SQ统计--统计过程控制--均值和极差图
   
QQ图片20160913234130.png

 
2, 选择数据范围, 填入产品规格598 602 , 选择包含水平直方图,和显示规格线
判异规则,我们只选择了规则1,超出控制限。
QQ图片20160913235012.png


3, 确认,输出结果:

QQ图片20160913234732.png

均值图,有两个点超出控制图。 红色虚线是规格线,也有点超出规格外。
从直方图分布来看,也有点超出了规格线,说明过程能力不足。
QQ图片20160913234819.png

极差图。
QQ图片20160913234555.png

6SQ统计可以同时算出cpk,ppk, ppk只有0.314,明显能力不足。 

解释结果

X 控制图上的中心线在 600.23 处,表明您的过程落于规格限制范围内,但是有两点在控制限制以外,表明该过程不稳定。R 控制图上的中心线在 3.72 处,也远远超出了允许的最大变异 +2 毫米。因此您的过程中可能存在非常大的变异。
        
Excel数据和案例下载
http://pan.baidu.com/s/1i5AXSRN
                                         
6SQ统计3.0企业版90天试用下载​ http://pan.baidu.com/s/1i5AXSRN  收起阅读 »

分享六西格玛培训中控制阶段的的主要任务、流程步骤

一、 六西格玛 控制阶段的的主要任务是: 1、制定和向流程拥有者移交流程改...
一、六西格玛控制阶段的的主要任务是:

1、制定和向流程拥有者移交流程改善的控制计划,使其有能力和方法持续控制和检查流程改善,具体包括:
•确认未完结的项目内容、责任人和完成时间;
•明确改善后的具体流程控制方法、责任人和异常出现时的措施;
•1年内定期确认改善效果并提供监督/报告流程的改善保持状况。
 
2、项目团队成员继续收集所关注关键参数Y, Xs的数据,运用SPC等工具监控项目所做改善的保持状况。
 
3、通过各种手段、工具确认控制计划并完成实时控制,保证改善的项目结果一直得到保持。
 
4、运用控制图和防错设计来监测和控制流程变异:
.控制图的预警机制可用于保持流程改善的稳定性,在SPC控制图给出异常信号时,就要采取措施来修正流程参数。
.在条件许可的情况下,应尽量采用防错设计保证流程不会产生变异。
 
5、发现、找出该项目中可供学习借鉴的地方,推广到企业内部其他类似的问题上,使改善效果不断扩大。
 
6、将跟踪完毕后的项目报告纳入企业的六西格玛管理数据库,供企业其他的项目团队参考。
 
二、控制阶段的流程步骤

控制的主要工作流程是跟踪评价改进效果并进行验证,同时制定且必须文档化控制措施。
 
在项目的实施过程中,将改进措施落实到流程中,在此过程中,首先要收集Y的数据,确认改善后的效果,然后还应评价改善后的流程能力;将改进措施纳入设计图纸、工艺文件或技术规范中,使其文档化、标准化和制度化;将改进结果应用到类似项目中。这一阶段的工作包括:
 
1、重新进行测量系统分析
特别对关键输入因素X应用测量系统分析技术,确定它的测量系统的波动情况是否满足产品系统的测试需求,或再相应调整X的取值范围,另外还需进行y的测量系统分析,因为改进后,流程的波动变小,流程趋于稳定,原有的测量系统已不能区分流程波动,所以需要重新进行Y的测量系统分析。
 
2、重新评价所关注流程的流程能力
必要时建立控制图,对流程特性应用SPC技术进行实时控制,识别流程性能中出现的特殊原因波动,实施减小波动的措施,重新计算流程能力并保持改进成果。
 
3、制定和严格执行流程控制计划
将流程改善或流程改进的更改进行文档化,制定严格的流程控制计划,并纳入企业质量管理体系中。
 
每一个六西格玛管理项目的成果首先要制度化、文档化,以确保项目成果得到不断延续、没有弱化。然后需要定期监控、测量,确保改进效果,这样需要持续一年。为了保证六西格玛管理的可信度和权威,所以,企业需要建立有关改善类项目实施情况的评价与检查制度,定期评审改进项目的进展情况,提出下一阶段的工作重点和方向。
 
文章摘自:张驰咨询
  收起阅读 »

为什么 30 个样本就称为「大样本」,而不是 40 或 50?

SPC
[b]样本数的决定取决于需要预测的精度。预测精度简单理解就是能够容忍的差是多少,可以表现为标准偏差的差,也可以表现为百分比的差。也就是 ▏μ-M ▏允许差多少。...
样本数的决定取决于需要预测的精度。预测精度简单理解就是能够容忍的差是多少,可以表现为标准偏差的差,也可以表现为百分比的差。也就是 ▏μ-M ▏允许差多少。μ为总体的均值,M为抽样得到的均值。差越小,抽样数就越需要多。如果允许10%的预测误差的话, 就是 ▏μ-M ▏/μ<10%,这通常被认为是一种稳定的状态。那么也就是最大误差不能超过0.1倍总体的偏差。总偏差的宽度是6个标准偏差,那么允许的误差就应该是五分之三标准偏差。按照这样的精度要求计算,样本数是30。所以,30个样本数就是这样产生的。在计算技术不发达的初期,为了能够让普通人都能运用统计手法,统计学家制定了这样的一个方案

11.jpg

关于如何计算样本数,有以下公式计算得到,α=0.05、β=0.1。有兴趣的可以计算一下。
22.jpg


在实际当中需要多少样本数才能反映总体呢?比如:抛硬币,有人曾问过这样的问题,就是抛了10次都是正面,那么第11次是正面的概率是多少。。。抛硬币时候确实会有连续是某一面的情况存在,但这并不是它本质的概率。如果获得准确的本质概率需要抛多少次才能反映呢?抛11次,得到某一面出现为50%的结论的概率只有70%。如果要达到99%准确的话,则需要试验9604次试验。因此样本需要多少,完全取决于需要达到多少预测的精度。

33.jpg

上表就是样本数量的一个计算表,E代表的是我们可以忍受的误差。抛硬币试验,历史上有好多人都做过试验,结果证实了以上的计算结果。

33.jpg



著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
在网上找到了一篇文章贴上,供参考
:如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便,然后将样本量根据一定方法分配到各个子域中去.所以,区域二相抽样不能计算样本量的说法是不科学的.  1.简单随机抽样确定样本量主要有两种类型:   (1)对于平均数类型的变量  对于已知数据为绝对数,我们一般根据下列步骤来计算所需要的样本量.已知期望调查结果的精度(E), 期望调查结果的置信度(L),以及总体的标准差估计值σ的具体数据,总体单位数N. 计算公式为:n=σ2/(e2/Z2+σ2/N) 特殊情况下,如果是很大总体,计算公式变为:n= Z2σ2/e2 例如希望平均收入的误差在正负人民币30元之间,调查结果在95%的置信范围以内,其95%的置信度要求Z的统计量为1.96.根据估计总体的标准差为150元,总体单位数为1000. 样本量:n=150*150/(30*30/(1.96*1.96))+150*150/1000)=88 (2)于百分比类型的变量 对于已知数据为百分比,一般根据下列步骤计算样本量.已知调查结果的精度值百分比(E),以及置信度(L),比例估计(P)的精度,即样本变异程度,总体数为N. 则计算公式为:n=P(1-P)/(e2/Z2+ P(1-P)/N) 同样,特殊情况下如果不考虑总体,公式为:n= Z2P(1-P)/e2   一般情况下,我们不知道P的取值,取其样本变异程度最大时的值为0.5. 例如:希望平均收入的误差在正负0.05之间,调查结果在95%的置信范围以内,其95%的置信度要求Z的统计量为1.96,估计P为0.5,总体单位数为1000.样本量为:n=0.5*0.5/(0.05*0.05/(1.96*1.96)+0.5*0.5/1000)=278 2.样本量分配方法   以上分析我们获得了采用简单随机抽样公式计算得到的样本量,总的样本量需要在此基础上乘以设计效应的值得到.由于样本总量已经确定,我们采用总样本量固定方法分配样本,这种方法包括按照比例分配和不按照比例分配两类.实际工作中首先计算取得区县总的样本量,然后逐级将其分配到各阶分层中,如果不清楚各阶分层的规模和方差等,一般采取比例分配或者比例平方根分配法.如果有一定辅助变量可以使用,可以采用按照规模分配法分配样本量.   3.样本量和总体大小的关系:   在其它条件一定的情况下,即误差、置信度、抽样比率一定,样本量随总体的大小而变化.但是,总体越大,其变化越不明显;总体较小时,变化明显.    二者之间的变化并非是线性关系.所以,样本量并不是越大越好,应该综合考虑,实际工作中只要达到要求就可以了.结论:样本大小与我们期望的预测精度以及总体大小有关,预测精度越高,样本量就越大。。。直至百分百的调查。为保证95%的置信度,我们通常认为至少30组数据为抽样调查的样本数。如果一组是5个数据的话,那么一般就按照125执行。总体数小于3000的情况下,我们基本上就可以按照125样本数实施。

  收起阅读 »

SPC控制图的选择[全景完整版下]——多因素控制图质量控制

上一篇中我们讲到了SPC中单因素控制图的选择,那么,当需要监控的变量不止一个(甚至相关)怎么办呢? 一种方法是对每个变量分别使用单因素控制图,但这种方式有时候...
上一篇中我们讲到了SPC中单因素控制图的选择,那么,当需要监控的变量不止一个(甚至相关)怎么办呢?

一种方法是对每个变量分别使用单因素控制图,但这种方式有时候是有效的,但也有时候会无效甚至出现有误导性的结论,这时候,我们就需要使用多因素控制方法了,它们能将不同参数结合起来考虑。

在多因素控制图中,“Hotelling T^2 ”控制图与Xbar控制图类似,另外EWMA控制图也有适用于多因素质量监控的版本。多因素控制图在变量个数不太多(比如10个以内)的时候效果比较明显,而当变量个数增多时,传统的多因素控制图却不是很有效,这时候我们通常需要对变量个数进行降维处理,进行降维的有效方法之一是使用主成分分析法。

比如在很多时候,一种轴承的外径和内径就是两个彼此相关的变量。这时,我们或许可以用单因素控制图对轴承的外径和内径分别进行监控,但这有时却具有一定的误导性。在如下的图形中,X1和X2在被用单因素控制图单独进行监控时并没有发现异常,这时X1和X2都应在其控制限内,等同于点(X1,X2)落在如下图中的阴影区域,但是看起来有一个点与其他点似乎有所不同。这时,如果我们需要提升质量监控的效率,就需要考虑多因素控制图了,其必要性从下面两幅图中可见一斑。

JointControl1.png


JointControl2.png

 
由于在当今的生产实践中,自动测量同一产品的多个变量变得相对容易,比如在一些化工厂和半导体公司,保留产品的数百个变量的测量数据是一种很常见的情况。在这种背景下,多因素控制图也开始越来越被更多地重视起来。
 
  收起阅读 »

SPC控制图的选择[全景完整版上]——单因素控制图质量控制

统计过程控制(SPC: Statistical Process Control)是实际质量管理实践中用来进行在线或离线、实时或非实时过程监控、能力分析的常用方法...
统计过程控制(SPC: Statistical Process Control)是实际质量管理实践中用来进行在线或离线、实时或非实时过程监控、能力分析的常用方法。常用的控制图根据其分析对象的多少可以分为单因素控制图(Univariate Control Chart)和多因素控制图(Multivariate Control Chart)。
 在统计过程控制(SPC)中,单因素控制图(Univariate Control Chart)用来检验过程单个质量参数是否受控的情况,常用的单因素控制图包括:
  • 经典休哈特控制图之Xbar-R/S图
  • 经典休哈特控制图之I-MR图
  • 经典休哈特控制图之C图
  • 经典休哈特控制图之U图
  • 经典休哈特控制图之P图
  • 经典休哈特控制图之NP图
  • CUSUM控制图
  • EWMA控制图

其中,休哈特控制图中,前两种主要用于监控连续型测量数据,而后四种主要用来监控属性测量(离散型)数据。
 
这些控制图在使用时,我们通常只针对一个过程输出变量。通常而言,对于上述控制图的选择,我们可以遵循如下大致的路径:

spc_chart_selection.png

 
上述选择路径图在很多国内的质量管理书籍中都能见到。不过事实上,我们在使用这些控制图方法时,通常假定过程数据是不存在自相关性的。如果考虑过程数据的自相关性,单因素控制图的完整选择路径应如下:

chart_selection.png

 
接下来,我们再来用图形总结一下多种单因素过程控制方法适用的情形。

UnivariateChart.png

从上图左轴可以看出,随着样本抽样间隔的增加,休哈特控制图将越来越变得适用,因为样本较大的抽样间隔通常会使自相关效应失效;而随着样本抽样间隔的减小,自相关效应将变得更加重要,此时我们很可能需要使用ARIMA或EWMA方法。而从右轴可以看出,过程调整的成本增加会促使我们使用休哈特控制图来监测过程;而在另一方面,如果过程调整成本较低,将使得我们可以使用一些工程过程控制系统。在纵轴上,当随机因素或噪声在均值的移动中处于主导地位时,休哈特控制图会变得更加适合;而如果均值的移动更多地与随机噪声有关,我们又会使用ARIMA或EWMA类型的方法,或者工程控制器。
 
  收起阅读 »

[荐]质量控制与质量改进中的统计方法

而今,统计分析方法已经被广泛应用于质量控制与质量改进中,成为质量持续改进和六西格玛的重要方法论之一,常用的方法论包括统计过程控制(SPC: Statistica...
而今,统计分析方法已经被广泛应用于质量控制与质量改进中,成为质量持续改进和六西格玛的重要方法论之一,常用的方法论包括统计过程控制(SPC: Statistical Process Control)、实验设计(DOE: Design Of Experiments)和可接受抽样(Acceptance Sampling)以及其他对分析质量问题和改进过程有帮助的方法。

过程模型
很多用于质量控制与质量改进的统计方法可以用下图来说明。在这里,生产或服务过程(Process)被看成一个具有一系列输入(Inputs)和输出(Outputs)的系统,而输入有分为可控输入(Controllable Inputs)和不可控输入(Uncontrollable Inputs)两种。对生产过程而言,可控输入因素(x)包括(比如)温度、压力、进给率等,而不可控输入(z)包括(比如)环境变量、外部供应商所供应的原材料的某个质量指标的变化等,生产过程将原材料、零部件或组件转变成具有某些质量指标(y,过程和产品质量的测量结果)的最终产品。

图:过程的输入和输出
InputsAndOutputs.png


上述模型同样适用于非生产过程和服务过程。例如,在处理汽车贷款申请的金融机构,过程的输入包括贷款申请,其中包含了客户的基本信息及其信用历史记录、汽车种类和价格、申请贷款的金额等,可控因素包括贷款申请的处理人员所接受的培训的种类,该金融机构对该种贷款申请的政策以及一段时间内处理该种贷款申请的人员数量等,不可控因素包括市场利率、能用于发放该种贷款的资金量以及一段时间内需要处理的该种贷款申请的数量等。过程的输出质量因素包括该笔贷款的处理结果(是否被批准),申请者实际接收的已被批准的贷款数量以及周期时间(客户需要等待期贷款申请批复结果的时间)——在服务过程中,周期时间通常都是非常重要的CTQ(Critical To Quality)。

统计过程控制(SPC)与控制图(Control Charts)
控制图是统计过程控制的基本方法。下图是一个典型的控制图的例子,控制图将从生产过程中抽取的样品的某个质量特性的均值,按时间(或样本编号)顺序在图上打点。控制图上包含中心线(CL)、上控制限(UCL)和下控制线(LCL),其中中心线表示当过程中没有特殊的波动源时该质量特性应该在的位置。上下控制限的计算包括了简单的统计学考虑。控制图的典型应用是适用于上述系统的输出变量,但有时将其适用于输入变量也是非常有用的。

图:一个典型的SPC控制图
ControlCharts.png


控制图是一项非常有用的过程控制技术,当特殊的波动源出现时,样本均值点会落到控制限以外,这是一个非常重要的信号,表示我们需要对过程进行调查并采取纠正措施以消除这些特别波动源。系统地使用控制图是降低过程波动的一项完美的措施。另外,相对于离线、事后的SPC分析而言,在线、实时的SPC过程监测能帮助尽早发现质量风险,形成对质量风险的快速相应机制,对企业的帮助更大。

实验设计(DOE)与分析
一个设计好的实验对于发现那些对过程中我们感兴趣的质量特性产生影响的关键变量是及其有帮助的,它能够系统地改变过程中的可控输入变量,并确定这些输入变量对过程输出变量的产生的影响的效果。对于降低质量特性的波动、确定可控变量在何种水平下可以最优化过程是极其有用的,它通常能帮助我们带来流程效能和产品质量的突破。一种主要的实验设计方法是因子实验(Factorial Design)。在因子实验中,各种因素一同变动,这些变动中的所有组合都被一一检验。经验和实际应用表明,这些组合中的一部分能够比另一部分带来更加好的结果。

实验设计方法是一种主要的离线(Off-Line)质量控制工具,因为它们常常被应用在研发实践中和生产过程的早期,而不是作为一种在线(On-line)或在程(In-Process)的常规工具。它在降低过程的波动方面扮演者重要的角色。

一旦我们找到了对过程输出产生影响的重要变量,通常就有必要对有影响力的输入变量和输出变量之间的关系进行建模。这时,有用的统计分析方法包括回归分析和时间序列分析等。而一旦我们找到了重要的输入变量并对它们如何影响输出变量进行了量化,在线的统计过程控制技术就能够用来十分有效地对过程进行监测,它能够帮助实时监测过程的输出,并侦测何时需要调整输入变量来使过程输出保持在受控的状态,而前述的输入变量与输出变量之间的关系的模型能帮助我们确定需要调整何种输入变量以及需要调整多大的幅度。

在很多过程中,一旦输入变量和输出变量之间的关系的动态特性能够得以理解和确定,就可以定期调整过程以使将来的过程输出大体上符合目标值。这种定期的调整通常称为工程控制(Engineering Control),自动控制(Automatic control)或反馈控制(Feedback control)。而统计过程控制(SPC)技术通常能够有效地整合到进行工程控制的制造系统中去。

可接受抽样(Acceptance sampling)
可接受抽样(Acceptance Sampling)技术与产品的检验和测试尽力联系在一起,它是一种早期的质量控制方法,在统计方法应用在质量控制领域之前很久就已经产生了。检验能够在过程中的很多点实施。可接受抽样被定义为从大批量中随机抽取的样本的检验(Inspection)和分类(Classification)结果以及根据这一结果对该批量进行的处置措施,它通常发生在两个地方:来料检验和最终产品。常见的几种可接受抽样的情形如下图所示。

图,可接受抽样的几种情形
CasesOfAcceptanceSampling.png


被抽样的批次要么会被拒绝,要么会被接受。而对被拒绝的批次中的产品的典型处置方法包括报废、回收、返工或用良品替换,这种情形称为矫正检验(Rectifying Inspection)

现代质量保证系统通常较少强调可接受抽样,而是将统计过程控制和实验设计作为关注的重点。可接受抽样倾向于强化“满足规格要求”的视角而且不能给生产过程、工程设计和开发等这些质量改进的必要措施提供反馈意见。

质量管理统计方法在组织中应用的进化过程
下图描述了上述统计方法在组织中应用的进化过程:当企业的成熟度处于很低水平的时候,管理层可能完全意识不到质量管理的问题,在组织中很可能没有经过有效组织的质量改进举措,这时可能有一定的可接受抽样方法的应用,且应用领域通常是在来料检验中。当组织成熟度增长时,第一个活动是开始更多地使用可接受抽样的方法,而且这种方法的使用会逐渐增多,直至组织开始认识这样产品的质量并不能很好地得到检验和测试。

从这个时间开始,组织通常开始关注过程改进。统计过程控制和实验设计具有对生产活动、产品设计活动以及过程开发产生重要影响的潜在能力。系统性地导入这些方法通常是实质性质量改进、成本降低和产能提高的开始。当组织成熟度达到比较高的水平时,统计过程控制和实验设计就成为了企业非常常用的方法,而可接受抽样反而被相对较少地使用。

图:使用质量工程方法的各阶段图
PhaseOfQualityEngineering.png


质量工程(Quality Engineering)的目标是系统性地降低产品质量特性的波动。下图展示了这一过程是如何发生的。在早期,在可接受抽样还作为主要的方法被使用的阶段,过程“超差”和不满足规格要去的产品占了过程输出的较大比例。这时,统计过程控制方法的导入将是过程变得稳定并减少波动,使得过程满足要求。更进一步,过程波动的进一步减小会带来更好的产品效能、增强竞争优势。这时,在任何一个行业,我们都可以结合应用统计实验设计方法和统计过程控制方法来将过程的波动最小化。

图:质量工程方法的应用以及系统地降低过程的波动
ReduceVariability.png


注:本文由数据采集、统计过程控制SPC系统、分析自动化专家QuAInS 根据Douglas C. Montgomery相关专著翻译整理,转载请注明出处 收起阅读 »

摘选统计过程控制相关内容分享

基于近期发现大家对一张控制图的分析,故重拾简单整理统计过程控制相关基础概念内容,供大家参考。(摘自《六西格玛管理》红皮书)有兴趣的同学可以参考第五章和第八章。 ...
基于近期发现大家对一张控制图的分析,故重拾简单整理统计过程控制相关基础概念内容,供大家参考。(摘自《六西格玛管理》红皮书)有兴趣的同学可以参考第五章和第八章。

※任何一个过程都受两个因素的影响,一类是人类无法控制、难以控制的随机因素(偶然因素),无法根本上消除,且波动范围小工程上可以接收;另一类是特殊因素。

※1924年5月16日,休哈特提出世界上第一张控制图—P控制图
1、    过程中有许多导致波动的因素存在。
2、    每种因素的发生是随机且无法预测的,但却影响着过程输出
3、    质量特性有波动是正常现象,无波动是虚假或测量仪器分辨率太低
4、    彻底消灭波动是不可能的,减少波动是可能的

※影响质量特性波动的因素可能来自5M1E,从类别分偶然因素和特殊因素

※控制图的控制线(是通过过程数据计算出来的)是区分偶然波动和异常波动的科学界限,只有偶然因素没有异常因素的状态,称为称为统计过程状态,简称稳态。

※GB/T4091-2001《常规控制图》明确给出了判断异常的八种模式。结合虚发警报和漏发警报两个层面考虑。

※过程处于统计控制的条件:子点在中心线周围随机散布、子点在控制限内、无链趋势和其他模式、过程稳定可预测。
过程未处于统计控制状态:出现异常原因、点超出控制限、出现链 趋势 和循环等。

※控制图分为分析用控制图和控制用控制图,一个过程开始实施控制图时,几乎都不会恰巧处于统计控制状态,存在异常波动。故需要先将失控状态调整到统计控制状态。

故以下为简述过程统计控制的流程
确定质量特性进行数据采集,用控制图(分析)确定过程是否处于统计过程状态
1)    受控,可延长控制限作控制图控制用,并可进行评价过程能力(强调过程受控评价过程能力才是有意义的)
2)    不受控,查找特殊原因并剔除。
  收起阅读 »

快速的问题分析解决之道

掐指一算,从事质量和相关工作15年了,看了一下论坛里面的评论,多多少少和现在的质量状态步调一致,我在这个论坛里面潜水也很久了,觉得现在是个时候出来透透气了。 ...
掐指一算,从事质量和相关工作15年了,看了一下论坛里面的评论,多多少少和现在的质量状态步调一致,我在这个论坛里面潜水也很久了,觉得现在是个时候出来透透气了。

之前的状态很不好,符合2015年薪资调查里面的平均水平,记得以前有句话,要抬头,先埋头。苦过了之后,才知道甜的味道。

我是学机械出身,刚毕业的愿望是做一个设计师。因为种种原因,刚开始的4年从事的不是设计职位,而是和供应商打交道的职位。遇见过一个50多岁的糟老头,国企设计出身,如果不是顺着他的意思来说,绝对无法共事。非常感谢他,让我放弃了从事设计工作的念想。

机械出身背景,让我对问题处理有一些独到的敏感。

在质量系统的工具学习,我比较推崇结合使用如下工具组合来分析和解决问题:8D的逻辑步骤,加上KT的快速分析(是非矩阵),5WHY的根本原因分析,6Sigma的假设检验和能力分析,相关性分析。

其中重中之重是KT的是非矩阵,因为8D的问题定义和原因可能会告诉你超出规格的可能就是原因,可是大部分情况下是,我们不知道是什么时候它不在规格内的,因为没有记录。如果从第一天开始,它就不再规格内呢?只有出现变化的时候,它开始不在规格内了,它才是有可能的原因。

如果方向不对,跑得越快,错得就越远。

方向正确,跑得慢也是快。

采用正确的问题解决工具,加上对产品和过程的认知,解决问题会比较容易。不过这点对于擅长逻辑的高层来说,这是有异议的,之前我和总部的质量总监和公司的总经理有过不同的理解:什么样的人是我们需要的质量工程师?100%的质量?100%的技术?还是50%的质量加50%的技术?我的理解是第三,他们的理解是第一。因为我是第三出来的,在实战当中需要有自己的见解而不是被低水平的相关人员误导。100%的质量需要有强大的团队支持,而通常的环境当中这个是非常缺乏的。从草根到中层,我的经验认为我们打铁还要自身硬。

到了部门负责人之后,我的观念发生了变化,我开始倾向100%的质量,因为我已经可以给我的团队争取外部技术支持了,他们在有外部团队支持之后,他们就可以专注做质量,通过质量方法让外部团队做一些技术分析类,而质量团队是驾驭这些质量问题的主导者。

在新的一年,高度概括一下问题解决的心得,在工作中观察了许久,我所接触到了很多人很少直面问题,更多的是在回避问题。在此分享心得,抛砖引玉。 收起阅读 »

工具讲解 | 老婆竟用SPC监控我|SPC统计过程控制应用经典案例分析

SPC
工具讲解 | 老婆竟用SPC监控我|SPC统计过程控制应用经典案例分析​ 俗话说宴无好宴。朋友邀我去他家做客吃晚饭,进了门迎面遇上他焦急无辜的表情,才知道主题...
工具讲解 | 老婆竟用SPC监控我|SPC统计过程控制应用经典案例分析​

俗话说宴无好宴。朋友邀我去他家做客吃晚饭,进了门迎面遇上他焦急无辜的表情,才知道主题是咨询。起因是朋友最近回家的时间越来越晚,罪证就在他家门口玄关的那张纸上:朋友的太太是一家美商独资企业的QC主管,在家里挂了一张单值-移动极差控制图,对朋友的抵家时间这一重要参数予以严格监控:设定的上限是晚七点,下限是晚六点,每天实际抵家时间被记录、描点、连线——最近连续七天(扣除双休日)的趋势表明,朋友抵家的时间曲线一路上扬,甚至最近两天都是在七点之后才到家的,证据确凿——按照休哈特控制图的原则和美国三大汽车公司联合编制的SPC(Statistical Quality Control,统计过程控制)手册的解释,连续7点上升已绝对表明过程发生了异常,必须分析导致异常的原因并做出必要的措施(比如准备搓衣板),使过程恢复正常。显然,我可能给出的合理解释成了朋友期待的救命稻草,而这顿晚饭就是他在我面前挂着的胡萝卜。

显然,朋友的太太比我们绝大多数的企业家更专业(当然,作为同类,我想这也许就是导致我们只能成为管理工具的原因),她清楚地认识到:预防措施,永远比事后的挽救更重要。

顺便说一句,朋友太太厨艺很优秀,属于那种下得厨房上得厅堂的模范太太—当然,对朋友的在意程度更是显而易见的,否则不会选择抵家时间作为重要的过程特性予以控制—这个过程参数,在她眼里,无疑昭示着忠诚度。饭后上了红酒,席间的谈话就从过程异常的判定开始。

“我们先来陈述一下控制图的判异准则:
第一,出现任何超出控制限的点;
第二,出现连续7点上升或者下降或者在中心线的一边;
第三,出现任何明显非随机的图形。
显然,目前该过程已经符合其中第一和第二项,确实出现了异常。作为过程控制的责任者,你打算怎么分析呢?”

“还是我们传统的分析方法:因果图。”

“那么,我们寻找的还是这五个方面的原因了:人、机、料、法、环?”

“是的。”

“好。在我们开始分析之前,我想顺便问一下,你是从哪里学会控制图的?”

“除了公司的培训之外,讲述统计过程控制的书籍不计其数,作为在质量领域被广泛应用的技术,以Statistical Quality Control为题的书籍虽说不是汗牛充栋,也已经目不暇接。不过这些书也很难给出太多新的理论,因为SPC已经足够成熟,找来新书也不过看看不断翻新的应用范例,或者结合新的技术之后会是什么样子,比如,有没有研发出功能强大的新软件。”

“呵呵,也没必要采用如此先进的控制技术吧?”朋友插嘴道。

“你错了,统计学应用于过程控制,不过代表着上个世纪二十年代最先进的质量管理水平。我们采用的控制图方法,一般称为休哈特控制图(Shewhart Control Chart),最早是在1924年,由美国贝尔电话实验室休哈特(W.A.Shewhart)博士提出的。当时这一方法并未得到企业的普遍采纳,仅仅在小范围内得到应用。后来,两个意外的机遇使它在全世界名声大噪:一是二战期间的1942年,美国国防部邀请包括休哈特博士在内的专家组解决军需大生产的产品质量低劣、交货不及时等问题,专家们制定了战时质量控制制度,统计质量控制(SQC) 被强制推行,并在半年后大获成效。二是休哈特博士的同事,伟大的戴明 (W.Edwards Deming)博士,1950年将SPC引入战后的日本,为日本跃居世界质量与生产率的领先地位立下了汗马功劳。质量专家伯格(Roger W.Berger)教授的分析认为,日本成功的重要基础之一,就是对SPC的应用——控制图(或者,按照台湾的习惯称呼,管制图)已经成为常规技术,名列“QC老七大手法”之一。”

“因果图也是QC老七大手法之一。”

”别打岔,也许分析出来的结论是环境因素:外面有狐狸精。”她狠狠瞪了朋友一眼。

“在得出结论之前,我们继续分析吧,”我把话题拉了回来:“下班回家首先应该是一个稳定的过程。”

“是的,他的德国老板坚持不允许他们加班,所以下了班就应该在规定的时间回家。”

“好的,路线是固定的。”

“对,他在五点的时候关闭计算机,五点一刻在停车场走到自己的车位,45分钟应该到家。驾照已经一年半,熟练程度没有问题。即使稍微有点堵车,或者在附近的报刊亭买杂志,他总是喜欢买那几本电影杂志,因为有免费附赠的DVD。即使这些事情同时发生在同一个傍晚,我给了他一个小时的控制限范围,绝对够充裕了。”

“听上去是足够充裕了,”我表示同意:“而且符合稳定过程的控制要求。唯一的瑕疵是,一小时应该作为规范限而非控制限,规范限相当于公差范围,而控制限则应该更为收缩,而且应该进行过程的初始研究,通过计算得出。”

“那岂不是范围更小?”朋友把绝望的目光投向我,仿佛在鞭挞一个叛徒。

“是的,我把确定控制限的步骤简单化了”

她点头:“仅仅根据大致的印象,好像他没有在七点之后回家过,除非这天晚上另有活动,那不属于我这张图控制的范围,比如我们一起在外面吃饭,或者看电影,泡吧。”

“持续稳定的过程是工业企业梦寐以求的,”我插话道:“尤其是重复发生的批量生产过程。”

“是的,过程的输出,也就是产品的特性,必须在控制限范围内,因为过程的输出必然存在变差——所谓变差,通俗地讲,就是:即使是世界上最精密的设备,也不能生产出两件一模一样的产品来,它们之间的差异就是变差——不要跟我说你看不出它们之间的差异,那只能说明你的分辨率不够。”

“所以我们希望过程是受控的。换句话说,我们希望过程首先是稳定的,其次,我们希望过程输出的变差范围足够小。”

“过程范围足够小的过程,我们就称之为具备能力的过程,看来,有必要对你回家的时间以6σ为目标实施管理。”

“维持过程稳定和维持过程能力,是需要耗费成本的,越是好的过程能力意味着更为高昂的成本。我们确定过程目标时必须考虑经济性,投入取决于风险程度。”我赶紧扼杀了她的新念头。

“是的”她越来越倾向于听取我的意见了。这是好兆头,她又说:“我们在生产线上采用控制图的,都是关键和重要的产品特性,我们希望在发生不合格之前就发现趋势,以避免不合格的实际发生。控制他的回家时间也是一样,发现异常,及时采取措施扼杀任何苗头,不要等到他夜不归宿的时候才恍然大悟。”

我大笑:“有这么高的风险么?据我所知,他可是非常在乎你的,不然就不会紧张到要把我请来作客了。”

她也不好意思地笑了:“其实,控制图也就是半开玩笑地提醒他,心思专注一点。你知道的,他总像个长不大的孩子,小时候放学不止一次,在小人书摊上看书看得忘了回家,急得妈一路去找,找到了揪着耳朵回去吃冷饭的。”

“那你有没有从自身找原因,譬如最近不大注意打扮了?”看到朋友的窘相,我赶紧转移矛头。

“嗯,这我倒没注意。不过,我似乎也一直没有松懈过取悦他的。”

“也许有别的原因,我知道最近外环线的浦东段在修路,昨天我还在杨高路立交桥附近堵了一个半小时,因为往西的路段只剩两根车道。”

“真的?我以为他编的借口呢。”

“看看,我说了她也不信。”朋友总算可以合理地表达委屈了,如释重负地松了一口气。

“而且外环的维修工程可能还会持续一段时间,听说要一个月左右,”我说:“这段时间内,我们的控制限是不是该重新设定一下?”

“好的,”她有些不好意思:“我把控制限范围整个往上提高一个小时,再放宽一点。不过,等工程结束了,我们就恢复原先的控制限。”

“好的,这让我重新领教了职业质量控制专家的风采”我看出,我的赞誉使她稍稍有点脸红:“一直以来,质量管理界的经验被给哲学思想的贡献,以我个人的眼光看,是被忽略了,也许没有人看到它们之间的联系。记得金观涛和华国凡合著的《控制论与科学方法论》吗?”

“最近刚刚再版了,”他俩一起点头。我的朋友们都有一个共同点:热爱读书。

“这书首版于1983年,曾经风靡一时——其实在文革临近尾声的时候,它已经以手抄本的形式在地下广为流传。”

“你的意思是说,你认为统计过程控制的思想,是系统论、控制论的源头之一?”

“至少有一定的关联。从具体的、单一的某道生产过程,我们将控制图获取的信息予以分析,以此来调整输入,这就是一个系统反馈的过程。后来,过程的概念被放大了,比如我们可以把公司的采购作为一个过程来分析,对这一过程的衡量指标予以分析,根据分析的结果决定相应的措施。再后来,整个公司的运营被视做一个过程,各项指标被用来进行分析,并支持决策,过程模型就这样被再度放大了。”

“其实仅就微观的过程而言,如果管理者头脑里有过程的清楚概念,就可以避免很多错误,”她插话,“记得你曾经取笑说,如果在汽车业的生产现场干1到2个月的操作工,或者一线主管,The Second Century的作者会为自己对BTO概念的诠释感到脸红,我拍手称快。”

“是的,尤其像汽车这样复杂的产品,制造过程需要经过充分的调试才可以达到稳定,继而具备过程能力—世界上最难以控制的,就是单件产品的生产过程了,因为过程调试的成本太高了。所以每天回家的时间可以控制,选择结婚对象这一过程就只能赌一把了。” 收起阅读 »

8D中怎么样确定最根本的原因

用鱼骨图分析可能原因 然后如何识别根本原因呢? 疑惑ing
用鱼骨图分析可能原因
然后如何识别根本原因呢?
疑惑ing