TA的首页【翻译文章】——添加筛选工具，可以加快六西格项目
本文翻译者：suiyizi 校稿：tinayangxuerong
尽管它们（筛选工具）不属于典型的DMAIC方法，但是利用这些工具可以减少找到解决方法的时间。
作者：Gregg Young
在精益六西格玛的帮助下，很多公司取得了很大的改善，有些公司甚至取得了瞩目的成绩。但是，并不是每家公司在实施六西格的过程中都是愉快的。使用Dorian Shainin发明的筛选工具可以有效地减少这些公司的不愉快性。尽管它们（筛选工具）不属于典型的DMAIC方法，但是利用这些工具可以减少找到解决方法的时间。使用筛选工具后，可以明显看到整个问题解决周期缩短了。
传统方法
在一个典型的六西格玛项目里面，解决问题的时间受制于项目中的制约因素。有时关键的问题是无法决定从哪里开始。根据柏拉图定律（80%的结果来自于20%的原因），项目人员普遍认为在很多的因子里面只有极少数是关键因子，但他们不知道这些关键因子是哪些。因为他们没有快速识别关键因子的能力，所以不得不花大量时间在非关键因子上面。
通常，项目团队通过头脑风暴，列出一长串可能的原因（因子）。然后，他们必须决定哪些因子作为第一批进行验证。可是第一次选择因子的正确性是很低的。通常情况下，他们验证完第一批因子后发现不是关键因子，又得从下面的因子中选择一批进行验证。如果再不行，再继续。
最后，他们找到了一个关键因子。这时他们需要做一个决定，是继续寻找其他的关键因子，还是结束这个问题，宣布胜利。具有讽刺意义的是，六西格玛的决策是基于数据基础的，他们的这个决定并没有有效的数据支持。
为了更好的说明，我们使用M&M 的花生巧克力举个例子。花生巧克力代表关键因子，普通巧克力代表非关键因子。项目成员需要解决这样一个问题，从装满了普通巧克力的盘子里找出一个，两个或三个花生巧克力。而头脑风暴的结果是这样子的，他们使用一个勺子盲目的从盘子里勺出一些巧克力来寻找花生口味的。通常情况下需要勺几勺才能找到一个，剩下的需要更多勺来寻找。
引入筛选工具
理想情况下，项目成员能立即知道哪些是关键因子，哪些不是。所以他们能忽略掉所有其他的非关键因子，只是简单地追踪关键因子。
在M&M的巧克力例子里，项目成员可以做一个盘子，一个开口的盘子。这个开口比普通巧克力大，但比花生巧克力小。通过倾斜盘子，普通巧克力会滑出开口，只留下花生巧克力。六西格玛里加入的筛选工具就类似于这个盘子的开口。
筛选工具一开始就消除头脑风暴和假设。医学工作者首先对操作进行非创观察。他们忽略掉中间过程，只关注在输出表现中一直表现最好或一直表现最差的因子。准则非常简单：
输出表现一直最好或最差的为关键因子，追踪它；
输出表现没有一致性，即忽好忽坏的，为非关键因子，忽略它。
有了这个筛选过程，医学工作者通过非创观察和审核数据，就能够区分出关键因子和非关键因子，这比传统的试错方法快的多。
它们如何工作
筛选工具遵循四个基本原则：
1.柏拉图定律是普遍的。当项目成员从一长串可能因子中寻找几十分或者几百分之一的关键因子时，他们有时必须进行无数多次的重复试验。一旦他们找到一个关键因子，他们可能会停止寻找。如果事实存在三个关键因子，而他们只是修复了其中一个，剩下的两个仍会起作用，从而带来过程的缺陷。这时项目成员必须通过更多的重复试验来寻找剩下的关键因子，这期间会遇到很多的非关键因子的干扰。柏拉图定律对他们是不利的。如果项目成员采用筛选工具忽略掉非关键因子，将会很快将关键因子找出来。
2.如果一个操作平时运行良好，但偶尔会产生缺陷，则这个操作认为是健全的。当项目成员使用筛选工具解决一个问题时，他们会去寻找这样一些关键因子，当它们发生变化时，会给操作结果带来很大的变动。而他们的解决方法很简单，只要加强对这些关键因子的管控就行了。
3.影响已经造成。当一个平时运行良好的操作产生了不良结果时，这个操作本身已经发生了变化。最好的方法就是确定哪里发生了变化，并加强控制。在遇到更多的缺陷时，项目成员认为仍存在其他的关键因子，就像在盘子里面仍存在其他的花生巧克力一样。
4.比较极端的表现能发现一致的差异。筛选工具关注极限表现，关注那些最好或者最差的输出。关键因子出现，导致很大的变化，这些变化就会反映在最终结果上。反过来，如果最终结果很好或很坏，则认为出现了关键因子。，
典型案例
下面的案例研究能帮助解释使用筛选工具带来的好处。
案例1：不规则的烤架
一家制作治具的公司，需要从一大卷很粗的金属条里制作烤架。工人们将金属条拉直，切成特定的长度，然后送到装配线。装配线的工人们将金属条放置在特定的治具里进行焊接，从而制成烤架。通常情况下烤架是平整且是方形的，但有时却是弯的，不规则的。工程人员已经研究了很久，仍没有找出导致烤架不规则的根本原因。
公司引进筛选工具来解决问题。项目成员要求同一天，同一个工作间的一线工人做以下工作：使用尺子和量角器测量六个平的，规则的烤架，六个弯的，不规则的烤架。如此这般，他们在仅有的一个星期内就将问题解决了。
工人们对每个烤架分别进行17次的测量，并比较好的和差的烤架之间的区别。这些测量包括组成烤架的每条金属条的长度，角度和直线度。他们发现直线度是唯一的关键因子，而导致直线度的直接原因是：缠绕在卷轴上的金属条的曲率。
开始从卷轴上抽出的金属条弧度较小，只需通过矫直器一次就可以拉直。可是到卷轴的末端时，弧度变得很大，这时的金属条在通过矫直器一次后仍会存在一定的残余曲率。工人们将这些相同长度的金属条（直的和轻微弯曲的）扎成一捆送到焊接工序。焊接工人从中随机抽取进行焊接，而工程人员却没有发现任何不妥的地方。每个人都认为轻微的弯曲是可以忽略的，因为最终的定位治具可以提供最终的矫正。但实际情况却是相反的：残留曲率使得最终焊接出来的烤架出现了弯曲。
解决方法变得很简单，检查每条金属条的直线度，如果存在残留曲率，则继续通过矫直器进行再次矫直。
案例2：颜料分散剂
一家化学公司，生产一种用于分散固体颗粒的颜料分散剂。通常，这些分散剂能很好地分散固体颗粒。但偶尔会出现颜料沉淀的情况，这样他们不得不将这批分散剂重新返工制作。
在包括上一个案例的例子中，很少甚至没有数据存在，这使得项目成员们不得不先进行无创测量。可是现今的化学公司存在相反的问题：数据过量。自动反应装置控制器记录每批次的数据，问题解决人员很难知道哪些数据是关键的。在这个案例中，自动控制器在每批次中记录105个因子。
为了分析这些数据，项目成员们只关注8个好的批次和8个坏的批次。他们建立了一个拥有16批次，105个因子的工作表，试图从中找出差异性。仅仅一天，他们就剔除了其他的104个因子，找出了唯一的关键的因子：不易挥发百分比。低的固体分散剂表现糟糕，高的固体分散剂表现优异。
这给项目成员指明了一个方向，他们控制所有的反映物，观察输出的不同的固体水平。事实表明，反应必须在低温的环境下进行，给反应器的降温头降温能达到这个目的。解决方法是通过工人们手动添加冰块。冰块数量变化量决定产品的固体含量。项目成员发现他们不得不限制冰块数量从而保证每一次生产出好的产品。他们甚至能根据之前的观察数据评估出冰块的最大使用量。只要工人们能控制非挥发性的百分比在7.5%以上，生产出来的就是好产品。
关于作者：Gregg Young，Young Associate公司总裁。他花了超过20年的时间在各类企业（大的和小的）发展，教学和实施质量改善系统。《第七个六西格玛工具：六西格玛最佳实践》的作者。两本电子书续集的作者，一本主要应用于制造型公司：《决策者的生产力工具：从优秀在卓越》；另一本用于人类的各个方面：《最佳问题解决方案：六个通用工具》。
你可以通过以下邮箱联系到他：gregg@youngassocinc.com
尽管它们（筛选工具）不属于典型的DMAIC方法，但是利用这些工具可以减少找到解决方法的时间。
作者：Gregg Young
在精益六西格玛的帮助下，很多公司取得了很大的改善，有些公司甚至取得了瞩目的成绩。但是，并不是每家公司在实施六西格的过程中都是愉快的。使用Dorian Shainin发明的筛选工具可以有效地减少这些公司的不愉快性。尽管它们（筛选工具）不属于典型的DMAIC方法，但是利用这些工具可以减少找到解决方法的时间。使用筛选工具后，可以明显看到整个问题解决周期缩短了。
传统方法
在一个典型的六西格玛项目里面，解决问题的时间受制于项目中的制约因素。有时关键的问题是无法决定从哪里开始。根据柏拉图定律（80%的结果来自于20%的原因），项目人员普遍认为在很多的因子里面只有极少数是关键因子，但他们不知道这些关键因子是哪些。因为他们没有快速识别关键因子的能力，所以不得不花大量时间在非关键因子上面。
通常，项目团队通过头脑风暴，列出一长串可能的原因（因子）。然后，他们必须决定哪些因子作为第一批进行验证。可是第一次选择因子的正确性是很低的。通常情况下，他们验证完第一批因子后发现不是关键因子，又得从下面的因子中选择一批进行验证。如果再不行，再继续。
最后，他们找到了一个关键因子。这时他们需要做一个决定，是继续寻找其他的关键因子，还是结束这个问题，宣布胜利。具有讽刺意义的是，六西格玛的决策是基于数据基础的，他们的这个决定并没有有效的数据支持。
为了更好的说明，我们使用M&M 的花生巧克力举个例子。花生巧克力代表关键因子，普通巧克力代表非关键因子。项目成员需要解决这样一个问题，从装满了普通巧克力的盘子里找出一个，两个或三个花生巧克力。而头脑风暴的结果是这样子的，他们使用一个勺子盲目的从盘子里勺出一些巧克力来寻找花生口味的。通常情况下需要勺几勺才能找到一个，剩下的需要更多勺来寻找。
引入筛选工具
理想情况下，项目成员能立即知道哪些是关键因子，哪些不是。所以他们能忽略掉所有其他的非关键因子，只是简单地追踪关键因子。
在M&M的巧克力例子里，项目成员可以做一个盘子，一个开口的盘子。这个开口比普通巧克力大，但比花生巧克力小。通过倾斜盘子，普通巧克力会滑出开口，只留下花生巧克力。六西格玛里加入的筛选工具就类似于这个盘子的开口。
筛选工具一开始就消除头脑风暴和假设。医学工作者首先对操作进行非创观察。他们忽略掉中间过程，只关注在输出表现中一直表现最好或一直表现最差的因子。准则非常简单：
输出表现一直最好或最差的为关键因子，追踪它；
输出表现没有一致性，即忽好忽坏的，为非关键因子，忽略它。
有了这个筛选过程，医学工作者通过非创观察和审核数据，就能够区分出关键因子和非关键因子，这比传统的试错方法快的多。
它们如何工作
筛选工具遵循四个基本原则：
1.柏拉图定律是普遍的。当项目成员从一长串可能因子中寻找几十分或者几百分之一的关键因子时，他们有时必须进行无数多次的重复试验。一旦他们找到一个关键因子，他们可能会停止寻找。如果事实存在三个关键因子，而他们只是修复了其中一个，剩下的两个仍会起作用，从而带来过程的缺陷。这时项目成员必须通过更多的重复试验来寻找剩下的关键因子，这期间会遇到很多的非关键因子的干扰。柏拉图定律对他们是不利的。如果项目成员采用筛选工具忽略掉非关键因子，将会很快将关键因子找出来。
2.如果一个操作平时运行良好，但偶尔会产生缺陷，则这个操作认为是健全的。当项目成员使用筛选工具解决一个问题时，他们会去寻找这样一些关键因子，当它们发生变化时，会给操作结果带来很大的变动。而他们的解决方法很简单，只要加强对这些关键因子的管控就行了。
3.影响已经造成。当一个平时运行良好的操作产生了不良结果时，这个操作本身已经发生了变化。最好的方法就是确定哪里发生了变化，并加强控制。在遇到更多的缺陷时，项目成员认为仍存在其他的关键因子，就像在盘子里面仍存在其他的花生巧克力一样。
4.比较极端的表现能发现一致的差异。筛选工具关注极限表现，关注那些最好或者最差的输出。关键因子出现，导致很大的变化，这些变化就会反映在最终结果上。反过来，如果最终结果很好或很坏，则认为出现了关键因子。，
典型案例
下面的案例研究能帮助解释使用筛选工具带来的好处。
案例1：不规则的烤架
一家制作治具的公司，需要从一大卷很粗的金属条里制作烤架。工人们将金属条拉直，切成特定的长度，然后送到装配线。装配线的工人们将金属条放置在特定的治具里进行焊接，从而制成烤架。通常情况下烤架是平整且是方形的，但有时却是弯的，不规则的。工程人员已经研究了很久，仍没有找出导致烤架不规则的根本原因。
公司引进筛选工具来解决问题。项目成员要求同一天，同一个工作间的一线工人做以下工作：使用尺子和量角器测量六个平的，规则的烤架，六个弯的，不规则的烤架。如此这般，他们在仅有的一个星期内就将问题解决了。
工人们对每个烤架分别进行17次的测量，并比较好的和差的烤架之间的区别。这些测量包括组成烤架的每条金属条的长度，角度和直线度。他们发现直线度是唯一的关键因子，而导致直线度的直接原因是：缠绕在卷轴上的金属条的曲率。
开始从卷轴上抽出的金属条弧度较小，只需通过矫直器一次就可以拉直。可是到卷轴的末端时，弧度变得很大，这时的金属条在通过矫直器一次后仍会存在一定的残余曲率。工人们将这些相同长度的金属条（直的和轻微弯曲的）扎成一捆送到焊接工序。焊接工人从中随机抽取进行焊接，而工程人员却没有发现任何不妥的地方。每个人都认为轻微的弯曲是可以忽略的，因为最终的定位治具可以提供最终的矫正。但实际情况却是相反的：残留曲率使得最终焊接出来的烤架出现了弯曲。
解决方法变得很简单，检查每条金属条的直线度，如果存在残留曲率，则继续通过矫直器进行再次矫直。
案例2：颜料分散剂
一家化学公司，生产一种用于分散固体颗粒的颜料分散剂。通常，这些分散剂能很好地分散固体颗粒。但偶尔会出现颜料沉淀的情况，这样他们不得不将这批分散剂重新返工制作。
在包括上一个案例的例子中，很少甚至没有数据存在，这使得项目成员们不得不先进行无创测量。可是现今的化学公司存在相反的问题：数据过量。自动反应装置控制器记录每批次的数据，问题解决人员很难知道哪些数据是关键的。在这个案例中，自动控制器在每批次中记录105个因子。
为了分析这些数据，项目成员们只关注8个好的批次和8个坏的批次。他们建立了一个拥有16批次，105个因子的工作表，试图从中找出差异性。仅仅一天，他们就剔除了其他的104个因子，找出了唯一的关键的因子：不易挥发百分比。低的固体分散剂表现糟糕，高的固体分散剂表现优异。
这给项目成员指明了一个方向，他们控制所有的反映物，观察输出的不同的固体水平。事实表明，反应必须在低温的环境下进行，给反应器的降温头降温能达到这个目的。解决方法是通过工人们手动添加冰块。冰块数量变化量决定产品的固体含量。项目成员发现他们不得不限制冰块数量从而保证每一次生产出好的产品。他们甚至能根据之前的观察数据评估出冰块的最大使用量。只要工人们能控制非挥发性的百分比在7.5%以上，生产出来的就是好产品。
关于作者：Gregg Young，Young Associate公司总裁。他花了超过20年的时间在各类企业（大的和小的）发展，教学和实施质量改善系统。《第七个六西格玛工具：六西格玛最佳实践》的作者。两本电子书续集的作者，一本主要应用于制造型公司：《决策者的生产力工具：从优秀在卓越》；另一本用于人类的各个方面：《最佳问题解决方案：六个通用工具》。
你可以通过以下邮箱联系到他：gregg@youngassocinc.com
RSS Feed