(原创)6sigma工具在作业管理中的应用

最新的统计表明，公司目前每月承担着超过20000架次航班，超过110000吨的进出港货物的操作量。其中的每件货物都经历了公司出口或进口作业的所有流程环节，也就是说作业流程中任何一个环节所涉及的人员、机器、物料、作业方法、环境与流程本体等都会影响到每一件货物的合格出运或交付。可见，我们必须对这些因素进行管理。美国著名管理学家西蒙常说：管理就是决策。所以为了实现高质量的作业，管理人员经常要根据动态变化的需求对如何再分配资源、如何调整流程或是再设计以及如何造就稳定可靠的服务过程等问题给出决策。
我们知道，任何决策都是基于现状做出的预测。哲学家常说预测活动中唯一可以确定的就是结果的不确定，可见管理决策都是有风险的，由此带来的管理活动并非都具可行性。但实施管理行为前仍需要决策，我们唯一能做到的就是识别尽可能多的影响因素并掌握其变化规律，从而降低决策风险。这就需要我们充分地认清现状，并彻底弄明白问题的成因。现状是我们唯一可知的东西，也是我们最值得依靠的决策依据。再说得明白些就是要为决策提供充分的客观依据，做客观判断，而不是留于表相的简单推论，更要不得主观预测。
然而，客观事实有许多表现形式，哪一种描述方式才最适合为管理者所用呢？在这个问题上管理学家们一致认为数据是事实最佳的表现形式。换句话说，我们要学会在管理中以作业数据说话，让作业数据成为管理决策的根本依据。由此看来数据分析对作业管理决策有充分的支持作用，是进行管理决策的前提，是不断修正管理决策过程的依据，更是管理决策准确性的有力保证。学会用数据来支持决策就要求我们的管理人员充分收集各种作业信息并将它们转换成数据，同时也要掌握数据分析方法对作业数据进行处理。如果我们能在作业管理决策中充分发挥数据分析的功效，不仅能符合ISO9001质量管理体系中决策基于事实管理原则的要求，更有助于公司科学管理能力的提升。
读到这里，也许有人会问作业数据从哪里来，收集那些才管用？我们又该如何运用它们进行识别现状、分析成因并提出方案决策呢？基于数据分析的管理方法在我们公司究竟行不行得通？我想先不急于给出论述性的回答，请大家看一些应用在公司不同业务上的实战案例，让事实来回答这些问题。

案例一：国内货物收运作业数据的收集
2006年，国内收货6 Sigma项目组就提高东航国内航班货物收运准点率这一课题着手采集作业数据。此时，究竟要采集哪些数据、采集多少数据量才能有助于分析问题成了项目组面对的一大难题。项目组意识到应用传统的方法判断很可能遗漏数据项，而根据经验随意设置数据收集量更可能造成以偏盖全的现象，无法揭示作业问题的真相，也缺乏足够的说服力。项目组必须找到严密而系统的方法来推导出收集对象和采集量。SIPOC图、变量汇总表与优先矩阵等工具为项目组提供了解决方案。SIPOC图从供应商、输入、处理、输出到客户五个关联方面，高度诠释了收运工作中所涉及的处理要素。由此项目组得以系统地观测到数据的携带者，并可以将进入流程的物件，流程处理动作，与流程产出物的各种状态信息如审单、清点、交接等，属性信息如件数、重量、航班号、品名等，过程信息如流程环节启始与终止时间等记录在变量汇总表的不同分类中，这就是我们工作中所涉及的全部作业数据了。
可是，这些数据项是否都有收集的必要呢？能不能找到价值最高的核心数据来减少我们的工作量，又不影响分析效果？项目组又使用了优先矩阵来对所有数据进行关于流程影响力的价值量化评估，最终从16个变量中保留了9项测量对象。而后项目组通过统计抽样公式推出测量满足全年适用性以及95%可靠性条件下的收集范围应为四周连续28天，需要数据3000条。

SIPOC图



变量汇总表

优先矩阵
案例评述：通过这个案例，我们已经知道其实大量有价值的作业数据就来自我们身边的每一张单证、每一件货物、每一个作业动作中，真可谓每时每刻无处不在，数不胜数。回忆我们的作业量，包含其间的数据真可谓海量了。这是企业多么重要的决策资源啊，我们绝不能坐视不理而错过了这笔蕴藏在我们身边又唾手可得的巨大财富。我们只要掌握一些简单的管理工具，完成简单的分析就能系统全面的考察并确定数据对象同时推算出收集范围，再辅助相应录入工作，从而完成数据收集工作。

案例二：减少“东航国际航班拉货率”课题中的控制范围与控制对象的确定
航班拉货现象的发生会带来诸多不利影响，如何控制航班拉货量，降低拉货发生率就成了许多管理者关心的问题。有了改进需求，项目组就必须确定控制范围与需要控制的因素。
在管理学界存在著名的帕累托定律，也称为80/20法则，即80%问题归结于20%的成因。这说明：在原因和结果、投入和产出，以及努力和报酬之间，本来就是不平衡的，所以在管理上我们要学会有的放矢，要把管理资源投入到收效最大的问题上。小组在确定控制范围时运用了这个原理来寻找拉货频发且广泛的那部分航线，通过数据累积测算后推定对HKG、NRT、KIX、SIN、LAX、CDG、YVR进行重点控制就可降低80%拉货率。控制范围减小后，就要研究成因了，要弄明白哪些因素会造成拉货。造成拉货的原因可以说是多种多样，一般来说可分为不可控因素如航班取消、机型调整等，可控因素如配栽过程、舱位等，我们需要知道控制哪些因素对降低拉货率最有帮助。同样运用成因统计分析，图中C-舱位、W-载量与B-板箱三方面的成因累积量超过了80%，且三者都属可控对象，具备研究价值。








航线拉货累计图








成因累计图
通过数据累积性统计与80/20判断法则的运用，小组确定了减少东航国际航班拉货率课题中的控制范围与控制对象，为后续管理实施提供有效支持。
案例评述：通过这个案例，我们看到数据分析技术帮助管理人员真实地描述了航班拉货现象存在的特征与分布频度，改变了以往管理人员注重单一重点航班控制的主导思想，转而提出了加强关键航线的控制的新思路。同时，管理人员通过借助分析工具对各种成为进行了排序观察，辩析出问题的本质；并利用80/20法则提炼出三个关键成因，使费神费力、难度大且收效缓的全局控制管理模式向着专项治理的精确控制方式演进。可见有了数据分析，管理人员不但识别了现状，了解了成因，还明确了控制范围，大大减少了后续管理投入，提高了管理实施的准确性。

案例三： 浦东货站国内货物收运通道重组
2006年，在国内收货部门进行的一个以提高东航国内航班货物收运准点率为改进目标的6sigma管理项目中，项目组通过对一个月中东航、国航、南航与川航的所有国内航班货物在收运过程中的航班、货物与作业三方面的近20000条数据记录的分析，发现一号收货口压力过大是制约东航国内航班收运准点率提高的主要成因之一，两轴一线图的曲线变化趋势的相似程度体现出货量与缺陷率之间存在着正相关关系，即货量上升时，缺陷率也会上升，并使用回归分析确定货量对于缺陷率的具体影响力约为30%。

日货量与日缺陷量折线图
日货量与日缺陷量回归分析图
此时，数据告诉我们要提高收运准点率就必须降低现有东航收货口所承担的货量压力，并将这种货量大航班密的作业压力予以分散化处理。由于在原作业流程中只设置了一个东航收货口，其余三个分别指派给了它航使用。故在不考虑增收运通道的条件下对各航空公司使用的收运通道进行重新调配成了唯一的选择。
那么重组是否可行，如何重组才既能使外航现有的利益不受损，同时又让东航拥有更多的收运通道呢？项目组又一次将眼光投向了数据，通过观察各家航空公司所属的收货通道的日收运量发现它航与东航日货运量波动与变化周期均较为相似，即东航收运量上升时其他航空公司收运量也上升，且都以一周为一个循环区间，表现为他们受到了共同作用力的影响。这些发现都为我们研究收货通道的重组提供了良好的前提条件与理论依据。
各航空公司日货量折线图

各航空公司货量对比图
而后的数据分析又使我们看到东航与它航间的主要区别在于东航每天的收运量高出其他航空公司2－3倍以上。可见各收货口作业压力不平衡现象已十分明显，由此我们设想到将东航货物分置于两个收货口收运，使其他各家航空公司两两合并后使用余下的两个收货通道。项目组利用数据模拟了16种收运通道重组方案，发现有一种组合方式存在较好的数据表现，具体来说就是将国航CA与南航CZ3合并在3号收货通道，川航3U同南航CZ6合并至4号收货通道，如下图：
他航合并数据拟合图
One-way ANOVA: CA+CZ3, 3U+CZ6
Analysis of Variance
Source DF SS MS F P
Factor 1 218929029 218929029 1.29 0.262
Error 54 9.192E+09 170224452
Total 55 9.411E+09
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev ----+---------+---------+---------+--
CA+CZ3 28 47449 14408 (------------*-----------)
3U+CZ6 28 43494 11526 (------------*-----------)
----+---------+---------+---------+--
Pooled StDev = 13047 40000 44000 48000 52000

他航合并数据预测性输出





他航合并方案数据预测图

从图上可以看出组合后的两条货量模拟曲线有很好的拟合度，通过更具体的描述性统计与ANOVA验证也可以发现这组合的总值、均值和波动都十分接近，与东航货量比较后的P值反映出两者间的差异较小，基本达到了货量平衡、分散压力的目的，并且同东航货量曲线的对比后我们可以推定这种组合形式均在现有的流程处理能力之内，可见这样的调整既能分散收运东航货物的作业压力又能确保它航的利益不因通道的重组而受损。
经过了上述可行性研究后，项目组制定了收货通道调整方案，将原方案（1号收货口收运东航货物、2号收货口收运国航与川航货物、3号收货口收运南航CZ6XXX货物与4号收货口收运南航CZ3XXX货物）调整为新方案（1、2号收货口收运东航货物、3号收货口收运国航与南航CZ3货物与4号收货口收运川航与南航CZ6航班），并得到公司运行控制部批准实施。目前各收货口运行正常，航班收运准点率保持在90%以上。
案例评述：通过这个案例我想大家可以看到数据分析对我们识别收运准点率瓶颈的成因、确定影响力范围与选择解决方案并评估其可行性均有很大的帮助。可以说是数据说服了我们进行重组并帮助我们找到了重组方案。其实，我不否认员工凭借经验也能感知出东航收货口压力巨大，但经验却无法告诉我们作业压力对收运准点率的影响程度，也不能得到各收货口的作业压力比，更不能确定哪种航空公司与收货口之间的组合方案是最理想的，因为在十多种组合中一次猜中最佳方案的概率仅为6%。可见在选定方案时没有经过数据分析，凭借主观判断的风险不小。我同样承认如果为东航新建一个货口即便原收货口分配方案不做任何调整，问题一样能改善。可是，我们的处理能力不能一味地通过流程简单扩容来提高，就如增加同一岗位的作业人员一定能分散处理压力，但岗位上的单个作业员处理能力却没有得到任何改善，这种通过追加单一投入来获得能力提升的办法完全忽视了作业效率与单位产出率的提高。也许多投入多产出的方式适合企业发展的初期阶段，但却不能成为企业可持续发展的主要手段。一个企业的处理能力取决于其对流程的设计，而不是简单扩容。所以我们应着力于在现有人力、物力资源基础上的作业改造与控制。综上所述，数据分析不但降低了决策风险，更避免了人力物力资源的重复投入。

看了以上几个实战案例，我想大家一定发现其实在管理决策活动中运用数据分析并非难事，而且还特别有效。可以说，类似的案例在我们企业里还有很多很多，就不一一列举了。在整个2006年里，专业的系统性数据分析技术已经被运用于货物中转、不正常货物查询、国内货物收运、物流大磅、国际配载与进口分单等多个部门，并已取得一定成效。虽然我们的分析技术还不完善，运用面也不够广，去年的改进活动也只局限在小范围业务内开展，其成果并没有使得许多作业问题得到全局性的改进，但作业数据的确让我们看到了它的价值，基于数据分析的管理方法也着实改变了很多人的理念，他们之中有业务管理者也有许多的一线作业者，而数据分析一直为他们所使用。现今，我们也能看到一份份管理方案中量化管理的成分越来越多。这都是人们认知度、接受度和量化管理意识不断提高的表现。放眼正在实施的ISO9001质量管理体系，其明确提出了管理活动要基于事实的要求、强调了数据统计与分析对于质量管理的重要性与必要性。我们的体系文件同样写入了这样的量化管理精神和要求并独立成章，它将成为我们企业日后运用在质量活动全过程中的强制性规定。我们知道量化管理也正是ISO9001质量管理中八大管理原则之一，统计技术的应用也是十二项体系基础之一，这些都是质量管理体系的核心内容。可见数据分析对与我们的管理活动是何等的重要，必然要成为每一位管理参与者需要学习和掌握的内容。
过去，我们中的许多人已经在管理中证明了数据分析的价值所在，现在也有更多的人意识到作业数据的潜在力量，而我们的企业也已具备导入数据分析技术的基础，且这种需求正随着质量管理体系的推进而显得愈发迫切。基于这一切，我坚信引入数据分析技术将全面提升作业管理水平，基于数据分析的管理方法在我们企业里一定行得通！
是时候让数据发挥它们应有的作用了，让我们行动起来！