6SIGMA管理的计划和实施（下）

根据测量阶段的实施要求，在测量业绩并描述过程以及计划数据收集之后，需对测量系统进行验证，并开始测量过程能力。
　　3.验证测量系统
　　测量系统是指测量特定特性有关的作业、方法、步骤、量具、设备、软件、人员的集合。为获得6SIGMA管理所需的测量结果应建立完整有效的测量过程，以确保测量系统精确可信。应对测量系统进行的分析和验证包括：
　　1.分辨力：确保测量仪器、仪表等设备的

　　2.准确度：影响准确度的因素包括环境、设备校准、操作人员等，除必须对测量器具执行严格的周期检定/校准外，还应确保测量系统在使用环境、时间等变化条件下的稳定性；
　　3.精密度：确认在相同的条件下，重复测量和试验其结果相互间的一致程度。影响精密度的主要因素涉及测量器具的重复精度及不同测量人员的操作水平。通过重复性和再现性的分析（GR&R），达到验证测量系统的目的。
　　4.测量过程能力
　　过程性能为过程的标准差的六倍，即PP=6 。
　　其中6 包含有正常波动和特殊波动，因而它不要求过程一定要稳定。 的计算，把收集的数据，看作一个大样本，再计算其样本标准差S。 　　

　　（2）过程能力（Process Capability）
　　过程能力为过程的标准差的六倍，即PC=6 。
　　此时，过程的波动仅由正常波动源引起，过程是稳定的。即 PP = PC。当过程不稳定时PP>PC　（有时定义长期过程能力为过程性能）。 可用样本极差R和标准差S来估计。
　　（3）过程能力指数
　　在以下三项假设成立的条件下定义过程能力指数
　　① 过程受控，即过程的质量特性X的波动仅由正常波动引起。
　　② 过程质量特性X服从正态分布N（μ,σ2）（GB 4882-85，正态性检验）。
　　③ 规格限（LSL，USL）能准确表示顾客的要求：
　　
　　当过程平均 不在规格限的中心，CP不能真实反映过程满足顾客的要求，但能反映过程的潜在能力。因此，实际过程能力指数有：


CPK也可以用以下公式计算：

四、6 SIGMA管理的实施过程之二--分析阶段
　　根据S4模式，6 SIGMA管理实施的第一阶段，即测量阶段之后，即进入第二阶段，分析阶段。这个阶段需要对测量阶段中得到的数据进行收集和分析，并在分析的基础上找出波动源，提出并验证波动源与质量结果之间因果关系的假设。在因果关系明确之后，确定影响过程业绩的决定因素，这些决定因素将成为下一阶段--改进阶段关注的重点。这一阶段应完成的主要任务是把握要改进的问题，并找出改进的切入点，即绩效结果的决定因素。这一阶段的主要工作可以用图14来表示。

　　1.收集并分析数据
　　在测量阶段，已对过程业绩、产品特性等输出变量以及过程参数等输入变量进行了识别和测量。测量的目的是要充分利用这些数据，因此要制定好数据收集计划，计划中应包括数据收集的地点、具体收集方法、数据收集的人员等。此外，在收集数据时，应对数据进行审核，以确保收集过程能遵循所规定的程序，并没有偏误。此时可应用实时的数据系统，记录并保存测量到的数据，也可应用数据收集单、数据检验单等形式收集数据。这些数据单都是在企业已得到广泛应用的工具。
　　针对收集到的数据要利用一定的工具进行处理，以便更清晰、直观地分析数据，找出数据变化的趋势。此时常用的工具有坐标图、直方图等。
　　数据收集之后，更重要的是要对数据进行观察、归纳和整理。在记录数据时，把数据变化记录在坐标图上的话，可以把握数据的动态变化情况，这样当问题发生的状态变化时，便能很快地察觉它，之后可以尽快找到原因，防止问题的大量扩散。利用坐标图的好处在于，能够把握变化的规律和趋势。坐标图可以自己设计、自已动手制作，通过坐标图可以把握问题刚开始发生时，其变化是连续性还是离散性、可以观察数据的平均水平和离散程度。
　　要把握偏差状态，可以采用直方图的形式。为了测定尺寸、质量、强度等特性的连续值是多少，发生频率是多少，可以把测定值的偏差范围分成几个区间，用直方柱图形绘制出进入各区间的数据值，这即称为直方图。
　　在解析实际的数据时，首先最重要的是按数据收集顺序（尽量是被测定的产品的制造顺序）制成直方图。从图中可以了解到是否存在特殊趋向和怪异现象、变化点、异常值等。当这些特殊情况不存在时，可以用来了解总的"偏差"是什么状态，与赋予的规格（标准偏差）比较，其偏差程度如何。直方图示例见图15。

　　应用这些工具可以在收集数据的基础上把数据更形象化的表示出来，为进一步的分析和寻找波动源打下基础。
　　2.提出并验证关于波动源和因果关系的假设
　　掌握了数据（特性）的偏差状态之后，要对其有所改进，首先要了解哪些因素会造成其波动，即哪些因素是这一特性的波动源。影响特性值的因素会有很多，此时可用头脑风暴法找出所有的相关因素。
　　通过头脑风暴法可得出多个影响因素，此时要对这些因素进行理整，并进行一定的合并、归纳和分类。确定并解释这些因素间的关系以及因素与结果之间的关系将有助于问题的解决。此时可用一种目前应用较为广泛的工具--因果图。图中的箭头处是待改进的特性症状，类似鱼刺的箭线分支上列出的都是影响因素，每一条大鱼骨上列出的都是可归为同一类别的影响因素。通常我们会从操作者、机器、材料、方法和环境等五大因素类别考虑。因果图示例可见图16。

　　此外，也可应用关联图形式整理这些影响因素。关联图是以问题的现象为中心进行排列的，在现象的四周列出影响因素，进而在这一因素的四周再列出其他影响因素。通过如此反复地列出影响因素，逐步揭开之间的因果关系。关联图示例见图17。

通过因果图和关联图找出因果关系之后，要确认这种关系是否正确，是否找到了真正的原因，还需要通过各种检验才能得到证明。常用的验证方法和工具有回归分析和散布图等。
　　回归分析可分为一元回归和多元回归，通过回归分析，可以找出特性结果与影响因素之间关系的密切程度，即相关系数。可以通过相关系数来判断在给定的显著性水平下，特性结果与影响因素之间的相关程度，以判断我们提出的因果关系是否准确。
　　结果与因素之间的关系还可以用更形象的方式加以表述，如散布图可以把因素值作为横坐标，特性值作为纵坐标，取相对应的数据绘制在"散布图"上，这样可以通过图形把握两者之间的关系。散布图示例见图18。

　　通过应用上述工具，可以找出影响特性结果的波动源，并找出和确认波动源与特性结果之间的因果关系。
　　3.确定过程业绩的决定因素
　　找出影响因素和因果关系后，还要确定哪些是"关键的少数"因素。解决问题时应该把握重点指向，也就是说，要集中力量改进那些能够产生明显效果的因素。
　　排列图是进行这一步骤时常用的一种工具。排列图的全称是"主次因素排列图"，也称为"Pareto图"，它主要基于帕累托原理，该原理是Vilfredo Pareto提出的。排列图分析能帮助人们确定这些相对少数但重要的因素，以使人们把精力集中于这些问题的改进上。它是用来寻找影响产品质量的各种因素中主要因素的一种方法，由此来确定改进的切入点。排列图示例见图19。

　　除排列图外，相关系数的大小也是把握主要影响因素的重要依据。前面我们已经通过回归分析得出了影响因素与特性结果间的相关系数，通常我们会从相关性强的因素着手，力求取得效果明显的改进。
　　在S4的分析阶段，除上面介绍的方法和工具外，较常用的工具技术还包括多变量图、箱线图、假设检验和方差分析等。