六西格玛 (2)资料.pdf

第 2 章 六西格玛 “六西格玛” 这个词从何而来？为什么它能取得我们今天所看到的成功和 动力？谁是让这些得以实现的先驱？ 大家普遍认为是摩托罗拉公司迈出了六西格玛的第一步， Maikel Harry 博 士和工程师 Bill Smith 推动其向前发展。质量实践产生的措施不能提供足够的 精确度来评估一些高技术流程和产品的性能。因此，他们引进了著名的每百万 机会中缺陷的测量方法，以便更详细、更精确地进行质量分析，从而针对失效 产生的根本原因，而不再是因循守旧地针对症状。 六西格玛的传播始于美国传统的制造业巨头，如摩托罗拉、联合信号公司 和通用电气公司。 在 20 世纪 80 年代中期， 摩托罗拉公司董事长 Bob Glavin 在 公司里倡导六西格玛的重要性并接受随之而来的文化和教育的影响。 这使六西 格玛发展成了一个成熟的具有坚实科学基础的方法。 六西格玛因而成为一种处 理业务的方法，而不是工具箱。唯有植根于员工心中的文化改变的效益才能超 越单纯的财政效益。 随着时间的推移，世界银行业和各种服务公司逐步认识到这些技术的价 值，这一方法由此以缓慢但却非常稳定的步伐传遍了整个欧洲和世界。迄今取 得的显著成就证明，这种思维和改进方式已扎根于企业文化之中，这也将保证 它的持久成功。 事实上，摩托罗拉公司只是在继续早期质量管理“大师”的工作。每 100 万个机会中 3.4 个缺陷的六西格玛测量方法， 在数学上可以追溯到 19 世纪早期 高斯 ( 1777— 1855 年 ) 发明的正态分布。 第 2 章 六西格玛 如果一定数量的信息 ( 数据点 ) ，如产品性能以最经常发生的价值分布在 中间范围，其他较少发生的概率对称分布在两边，我们便称之为正态分布。 这种分布可由一条钟形曲线图来表示，见图 2.3 。引用其发明者的名字， 这一曲线通常被称为高斯曲线。在一系列正态分布数据中，平均值和中值十分 接近，还可能完全相同。 19 世纪 20 年代， Walter Shewhart 又迈出了一大步，他提出当流程走出三 西格玛带宽时需要调整，从而为六西格玛术语如过程绩效指数 ( Cpk ) 、信号和 控制图奠定了基础。 各种流程优化技术都有配套的数值生产控制技术。然而，流程优化侧重于 减少浪费，生产同时还注重数值控制。 六西格玛中其他统计模型源自古典的数学和统计学 ( 如双样本 T 测试 ) 和 现代的 ( 一般线性模型， ICC-Kappa 测试 ) ，但这并没有让六西格玛成为独一无 二的方法，其真正的与众不同之处在于，它能将所有的模型置于一种体例下， 并在 12 个清晰的步骤内通往成功，使每个员工都能使用这些技术。 2.1 六西格玛的定义 人们可能已经熟悉六西格玛这一术语。 它应用于人们熟知或从事的某一行 业，但也有人根本未接触过。术语本身有两层含义： ● 质量的准绳和要达到的标准。 ● 数学上导出的数字，以评估流程的第一次合格率。 准绳是指许多公司都力求避免在生产或服务提供的流程中出现错误这一 事实。这是一个合乎逻辑的目标，因为它向相关员工灌输完美的意识，同时避 免因返工而耗费时间、金钱以及额外的调查费用，更不用说废品了。准绳从而 成为了公司文化的一