谢宁与六西格玛

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

谢宁与六西格玛

我们常被问到如何描述谢宁和六西格玛之间的差异,这个问题似乎并没有看起来那么简单。谢宁研发出独立的方法帮助我们的客户达成他们的六西格玛目标。在其他案例中,谢宁的技术也极大地增强了现有的六西格玛方法。

成功的商业业绩提升项目有很多共同点。他们都是以客户为中心的,需要高层领导的积极参与,通过一个接一个的项目来达成结果;项目又受数据驱动,最终,项目带来了公司文化方面的转变,涉及客户品质、问题解决和问题预防等方方面面。谢宁已经研发出一些独特的工具用于挑选出最有价值的项目、管理项目以便快速得出结论,同时引领文化转型。然而,这些元素是所有成功的商业业绩提升项目的关键要素。

最关键的差异体现在数据分析的作用以及项目规划和执行上。大多数六西格玛项目中都包含为期数周的数据培训:学员会学到如何理解描述性数据,学习应用回归分析,设计性实验,假设检验,方差分析(ANOVA)以及管理图表。学员通常还会学到一些辅助技巧,在做头脑风暴和鱼骨图时可以派上用场。项目伊始,一般是和行业专家们开会,列出一个包含可能原因的清单。之后,就开始做大型DOE实验将可能原因分类。项目的成功取决于能否从清单上找出真正的根本原因。因此,各个团队会筛选出尽可能多的原因,而非相反。这种发散性的方法,通常会催生一系列同时进行的活动。统计分析会倾向于从大量数据集的评估中计算出结果,这也促进了一些数据软件的应用,如Minitab®Essential版。

解决数据性问题的根本性原则是Y = f(x)。这个原则决定了项目团队要辨识出所有可能影响关键输出值(Y)的因素。这个等式展开就变成了Y=a+bx1+cx2+dx3+…+mx n。一个成功的项目需要找到所有从数据角度来说很重要的系数(a,b, c, d等)。DMAIC(界定、测评、分析、改善、控制)流程便可辅助这一方法。

谢宁项目是建立在证据的基础上的,最终汇聚到最大变差的根源,即Red X。对一个谢宁项目来说,根本性原则是ΔY=f(Δx)。这个等式展开来就是ΔY = a +bDx1 + cDx2 + dDx3 +…+ mDxn。通过关注变差,即Y值的变化,目标变成了找到拥有最大值的那一项。最大值取决于一个重要的系数以及X值产生重大变化。这个项很少是有着最大系数的那个项。根据帕累托(Pareto)原理,这些项需要极大的波动才能改变Y的值。谢宁调研的目标就是快速找到那些带来最大变差的少数关键的项。在很多项目中,Red X是独立输入值(Xs)之间的交互作用。谢宁的工具在揭示这些交互作用方面颇为有效。

谢宁项目的特点是通过严格的侦查工作探索关键联系。谢宁与零件“对话”,通过对比最好的和最差的零件之间的性能差异发掘出Red X。谢宁的方法并不是让相关行业专家列出可能原因的清单,而是采用一种策略迫使不同的流程之间暴露差异。谢宁的问题解决地图叫FACTUAL™ (关注,策划,汇聚,确认,理解,实施,推广)。

策划步骤是FACTUAL和DMAIC的一个关键差异。在策划这一环节中,工程师基于问题本质和BOB及WOW零件的可用性研发出一种探索策略。在策略执行过程中,工程师能很快通过排除法汇聚到关键输入值。尽管从统计学角度来看,谢宁技术是很严密的,图示化的分析淡化统计学概念,同时鼓励将工程洞见用于揭示关键的联系。谢宁重视能带来洞见的图示化分析,并用此替代了大多数的数据计算。谢宁的工具足够简单,工厂操作人员也能正确使用,但同时也足够精密,可用于解决高度复杂的问题,诸如制造质量,产品性能及产品可靠性等问题。

FACTUAL中的确认步骤是区别于DMAIC的另一个核心差异。在确认阶段,通过反复研究问题,我们要求团队表达对于问题根本原因的理解。我们通常把这个步骤叫做“起诉Red X”。策划和汇聚阶段代表”侦测”工作,而确认阶段代表通过合理怀疑之外的方法证明(Red X)“有罪”。确认阶段能防止公司在错误的根本原因的解决方案上过多投入。当无法通过确认环节确定Red X时,团队会转而在策划和汇聚阶段寻求缺失的影响因素。

遵循从Y→X汇聚的方法使得谢宁能快速高效地识别出Red X。通过充分运用差异,谢宁方法每一次都能将找出根本原因所需的时间,零件数量,人员以及宝贵的资源投入缩小到最少。谢宁的调研方法曾通过揭示出各个因素间出人意料的关系,成功解决了很多看似无法解决的问题,而这在行业专家们参与的头脑风暴上是永远不会发生的。

谢宁的技术通常受到那些更愿意理解事物运作规律并热衷探索事物之间意外联系的工程师的青睐,而DMAIC技术更受数学家们的欢迎,因为他们更习惯于通过计算来寻找因果关系的完整模型。

相关文档
最新文档