6Sigma基础培训纲要

6δ 、產品服務、全球化
6Sigma基礎
1.2、6Sigma發展
1987-92 1990 1990-93 摩托羅拉 6 Sigma研究協會成立 IBM、德州儀器、寶麗萊、……
1994
1995 1996 1998-9
聯合信號
通用電氣 英特爾、花旗銀行 NEC、索尼、三星、菲亞特、諾基亞、希捷
6Sigma基礎
以目標為中心 Center around target
減少變異 Redyce varuation
6Sigma基礎
5.4、6Sigma品質概念
L SL U SL
ISO/QS體系：品質意謂符合 要求 6Sigma改善：品質意謂把偏 離目標的變異減至最低
8 .7 5 1 0 .0 0 1 1 .2 5 1 2 .5 0 1 3 .7 5 1 5 .0 0
黑帶大師MBB
黑帶BB 黑帶BB
管理
執行
綠帶 綠帶 綠帶 綠帶 GB GB GB GB
綠帶 綠帶 綠帶 綠帶 GB GB GB GB
配合
6Sigma基礎
3.3、6Sigma角色職責
6Sigma基礎
4.0、6Sigma術語
1
2 3 4 5 6 基本關系方程式 對什麼重要 關鍵輸入變量 關鍵輸出變量 長期/短期績效 潛在最佳值 單元缺陷率 機會 Y=F(x) CT’s(Quality,Cost,Delivery) KPIV’s&KPOV’s Long Term& Short Term Performance 最優化的目標Y DPU 可以改善的方向
6Sigma基礎
三個火槍手的故事之一
火槍手A命中率為0.8
火槍手B命中率為0.6 火槍手C命中率為0.4
現三人進行火拼﹐一陣亂槍之后﹐誰 存活的概率最大﹖
6Sigma基礎
三個火槍手的故事之二
火槍手A命中率為0.8
火槍手B命中率為0.6 火槍手C命中率為0.4 三人火拼﹐輪流開槍﹐先由C先開 槍﹐請問C先向誰射擊﹖由A先射擊呢﹖ 由B先射擊呢﹖
6Sigma基礎
2.1、什麼是6Sigma
L SL T arg et U SL
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
6Sigma目標：減小變異和過程置中
6Sigma基礎
6Sigma基礎
2.2、6Sigma的管理目標
(分布移動± 1.5δ) δ PPM
過程 能力 每百萬機會中 的缺陷數
缺陷品
2 3 4 5 6
6Sigma基礎
“The problems we face today cannot be solved at the same level of thinking we were at when we created them” “我們今天所面對的問題是無法以昨天的 思維方式去解決的” Albert Einstein
1991年 引入“黑帶”(Black Belt)創意
6Sigma基礎
1.1、6Sigma起源
1992年 摩托羅拉、柯達、ABB、德州儀器和IBM建立了黑 帶培訓架構 1993~95年 摩托羅拉招聘了四萬新雇員，免去了每年40 個小時的規定品質培訓，當然公司收入是每年增 長幅度27%，品質水帄為5.2個Sigma。同年， Geroge Fisher離開摩托羅拉去了柯達。
保証品質在一定范圍內波動 也可以滿足客戶要求
L SL
Biblioteka BaiduU SL
ISO/QS體系：維護品質
6Sigma改善：突破性品質改 進，過程置中和減小變異
8 .7 5
1 0 .0 0
1 1 .2 5
1 2 .5 0
1 3 .7 5
1 5 .0 0
6Sigma基礎
5.5、6Sigma平均與波動
6Sigma基礎
5.5、6Sigma平均與波動
6Sigma基礎
5.2.1、數據驅動
某產品的關鍵尺寸要求為10±3，量試的產品經 過測量帄均尺寸為9.8，OK還是NG？
L SL U SL L SL U SL
7
8
9
10
11
12
13
2
4
6
8
10
12
14
16
6Sigma過程不僅需要分析均值，要需要知道 對應的標準差，以研究過程的波動
6Sigma基礎
6Sigma基礎
2.1、什麼是6Sigma
6Sigma基礎
2.1、什麼是6Sigma
L SL m ean U SL L SL m ean U SL
7
8
9
10
11
12
13
6
7
8
9
10
11
12
13
如果產品規格是：10±3， 紅線外的部份便是不符 合規格的產品
如果均值偏離目標值， 不符合規格的產品數 量便會增加
7
8 9
每百萬機會中的缺陷 DPMO 隱蔽工廠 直通合格率 非增值的流程 P=P1*P2*P3*…*Pn
10
6Sigma基礎
5.0、6Sigma理念
1：y=f(x)
2：數據驅動
3：策略
4：品質概念
5：散布與波動
6Sigma基礎
5.1、6Sigma關系式
6Sigma基礎
5.1、6Sigma關系式
數據表明有99%的把握認定根本 原因是……有沒有反對意見?
Data數據 + Analysis分析 = Narrows Debate減少爭論
6Sigma基礎
5.2.2、數據遊戲---紅包博奕
右圖三個箱，有1個箱子有獎。任 意先選擇一個箱子，然後我會當 著你的面打開另外一個裝無獎的箱 子，隨後，我再給你一次改變選擇 的機會。
6Sigma基礎
3.1、6Sigma過程概括圖
define 定義 機會/項目 Measure 測量 癥狀/狀況 Analyze 分析 問題/原因 Improve 改善 解決方案 Control 控制 保持成果
QFD 項目策劃和管 理工具 COQ
過程圖 QC七大工具 因果關系圖 腦力激盪 FMEA CPK分析 測量系統分析 中央極限定理
愛因斯坦
6Sigma基礎
1.1、6Sigma起源
6Sigma起源於摩托羅拉公司
“摩托羅拉須導入6Sigma，因為我們在 市場競爭中不斷被外國公司擊敗，這些外 國公司能夠以更低的成本生產出質量更好 的產品！” 摩托羅拉總裁 Bob Galvin
6Sigma基礎
1.1、6Sigma起源
1978年 因為電視業務利潤急劇下降，摩托羅拉將是機制 造業務賣給了一日本企業 1981年 摩托羅拉培訓中心訂下要在五年內達成十倍品質 改善的目標，但各部門仍然保持各自衡量品質的 指標 1987年 由喬治.費雪(George Fisher)推出一套Sigma創新 改善概念，摩托羅拉決心全面推廣6Sigma，訂下 四年達百倍品質改善的目標，而現狀為4Sigma 1988年 摩托羅拉贏得了美國國家質量獎—馬爾科姆.鮑德 裡奇獎(Malcolm Baldrige National Award)
6Sigma基礎
6 Sigma是通用電氣所有大型推廣項目 中最具重要意義的……它將成為公司現在 和將來的管理模式，同樣應用於公司未來 的發展中！
傑克.偉爾奇
6Sigma基礎
1.2、6Sigma發展
6 Sigma的開拓者---通用電氣GE
1995年末開始推行6δ
1997年推行6δ節約的成本收益3億美元 1998年為7.5億美元 1999年為15億美元 傑克.偉爾奇先生為GE制定的三大發展戰略：
6Sigma基礎
5.2.3、數據遊戲---紅包交換
決策樹分析
不換 甲
？＄ 交換
500$
50% 1300$ 50%
甲:2500$ 甲:100$
6Sigma基礎
5.3、6Sigma策略
了解顧客重視的地方(CTx’s) Know what’s improtant to the customer 減少缺陷 Reduce defect
MPE
赵健
6Sigma基礎培訓綱要
1、6Sigma簡介 2、什麼是6Sigma
3、6Sigma過程
4、6Sigma術語
5、6Sigma基本理念
6、6Sigma基礎工具 7、6Sigma與IE
前言
前言
一.6Sigma是改善的一種工具與方法， 如果你了解了，它將化做知識烙印 在你的腦海中，與你伴隨一生。 二.6Sigma雖然運用了很多的統計學 知識，有很多數據。你隻需要知道 需要收集什麼樣的數據，對數據進 行什麼樣的分析就行了， 這些數 據交給計算機計算就行。
6Sigma基礎
2.1、什麼是6Sigma
L SL m ean U SL
L SL
T arg et
U SL
7
8
9
10
11
12
13
2
4
6
8
10
12
14
16
L SL
T arg et
U SL
如果標準差增加，不符 合規格產品數量便會增 加；如果標準差減小， 不符合規格的產品數量 的便會減少
7 8 9 10 11 12 13
2.1、什麼是6Sigma
六西格瑪即是6δ，
6 Sigma管理是在提高顧客滿意程度的同時降 低經營成本的周期的過程革新方法；
它是通過提高組織核心過程的運行質量，進 而提搜求企業贏利能力的管理方式；
也是在新經濟環境下企業獲得競爭力和持續 發展能力的經營策略。
6Sigma基礎
2.1、什麼是6Sigma
6Sigma分析要以數據為驅動進行，用數據來指引改 善的方向，用數據來校正改善中的錯誤
6Sigma基礎
5.2.1、數據驅動
甲：這件事的原因是A……
乙：你不對，這件事的原因是B…… 丙：你兩個都不對，原因不是A…也 不是B，應該是C…
6Sigma基礎
5.2.1、數據驅動
This data supports with 99% confidence that the root cause is … …Any objections?
308,537 66,807 6210 233 34
缺陷品
δ 是一個量制的統計單位，電 腦能反映過程能力
6Sigma基礎
2.2、6Sigma的管理目標
6δ標準：在產品均值發生1.5倍δ的偏移時，產品不良率 仍然控制在34PPM以下
6Sigma基礎
2.2、6Sigma的管理目標
6Sigma基礎
3.0、6Sigma過程
5.2.1、數據驅動
計算証明8.3%與3.3%有差異時的需要的樣本量大小 假設檢驗對比最大、最小不良率是否有差異 Testing proportion 1 = proportion 2 (versus >) Sample X N Sample p Calculating 60 0.083333 1 5 power for proportion 2 = 0.0333 Alpha =20.05 2 60 0.033333 Proportion=1p (1) - p (2) Difference Sample-Size Target-Power Actual-Power Estimate for difference: 0.05 0.08333 374 0.9 0.900073 95% CI for difference: (-0.0333892, 0.133389) 在樣本量>374時，才能証明8.3%>3.3%，現對比時只抽樣60pcs Test for difference = 0 (vs not = 0): Z = 1.18 是不足夠的 P-Value = 0.240>0.05，在現有樣本量下8.3%與3%沒有差異
換？還是不換？ Change or not?
6Sigma基礎
5.2.2、數據遊戲---紅包博奕
換 不換
☞
選擇
X 中 中
中 X X
當直覺引導我們 沿著氏誤的路線 進行時，數據可 以幫助我們調整 正確的路線上
6Sigma基礎
5.2.3、數據遊戲---紅包交換
現有兩個紅包A、B，其中A中的錢 是B中的錢的2倍。將紅包隨機發給 你，打開紅包裡面是1000＄（我不 告訴你另外一個紅包是多少＄）。 現在給你一個選擇、你是否願意與 我交換紅包？ 現有兩個紅包A、B，其中A中的錢 是B中的錢的5倍。將紅包隨機發給 你，打開紅包裡面是500＄（我不 告訴你另外一個紅包是多少＄）。 現在給你一個選擇、你是否願意與 我交換紅包？
多變量分析 假設檢驗 正態檢驗 均方差分析 ANOVA 非參數分析 相關性分析 回歸分析
全因子DOE 部份因子分析 田口分析 多線性分析 反應表面分析 EVOP
統計過程控制 控制圖 防錯 組織學習 標準化
6Sigma基礎
3.2、6Sigma組織與角色
推行委員會 倡導者 領導 推動
黑帶大師MBB
黑帶BB 黑帶BB