仅仅用六西格玛能否解决企业的问题吗？

我给出的答案是：不能。但是，有效整合精益六西格玛与生产企业的关系，制造工厂能够达到最高质量和最低成本，使企业拥有强大的制造竞争力。

目前大多数人对六西格玛的了解来自山寨六西格玛老师，山寨六西格玛导师向人传达六西格玛无所不能的理念，传达只要会了六西格玛方法企业什么问题都能解决的错误观点，其结果是大家开始拿着六西格玛这把锤子到处乱敲之后，发现这把锤子没有什么用，然后将其束之高阁，加上摩托罗拉手机事业部的不顺等，导致很多人对六西格玛失去了信心。

但六西格玛的所给企业带来的重要变革，让企业质量问题解决有着系统性的解决方法，不应该因为这些人的误导而蒙尘。

从根本上重视六西格玛

正如其它管理方法一样，如果让六西格玛在企业内部发挥其巨大的威力，一定要在项目选择上加以重视，避免选择通过逻辑分析或者明显就能看出解决方案的项目，更需要避免采用六西格玛套路去套已经有解决方案或者解决思路的项目。

通常使用六西格玛解决的问题要求是在企业内反复发生，一直解决但又未能彻底解决的疑难杂症，六西格玛方法在这些问题的解决上能够取得成功，这些项目的特点就是其无法直接用专业和逻辑思考进行解决，而是需要先把制造问题转为统计问题，通过统计数据的解读发现工程问题，然后才能解决问题。

详解DMAIC

Define 定义阶段

定义阶段主要工作是确定要改善的项目，工作简单但却非常重要，很多做项目的人忽略了这个阶段。比如项目是否已经严重到需要使用六西格玛来解决的地步，项目是否有足够的收益，能否有足够的资源（人：是否可以跨部门整合；物：相关流程输入是否到位；财：需要的支出是否小于项目收益并得到了审批），理清这些问题能够让项目事半功倍。

定义阶段的输出为项目定义表，内容包括：项目目的，问题陈述，项目范围（相关流程），财务收益，时间计划及里程碑，项目挑战，所需资源，项目团队，指导的黑带大师、管理的倡导者等。

Measure 测量阶段测量阶段需要对因子进行发散，通过对流程图的绘制扩大找出可能影响问题（Y）的因子。然后使用因果矩阵对发散的因子进行收敛，一般情况下，因子可以收敛到10个以内。

通常情况下，在M阶段需要做的数据分析有：

①过程数据形态分析，查验数据的分布是否符合正态分布，如果数据长期呈现不正态，则需要观察过程是否存在混态，如不同班次水平不同；不同的原材料之间存在差异等。

②数据运营是否存在混合型和聚类性，通过这些数据呈现出来的规律，结合生产现场的专业经验，可以解决大部分的问题。

③对过程数据进行稳定性研究，查看异常波动对过程的影响。

数据分析能够发现现场发现不了的问题。但在数据分析之前，需要确定测量系统的有效性并对测量工具进行必要的校准，以保证描述性统计数值的有效性。

Analyze 分析阶段

通过测量阶段的数据分析，可能造成质量异常的因子被聚焦，如果这些因子的失效原因已经明确，给出控制措施（通常会使用防错控制），如果因子失效模式和原因不是很清晰，可以使用失效模式与效应分析针对这些因子进行分析，如果通过FMEA分析也不太确定发生错误的原因，则需要使用假设检验和推论统计。假设检验不同于试验设计，不需要专门的试验，在生产过程中记录相关数据即可。

推断性统计通常有：

①按标准执行：在收集数据之前，需要保证生产现场的操作全部按标准执行，有些问题仅仅是因为操作人员未按标准作业或者未按要求记录造成的，如果您的研究按标准进行研究则会得到与现场不一致的结果。

我曾经在一家企业观察到一个项目组在分析两个班组数据的时候，得到班组之间对质量结果有显著的影响的结论，而这种不同仅仅是因为两个班组对质量问题的记录不同导致的而已，让生产活动都按标准执行，是假设检验分析的前提。按标准进行作业，或许会让以前的质量不稳定消失。

②多变量分析：首先确认要研究的x和y，找出这些数据在哪里收集和测量，然后安排现场人员和研究人员收集相关的数据，这些数据收集要求全面系统。

多变量分析的工具通常有

• 变异源分析：通常是分析噪音对质量问题的影响，这类分析通常只分析变异源不分析变异的大小。
• 回归分析：研究两组或多组连续数据之间的关系；
• 逻辑回归：一般用来分析用数量来记录结果的缺陷或不良，影响因子为连续型数据，被影响的问题用离散型数据进行记录；
• 方差分析：则是用来比较不同生产条件或不同班组下特性均值的变化。
• 卡方分析：用来比较缺陷或不良的比率在不同的条件下是否有差异。

答案是不可以！通过假设检验之后，看到P值=0.000＜0.05就可以判断x对y有显著性影响，或者直接根据P值来进行后续的工作？

所有的分析和判断，一定是根据数据分析的结果然后结合实际工作逻辑才可以做出后续的判断。

任何时候P值及您是您的一个参考。

关于假设检验的路径，可参照：DMAIC各阶段目标及任务介绍

Improve 改善阶段

其实有相当比例的项目，在上一个阶段就已经完成了。

分析阶段确认的重要因子，如果最佳参数非常明确，可以直接给出改善方案了，如果最佳参数不明确，或者怀疑其可能有多重共线性、甚至有交互作用，则可以在改善阶段使用DOE进行分析。

试验设计与其它统计方法一样，也必须要与制造、设计等结合使用，否则仅仅使用DOE对质量改善不会有什么大的帮助的。

六西格玛常用的试验设计有：部分因子试验设计，全因子试验设计和反应曲面方法论。

试验设计的前期准备工作是根据试验的资源来策划试验的次数及所使用的试验类型。

您需要在试验设计的时候考虑：

试验次数、实验因子、试验的分辨率，中心点、仿行数，区组数等。

同时还要考虑实验过程中噪音的控制等。

试验设计分析的时候，需要分析因子的显著性，曲率，高阶因子的删减（删减的标准则是依据P值，显著性、方差贡献度、残差分布）。之后开始分析各种数据的图形，和响应优化器。

这些年来试验设计帮助了很多企业解决了不同的问题。

Control 控制阶段

在项目的问题解决之后，运用统计过程控制、标准化及防错的方式对过程进行管控以确保后续过程的稳定性。

写在最后：

目前很多人读了基本六西格玛书，或者参加几天的六西格玛培训后就开始到处开展六西格玛培训和辅导了，这些行为无疑会对推行六西格玛的企业带来不良影响。