别让统计成为推动6Sigma的绊脚石

  Alu ·  2008-03-03 21:33  ·  40486 次点击
**6σ与统计的关系
**
“σ”是虾米碗糕?稍懂统计的人一眼就可以看出“6σ”与统计学脱离不了关系。“σ”是统计学上的符号,英文念作“SixSigma”,中文称为“六标准差”,它代表所观察的流程或产品的变异程度,从机率分配图可以清楚看到单边6σ所涵盖规格界限内的面积远高於单边3σ,也就是说6σ水准的作业流程其发生缺点的机率远低於3σ水准。更明确的说∶达到6σ水准的作业流程其不良率仅为百万分之3.4。正因为6σ以简单的图形量化了品质的问题,所以统计堪称为6σ的核心技术,它贯穿了改善专案DMAIC(请回顾上一期的报导)的每一个步骤,也影响了改善专案的最终成效。
**对症下药有赖於可靠的数据
**
了解统计在6σ的重要角色後,接下来我们将关心品质改善活动中最叫人头痛的问题∶找出“症状”与用对“处方”。还好,基本的统计原理与现成的统计软体工具,解决了长期以来的老问题。透过有效的数据搜集计划(其中包括∶决定数据搜集对象、样本大小、抽样的方式、量测系统分析┅),我们可以揪出实际的“症状”(例如∶经过数据搜集与分析後,发现造成不良品的主要原因为~设备参数设定占42%、人员操作不当占23%);而借助於统计软体(目前普遍应用Minitab)所运算的数值/指标与视觉化的图形,则可作为改善行动的“处方”(例如∶管制图呈现出既不在管制状态,又不在规格界限之内,则现场人员应优先改善制程回到管制状态,再改善规格界限问题)。
**缺乏统计的底子怎麽办?
**
既然统计在推动6σ是如此的重要,那麽大多数缺乏统计底子的人该怎麽办呢?要学到怎样的程度才足以胜任GB、BB或Champion呢?这个问题就像驾驶操控汽车一样。对一般驾驶而言,只要熟练开车的技巧(如∶超车时,驾驶必须有能力看准车距、掌握车速与方向盘),并不需要深入了解汽车的压缩比或变速箱的结构。同样的,GB人员只要熟悉统计软体的操作与应用(例如∶量测系统分析时,必须输入零件、操作者以及重复实验次数的数据,并选择正确的功能键),GB并不需要具备高深的统计能力;而身为专案领导人的BB,则必须有能力分辨GB所搜集的数据与选用的分析工具是否正确;至於制定公司政策的Champion,对统计涉入的成分就更低了。
最後我们还是要重申,统计是为了有效改善问题的工具。6σ的精随不在於培训统计学家,而是在於有能力善用统计工具以精确的描述、鉴别问题,并验证、推论(可运用假设检定、变异数分析、回归分析、相关分析等)问题的因果关系。对统计的应用有了正确的认知,接下来只是熟练统计软体的操作、了解适用的时机,以及运算结果的判定。不管你是6σ专案负责人或是专案成员,千万别太专研於统计的公式与运算,而绊住了你6σ的推动。

0 条回复

暂无讨论,说说你的看法吧!

 回复

你需要  登录  或  注册  后参与讨论!