6Sigma资料.docx
《6Sigma资料.docx》由会员分享，可在线阅读，更多相关《6Sigma资料.docx（28页珍藏版）》请在冰点文库上搜索。
6Sigma资料
6Sigma资料
6SIGMA知识讲座
一、6Sigma基本概念
二、6Sigma推行方法
三、6Sigma解决问题方式
四、6Sigma培训内容介绍
五、6Sigma案例
六、6Sigma常见问题
一、6Sigma基本概念
6Sigma文化可以为企业提供战略方法和相应的工具，通过严谨的、系统化以及以数据为依据的解决方案和方法，消除包括从生产到销售，从产品到服务所有过程中的缺陷，从而改善企业的利润。
什么是6Sigma?
在统计学中，是希腊字符，代表标准差，用来对变异进行测量。
（6σ的本意是：
通过提高过程能力使过程特性的标准规格可以覆盖特性实际测量的标准偏差σ的正负6倍范围）---注意R（极差）、S（偏差）、σ（标准偏差---当取样的数量为无穷大时的S值）概念
对于任何企业来说，过程变异都是他们最大的敌人之一，因为过多的过程变异会导致产品和服务无法满足客户要求，为企业带来损失。
大多数企业的运作过程都保持在3至4个Sigma的水平，也就是说在100万个造成缺陷机会中，存在6,200至68,000个缺陷。
相对而言，保持6Sigma运作的企业，在100万个造成缺陷的机会中，只有不到3.4个缺陷。
6Sigma系统方法的基本目标是建立并实施以测量为依据的战略，通过实施6Sigma改善项目，改善制程，减少变异。
这一目标要通过两套6Sigma系统方法来完成：
DMAIC和DMADV。
6SigmaDMAIC过程（D-定义、M-测量、A-分析、I-改善和C-控制）主要针对不能满足要求的过程，对其进行突破性改善。
6SigmaDMADV过程（D-定义、M-测量、A-分析、D-设计和V-验证）主要针对新产品和过程的开发，使得新产品和过程的绩效达到6Sigma的水平。
以上的这两个过程都是由6Sigma绿带和黑带负责实施，由6Sigma黑带导师负责监督执行。
二、6Sigma推行方法
最高管理层负责挑选顾问，协调高层管理工作坊，审批首批黑带，演示6Sigma测量系统，确定关键改善重点，改进项目的进展，建立奖励晋升体系。
项目领导负责统筹管理人员的培训，挑选黑带人员，选择实施项目，组织审核，实施奖励和晋升体系。
黑带人员和绿带人员协调确认和实施项目，向项目领导报告项目进展和存在障碍，协调对部门经理和员工进行培训。
三、6Sigma解决问题方式
DMAIC方法
DMAIC方法是在每个定义的阶段中，有效运用适合的质量工程工具。
过程中的变异是造成不合格品产生的重要原因，通过正确使用这些质量工具就能够识别出这些变异，从而进行分析、改善及控制。
四、6Sigma培训内容介绍
NO
课题
课时选择
参加对象
1
6Sigma导入与应用
6-12hrs
总经理及各部门经理、主管
2
6Sigma黑带（BlackBelt）训练
20days
中高层管理人员
3
6Sigma绿带（GreenBelt）训练
6day
中高层管理人员
4
6Sigma高级经理人训练
6-12hrs
董事长、总经理等高层主管
5
企业诊断与项目确立
12-18hrs
总经理及各部门经理、主管
6
关键质量特性CTQ
6hrs
中高层管理人员
7
6Sigma流程战略
12hrs
全体管理人员
8
品质成本管理
6hrs
相关管理人员
9
品质机能展开（QFD）
12hrs
相关管理人员
10
潜在失效模式与效应分析（FMEA）
6-12hrs
相关管理人员
11
量测系统分析（MSA）
6-12hrs
相关管理人员
12
统计过程控制（SPC）
12hrs
相关管理人员
13
实验设计（DOE）
12-18hrs
相关管理人员
14
单变量回归分析
6hrs
相关管理人员
15
多重回归分析
6hrs
相关管理人员
16
防呆法
6-12hrs
相关管理人员
17
初级统计技术应用（QC手法）
6-12hrs
相关管理人员
18
高级统计技术应用
6-12hrs
相关管理人员
19
实验计划之管理效益
6hrs
相关管理人员
20
概率与分布
6hrs
相关管理人员
基础质量工程（QEF）
目前很多企业还不能有效利用质量工程工具，例如：
流程图，失效模式和效果分析（FMEA），统计制程控制（SPC），量具重复性和再现性（GRR），质量成本（COQ）和实验计划法（DOE）等，这些工具表面上看起来非常普通，在改善方面却极为有效。
造成这一现象的原因往往是由于对基本统计学或工具的应用缺乏较深层次的正规培训。
目的
基础质量工程（QEF）的目的是为参加培训人员深入介绍各种质量改善工具及其应用。
在培训结束时，参加者能够独立应用质量改善工具，并且也为参加更深层的培训课程（例如6Sigma绿带/黑带培训或美国质量协会（ASQ）注册质量工程师（CQE）考试）打好基础
培训对象
担任质量工程工作的质量，设计开发和制程工程师或主管。
基础质量工程（QEF）培训课程
一、效模式及效果分析（FMEA）
1.定义，背景和类型
∙为什么要运用FMEA？
∙什么是成功的运用？
∙FMEA在不同行业的应用
2.制程FMEA步骤
∙何时开始？
∙Typesofmeasuresscored
∙RPNandActionPriority
∙改善分析
∙基本步骤
∙制造型与服务型FMEA
3.实施FMEA时应注意的事项
∙FMEA的关键因素
4.过程图和因果关系分析
∙解释如何用绘图工具描述过程
∙解释关键因素（CTx's）,关键过程输入变量（KPIV）和关键过程输出变量
（KPOV）的定义及其之间的关系
∙确定实际运作的过程，并找出隐藏工厂。
量化累积直通率
∙建立过程图，因果关系图，失效模式及效果分析（FMEA）和能力/控制计划之间的关系
∙因果关系分析
鱼骨图
因果关系矩阵
二、测量系统分析（MSA）
1.增加检测的结果
2.了解测量也是一个过程
∙>确认和量化测量变异的来源
∙>比较测量系统变异和过程变异
∙>找出测量系统和全面过程变异改善机会
3.测量系统分析术语
∙精确性
∙准确性
∙重复性
∙再现性
∙Discrimination
∙稳定性
∙线性
∙关联性
4.计数型量具重复性和再现性
∙评估分数
∙评估分数和计数型数据
∙筛选有效性分数
∙筛选有效性分数和计数型数据
5.计量型量具重复性和再现性
∙P/TRatio
∙P/TVRatio
∙DiscriminationIndex
∙%R&Rvscapabilityindices
三、实验计划法（DOE）
1.了解数据
∙测量的范围
∙数据的类型
∙质量性和数量性
∙离散分布和连续分布
∙图表工具类型
∙用图表描述数据
∙图表绘制规则
2.数据分布状态
∙不是所有的数据都是正态分布
∙处理非正态分布数据
∙中央极限定理
3.描述性统计工具
∙中央倾向测量
∙平均值
∙中线
∙模式
∙离散度的测量
∙范围
∙标准差
∙变异
4.质量七工具
∙因果关系图
∙运行图
∙散布图
∙流程图
∙柏拉图
∙直方图
∙控制图
5.管理七工具
∙亲合图
∙关系图
∙树形图
∙矩阵图
∙过程决策图
∙活动网络图
∙优先矩阵
6.假设检验
∙单样板检验
∙双面检验
∙单面检验
∙双样板检验
∙变异假设检验
∙单样板检验
∙双样板检验
∙多参数检验
∙特点
∙方法-按部就班的建立单方面ANOVA假设检验
∙>Chi-SquareGoodness-Of-FitTest
1.假设检验理论和方法
∙解释并确定假设检验及其价值
∙解释无零和备择检验的概念，并且正确使用
∙有效利用假设检验
∙了解单参数和双参数检验通过下列方式的运用：
∙单样板t-检验
∙双样板t检验和双对t检验
∙了解变异检验的运用
∙通过Minitab软件有效运用检验技术（提供样板软件）
2.OFAT（每次一个因子）
∙描述单因子实验法和多因子实验法之间的区别
∙限制
3.实验方法介绍
∙实验方法步骤
∙同假设检验的相似之处
∙同假设检验的不同之处
∙实验方法的障碍
4.全因子设计实验法
∙描述一个全因子实验
∙定义什么是因子和级别，解释在全因子实验设计中所用到的一些符号的意?
gt;解释主要结果和相互作用
∙设定并分析2x2全因子实验法（使用Minitab）
5.2K因子设计
∙描述一个23实验
∙用图表表明输出结果，例如立方图（cubeplot）
∙了解中央点的价值
∙Reducetheexperimentalmodelappropriatelyanduseresidualsandfitstoexaminetheresult
∙用Minitab软件设定并分析一个23实验
6.DOE在Sigma中的运用
∙介绍田口损失函数（TaguchiLossFunction），以及如何将它作为一个质量测量方法进行运用
∙设计一个23因子实验法（或者是一个更简单的实验），并进行分析，以减少标准差为目的。
7.部分因子实验法
∙筛选设计
∙部分因子设计
∙Alias关系
∙设计解决方案
∙Foldover设计
∙饱和设计
8.田口（Taguchi）方法
∙损失函数（LossFunctions）,"球门与田口"（"Goalpost"和"Taguchi"）
∙控制和噪音因素
∙田口（Taguchi）技术
∙DOE模式:
传统与田口（Taguchi）
∙信噪比（Signal-to-NoiseRatio）
四、能力分析----SPC（统计制程控制）
1.了解能力评估的必要性
2.能力分析的类型
∙>长期的和短期的
3.关于Z-Score
∙Z-score的计算方法
∙Z-transform
∙计算缺陷率
∙1.5Sigma浮动t
4.方法
∙计量型数据输出
∙计数型数据输出
5.DPU的计算方法介绍
∙使用Poisson模式，作为缺陷模式
∙零缺陷的概率
1.控制方法介绍
∙现有管理工具和方法介绍
∙头三代管理>>第四代管理:
JoinerTriangle
∙非正式系统的结果
∙不同的控制方法
2.统计制程控制（SPC）的理论和变量
∙为什么需要使用统计制程控制（SPC）
∙SPC介绍
∙实施
∙理论
∙连续数据控制图
∙X-bar和R控制图
∙分组和频次
∙控制图的理解
∙对于失控状况的反应
∙连续数据的其他Shewhart控制图
3.计数型数据的SPC
∙离散数据的控制图
∙P,NP,C,和U控制图
∙低频率事件控制图
4.其他控制方法>预先控制
∙EWMA,移动平均和累积和
∙全面控制方法（TCM）
∙全面控制方法（TCM）的元素
6Sigma绿带培训
课程概述
绿带培训课程是为介绍6Sigma方法（DMAIC）而设计。
具体内容包括介绍使用的工具，以及讨论6Sigma的应用和框架。
本课程的核心是通过课堂授课，工作坊和讨论的方式介绍6Sigma方法。
成功执行这个计划可为企业往后持续性改善活动的执行打下深厚的基础。
培训结束时，学员将全面，完整地了解6Sigma方法（DMAIC），并能够正确应用6Sigma方法,以步骤化的手段大幅改善工序上因变异所造成的不良率可靠度、返工等生产运作成本。
培训对象
专为以下人员设计
l直接参与降低成本项目的人员
2规划并设计降低成本项目结构的人员
3用最新的实践方法加强技术概念的人员
培训时间：
共6天
6Sigma介绍
测量阶段概述
改善基础
过程图
因果关系分析
潜在失效模式效果分析（FMEA）
能力分析
测量系统分析（第一部分）
测量系统分析（第二部分）
分析阶段概述
检设检验理论和路线图
检设检验方法
单变量（ANOVA）分析
非参数统计
课程重温
改善阶段概述
实验计划法介绍
全因子实验
2K因子设计
控制阶段概述
控制介绍
SPC理论和变量图表
计数值SPC图表和预先控制图
6Sigma黑带培训
6Sigma黑带人员是实施6Sigma项目公司的核心。
因此，一个完整的，精心设计的黑带培训课程也就是整个6Sigma项目取得成功的关键。
同为期10天的绿带培训不同的是，黑带培训要求20天的课堂讲授，针对先进改善工具进行介绍和讲解。
而要想获得6Sigma黑带证书，就必须成功完成一个6Sigma项目
课程目的
6Sigma黑带培训课程向参加人员深入介绍一套完整的6SigmaDMAIC先进方法和概念
注册黑带人员能够领导公司的6Sigma项目。
定义和测量
主要内容----培训天数
∙6Sigma突破性改善工具（dMAIC）
∙6Sigma项目需确定内容
∙确定项目范围和界限
∙问题描述
∙项目指标
∙测评基准和项目目标
∙预测项目回报-所有回报折算成金额
∙计算软件的基本了解，Minitab软件
1天
∙数据简介
∙数据分布状态
∙初级统计学（使用Minitab软件内的案例）
∙能力分析（使用Minitab软件内的案例）
1天
∙其他能力评估工具，例如DPU,RTY等等
∙过程图-确认隐藏工厂
∙因果关系分析
∙鱼骨图
∙因果矩阵
∙项目检讨
1天
∙失效模式及效果分析（FMEA）评估程序
∙FMEA工作坊
∙测量系统分析
∙术语和增加检测的结果
∙计数型量具重复性和再现性（GaugeR&R）
∙变量量具重复性和再现性（GaugeR&R）
1天
∙6Sigma项目推广的问题和障碍
∙6Sigma黑带项目测量阶段的成果
∙总结
∙为下一阶段-分析阶段做准备
1天
分析
∙重温测量阶段
∙概率分布-分布类型，并利用Minitab软件绘制
∙区间估计（IntervalofEstimation）
∙抽样数量
∙中央极限（CentralLimitTheorem）定理
1天
∙单变量（ANOVA）分析
∙ANOVA步骤案例
∙多变量分析
1天
∙回归分析
∙相关性
∙项目检讨
1天
∙应对表（ContingencyTable）
∙变异正态和同质（NormalityandHomogeneity）测试
∙非参数统计
1天
∙6Sigma黑带项目分析阶段的成果
∙总结
∙为下一阶段-改善阶段做准备
1天
改善
∙重温分析阶段
∙假设检验理论
∙同实验程序的相同点
∙同实验程序的区别
∙假设检验方法
∙假设检验路线图
∙参数检验/变异检验
∙通过Minitab软件有效使用检验方法
1天
∙什么是实验计划法（DOE）？
∙DOE策划
∙全因子设计
∙2K因子设计
1天
∙部分因子实验法
∙Sigma中的实验计划法（DOE）
∙田口（Taguchi）方法
∙项目检讨
1天
∙多重回归
∙高级DOE技术：
∙筛选性DOE
∙BlockingVariables
∙FoldedDesign
∙通过运用Minitab软件
1天
∙EVOP
∙6Sigma黑带项目改善阶段的成果
∙总结
∙为下一阶段-即控制阶段做准备
1天
控制
∙重温改善阶段
∙介绍"控制"的定义
∙统计制程控制（SPC）理论
∙变量的统计制程控制（SPC）
1天
∙计数型数据的SPC
∙其他控制方法-预先控制，全面控制方法（TotalControlMehtod-TCM）
∙保持成果-变革的管理（MOC）
1天
∙防错
∙控制计划
∙项目检讨
1天
∙谈判技巧
∙6Sigma设计（DFSS）
∙6Sigma项目实现
1天
∙6Sigma黑带项目控制阶段成果
∙6Sigma黑带dMAIC课程总结
∙6Sigma黑带项目路线图
1天
五、6Sigma案例
案例1
一个半导体簿膜设备制造商在"6-Sigma"实施前的状况是：
由于设计研发周期过长，该公司总是不能及时将产品推入市场，而且由于故障率太高，导致售后服务和维修成本过高。
售后服务和维修成本包括：
（1）顾客报怨、投诉和保修成本；
（2）客户维修成本；（3）延迟发货和停产损失。
该公司一台设备的平均单价是US＄7500K。
该公司希望通过"6-Sigma"的改进运作，能使公司赶上其竞争对手，如Toshiba，Actel，Applied，Material等公司。
该公司的"6-Sigma"运作是从建立"6-Sigma"团队开始的。
核心团队由研发工程、应用工程及可靠性工程组成，其它部门（如市场、制造、财务、质量等）负责支持与协助。
公司的总裁直接领导一个"6-Sigma"负责人，该"6-Sigma"负责人是由公司的副总裁担任。
在"6-Sigma"负责人之下，是"6-Sigma"黑带委员会（包括MBB黑带师、研发总监、技术总监）、"6-Sigma"财务委员会、研发系统1#、研发系统2#、研发系统3#和两个黑带项目团队。
该公司"6-Sigma"的推进步骤如下：
由管理高层确定"6-Sigma"的开展计划和管理结构，选定KPI，然后进行管理高层的培训和"6-Sigma"BB培训。
在培训过程中，BB黑带项目也要同时选定和实施，最后是项目的审核。
选定的KPI是：
（1）研发周期缩短2个月；
（2）生产过渡期合格率由65%提高到80%；（3）减少客户报怨和维修率80%；（4）预计财务回报：
通过降低研发周期可创造3.5亿美元（US＄350KK）；通过提高合格率可创造2亿美元（US＄200KK）；通过降低维修成本可节约4亿美元（US＄400KK）。
.
改进策略是：
通过减少设计更改的次数来降低研发周期；通过控制360项输出指针来提高生产过渡期的合格率。
"6-Sigma"运作中建立了一个新的产品研发策略程序，其中加入了"6-Sigma"的改善策略，采用了QFD和DOE等"6-Sigma"工具，找到并很好控制了研发和生产过程中的关键因素。
这些因素的优化值由RSM确定。
实施"6-Sigma"后，KPI的结果如下：
研发周期降低了9个星期（目标是2个月）因而创造了3.1亿美元（US＄310KK）（目标是3.5亿美元（US＄350KK））；生产过渡期合格率提高
到85%（目标是80%），因而创造2.4亿美元（US＄240KK）（目标是2亿美元（US＄200KK））；减少客户报怨67%（目标是80%），因而节省2.8亿美元（US＄280KK）（目标是4亿美元（US＄400KK）。
案例2
一个生产计算机的大型跨国公司，在实施"6-Sigma"前的状况如下：
一个有500名员工的事业部，其产品的不可靠度为5600PPM，由于客户投诉和产品回收造成的经济损失是每年125万美元。
并且许多主要客户（如Compag,Logitech,Microsoft,Philips等）由于改变了对该公司的印象和评价而取消了订单。
由于公司面临倒闭的危险，他们必须马上改进。
他们在公司中引入了"6-Sigma"。
首先建立了"6-Sigma"团队。
公司的副总裁被指定为"6-Sigma"负责人，他领导着8个黑带（BB）和4个"6-Sigma"项目团队。
"6-Sigma"的实施过程也是：
首先由管理高层确定"6-Sigma"的实施计划和KPI，然后进行管理高层的"6-Sigma"培训和黑带培训。
在黑带的培训过程中，黑带项目也同时选定并实施，最后是"6-Sigma"项目的审查。
选定的KPI是：
客户报怨率，可靠度。
公司希望通过减少客户报怨90%来节省250万美元（US＄2.5KK）；不可靠度从5600PPM降到500PPM；通过减少检测站（设备和人员），节省400万美元（US＄400KK）；通过缩短设计周期创造250万美元（US＄2.5KK）；A故障率从4.4%降低到0.5%，B故障率从3.3降低到0.5%，C故障率从1.0%降到0.1%，增加客户定单2500万个/月。
"6-Sigma"实施中，建立了一个系统化的解决程序。
包括确定响应变量，ProcessMapping,C&E,GR&R,DOE,SPC等工具的使用。
"6-Sigma"实施后，KPI的结果如下：
通过降低客户报怨99%（目标是90%）节省250万美元（US＄2.5KK）;不可靠度降到10PPm（目标是500PPm）；通过减少检测站67%（目标是80%）节省650万美元（US＄6.5KK）；通过将研发周期减少14周（目标是10周）而获利410万美元（目标是250万美元）；A故障率降低到0.21%（目标是0.5%）；B故障率降低到0.05%（目标是0.5%）；C故障率降为0（目标是0.1%）；增加客户订单4200万个/月（目标是2500万个/月）。
案例3
项目名称：
减少工艺过程的故障率
项目小组：
黑带2人
事业部经理1人
项目负责人1人
组员5人
时间：
3个月
改进前状况：
由于工艺过程的故障率高达3056PPM，故障本身和维修这些故障给公司造成巨大经济损失。
这些故障造成的经济损失高达779,752美元/年。
项目实施：
此项目是通过Pareto分析后确定的。
在Pareto图一共列出15个问题需解决，此项目要解决的问题列第5位。
第1位到第4位的问题已选为其它的"6-Sigma"项目。
通过Pareto，ProcessMaping,XYMatrix,PFMEA,分析后，从6个子过程中确定2个关键子过程；从20个潜在因素中，确定3个关键因子。
过程能力分析显示，该工艺过程只有4.2σ的水平。
GR&R分析显示GR&R方差贡献达18%，过高，需对检测人员进行培训，并对测试环境进行改造。
经过Multi-vari,T-test,Matrix,互相关，回归分析后，确认了关键因子。
DOE分析显示，只有一个因子对过程的故障有显著影响，该因子的贡献率高达94.8%。
该因子的最优值由回归方程确定。
实施"6-Sigma"后，改进结果如下：
故障率从3056PPM降到600PPM，节省成本609,200美元/年。
案例4
项目名称：
对中故障改善
项目小组：
champion1人
MBB2人
事业部经理1人
项目负责人1人
组员5人
项目时间：
3.5个月
改进前状况：
生产线上装配对中不良率高达2800PPM，这些故障本身和维修这些故障每年损失505,350美元。
而且
升级会员 