简话六西格玛.docx

简话六西格玛

摘要：为消除对六西格玛的神秘化、高深化认识，在实践中有效推进六西格玛管理，本文尽可能地用通俗的语言，深入浅出地解释“什么是六西格玛”，“为什么推行六西格玛”，“怎样推行六西格玛”。本文强调了“统计思考”的重要性，解释了追求完美与质量相对性的关系，总结了六西格玛方法的应用流程、工具，提倡用从“开展人民战争”到“攻打碉堡”的多种形式推行六西格玛。

近年来，六西格玛管理风靡全国，人们对六西格玛的神奇效果津津乐道，但同时又对其高深的理论、神秘而复杂的工具望而生畏。在实际工作中，往往是仰望其高高的门槛敬而远之。本文用简单、通俗的语言揭开六西格玛的神秘面纱，阐述其原理、剖析其本质，使大家能够了解它的精髓，从而正确地看待它、熟练地运用它。

一、六西格玛在统计学中的含义

（一） 西格玛的统计学含义

怎样描述一组数据

在工作中经常需要描述一组数据的特征，如测量一批50根轴的某一直径，可得到50个数据，我们需要描述这50个数据的整体特征。那么，怎样描述一组数据呢？算术平均值是一个好方法，但它并不全面。如：甲组三个人的身高分别为：160cm，170cm，180cm；乙组三个人的身高分别为169cm，170cm，171cm。两组平均身高相等都是170cm，但我们不能说这两组人身高状况是一样的。由此可见，仅用平均值描述一组数据还不够。难怪有人说“如果你相信平均值，那么斑马就是灰色的”。

甲、乙两组身高数据的差别在哪里？在于数据距离平均值的远近即分散程度（或数据的一致性）不同。很显然，乙组数据的分散程度小于甲组数据。怎样来描述一组数据分散程度？最常用的是以“标准差”来描述。

因此，常用的描述一组数据的量有两个，一个是表示数据期望值的算数平均值，另一个是表示数据分散程度的标准差。

常见的数据分类

我们工作中用到的数据分为两类、三种形式，即连续数据、非连续数据两类，连续型数据、区分型数据、计数型数据三种形式。

（1） 连续型数据：实测数值，如12.36mm。服从正态分布。

（2） 区分型数据：合格与否，如用塞规检验孔。服从二项分布。

（3） 计数型数据：缺陷数量，如某个铸件有5个气孔。服从泊松分布。

西格玛是正态分布的标准差

正态分布是最常见的分布，我们所接触的大多数连续型数据都服从或近似服从正态分布，而当样本容量足够大（大于30）时，任何类型数据样本的平均值都近似服从正态分布。实际工作中，我们一般都按正态分布处理数据。正态分布的标准差用希腊字母。表示，中文音译为“西格玛”。

（二） 六西格玛的统计学含义

西格玛表征一组数据的分散程度，它越小则这组数据的分散程度越小，也就是这组数据的波动越小，这是我们所乐见的。数据的分散程度小到什么程度才“令人满意”呢？这要用数据的标准差比较一下对数据的要求（规格限）。当数据的规格限在规格中心两侧各容得下实际数据的6个。宽度时，就认为此时数据的分散程度已足够小。考虑数据的实际平均值与规格中心不重合（即土1.5。漂移）的普遍情况，此时，在每百万次机会中，只出现3.4次缺陷，已接近零缺陷。

“实际数据的分散程度足够小，使规格限内可容下数据的±6。宽度。”就是对所谓的六

西格玛的直观理解，有人干脆称为六个西格玛。当然，实际应用中

二、六西格玛在改进中的含义

在质量改进中，人们利用六西格玛这一“结果几乎完全符合要求”的特点，将六西格玛演绎为多方面的含义：质量目标、质量工具、改进方法、管理体系、工作策略、价值理念、发展战略、企业文化、处世哲学等等。但笔者认为最基本的含义无外乎有以下三个。

（一） 六西格玛是一种追求完美的理念。

质量的高低与人的追求目标关系密切。六西格玛理念就是追求完美，把“零缺陷”作为工作标准，而不是“差不多就好”。树立追求完美的理念要先解决以下两个问题。

追求完美可行吗？

人们过去一直信奉“墨菲法则”，即凡是可能出错的地方总会出错。1979年，美国质量管理专家克劳斯比提出了“零缺陷”的观念，其主旨是把事情“一次做对”。对那些高唱“人非圣贤，孰能无过”论调的人，他反问到:“难道你每个月都会有几次进错了家门”。有人统计，相对“不摔飞机”的要求，民航飞机的飞行质量超过7。水平，质量水平如此高的主要原因是不容许出现“摔飞机”的错误。所以，只要认真起来，敬畏并竭力满足“要求”，使每项工作达到六西格玛的完美质量是完全可行的。如果认为每个要求都可以讨价还价，那么问题总会存在。

追求完美有必要吗？

有人说，考虑到质量的经济性，有些产品或过程没有必要达到六西格玛水平。与此类似的观点是：我们行业对产品的精度要求不高，没有必要达到六西格玛水平。有一个典型的例子：咖啡厅进行管理改进消除了顾客排队现象，但业绩却出现下滑。经过分析得出结论，适当的排队