六西格玛过程改进技术（含盘）

六西格玛（6б）管理的实现手段是持续的过程改进，DMAIC流程是6б管理的过程改进模式，通过持续运行的DMAIC流程而实现质量的持续改进。6б管理是建立在量化基础上的管理，这为在DMAIC改进流程中使用各种质量改进工具提供了保障。 DMAIC过程改进流程的核心是改进阶段（improve），试验设计是质量改进的主要工具，这些工具可以使6б管理以最低的成本取得最高的绩效。本书正是针对这个目的，系统地讲述了改进阶段所使用的方法和技术。 本书适合作为6б管理黑带、绿带的培训教材，同时对企业质量管理人员的日常培训和学习也非常适用。

刘文卿，现任职于中国人民大学应用统计科学研究中心和中国人民大学六西格玛质量管理研究中心。

第1章 六西格玛过程改进
第2章 质量管理的新工具
第3章 质量功能展开
第4章 简单的试验设计技术
第5章 稳健设计
第6章 正交设计
第7章 均匀设计
第8章 Minitab软件的DOE技术
第9章 可靠性

主要参考文献

书摘
对6σ管理的产生要追溯到1979年的摩托罗拉公司。摩托罗拉公司曾经以为美国航天事业特别是阿波罗号登月做出杰出贡献而自豪。但是，摩托罗拉发现，它的产品需经过多次返修才能合格，这样一来造成了成本的极大提高。它发现在制造任何产品时，高质量和低成本之间存在至关重要的联系。于是摩托罗拉专门成立了一个小组来研究提高流程能力的方法，以达到既降低成本，又能提高产品质量的目的。
1987年，由乔治·费希尔(George Fisher)领导的摩托罗拉通信业务率先推出一套名为“六西格玛”的质量管理创新改进理念。随后，摩托罗拉公司在其董事长鲍博·高尔文的大力倡导下将这一方法推广到全公司。
随着摩托罗拉公司残次品的减少和制造时间的节省，公司也开始从6σ的概念中获取了巨大的财务回报。公司用低廉的成本换来高质量的产品和更高的客户满意度。到1993年，摩托罗拉公司的大部分制造领域几乎都达到了6σ水平。短时间内，6σ开始像燎原烈火乙样地迅速蔓延到其他行业，甚至超出了制造业的范围。这一方法使摩托罗拉的工作从5年改进10倍缩短成为2年改进10倍。1988年摩托罗拉公司成为美国鲍德里奇国家质量奖的首位获得者。
6σ管理产生于摩托罗拉，但后来者居上，真正将6σ管理提升到战略层面．并取得前所未有成就的是杰克·韦尔奇所领导的通用电气。
20世纪90年代中后期，通用电气的CEO韦尔奇成为6σ品质的热情追求者：1996年，在弗吉尼亚夏洛特城举行的通用电气公司的年会上，韦尔奇说：“在通用电气的进展过程中，我们有一项重大科技含量的晶管任务，这项品管任务会在4年内将我们的生产方式引至一个卓越的层次，使我们无论是在产品制造还是在服务方面的缺陷或瑕疵都低于百万分之四。这是我们通用电气面临的前所未有的大挑战，同时也是最具潜力和最有益处的一次出击。”
从1996年通用电气推行6σ开始，6σ管理为通用电气带来了巨大的回报，由推行6σ为通用电气带来的收益逐年增加。在1996年推行6σ管理的第一年，通用电气用于6σ管理的投入就大于收益，之后每年用于6σ管理的投入稳定在5亿美元左右，而由6σ管理所产生的收益却逐年增加。1998年的收益是10亿美元，1999年的收益是15亿美元，2000年的收益接近20亿美元。

PDCA循环有以下四个特点：
1．周而复始。PDCA循环的四个过程不是运行一次就完结，而是周而复始地进行。一个循环结束了，解决了一部分问题，可能还有问题没有解决，或者又出现了新的问题，再进行下一个PDCA循环，依此类推，如上图所示。
2．大环带小环。一个公司或组织的整体运行的体系与其内部各子体系的关系，是大环带小环的有机逻辑组合体。
3．阶梯式上升。PDCA循环不是停留在一个水平上的循环，不断解决问题的过程就是质量水平逐步上升的过程，是不断上升的循环。
4．四个阶段一个也不能少。要严格按照这四个阶段执行，不能缺少其中任何一个阶段。并且这四个阶段是不可逆的，就像行驶的车轮一样不可逆转。
PDCA循环这四个阶段的内容较为粗略，虽然便于记忆，但是不利于实际实施。为此戴明又把这四个阶段细分为八个步骤，在2000年版本的ISO 9000中合并为七个步骤。
在前面的例5—3中，因素晶体管放大倍数B就是调节因子。它的变动与试验指标呈线性关系，对试验指标的平均水平影响是显著的。它对试验指标的变异也是有影响的，其影响关系也是呈线性变化的，可以认为影响不大。
因素A则不具有调节因子的性质，当它的取值较大时其变动对试验指标的取值不敏感。而当它取值较小时，其变动对试验指标的影响很大。
了解了灵敏度设计后就可以对田口的参数设计方法做一个全面的了解了。参数设计就是寻找可控因子参数(水平)的最优搭配，这里的最优有两个含义，第一要求具有稳健性，由稳健设计实现；第二要求与目标值接近，由灵敏度设计实现。
田口的参数设计方法无疑是稳健设计的一种好方法，但是也存在一些不足：
第一，所需要的试验总次数多，通常只适合于可计算项目；
第二，可能找不到适用的调节因子；
第三，信噪比在理论上和应用中都存在不足。
针对以上问题可以采用一些改进的方法，例如针对总试验次数多的问题，可以采用综合噪声的方法，就是把所有噪声的低水平作为一个综介噪声的高水平，所有噪声的高水平作为一个综合噪声的低水平。另外对信噪比也有很多改进的建议。对于望大或望小特性质量指标一般只需要做稳健设计，而不需要做灵敏度设计，并且也难以找到调节因子。在实际应用中，如果限于条件无法做稳健性设计，可以只用内表找到与目标值接近的参数组合，只要在生产和使用过程中能够证明产品的稳健性高就可以了。
试验指标的优化和稳健性设计是相互关联的，需要灵活运用。
例5—5：用一个六角车床车圆柱形转子轴，要求直径是0．250±0．001英寸。而车床的公差是±0．001 5英寸，达不到精度的要求。工长想买一台新车床，要花七万美元。公司质量部门提出先寻找车床公差大的原因，提高车床的稳健性。
为此从上午8点到12点每小时车三个轴，对每个轴分别读出左右两侧的最大直径和最小直径。这样对每个轴得到4个试验数据。对这些数据当然可以采用一些高级的统计分析方法做统计，但是该公司只是使用了一种简单实用的多变量图方法。绘制出的多变量图见上面的图。
图中表明不同时间的变异比不同单元的变异和单元内的变异要大得多，每天开工后轴的直径首先是递减，但是在11点钟又突然增大，恢复到8点开工时的水平，然后又开始了递减的过程。这为寻找变异的原因提供了线索，车床的温度被列为主要的怀疑对象。每天8点开工时车床车出的轴直径偏大，但是在生产过程中车床的温度会逐渐提高，随着车床温度的提高车出的轴直径逐渐减小。11点以前有一段工间休息时间，这会使车床重新冷却，于是又车出了偏大的直径，之后随着车床温度的提高，所车出的轴直径又会逐渐偏小。
现在已经初步断定车床温度升高是造成轴直径误差的主要原因，接下来就要解决车床温度升高的问题。工长发现这是由于冷却剂用得少，当冷却剂增加到适当水平时，占总变异60％的不同时间的变异就被消除了。
继续分析前面的多变量图发现变异的第二大来源是单元内的差异，轴的最大和最小直径间存在较大的差异，也就是不圆度大。由大的不圆度追踪到一根磨损的轴承引导着夹头轴，换了一根新轴承，连人工只花了200美元，又减小了总变异的20％。
轴承直径变异的第三个来源是轴承左右两端的直径存在差异，其中轴右侧的直径普遍小于左侧的直径。其原因是切削工具没有与轴平行，微调一下又减小了10％的变异。
通过多变量图发现并消除了占轴承直径总变异90％的影响因素，现在这台老车床的公差不再是±0．001 5英寸，而是±0．000 1英寸，达到了高度的稳健性。
这个案例中并没有用到高深的统计技术，所使用的多变量图也不是雷达图等经典的多变量分析图，而是针对具体问题的灵活有效的分析方法。这个例子告诉我们：质量管理活动不能拘泥于已有的方法，而是要针对具体问题使用各种灵活有效的分析方法。

用稳健设计可以寻找出最稳健的因素水平组合，前面的例5—3是一个简化的例子，这个例子中同时找出了三种使试验值恰好等于目标值的因素搭配，只需要在这三种搭配中找出最稳健的一种就可以了。在一般情况下，尤其是对不可计算项目，很难找出多组使试验值恰好等于目标值的因素搭配，所以通常参数设计要分两步走。
第一步就是用稳健设计找出最稳健的因素水平搭配，这个最稳健的因素水平搭配与目标值常有一定的差异。
第二步是在不增加或尽量少增加变异程度的情况下，把试验指标调整到目标值，其方法是找出一个调节因子。这个调节因子对试验指标的平均水平敏感，但是对试验指标的变异不敏感。
……