六sigma與品質管理
來自專欄質量管理圈23 人贊了文章
在生產製造企業,產品的良率對企業的效益往往起著至關重要的作用。而六西格瑪原則在這一領域有重要應用。近日在與一國內的企業高管交流,談及六西格瑪方法時,他竟然告訴我他接觸的企業有些雖然引入了六西格瑪方法,但很多技術人員根本不會去使用。一是很多人不懂其中的含義,二是覺得這個完全沒有意義。我則不以為然。上一家企業的工作經歷讓我深刻體會到了品質管理帶來的益處,在給企業帶來利潤提升的同時,也提高了技術與管理人員的工作效率,降低了他們的作業量。於是乎想結合我的理解簡單談一談六西格瑪與品質管理。
(一)什麼是六西格瑪
首先談一下什麼是六西格瑪,在統計學中,我們都學習過高斯正太分布。而3 原則則是其中很經典的一個準則,即若某一標準高斯正太分布均值為 ,標準差為 ,則
數值分布在(μ-σ,μ+σ)中的概率為0.6827
數值分布在(μ-2σ,μ+2σ)中的概率為0.9545
數值分布在(μ-3σ,μ+3σ)中的概率為0.9973。
而6 則是在此基礎之上
數值分布在(μ-4σ,μ+4σ)中的概率為0.999937
數值分布在(μ-5σ,μ+5σ)中的概率為0.99999943
數值分布在(μ-6σ,μ+6σ)中的概率為0.999999998。
數字可能比較枯燥,讓我們結合一個具體的例子。假設有一個手機生產廠生產手機外殼,外殼的寬度客戶要求是5cm,正負不超過0.4cm。(公差為0.8cm)該工廠生產了10000個手機外殼,抽樣檢測其中1000個產品的,根據一般規律,手機外殼的長度服從正態分布,得到的1000個數據結果是寬度均值為 , 。 則根據6sigma原則可以推測,
手機寬度分布在(4.8,5.2)中的概率為0.6827,即10000個手機殼中有6827個手機殼的寬度處於這個範圍4.8~5.2cm之間。
手機寬度分布在(4.6,5.4)中的概率為0.954,即10000個手機殼中有9540個手機殼的寬度處於這個範圍4.6~5.4cm之間。
手機寬度分布在(4.4,5.6)中的概率為0.9973,即10000個手機殼中有9973個手機殼的寬度處於這個範圍4.4~5.6cm之間。
手機寬度分布在(4.2,5.8)中的概率為0.999937,即10000個手機殼中有9999個手機殼的寬度處於這個範圍4.2~5.8cm之間。若生產100萬個手機殼,則有63個手機殼會落在這個區間之外。
手機寬度分布在(4.0,6.0)中的概率為0.99999943,即10000個手機殼中有9999個手機殼的寬度處於這個範圍4.0~6.0cm之間。若生產1億個手機殼,則有57個手機殼會落在這個區間之外。
手機寬度分布在(3.8,6.2)中的概率為0.999999998。,即10000個手機殼中有9999個手機殼的寬度處於這個範圍3.8~6.2cm之間。若生產10億個手機殼,則有2個手機殼會落在這個區間之外。
那麼談這6個sigma有對於生產有什麼指導意義呢?某一區間的分布概率可以等同為在該區間分布產品的合格率,那麼假如某一家工廠用3sigma作為他們的品控範圍,即他們產品的良率是99.73%。這個良率看起來很高,但是
(1)如果生產手機殼只需要一道工序,則我們的良率可以保證為1萬個手機殼裡只有27個次品。但是若生產100萬革手機殼,則次品就會達到2700個。
(2)假設生產手機殼需要100道工序,每一道工序我們的公差要求都是3sigma以內,則良率會立刻下降到 , 生產1萬件手機殼我們的次品就有2369個,這顯然是不可接受的。
讓我們來看如果我們使用6sigma作為品控要求,如果手機殼生產需要100道工序, 良率為 ,生產1萬件手機殼次品為零。生產100萬個手機殼次品只有2件。如果生產工序需要1000道,良率依然有 ,即每10萬個手機殼只有2件次品。
對於現代高端製造業來說,汽車製造,半導體代工,產品的工序往往有成百上千道,如果僅用3sigma作為品質管理的範圍顯然是不夠的。因此在現代企業品質管理中,通用帝國的傳奇人物傑克韋爾奇將6sigma引入到了企業的品質管理當中。那麼6sigma是具體如果量化並指導生產呢?我們繼續看下一個故事。
(二)六西格瑪指標Cp, Ca, CPK
有兩家手機殼製造企業引入了6sigma質量管理系統,他們兩家公司都定了手機殼的寬度公差[4.4.5.6]作為他們的品質管理範圍。A公司生產了1000件手機殼,他通過質檢發現這批手機殼的均值是 ,而B公式生產了1000件手機殼,他通過質檢發現這批手機殼的均值是 通過這個數據我們可以發現,A公司的產品更穩定,對於他們來說,抽樣產品統計出的6sigma 是 ,即[4.4,5.6]. 而A公司的手機寬度訂製公差品質管理範圍是[4.4,5.6]. 因此我們可以說A公司產線的產品品質控制達到了6sigma。而對於B公司,根據他們生產產品的檢測結果來看,B公司產線不如A公司穩定,他的抽樣產品統計出的6sigma是[5-0.12*6,5+0.12*6], 即[4.28,5.72], 超出了當初訂製的產品的6sigma[4.4,5.6]的標準。那麼B公司的產品品質符合幾個simga呢?我們可以發現對於B公司來說5sigma ,即[4.4,5.6],落在了訂製的公差範圍內。因此對B公司來說,他們生產的產品只達到了5sigma的品質要求。他們的分布可以用下圖表示。
如何具體的用數字量化六西格瑪呢?這裡面就要引入關於我們品質控制的數學定義了。
首先介紹幾個參數,上圖中的LSL,指Lower spec limit, 而USL 指的是Upper spec limit. 這兩個數據是我們定製產品質量管理的下限和上限,也就是我們生產中產品的公差範圍T。T=USL-LSL。那我們如何量化指標好壞呢,這裡引入了一個概念,Cp. capibility of precision. 中文可以理解成為穩定性能力。學過統計學的我們都應該知道,一個標準正態分布,標準差sigma越小,數據的離散程度越小,反之,越大。在6sigma管理中,
. (分母的 是我們生產的產品抽樣得到的標準差。)
如果要達到6sigma的品質要求,Cp應該為多少呢?如下圖所示,
當 時, 即我們生產產品的標準差 有 , ,我們可以說我們的產品品質標準達到了6simga. 同樣,
當 , 時,我們的產品達到了5simga標準,即 ;
當 , 時,我們的產品達到了4simga標準,即,
,
當 , 時,我們的產品達到了3simga標準,即
,
當 , 時,我們的產品只有2sigma標準,即
。
由此我們可以得到一個表格,
對於不同的行業,在成本控制,工藝標準的要求各不相同,此處僅作為例子提供一個用例。有的行業生產等級到4西格瑪水平即為優,而有的行業可能要求六西格瑪的生產水平。應結合具體行業制定適應本行業的Cp表。下圖為一參考用例。
當然,有了Cp, 我們僅僅只能描述生產水平的穩定性。 而產品的精確性, 即生產出的產品統計平均值靠近我們目標的遠近,也是一個重要的衡量指標。
依然用上面的手機殼製造商舉例,如果A公司生產1000個手機殼的統計平均值,寬度為5.5,B公司為5.1,雖然A公司的穩定性好,但是結果已經遠遠的偏離了我們的期望標準5.0.即使穩定性做的再好,偏差依然很大,良率依然不高。因此在6sigma 管理中,引入了另外一個重要指標Ca. 即capibility of accuracy. 中文可以理解成準確性能力。而衡量Ca指標的公式比較容易理解,這裡不做詳細推導了,
Ca = , 其中 為取樣平均值, 是我們的生產期望標準(如上例中手機殼要求寬度為5cm), . Ca描述了我們生產產品的均值相對於公差的偏離程度。因此可以用1/16, 1/8, 1/4, 1/2幾個值作為閾值條件。
到目前為止,我們有了兩個指標,Cp和Ca。 Cp具有望大特性,即越大越好,而Ca具有望小特性, 越小越好。那如何將二者統一呢? 六simga管理中引入的第三個指標,Cpk,
,
這個公式完美的將Ca與Cp統一了起來,Ca具有望小特性,取反則具有望大特性,與Cp變化方向統一,用Cpk則可以較好的描述我們當前生產的能力了。
(三) 六西格瑪與質量管理在企業管理中的運用。
如何將六西格瑪運用到企業的日常管理中呢?
首先是建立數據網路體系。 在上述例子中我們可以看到,手機殼生產的抽樣檢測數據對我們的判斷起到至關重要的作用。在企業生產的各個環節中,我們要建立好檢測與數據收集機制。根據產品的性質建立起合適的SPC(Statistical Process Control)統計過程管製圖,如mean-chart(平均值圖表), moving-range chart(推移差值表)等,在工業4.0和大數據的今天,不管是人工收集整理數據還是利用機台軟體收集測量數據,我們都可以獲得大量的產品數據報表數據。生產管理人員可以根據得到的報表,結合6simga方法,判斷當前的機台生產狀況是否良好。
例如,工程師A, 工程師B,各自負責兩個工藝生產線,他們每日可以根據當日自己所負責工藝生產產線的SPC報表獲取機台生產狀態,若有機台狀態發生偏移或者人員操作失誤,那麼一定會反映到當日的SPC圖中,工程師可以第一時間根據自己的所在領域的工程經驗做出決策,及時進行問題定位,分析,調節,測試,最終反映使產品的檢測數據回歸到六西格瑪的管制要求,保證產品的良率。工程師A,工程師B的生產主管每日可以在晨會時review昨日報表分析結果以及處置方式,確保方案可行。每周或者每月可以總得進行報表回追,獲得當月生產狀況,Ca, CP,CPK是否達到要求,若有問題,則可以分析改善。若無問題,則是否有機會降低成本。 因為良率的提高往往和生產成本正相關(過高的良率會增加生產成本),那麼太高的良率是否有必要,等等。
六西格瑪方法簡單明了,數據分析簡潔高效,可以幫助工程技術人員快速掌握當日生產狀態,同時對於企業管理人員來說也便於管理,良率品質的管控, 以及合理範圍的生產成本cost down(降低). 因此在現代企業品質管理中,很多大型企業都引入了這一方法。他帶來的好處是顯而易見的。
本文只是結合我的理解對六西格瑪管理手法的一個簡單介紹, 具體的六西格瑪管理理論是一個龐大的結構,裡面還涉及到很多其他的東西,感興趣的朋友可以去查閱相關資料。
推薦閱讀:
※莆田鞋革廠的歷史變遷
※中國的製造業正在經歷轉型陣痛期,真實情況是什麼呢?
※中國製造業不需要轉型升級 2014年03月03日
※汽車製造業半年報分析:上汽集團營收凈利均第一
※激光切割機是我國未來的發展重心?