1、國光電器股份有限公司 Guoguang, Electric Co., Ltd. 讓 員 工 增 值 ！ 六西格瑪?shù)暮x 技術(shù)部：王建彬 2014.9.4 讓 員 工 增 值 ！ 引言 引言 先讓我們將時間倒回到上世紀(jì)90年代初，當(dāng)時的日本經(jīng)濟如日中天， 并創(chuàng)造了以下一系列“奇跡”： 100% GDP 70% GDP FORTUNE 500 1995 日本 美國 荷蘭前十名 美國地產(chǎn)10%被日本人買下 日本品牌席卷全球 讓 員 工 增 值 ！ 引言 引言 面對日本的咄咄攻勢，美國企業(yè)也自然不會退讓。 1987年1997年十年間 0 2 4 6 1987年1997年 銷售額 增長5 倍 0 2 4

2、 6 8 1987年1997年 利潤 增長6 倍 為了提升自身產(chǎn)品 的質(zhì)量和競爭力，摩托羅拉率先在企業(yè)內(nèi)部形成了一套新的質(zhì)量改進方案： 六西格瑪。在實施六西格瑪?shù)淖畛跏觊g，取得了如下成就： 讓 員 工 增 值 ！ 引言 引言 繼摩托羅拉之后，另一家美國“百年老店”通用電氣也開始推行六西 格瑪，并成果斐然： 通用電氣實施六西格瑪?shù)某晒?0 100 1995年1999年 利潤 66億 107億 0 2 4 6 8 1981年2001年 世界排名 第10 第2 六西格瑪讓摩托羅拉、通用這些老牌美國企業(yè)重新煥發(fā)了生機，也為 美國企業(yè)頂住日本企業(yè)的咄咄攻勢立下了重大功勞。 讓 員 工 增 值 ！ 引言

3、 引言 自摩托羅拉在1987年推行六西格瑪以來，六西格瑪?shù)娘L(fēng)暴已經(jīng)席卷全 球： 眾多世界一眾多世界一線線企企業(yè)業(yè)都在使用六西格都在使用六西格瑪瑪 讓 員 工 增 值 ！ 引言 引言 六西格瑪 定語：六 主語：西格瑪 搞明白什么是“西格瑪”知道為什么是“六” 明白以上兩個概念后，六西格瑪?shù)暮x也就呼之欲出了 讓 員 工 增 值 ！ 什么是西格瑪 1. 什么是數(shù)據(jù)分布 我們拋一粒骰子，如果只拋一次，那么得到的結(jié)果可能是1、2、3、4、 5、6，共六種。 假設(shè)我們增加拋骰子的次數(shù)到“非常多次”。 會發(fā)現(xiàn)，六個數(shù)出現(xiàn)的次數(shù)基本相同 0 2000 4000 6000 8000 10000 123456

4、拋骰子無數(shù)次后點數(shù)分布 并統(tǒng)計出現(xiàn)1、2、3、4、 5、6的次數(shù)和： 讓 員 工 增 值 ！ 什么是西格瑪 1. 什么是數(shù)據(jù)分布 從感性上，我們很容易理解“拋骰子很多次后，得到每個點數(shù)的總次 數(shù)大體相同”這一結(jié)果： 才 骰子是一個正方體，拋下后六個面中每一 面朝上的概率都是一樣的。 讓 員 工 增 值 ！ 什么是西格瑪 1. 什么是數(shù)據(jù)分布 如前所述，拋骰子后，我們會得到下面一組數(shù)據(jù)： 0 2000 4000 6000 8000 10000 123456 拋骰子無數(shù)次后點數(shù)分布 這組數(shù)據(jù)中，數(shù)值1、2、3、4、5、6出現(xiàn)的概率是相同的，因此我 們稱呼這組數(shù)據(jù)“服從從1到6的均勻分布”。 讓 員

5、 工 增 值 ！ 什么是西格瑪 1. 什么是數(shù)據(jù)分布 從概念上講，數(shù)據(jù)分布用于描述一組數(shù)據(jù)中、不同數(shù)值的分布情況。 均勻分布就是最簡單的一組數(shù)據(jù)分布，在均勻分布中，每個數(shù)值出現(xiàn) 的概率都是一樣的： 0 2000 4000 6000 8000 10000 123456 拋骰子無數(shù)次后點數(shù)分布 每個數(shù)值出現(xiàn)的 概率相同 讓 員 工 增 值 ！ 什么是西格瑪 2. 什么是正態(tài)分布 除了剛剛所說的均勻分布之外，人們在長期的工作生活中、發(fā)現(xiàn)了另 外一種常見的數(shù)據(jù)分布： 大部分?jǐn)?shù) 據(jù)分布集 中 少部分?jǐn)?shù)據(jù)分布在左右兩邊 左右對稱 讓 員 工 增 值 ！ 什么是西格瑪 2. 什么是正態(tài)分布 人們發(fā)現(xiàn)，這種“

6、中間大、兩頭小、左右對稱、延伸至無窮”的數(shù)據(jù) 分布遍布在我們生活的方方面面： 考試成績?nèi)说纳砀吆腕w重 同型號汽車的軸距 都服從這一常見分布 讓 員 工 增 值 ！ 什么是西格瑪 2. 什么是正態(tài)分布 人們早在18世紀(jì)就發(fā)現(xiàn)了這種數(shù)據(jù)分布類型，并將其命名為 “Normal distribution” ，我們將其翻譯成“正態(tài)分布”。 “Normal distribution” 意味著，這一數(shù)據(jù)分布是自然界中最為常 見的數(shù)據(jù)分布類型。 讓 員 工 增 值 ！ 什么是西格瑪 3. 正態(tài)分布是如何產(chǎn)生的 繼續(xù)以拋骰子為例，假設(shè)我們每次只投一粒骰子時，投擲很多次后得 到的會是從1到6的均勻分布： 0 20

7、00 4000 6000 8000 10000 123456 每次投一粒骰子的數(shù)據(jù)分布 服從均勻分布 讓 員 工 增 值 ！ 什么是西格瑪 3. 正態(tài)分布是如何產(chǎn)生的 假設(shè)我們每次投擲兩粒骰子后、觀察兩粒骰子和的分布情況，這時候 就要復(fù)雜一些了，我們一共可以得到 種可能： 和可能的情況 21 + 1 31 + 22 + 1 41 + 33 + 12 + 2 51 + 44 + 12 + 33 + 2 61 + 55 + 12 + 44 + 23 + 3 71 + 66 + 12 + 55 + 23 + 44 + 3 82 + 66 + 23 + 55 + 34 + 4 93 + 66 + 34

8、 + 55 + 4 104 + 66 + 45 + 5 115 + 66 + 5 126 + 6 與正態(tài)分布的特點：中 間大、兩頭小、左右對 稱有些相似 11 讓 員 工 增 值 ！ 什么是西格瑪 3. 正態(tài)分布是如何產(chǎn)生的 每次投三粒骰子并統(tǒng)計每次骰子和，則共有 種可能： 和組合 31+1+1 41+1+21+2+12+1+1 51+1+31+3+13+1+11+2+22+1+22+2+1 61+1+41+4+14+1+11+2+31+3+22+1+32+3+13+1+23+2+12+2+2 71+1+51+5+15+1+11+2+41+4+22+1+42+4+14+1+24+2+13+2+

9、22+3+22+2+31+3+33+1+33+3+1 81+1+61+6+16+1+11+2+51+5+22+1+52+5+15+1+25+2+11+4+31+3+44+1+34+3+13+1+43+4+14+2+22+4+22+2+42+3+33+2+33+3+2 91+2+61+6+22+1+62+6+16+1+26+2+11+3+51+5+33+1+53+5+15+1+35+3+11+4+44+1+44+4+15+2+22+5+22+2+54+2+34+3+22+4+32+3+43+4+23+2+43+3+3 101+3+61+6+33+1+63+6+16+1+36+3+11+4+51+

10、5+44+1+54+5+15+1+45+4+16+2+22+6+22+2+65+2+35+3+22+5+32+3+53+5+23+2+54+4+24+2+42+4+43+3+43+4+34+3+3 111+4+61+6+44+1+64+6+16+1+46+4+11+5+55+1+55+5+12+3+62+6+33+2+63+6+26+2+36+3+22+4+52+5+44+2+54+5+25+2+45+4+23+3+53+5+35+3+33+4+44+4+34+3+4 121+5+61+6+55+1+65+6+16+1+56+5+12+4+62+6+44+2+64+6+26+2+46+4+24

11、+5+34+3+55+4+35+3+43+4+53+5+45+5+25+2+52+5+56+3+33+6+33+3+64+4+4 132+5+62+6+55+2+65+6+26+2+56+5+24+3+64+6+33+4+63+6+46+4+36+3+43+5+55+5+35+3+55+4+44+5+44+4+51+6+66+1+66+6+1 143+5+63+6+55+3+65+6+36+3+56+5+36+6+26+2+62+6+66+4+44+6+44+4+65+5+45+4+54+5+5 156+6+36+3+63+6+64+5+64+6+55+4+65+6+46+4+56+5+45+

12、5+5 166+6+46+4+64+6+66+5+55+6+55+5+6 176+6+56+5+65+6+6 186+6+6 擬合的非常好 16 位于中間的10、11出現(xiàn) 的概率最高 位于兩邊的出現(xiàn)概率 低 位于兩邊的出現(xiàn)概率 低 讓 員 工 增 值 ！ 什么是西格瑪 3. 正態(tài)分布是如何產(chǎn)生的 人們經(jīng)過長期的統(tǒng)計和分析發(fā)現(xiàn)一個規(guī)律： 如果一組數(shù)據(jù)是由數(shù)個均勻分布加和得到的，那么這種數(shù)據(jù)一定服從 正態(tài)分布。 自然界當(dāng)中，絕大部分變量都是同時受很多因素影響，每一個 影響因素都好似前面所講的一粒骰子。這些因素(骰子)的和，就是正態(tài)分 布。 體重 性別 身高 遺傳 氣候 飲食 運動 讓 員 工 增

13、值 ！ 什么是西格瑪 4. 正態(tài)分布的平均值 平均值：用于描述正態(tài)分布的位置的參數(shù)，正態(tài)分布曲線以平均值 為對稱軸： 概率 體重 動物的體重對比 65kg7t150t 讓 員 工 增 值 ！ 什么是西格瑪 4. 正態(tài)分布的平均值 平均值算法：將所有數(shù)據(jù)逐個相加，得到總和后再除以數(shù)據(jù)的個數(shù)。 舉例：5個人的體重分別是60kg、63kg、86kg、75kg、80kg，求其 平均值。 算法： n xxxxx 54321 kg 5 8075866360 kg8.72 讓 員 工 增 值 ！ 什么是西格瑪 5. 正態(tài)分布的標(biāo)準(zhǔn)差 僅使用均值來說明正態(tài)分布式不夠的，例如下面這個例子： 兩單位同型號電芯厚度

14、對比 概率 A單位 厚度分布 B單位 厚度分布 平均值相等 離散程度 不同 從左邊例子可以看出，除了用平均 值表示正態(tài)分布的位置狀況之外，還 需要使用一個參數(shù)來表示數(shù)據(jù)分布的離 散程度，這個參數(shù)就是標(biāo)準(zhǔn)差，用希臘 字母(西格瑪)表示。 讓 員 工 增 值 ！ 什么是西格瑪 5. 正態(tài)分布的標(biāo)準(zhǔn)差 一組數(shù)據(jù)中，標(biāo)準(zhǔn)差的計算公式如下： N i ix N 1 2 )( 1 1 數(shù)據(jù)組中的每一個數(shù)值 數(shù)據(jù)中的平均值 累加符號 自由度，N代表數(shù)據(jù)的個數(shù) 讓 員 工 增 值 ！ 什么是西格瑪 5. 正態(tài)分布的標(biāo)準(zhǔn)差 舉例，五名學(xué)生的體重分別為45kg、52kg、48kg、46kg和50kg， 計算其標(biāo)準(zhǔn)差

15、： N i ix N 1 2 )( 1 1 )()()()()( 1 1 2 5 2 4 2 3 2 2 2 1 xxxxx N kg)2 .4850()2 .4846()2 .4848()2 .4852()2 .4845( 15 1 22222 kg86.2 將累加符合展開 讓 員 工 增 值 ！ 什么是西格瑪 6. 小結(jié) 正態(tài)分布的產(chǎn)生： 標(biāo)準(zhǔn)差的含義： 121 2 數(shù)個平均分布加和后，就會產(chǎn)生正態(tài)分布 表示數(shù)據(jù)分布分散程度的物理量 讓 員 工 增 值 ！ 為什么是“六” 1. 正態(tài)分布的一個特征 我們觀察以下兩個正態(tài)分布： =0 =1 =0 =2 數(shù)據(jù)分布在01之內(nèi) 的概率 68.27%

16、68.27% 數(shù)據(jù)分布在02之內(nèi) 的概率 95.45%95.45% 數(shù)據(jù)分布在03之內(nèi) 的概率 99.73%99.73% 數(shù)據(jù)分布在02之內(nèi) 的概率 數(shù)據(jù)分布在04之內(nèi) 的概率 數(shù)據(jù)分布在06之內(nèi) 的概率 讓 員 工 增 值 ！ 為什么是“六” 1. 正態(tài)分布的一個特征 經(jīng)過長期觀察，人們發(fā)現(xiàn)了對于任何正態(tài)分布都適用的一個特征： 1 68.27% 94.45% 2 99.73% 3 4.5 99.99966% 6 99.999981% 對于任意正態(tài)分布而言，其數(shù)據(jù)落在n范圍之內(nèi)的概率恒相等。 （n0） 讓 員 工 增 值 ！ B單位厚度分布 A單位厚度分布 為什么是“六” 2. 制程能力簡介

17、兩個單位生產(chǎn)了同一個型號的電芯，統(tǒng)計厚度分布如下： 概率 概率 厚度 厚度 厚度 上限 我們發(fā)現(xiàn)兩個現(xiàn)象： 1. 兩個單位生產(chǎn)的電芯厚度均值基本 一致 2. B單位電芯厚度的分散程度較A單 位大很多 我們可以有一個判斷： A單位電芯厚度分布要優(yōu)于B單位 讓 員 工 增 值 ！ 為什么是“六” 2. 制程能力簡介 兩個單位生產(chǎn)了同一個型號的電芯，容量分布如下： B單位容量分布 A單位容量分布 概率 概率 容量 容量 容量 下限 我們發(fā)現(xiàn)兩個現(xiàn)象： 1. 兩個單位生產(chǎn)的電芯容量的分散程 度基本一致 2. B單位電芯的平均容量低于A單位 我們可以有一個判斷： A單位電芯容量分布要強于B單位 讓 員

18、工 增 值 ！ 為什么是“六” 2. 制程能力簡介 匯總剛才所述的兩類情況： B單位厚度分 布 A單位厚度分 布 概率 概率 厚度 厚度 厚度 上限 標(biāo)準(zhǔn)差不同造成的差異 B單位容量分布 A單位容量分 布 概率 概率 容量 容量 容量 下限 均值不同造成的差異 讓 員 工 增 值 ！ 為什么是“六” 2. 制程能力簡介 如上所述，生產(chǎn)中“差異”產(chǎn)生的原因可能是兩點： 1. 數(shù)據(jù)分布的標(biāo)準(zhǔn)差不同所致（或言之：數(shù)據(jù)分布的離散程度不同） 2. 數(shù)據(jù)分布的均值不同所致 我們需要使用一個物理量：可以同時將均值和標(biāo)準(zhǔn)差對產(chǎn)品質(zhì)量的 影響都考慮進來，這個物理量就是制程能力： 標(biāo)準(zhǔn)差 均值規(guī)格限 制程能力 |

19、 讓 員 工 增 值 ！ 為什么是“六” 2. 制程能力簡介 制程能力例子1： B單位厚度分布 A單位厚度分布 概率 概率 厚度 厚度 上限 3.6mm =3.3mm =0.1mm 標(biāo)準(zhǔn)差 均值規(guī)格限 單位的制程能力 | A mm mmmm 1.0 |3.3.63| 3(倍的西格瑪) 此時我們說：A單位的電芯厚度制程能力為3，含義為控 制限與均值之間包含3倍的西格瑪?shù)目臻g 3 上限 3.6mm =0.2mm =3.3mm 標(biāo)準(zhǔn)差 均值規(guī)格限 單位的制程能力 | B mm mmmm 2.0 |3.3.63| 5.1(倍的西格瑪) 此時我們說：B單位的電芯厚度制程能力為1.5，含義為控 制限與均值

20、之間僅包含1.5倍的西格瑪?shù)目臻g 1.5 讓 員 工 增 值 ！ 為什么是“六” 2.制程能力的簡介 制程能力例子2： B單位容量分布 A單位容量分布 概率 概率 容量 容量 下限 2000mAh =2080mAh =20mAh 標(biāo)準(zhǔn)差 均值規(guī)格限 單位的制程能力 | A mAh mAhmAh 20 |20800002| (倍的西格瑪)4 4 下限 2000mAh =2040mAh =20mAh 標(biāo)準(zhǔn)差 均值規(guī)格限 單位的制程能力 | B mAh mAhmAh 20 |20400002| (倍的西格瑪)2 2 讓 員 工 增 值 ！ 制程能力6 為什么是“六” 3. 提高制程能力的方法 1）更

21、改設(shè)計： 制程能力3 有不良品，制程能力需要提高 從設(shè)計角度提高 不再有不良品產(chǎn)生 增加(或減少)設(shè)計均值，使其遠離規(guī)格限 讓 員 工 增 值 ！ 制程能力3制程能力1 為什么是“六” 3. 提高制程能力的方法 2）調(diào)整制程： 均值調(diào)整在中線附近 數(shù)據(jù)整體偏下限，很多數(shù)據(jù)甚至 超過下限的規(guī)格 不良品數(shù)量明顯減少 保證生產(chǎn)實際均值為工藝要求的中線附近 讓 員 工 增 值 ！ 制程能力4 為什么是“六” 3. 提高制程能力的方法 3）放寬規(guī)格限 制程能力2 有不良品，且很難降低電芯內(nèi)阻， 怎么辦？ 上限從260m提高 到360m 無不良品 讓 員 工 增 值 ！ 制程能力6制程能力3 為什么是“六” 3. 提高制程能力的方法 4）縮小 有不良品產(chǎn)生，需要提高制程 能力 縮小后 不再用不良品產(chǎn)生 ：縮小制程過程中的波動 讓 員 工 增 值 ！ 為什么是“六” 3. 提高制程能力的方法 讓 員 工 增 值 ！ 制程能力達到4.5時，就可以認(rèn)為達到了人類追求的終極質(zhì)量目標(biāo)： 零缺陷 為什么是“六” 4. 六西格瑪?shù)暮x 當(dāng)制程能力越高時，產(chǎn)品的缺陷率也就越低： 制程能力1時 1 缺陷率 31.73% 制程能力3時 3 缺陷率 0.27% 制程能力4.5時 4.5 缺