优思学院：六西格玛有哪些核心步骤和工具？

管理大师彼得·德鲁克曾说过：「你无法衡量的东西，就无法管理。」简单地讲，就是企业必须精准了解自己的运营情况，而六西格玛恰恰为这种精准提供了方法。

六西格玛最重要的核心步骤就是DMAIC，即定义（Define）、测量（Measure）、分析（Analyze）、改进（Improve）和控制（Control）。为什么呢？因为它能系统地帮企业找到并彻底解决问题，而不靠直觉或经验。

不过，我们要理性一点，别盲目把六西格玛当作企业的“万能神药”。一些人看到像GE、摩托罗拉这些大公司靠六西格玛赚得盆满钵满，就误以为学了这个方法就一定能成功。但事实并非如此。这些企业能成功，是因为他们确实有认真执行六西格玛的方法，而在背后下了大量功夫——持续的高管支持、大量资源投入，以及对数据的执着。

具体到实操，DMAIC每个步骤都有核心工具：

• 定义阶段（Define）：项目章程、SIPOC图（供应商-输入-流程-输出-客户图）。
• 测量阶段（Measure）：过程能力分析、数据收集计划。
• 分析阶段（Analyze）：鱼骨图、根本原因分析（RCA）、假设检验。
• 改进阶段（Improve）：实验设计（DOE）、FMEA（失效模式与影响分析）。
• 控制阶段（Control）：控制图、标准作业程序（SOP）。

给大家一些少走弯路的建议：

• 一定要从实际问题出发，而非盲目追求数据好看。
• 推进六西格玛项目时，必须有公司高层支持，否则很难落地。
• 从简单小项目开始练手，再逐步挑战更复杂的难题。

六西格玛中使用的关键工具和技术

六西格玛质量管理依赖于六西格玛眾多的质量工具，下面根据优思学院《六西格玛全面入门指南》一文对几类最常用的质量工具作一些简单的介绍。

1. 描述性统计工具

描述性统计工具主要是对样本的数据统计特征展开分析，包含样平均值、中位数、众数、方差、极差、标准差和斜扭性、偏度、峰度等特征量展开分析，并给出样本的统计条形图，进行概率分布拟合等。六西格玛绿带和黑带学生通常要学习不同的概率分布，例如：正态分布、二项分布等。

2. 相关性和回归分析工具

相关性和回归分析工具主要是研究一个变量Y与其它若干变量X之间相关关系的一种数学工具，它是在一组实验或观测数据的基础上。找寻被随机性掩盖了的变量之间的依存关系。

粗略地讲，可以看作用一种确定的函数关系去类似替代比较复杂的相关关系，这个函数被称作重归函数，在实际问题中被称作经验公式。

回归分析所研究的主要问题就是如何利用变量X，Y的观察值(样本)，对重归函数进行统计推断，包含对它进行估计及检测与它相关的假设等。

3. 假设检验

假设检验（hypothesis testing）是推论统计中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。

一旦能估计未知参数，就会希望根据结果对未知的真正参数值做出适当的推论。在六西格玛项目过程中，我们可以通过假设检验，来知道不同的原因（X）是否和結果（Y）有所关联。

一张包含零假设与备择假设两个曲线的示意图，两正态分布有不同的期望值与相同的方差。

4. 测量系统分析工具（MSA）

对检测系统的几个特点(准确性、重复性、再现性和稳定性、线性、分辨率展开分析，以此来确认总偏差、检测系统中测量人员偏差和测量仪器误差的大小，并对检测系统的实用性作出判断。

5. 统计过程控制工具（SPC）

统计过程控制（Statistical Process Control）是通过控制图发现异常，通过过程管理与确诊理论(SPCD)找到异常的原因并予以排除。

常用的休哈特控制图有均值一极差(x-R)控制图，均值一标准差(x-S)控制图，中位数一极差(x-R)控制图，单值一挪动极差(x-Rs)控制图和不合格品率(P)控制图，不合格品数(Pn)控制图，缺陷数(C)控制图，单位缺陷数(u)控制图等。

SPC方法是维持生产线平稳，降低质量波动的有效工具。

6. 实验设计（DOE）

实验设计，又称试验设计或设计试验，是数理统计学的一个分支，科学探究的一部份，涉及“用何方法可更好的设计一个实验”，属于方法论的范畴。

因为任何实验都会受到外来环境影响，如何设计实验，使外来环境的变化能够对实验造成最小的影响，就是实验规划的目的。实验设计法广泛用于自然科学、社会科学、医学等各学科的实验设计里。

六西格玛绿带和黑带学生通常要学习不同程度的实验设计方法，利用不同的方法找出最优化的模型来改善现有的制程。