精益六西格玛绿带

精益六西格玛绿带思维导图，讲述了精益六西格玛概述、测量系统分析、过程能力分析、DOE实验设计、控制阶段的目的及任务。

精益六西格玛绿带

• 1.定义阶段
  • 1.1精益六西格玛概述
    • 精益
      • 消除浪费
        • 精益是一种制造哲学，把浪费看做影响循环时间的第一驱动要素，并应用精益工具不断地驱逐流程中的浪费
        • 生产八大浪费
          • DefectsRework 缺陷/返工（纠正失误）
          • Overproduction 过度生产（提前或超出客户需求生产）
          • Waiting 等待（物料、故障、批准、检验）
          • Non-utilized talents 人未尽其才
          • Transportation 搬运浪费（物料/产品移动）
          • Inventory 库存浪费（物料/产品等待处理）
          • Motion 动作浪费（多余的移动或违反人体工效学）
          • Excess processing 过度加工（加工顺序不当或超出所需）
      • 消除变异（y）
      • 精益运营
        • 价值
          • 站在客户的立场上
          • 定义增值（3C）
            • 客户愿意付钱，满足客户需求的活动（Customer）
            • 从根本上改变产品或信息内容（Change）
            • 第一时间做对（Correct）
        • 价值流
          • 从接单到发货过程的一切活动
        • 流动
          • 想开发的河流一样通畅流动
        • 需求拉动
          • 按需求生产
        • 追求完美
          • 没有任何事物是完美的
          • 不断改进
        • 精益五原则
        • • 客户
            • VOC（客户的声音）
            • Takt 节拍分析（时间需求）
            • QFD（质量功能展开）
          • 作业系统
            • 生产线平衡
            • 价值流分析
            • 单件流/拉系统
              • 生产线布局设计
              • 看板系统
              • SMED（快速换模）
              • P-O-U（使用点）
            • Just In Time
          • 质量系统
            • 自动化
            • 防错设计
            • 因果矩阵分析
            • 失效模式分析（FMEA）
            • Built In Quality
          • 人员
            • HR策略
            • 工作团队
              • 组织设计（指导委员会，Kaizen团队）
              • 交叉功能衔接
            • 安全
              • 过程改善
              • 人体工效学
          • 稳定性
            • 统计过程控制（SPC）
            • 可视化控制（SS） 标准工作
            • TPM（全面生产维护）精益运营
    • 六西格玛
      • 6σ概论
        • 概念
          • 衡量标准
          • 战略目标
          • 改善的工具/方法论
        • 级别
          • 6σ的段位：白带、绿带、黑带、黑带大师、领袖
        • 历史
          • 第一阶段：【起源】解决有型产品质量为主
            • 摩托罗拉
          • 第二阶段：【推广】以COST-Down为主
            • 联合信号、通用电气
          • 第三阶段：六西格玛与精益生产的融合、六西格玛设计成熟、六西格玛在服务业的应用
            • 三星、通用电气
        • 改善步骤
          • Define 定义
            • 问题陈述-5W2H
            • 宏观流程图 S-I-P-O-C
            • 目标的设定方法-SMART原则
              • S=Specific 具体的
              • M=Measurable 能够测定的
              • A=Aggressive and Achievable 具有挑战可达成的
              • R=Relevant to the business plan 与事业计划相关的
              • T=Time Bound 有时限的
          • Mesure 测量
            • 统计现状数据
              • 客观要求
              • 实际数据
          • Analysis 分析
            • 确定真因
          • Improve 改善
            • 制定措施，并执行
          • Control 控制
            • 形成标准，维持收益
        • 案例分享
          • 六西格玛改善项目实施的5大步骤
      • 消除非增值活动
      • 消除引起变异的因素（x）
      • 波动
        • 过程结果存在的偏差
      • 目标
        • 把过程偏移的中心拉到目标上
          • 置中
        • 减少波动、变异
      • 发展历程
        • 质量六西格玛
          • 摩托罗拉
          • 第一代
        • 流程六西格玛
          • GE
          • 第二代
        • 精益六西格玛
          • 三星
          • 第三代
      • 解决问题的知识、方法与工具
        • • 遇到问题，转换统计问题
          • 统计问题到统计解决方案
        • • DEFINE
            • 客户的问题是什么？
            • 确定项目目标和范围
            • 收集与项目相关的过程和客户的背景信息
            • 完成项目章程及建立项目团队
            • VOC-CTQ，完成SIPOC
            • 阶段任务
              • 客户要求
              • 项目章程
              • SIPOC明确项目范围
              • Kano图分析将客户的需求做分类
              • 形成客户关心的CTQ
          • MEASURE
            • 问题聚焦与潜在原因查找
            • 基于现代数据进行过程绩效分析
            • 利用数据来了解问题发生的情况
            • 初步分析问题发生的原因
            • 清晰描述聚焦的问题
            • 阶段任务
              • 测量系统，变量分析
              • 进行筛选
              • 收集数据
              • 对数据做展示分析
              • 计算过程能力
          • ANALYZE
            • 根本原因是什么？
            • 识别聚焦问题的根本原因，收集过程数据
            • 分析验证根本原因的准确性
            • 阶段任务
              • 查找原因
              • 确定根本原因
                • 通过回归分析
                • 假设检验
                • 实验设计
          • IMPROVE
            • 如何改善？
            • 验证与根本原因相对应的解决方案的有效性
            • 对解决方案进行风险评估
            • 制定及实施改善措施
            • 针对重点区域问题实施现场改善工作坊集中改善
            • 阶段任务
              • 产生解决方案
              • 方案筛选
                • 投入产出分析
              • 选择方案
              • 评估风险
              • 进行计划
          • CONTROL
            • 如何测量和控制改善成果？
            • 评估改善措施与实施计划的有效性
            • 保持改善效果得以长期维持
            • 实施有效的监控系统
            • 项目成果、经验等文档化并共享
            • 阶段任务
              • 制定控制计划
              • 流程变更管理
              • 存档和标准化
              • 监控x的达成情况
              • 评估最后的结果
              • 总结教训
        • DMAIC阶段任务汇总
          • D-定义机会
            • 问题陈述
            • 战略关联
            • 顾客呼声
            • Y的定义
            • 项目范围
            • 目标陈述
            • 收益预估
            • 项目团队
            • 推进计划
            • 工具
              • 项目立项书
              • 控制图
              • 时序图
              • 排列图
              • SIPOC
              • 甘特图
          • M-测量症状
            • Y数据收集计划
            • Y数据可靠性确认
            • Y的现状分析
            • 原因查找
            • 原因筛选
            • 原因深挖（FMEA）
            • 快赢机会
            • 阶段成果
            • 向后计划
            • 工具
              • 能力分析
              • 测量系统分析
              • 控制图
              • 脑力激荡
              • 流程图
              • 因果分析
              • 因果矩阵
              • FMEA
          • A-分析根因
            • X数据收集计划
            • X数据可靠性确认
            • 多变异分析
            • 根因验证
            • 快赢机会
            • 阶段成果
            • 向后计划
            • 工具
              • 中心极限定理
              • 多变异分析
              • 假设检验
              • 正态检验
              • 等方差检验
              • ANOVA
              • 非参数检验
              • 相关性分析
              • 回归分析
          • I-改善绩效
            • 方案产生
            • 方案选择
            • 风险评估
            • 方案试运行
            • 方案实施
            • 阶段成果
            • 向后计划
            • 工具
              • 全因子设计
              • 中心点、区组
              • 部分因子分析
              • 筛选实验
              • 田口设计
              • 多重线性回归
              • 响应表面分析
              • EVOP
          • C-控制成果
            • 目标达成确认
            • 文件化&标准化
            • 控制计划
            • X的控制
            • 项目收益
            • 项目移交
            • 项目总结
            • 向后计划
            • 工具
              • 统计过程控制
              • 预控制图
              • 其他控制图
              • 防错
              • 5S及可视化
              • 控制计划
              • SOP
              • 标准化
      • 关注的焦点
        • 聚焦客户
          • 完全了解客户需求，并跟进改善情况
          • 满意：通过对一个产品的可感知的效果（或结果）与期望值相比较后，所形成的愉悦或失望的感觉状态
          • 顾客满意：顾客对其要求已被满足的程度的感受
        • 聚焦过程
          • 识别过程和KPI，对绩效进行测量，有预见的积极管理，数据驱动改善
          • 六西格玛的过程改善模型：关注X而不是Y，不能像往常一样
            • Y=f(X)
            • Y是KPOV
            • X是KPIV
            • 监控过程x
        • 聚焦员工
          • 让员工具备必需的能力因为他们直接面对客户
        • 技能够完全满足客户需求，又保持利润
      • 6σ项目选题
        • 改善课题选择的几种方法
          • 由顾客之声VOC展开之课题
            • VOB 企业之声
            • VOC客户之声
            • 子主题
          • 由公司战略分解之课题
            • Top-Down
          • 由劣质成品（CIPQ）聚焦之课题
            • COPQ Cost Of Poor Quality
              • COPQ=实际成本-最低成本
          • 由下至上反馈之课题
          • 由标杆比较（Benchmark）产生之课题
        • 应避免选择怎样的项目
          • 已经掌握对策的
          • 因异常原因引起的
          • 范围太广，目标太多
          • 起步太详细
          • 没有可测量的量化指标
        • 课题推荐
          • 用户抱怨
          • 缺陷
          • 可靠性
          • 小消耗性
          • 库存削减
          • 瓶颈改善
          • 过程返工
          • 来料质量
          • 交货期
          • 流程错误
          • 成本削减
          • 应收账款
        • 课题评价标准
          • 客户及用户关注
          • 与公司战略及经营目标相关
          • 有可观的、量化的财务回报
          • 针对重要朝阳产品
          • 过程绩效差，改善潜力大
          • 问题对其他流程的影响
          • 必要性
          • 获得组织领导层支持
          • 项目指标有足够的数据支撑
          • 项目范围可管理，没有无法控制或者影响的流程因素
          • 项目必须在4-6月内完成，没有已知的障碍
          • 可行性
    • 精益六西格玛
      • 以客户为导向
      • 注重数据分析的科学的工具和管理方法
      • 运用DMAIC（改善）或DFSS（设计）进行流程的改善和设计
• 2.测量阶段
  • （判断数据是否可靠）测量系统分析
    • 目的：确保数据准确可靠
      • 准确-位置
      • 可靠-波动
    • 定义：
      • 说明：不止测量设备本身
      • 测量整个系统的集合
    • 数据与数据收集
      • 数据类别
        • 离散数据
          • 计数型数据
            • 属性一致性分析
            • 计数型数据统计量
              • 单位缺陷数 DPU=观察到到缺陷总数/总检查产品数
              • 机会缺陷数 DPO=观察到的缺陷总数/(单位产品缺陷机会数*总检查产品数）
              • 百万机会缺陷数 DPMO=观察到缺陷总数/（单位产品缺陷机会数+总检查产品数）*10^6
              • 百万不良品数 DPPM=不良品总数/总检查数 *10^6
          • 成本高、信息量低
      • 母体与统计量
    • 数据统计量
      • 概念
        • 平均值
          • 特性1.每个观测值对均值都有影响
          • 特性2.所有观测值对均值的偏差之和为0
          • 特性3.均值对观测的极端值很敏感，极端值会导致均值向他偏移
        • 中位数/众数
          • 中位数，若个数为奇数取中间值，若为偶数取中间两个数的平均值
        • 变异
        • 极差
          • R=最大值-最小值
        • 标准差
        • 方差
    • 母体和抽样
      • 定义
        • 母体与样本
          • 母体=参数
          • 样本=样本统计量
            • 抽样的定义
              • 从母体取得样本的过程及方法
      • 抽样三个原则
        • 随机性
        • 代表性
        • 独立性
      • 抽样方法
        • 随机抽样
          • 采样方便
          • 有时会有偏于一方的情形，缺乏代表性，有高估或者低估的现象
          • 适用于母体个数较少时
        • 系统抽样
          • 可依据固定间隔决定所有样本数
          • 若数据为依据某种特定而随机时，所抽出的数据无法代表母体
          • 母体个数较多时
        • 分层抽样
        • 集群抽样
    • 测量系统分析 MSA
      • 指标：
        • 分辨力
          • 采用10：1法则
        • 偏倚
          • 准确性，侧均值和已知的真值作比较，判定标准：≤10
        • 线性
        • 稳定性
        • 位置
        • 重复性
          • 也被称为E.V. -设备变异
        • 再现行
          • 也被称为A.V.-评价者变异
        • 波动
      • 系统误差的来源
        • 判定标准：≤10%合格，10%-30%可接受；如果>30%不合格
        • 流程实际误差
      • 使用时机
  • 过程能力分析
    • 作用：衡量现状
    • 要求：取样次数30以上数据
      • 组内
      • 组间
    • 表现型
      • Sigma水平-Z值
        • （上规格值-下规格值）/2σ
          • Z值=3CPK
      • Ca 衡量过程过程中与规格中心的便宜程度
        • CP=（规格上限-规格下限）/6σ
        • 单边规时：CP=（UsL-Xh'hf
      • CPK
    • 流程能力分析
      • 流程能力概念
        • 概念：满足规格的能力
        • CP
          • （规格上限-规格下限）/6σ
        • CPK
        • PPK
        • PPK
      • 流程分析意义
    • 不同数据类型处理形式
      • 计数型
        • 判断是2项还是泊松
          • 二项
            • 事件只有两种结果
          • 泊松
            • 判断单位内良品或者不良的比率
        • 子主题
      • 计量型
  • 思路：
    • 确认数据类型
      • 制定数据收集计划
        • 确定数据测量系统
          • 测量系统分析
            • MSA判断
              • Y的过程能力分析
• 3.分析阶段
  • 目的：确定真因
  • 案例： Y：满意度 色香味口感
    • 小y与缺陷最大的区别在于原因是否存在交叉相互影响
  • 步骤
    • 分析潜在因子 5Why+BS
      • 方法：
        • 鱼骨图（特性要因图）
          • 鱼头代表Y
          • 鱼头只有一个
          • 以5M1E 为基准
        • 微观变量流程图
          • 名词：IV输入变量、IO输出变量
          • 步骤
            • 明确课题
            • 绘制与问题相关的细部流程图
            • 确定各工序的功能要求及潜在的失效模式 OV
            • 筛选出与问题相关的失效模式 IPOV
            • 针对失效模式逐一分析，罗列其潜在失效原因 IV
            • 识别所有IV的类型 C/N/S
            • 记录IV的规格要求
          • 问题点
            • 微观
            • 聚焦在定义阶段的缺陷
            • 发掘潜在的所有的X
            • 可以结合5Why分析
          • 要求:具体、明确、且兼顾深度及广度
            • 维度：5M1E
        • 头脑风暴
        • 5Why
    • 筛选关键因子（C&E+FMEA）
      • 方法
        • C&E矩阵
        • FMEA
          • 逻辑
            • 识别潜在的失效模式
              • 此种失效模式最坏结果
                • 造成这种失效模式的可能原因
                  • 当前控制及侦测方式
    • 验证显着因子
      • 常见图形工具
        • 数据出图形，图形看规律
        • 柏拉图
        • 时间序列图
        • 箱线图
        • 点图
        • 直方图
        • 管制图
        • 多变量图
      • 检测方法
        • 假设检验
          • 前提：都是采用抽样获取数据，且数据符合正态分布
          • 原假设
            • 特点
              • 无需整明就存在
              • 相等的没有差异的
              • 以自然界普遍存在的现象作为立项依据
          • 备选假设
            • 对立假设
              • 虚无假设
          • 判断标准：P值<0.05,拒绝原假设；P值>0.05，原假设成立
          • 用途：
            • 确定原因是否真实
            • 验证解决方案是否有效
            • 验证方案是否有效
            • 确定过程是否发生重大改变
          • 类别
            • Y为连续性数据
              • 等方差检验
                • 目的：聚焦波动
                • P值 正态用上面，非正态用下面
                  • 正态性检验后P值<0.05为非正态，>0.05为正态
                • 方法
                  • 单样本等方差
                  • 双样本等方差
              • 均值检验
                • 目的：聚焦位置
                • 分类
                  • 单样本均值Z检验
                    • 用途：单样本，总体标准差已知
                    • 条件
                      • 检验母体均值和目标值偏差
                      • 样本量大于等于30时，可以用样本标准偏差s代替母体标准偏差
                  • 单样本t检验
                    • 用途：单样本，总体标准差未知
                    • 条件
                      • 检验母体均值是否与目标值相等
                      • 母体标准偏差未知
                      • 样本数据符合正态分布
                  • 双样本t检验
                    • 条件
                      • 检测两个母体均值是否相等
                      • 两个样本相互独立
                      • 样本数据符合正态分布
                      • 检验前需要做等方差检验
            • 离散型数据
              • 比例检验
                • 用途：样本比例检验
                • 条件：样本容量≥1000
                • 分类：
                  • 1P检验
                    • 单样本比例检验
                  • 2P检验
                    • 双样本比例检验
          • 流程：
            • 需要用控制图识别数据是否有异常点，排除原因
            • 用概率图分析数据是否符合正态分布
            • 对于样本均值增加双方差检验
            • 子主题
          • 工具总结
            • 1.单样本等方差检验
              • 目的
              • 概念
                • X名称
                • X水平
                • X数据类型
                • Y名称
                • Y数据类型
              • 用什么工具
            • 2.双样本等方差检验
            • 3.单样本均值Z检验
            • 4.单样本均值t检验
            • 5.双眼本均值t检验
            • 6.单因子等方差检验
            • 只能判断是否有影响
            • 7.但比例检验
            • 8.双比例检验
            • 9.相关分析
        • 多变量分析
        • 相关分析
          • 目的
            • 研究X与Y是否存在线性相关
          • 使用条件
            • X、Y对应的数据要大于等于30组
            • X、Y的数据类型为连续型
          • 注意事项
            • 不只是两个变量的关系分析
            • 相关系数越大，两个变量约线性相关
            • 做相关分析前，需要用数据做散点图，看是否有强相关点
          • 操作步骤
            • 用控制图工具看数据是否存在异常点
            • 用散点图看X与Y存在啥关系
            • 相关分析
              • 操作方法：统计-基本统计-相关
              • 识别方法：先看P值，再看相关系数
        • 回归分析
          • 目的
            • 为了查明变量之间函数的相关性而假定的某数学模型，通过一个变量的变化
          • R-sq
            • 回归方程预测有效性
            • 要求：>70%
          • 残差
            • 预测值和真实值之间的差值
              • 平均值和绝对值为零
              • 服从正态分布
              • 注意残差图形状
          • 方差胀系数
            • 多元回归研究X和Y之间的关系
            • >10
          • 步骤
            • 观测P值，<0.05可建立回归方程
            • R-sq>70%
            • 残差分析
            • 预测
          • 注意事项
            • X、Y数据要求 n>30
            • 严禁外推
  • 思路
    • 因子罗列
      • 数量判断
        • C&E矩阵
          • FMEA
            • 因子验证
          • 暂不标准化或标准化
          • 快速改善
      • 快速改善
• 4.改善阶段
  • DOE 实验设计
    • 定义
      • 通过一个试验或者多个试验，对一个系统 或者输入变量有些目的的改善，以使能够观察和识别引起输出变化的原因
    • 目的
      • 获取分析原因
    • 工具
      • 单因子试验实验设计
        • 一次只分析一个因子变量X对Y的影响
      • 2^K试验设计
        • 2代表水平、K代表因子
        • 形式
          • 全因子试验设计
            • 仿行数-重复试验，目的消除误差
      • 部分因子试验设计
        • 原理
          • 放宽因子研究颗粒度
        • 辨识度
          • 分辨度-Ⅲ
            • 主效应间影响未混杂
            • 主效应与2因素交互作用影响混杂
          • 分辨度-Ⅳ
            • 主效应间影响未混杂
            • 主效应与2因素交互作用影响未混杂
            • 2因素作用影响之间混杂
          • 分辨度-Ⅴ
            • 主效应间影响未混杂
            • 主效应与2因素交互作用影响未混杂
            • 2因素作用影响之间未混杂
            • 2因素交互作用影响与其他3因素交互作用影响混杂
      • 一般全因子试验设计
        • 劣势
          • 相比于部分因子试验次数较多
      • 响应曲面设计
        • 通过响应的曲面图形进行分析，寻找最佳响应的设计方法
      • 调优运算
        • 以当前生产条件为中心，再周围很近的方位内选定安排一批简单的重复试验
      • 田口试验
        • 优势
          • 以最少的试验测i书获得最理想的试验效果
    • 步骤
      • 设计试验
        • 用途
          • 筛选因子，寻找关键因子
        • 设计类型
          • 2^K设计
          • 部分因子设计
            • x高低水平的获取方法
              • 历史数据
              • 参照标杆
              • 规格上线下限
            • 因子水品若为文本型，可手动更改，人为指定中心点
        • 因子数
          • 较多因子
      • 创建试验
        • 用途
          • 寻找关键因子的水平设定
          • 探测因子与相应量是否存在高次关系
        • 设计类型
          • 一般全因子设计
          • 全因子+中心点设计
        • 因子树
          • 小于5个
      • 执行试验
        • 用途
          • 寻找优化空间
        • 设计类型
          • 响应曲面 RSM
          • 混料设计
        • 因子
          • 2-3个
      • 分析试验
        • 目的
          • 寻找稳健区间，减少噪声因子影响
        • 设计类型
          • 调优运算EVOP
          • 田口试验
        • 因子
          • 2-3个，多个亦可
    • 因子类型
      • 控制因子
        • 最佳化
          • 波动降到最低
          • 方法：DOE
      • 对案因子
        • 子主题
  • Poka Yoke 防呆法
    • 定 义
      • 防错、防误
    • 目 的
      • 任何情况下都不会出现缺陷
    • 提 出 者
      • 新乡重夫
    • 缺陷产生
      • 原因：失误-人为
      • 常见类型（10种）
        • 不了解
        • 不注意
        • 误解
        • 识别上的失误
        • 不熟悉的失误
        • ……
      • 预防措施
        • 探索
        • 预防-更优
      • 防止失误优先级
        • 减轻
          • 缓和原理
            • 例如：安全带、安全气囊
        • 感知
          • 复制原理
          • 警告原理
        • 便利
          • 自动原理-自动化
          • 相符原理
          • 顺序原理
          • 隔离原理
          • 层别原理
        • 替代
          • 保险管理
        • 消除
          • 断根原理
• 5.控制阶段
  • 目的
    • 控制X，维持收益
  • 任务
    • 制定控制方案和计划
    • 监控X和Y是否达到预期效果（X&Y符合性及稳健性）
      • 如何监控：通过DOE得出最优值后，要持续追踪3-6月
      • 应用到控制图
    • 监控改善后是否涌现了新的因子
    • 项目成果运营化，转为例行工作
    • 完成必要的培训
    • 下一步工作计划及总结
    • 对有M阶段、A阶段、I阶段效改善措施进行固化（标准化、文件化）
      • 未能固化的原因
        • 改善措施未能融入到公司的管理体系中
      • 为何要做标准化
        • 标准化是改善的基础
        • 沉淀经验
      • 如何做？
        • 什么时候需要标准？
          • 出错时候需要标准
        • 标准需要细化到什么程度？
          • 站在使用者角度确定标准
          • 细化到涵盖容易出错的过程即可
      • 标准化的五项原则
        • 改善作业是标准化的基本精神
        • 必须彻底了解并遵守
        • 若改善活动显示效果的话，经负责人核准后，制定标准并严格执行
        • 标准化的目标是一种异常状态的管理，无法达到标准是，应该祭祀改善
        • 标准不是一成不变的，因此必须找出问题点，然后加以改善，同时提高标准
      • 拓展-标准化的衡量指标
        • 标准完备率
        • 标准遵守率
        • 标准异常整改率
      • 涵盖方面
        • 设计的 标准化
        • 零件输入标准化
        • 工具设备标准化
        • 作业方法
          • 等同作业标准
        • 作业动作标准
          • 等同标准作业
      • SOP
        • 要求：清晰、易懂、明确
        • 原则
          • 字不如栏
          • 栏不如表
          • 表不如图
          • 图不如像
        • 放置位置：放于易于阅读的位置
      • DMAIC与标准化对应
        • 将改善内容纳入现有质量
        • 融入管理系统
        • 避免不足或过度
        • 标准内容明确，作业员易懂
        • 标准制定或者修改时，必须通知相关部门一起遵守
        • 问题发生时，如果是标准有问题，需对标准进行修改
  • 拓展（口字加两笔）
    • 如何开会最高效
• 推荐阅读书目
  • 《改变世界的机器》
  • 《精益思想》