【正文】 X2,1 X1,N X1,4 X1,3 X1,2 X1,1 在業(yè)務(wù)單元層，可以看見最上層的 Y足夠的大 運(yùn)作的業(yè)務(wù)目標(biāo)。 范例： ?每個(gè)服務(wù)代表的 電話 /小時(shí) ?第二年客戶保持?jǐn)?shù)字 ?全部送餐數(shù) ?%客戶投訴 有效的改進(jìn)需要來自于整個(gè)供應(yīng)商 客戶的信息，因果關(guān)系 客戶： 供貨商： 輸入： 產(chǎn)出： 流程 開始邊界 ___________ 結(jié)束邊界 ____________ Version Nov 2023 8 Page 輸入、流程和產(chǎn)出指標(biāo) 效率衡量 ? 每項(xiàng)交易的成本 ? 每項(xiàng)作業(yè)的時(shí)間 ? 重做量 ? 周轉(zhuǎn)時(shí)間 ? 作業(yè)的可變性 效果衡量 ? 不良品百分比 ? 錯(cuò)誤數(shù) ? 全部回應(yīng)時(shí)間 ? 開發(fā)票 /開帳單的精確度 ? 收入 輸入指標(biāo) 流程指標(biāo) 產(chǎn)出業(yè)績(jī) 表現(xiàn)指標(biāo) 質(zhì)量關(guān)鍵點(diǎn) 流程關(guān)鍵點(diǎn) Version Nov 2023 9 Page 流程產(chǎn)出指標(biāo)包括 質(zhì)量關(guān)鍵點(diǎn)和流程關(guān)鍵點(diǎn) VOB公司心聲 CBR關(guān)鍵公司要求 CTP流程關(guān)鍵點(diǎn) VOC客戶心聲 CCR關(guān)鍵客戶要求 CTQ質(zhì)量關(guān)鍵點(diǎn) VOB 公司的關(guān) 鍵問題 CBR’ S CTQ’ S CTP’ S 產(chǎn)出指標(biāo) CCR’ S 客戶的關(guān) 鍵問題 VOC Version Nov 2023 10 Page 質(zhì)量關(guān)鍵點(diǎn)和流程關(guān)鍵點(diǎn)范例 流程關(guān)鍵點(diǎn) 每單位成本 生產(chǎn)力 依從規(guī)章制度 完全轉(zhuǎn)變時(shí)間 安全 培訓(xùn)小時(shí) 質(zhì)量關(guān)鍵點(diǎn) 每單位價(jià)格 交付時(shí)間 尺度 純度 可靠性 顏色 服務(wù)水平 對(duì)以下方面很關(guān)鍵： 客戶 市場(chǎng) 流程產(chǎn)出指標(biāo) 質(zhì)量關(guān)鍵點(diǎn) 流程關(guān)鍵點(diǎn) 對(duì)以下方面很關(guān)鍵 ： 業(yè)務(wù) 調(diào)整者 雇員 Version Nov 2023 11 Page 源自很多項(xiàng)目焦點(diǎn)的成功 范例：醫(yī)療診斷設(shè)備 球管的生命周期 96年 1月到 97年 5月平均球管生命周期翻了一倍。 不管關(guān)鍵客戶要求是怎樣規(guī)定的，小組必須確定識(shí)別了有關(guān)流程生產(chǎn)服務(wù)的所有關(guān)鍵客戶要求，并確定關(guān)鍵客戶要求被產(chǎn)出指標(biāo)所衡量。 ? 你可以使用一個(gè)關(guān)系矩陣來幫助顯示產(chǎn)出業(yè)績(jī)表現(xiàn)衡量和關(guān)鍵輸入及流程衡量之間的關(guān)系。 Edwards Deming 范例：運(yùn)作定義 差的：申請(qǐng)的周期時(shí)間 好的：從 1999年 1月 3日到 1999年 1月 17日收到申請(qǐng)的傳真中收集資料。 Version Nov 2023 23 Page 練習(xí)：運(yùn)作定義 目標(biāo) 練習(xí)制訂一個(gè)運(yùn)作定義。一家速食餐館想減少它收到的投訴數(shù)量。這是重要的，因?yàn)樗鼘ⅲ? ? 提供一個(gè)資料顯示和分析工具的選擇 ? 規(guī)定樣本大小計(jì)算 ? 提供業(yè)績(jī)表現(xiàn)或原因信息 ? 確定使用適當(dāng)?shù)目刂茍D ? 確定 6 sigma計(jì)算的適當(dāng)方法 連續(xù)性 對(duì)連續(xù)統(tǒng)一體的衡量 客觀的 ?時(shí)間 ?金錢 ?重量 ?長(zhǎng)度 主觀的 ?滿意 ?一致 ?程度 ?錯(cuò)誤類型 離散性 計(jì)數(shù)或種類 客觀的 ?計(jì)數(shù)誤差 ?核準(zhǔn)的數(shù)量 ?錯(cuò)誤數(shù) ?文檔的類型 主觀的 ?是 / 否 ?種類 ?服務(wù)表現(xiàn)定級(jí) （好的、差的） ?滿意 ?一致 Version Nov 2023 26 Page 兩種基本的資料類型 ? 連續(xù)或可變的資料－按等級(jí)衡量。 ? 可是，大部分時(shí)間你不知道足夠多的潛在原因直到你確定了你的流程當(dāng)前業(yè)績(jī)表現(xiàn)水平。 范例：檢查單 因缺少資料而送回來的申請(qǐng) ? 所有資料可以被手動(dòng)或自動(dòng)地收集（寫進(jìn)記錄，記錄時(shí)間，等）。 ///// // // 20 門開著不關(guān) ///// //// /// 85 合計(jì) 15 12 11 38 流程步驟收到 ___________________ 部門供給 ___________________ ___________________ ___________________ Version Nov 2023 36 Page 采樣 ? 使用資料的樣本來得出有關(guān)資料的整個(gè)母體的結(jié)論。從會(huì)議結(jié)果，小組得出結(jié)論大約 25%的合約包含錯(cuò)誤，需要重做。 ?估計(jì)的 s= D=2分鐘 ?估計(jì)的誤差數(shù)是 30%（ P=； D=5%） ?確定連續(xù)性和離散性資料的最小樣本大小。 遞送時(shí)間 關(guān)鍵客戶要求 = 10 天 缺陷 :客戶無法接受的服務(wù) 遞送次數(shù)的頻率 s =差異或數(shù)據(jù)散布 x = 天 1 2 3 4 5 6 7 8 9 10 11 12 誤差減少 Version Nov 2023 59 Page 差異和平均值的減少 ? 如果我們減少平均遞送時(shí)間和遞送時(shí)間差異，我們能更進(jìn)一步的減少那些沒有滿足客戶要求的次數(shù)。 σ – 母體的 s – 樣本的 標(biāo)準(zhǔn)分布 Xi S xVersion Nov 2023 64 Page 繪制差異 —標(biāo)準(zhǔn)偏差 ? S為樣本的標(biāo)準(zhǔn)偏差。 而特殊原因差異僅僅是由這些類別中的一個(gè)引起的。這個(gè)子群體通常不多于 50項(xiàng)。 二項(xiàng)分布的圖形有如下特征： (1)二項(xiàng)分布圖形的形狀取決于 P 和 n 的大?。? (2) 當(dāng) P=，無論 n的大小，均為對(duì)稱分布； (3) 當(dāng) P ,n較小時(shí)為偏態(tài)分布 ,n較大時(shí)逼近正態(tài)分布。舉例來說，汽車上可發(fā)現(xiàn)的瑕疵數(shù)量是無限的，或整個(gè)工人母體中可發(fā)生的事故數(shù)也是無限的 Version Nov 2023 82 Page 按下列說法描述泊松分布： 誤差可能性是小的 誤差機(jī)會(huì)是高的 你不能計(jì)數(shù)非誤差 根據(jù)樣本中的發(fā)生數(shù)來描述數(shù)據(jù) 范例：汽車保修期賠償流程 C:\6Sigma\Control Charts\u STATCONTROL CHARTU ，并通過選擇“ Subgroups in” 表示樣本大小 賣出車的數(shù)量 月份 賠償數(shù) 交付的車輛數(shù) 1ST6MONTHS 1 五月 630 16020 2 六月 1000 24675 3 七月 776 18420 4 八月 595 15770 5 九月 870 22600 6 十月 770 19270 7 十一月 601 16275 8 十二月 501 15201 Version Nov 2023 83 Page 賠償數(shù)的 U圖表 87654321樣樣樣樣樣樣樣樣樣樣樣樣樣U樣U=UCL=LCL=Version Nov 2023 84 Page 100份申請(qǐng)所含錯(cuò)誤的 C圖表 25202310503020100樣樣樣樣樣樣樣樣樣1C=13UCL=LCL=Version Nov 2023 85 Page 指數(shù)加權(quán)移動(dòng)平均數(shù)控制圖表 ? 當(dāng)流程平均值緩慢變化的時(shí)候，一個(gè)潛在對(duì)變化更敏感的控制圖表是指數(shù)加權(quán)移動(dòng)平均數(shù)圖表。群體 12可以是流程改進(jìn)之前或之后的流程周期時(shí)間，或在地點(diǎn) 1和地點(diǎn) 2的誤差。 ?p值是可僅由取樣差異引起觀測(cè)值差的概率。 0 P 相同 Version Nov 2023 99 Page 沒有不同的 對(duì)的 類型 Ⅱ 錯(cuò)誤 β= 概率 類型 Ⅰ 錯(cuò)誤 α= 概率 不同的 對(duì)的 假設(shè)檢驗(yàn)結(jié)果 錯(cuò)誤類型 不應(yīng)該采取行動(dòng)或作決策時(shí) ,卻這樣做了 . 應(yīng)該采取行動(dòng)或作決策時(shí) ,沒有這樣做 . 沒有不同的 不同的 實(shí)際的 Version Nov 2023 100 Page 假設(shè)檢驗(yàn) 離散性 卡方考驗(yàn) 對(duì)數(shù)回歸 T檢定 差異分析 實(shí)驗(yàn)設(shè)計(jì) 連續(xù)性 回歸 Y X 連續(xù)性 離散性 Version Nov 2023 101 Page 統(tǒng)計(jì)工具 1的概要 工具 是什么 數(shù)據(jù)類型 何時(shí)使用 如何在我的工作中應(yīng)用這個(gè)工具 直方圖 一個(gè)變量的直觀顯示表明了數(shù)據(jù)的中心，分布，形狀和離群值 連續(xù)性或離散性 “數(shù)據(jù)資料”找感覺 多變量圖表 一個(gè)變量的子群體的條形圖比較 連續(xù)性或離散性 根據(jù)單個(gè)數(shù)據(jù)點(diǎn)和平均值直觀地比較子群體。減少在衡量的回應(yīng)中的差異 t檢定 確定兩個(gè)群體間是否存在差異 Y=連續(xù)性 X=離散性或類別的 =指定值 t:在比較兩個(gè)樣本平均數(shù)時(shí)，減少差異 差異分析 確定很多群體間是否存在差異 Y=連續(xù)性 X=離散性或類別的 （ 2或更多的 Xs) 確定在群體間有一個(gè)統(tǒng)計(jì)上的重大差異 離散性數(shù)據(jù)：卡方考驗(yàn) 確定 2個(gè)離散變量的觀測(cè)頻率是否有差異 Y=離散性或類別的 X=離散性或類別的 確定兩個(gè)離散性變量間是否有關(guān)系 回歸（線性的 多樣的 總結(jié)，描述，預(yù)報(bào)并量化關(guān)系 Y=連續(xù)性 X=連續(xù)性或離散性 Xs和 Ys之間的關(guān)系。 確定衡量什么 管理衡量 了解差異 確定 sigma 業(yè)績(jī)表現(xiàn) 實(shí)現(xiàn)優(yōu)秀的 小組業(yè)績(jī)表現(xiàn) 基線業(yè)績(jī)表現(xiàn) Version Nov 2023 104 Page 6 SIGMA 衡量業(yè)績(jī)表現(xiàn) 確定 sigma業(yè)績(jī)表現(xiàn) Version Nov 2023 105 Page sigma業(yè)績(jī)表現(xiàn) 目標(biāo) 確定計(jì)算 sigma業(yè)績(jī)表現(xiàn)的方法。通常多于一個(gè)的產(chǎn)出衡量是對(duì)客戶重要的。把衡量的數(shù)據(jù)性質(zhì)分類成短期或長(zhǎng)期。 CCR 累計(jì)概率或優(yōu)良率 S= 信用卡申請(qǐng)?zhí)幚頃r(shí)間 10分鐘 Z10= XXbar S = Z10= 0 Version Nov 2023 115 Page Sigma計(jì)算表 *注意 : 這張表沒有包括 的位移 . 如果你輸入長(zhǎng)期數(shù)據(jù)到這張表 ,那就是計(jì)算長(zhǎng)期 期數(shù)據(jù)到這張表 ,那你就是計(jì)算短期 sigma 摩托羅拉和 GE公司都假設(shè)輸入長(zhǎng)期數(shù)據(jù)到他們刪減的 sigma表格中 ,得出短期 sigma. 為了做到這一點(diǎn) ,他們假設(shè)在短期和長(zhǎng)期sigma之間的一個(gè)位移是 sigma. 因此 ,如果長(zhǎng)期優(yōu)良率等于一個(gè)標(biāo)準(zhǔn)正態(tài)域的 (或), 那么他們假設(shè)一個(gè) 并且得出短期 . Yield Si g ma DP M O9 9 .9 9 9 9 9 9 9 0 1 3 % 6 .0 0 0 .0 0 19 9 .9 9 9 9 9 9 8 1 8 2 % 5 .9 0 0 .0 0 29 9 .9 9 9 9 9 9 6 7 % 5 .8 0 0 .0 0 39 9 .9 9 9 9 9 9 4 0 % 5 .7 0 0 .0 0 69 9 .9 9 9 9 9 8 9 3 % 5 .6 0 0 .0 1 19 9 .9 9 9 9 9 8 1 % 5 .5 0 0 .0 1 99 9 .9 9 9 9 9 6 7 % 5 .4 0 0 .0 3 39 9 .9 9 9 9 9 4 2 % 5 .3 0 0 .0 69 9 .9 9 9 9 9 0 0 % 5 .2 0 0 .1 09 9 .9 9 9 9 8 3 0 % 5 .1 0 0 .1 79 9 .9 9 9 9 7 1 3 % 5 .0 0 0 .2 99 9 .9 9 9 9 5 2 % 4 .9 0 0 .4 89 9 .9 9 9 9 2 1 % 4 .8 0 0 .89 9 .9 9 9 8 7 0 % 4 .7 0 1 .39 9 .9 9 9 7 8 9 % 4 .6 0 2 .19 9 .9 9 9 6 6 % 4 .5 0 3 .49 9 .9 9 9 4 6 % 4 .4 0 5 .49 9 .9 9 9 1 5 % 4 .3 0 8 .59 9 .9 9 8 6