6Sigma

متدولوژی 6 سیگما

توصیف کلی

شش سیگما یک متدولوژی مدیریتی که هدف آن افزایش کیفیت تولید کالا/خدمات با تمرکز بر کاهش تعداد نقص‌هاست. یعنی کاهش تعداد خطاها، یعنی کاهش تعداد دوباره‌کاری‌ها و در نهایت کاهش هزینه است. نکته ظریف تفاوت شش سیگما با بقیه روشها و تکنیکهای بهبود کیفیت و افزایش بهره‌وری همین نکته است که شش سیگما اعتقاد دارد اگر بشود تعداد خطاهای تولید(کالا یا خدمت) را کاهش داد پس در دراز مدت دائما محصولات/خدماتی تولید می‌شود که هم هزینه نهایی تولید کاهش پیدا کرده و هم رضایت اکثر مشتریان افزایش پیدا می‌کند.

در کل شش سیگما هم مثل خیلی از ابزارهای کیفیتی دیگر که مبنی آماری دارند مثل"کنترل کیفیت"، "مدیریت کیفیت فراگیر"، "مهندسی مجدد" و تولید ناب که همگی ابزارهایی با پایه آماری و مبتنی بر داده‌های آماری برای نتیجه‌گیری هستند، ریشه‌ای در مطالعات شوهارت در  لابراتوار بل دارند. شوهارت در شرکت وسترن الکتریک از ابزارهای آماری استفاده کرد تا بتواند تغییرپذیری را درک کند و اولین کسی بود که میان تغییرپذیری تصادفی و تغییر پذیری غیر تصادفی تمایز قائل شد.

نکته مهم اینه که همه این روشها ابزارها و اهداف کلان یکسانی دارند و آن هم بهبود کیفیت و بهره‌وری است اما نوع نگاه و اهداف خرد و جزئیاتی و رویکردی که دارند با یکدیگر فرق دارد.

توصیف ساده با یک مثال:

فرض کنید در یک شرکت تولیدی که قطعات خاص را برای پراید تولید می‌کند، شش سیگما قرار است اجرا شود.

مرحله اول- مشخص می‌کنیم که قرار است روی چه قسمتی کار کنیم یعنی قرار است خطای کدام قسمت را کاهش بدهیم، فرض کنید تعداد قطعات محصول شماره 2 انتخاب شد(چگونگی انتخاب مساله مهمی است).

مرحله دوم- با استفاده از علم آمار و بر اساس یک سری اصول و استاندارهایی که دارد وضعیت کنونی تولید از نظر تعداد قطعات معیوب در یک میلیون قطعه تولیدی را اندازه می‌گیرد و یک امتیازی به وضعیت کنونی تولید می‌دهد. در اصل بر اساس استانداردی که خودش دارد می‌گوید شما در این سطح از کیفیت تولید قرار می‌گیرید.

مرحله سوم- تحلیل می‌کند که مشکل از کجاست. یعنی علت اینکه این تعداد از قطعات معیوب تولید شدند چه بوده است.

مرحله چهارم- راهکار بهبود ارائه می‌دهد یعنی پیشنهاد می‌دهد که برای بهبود چکار باید کرد، چه فرایندی باید اصلاح بشود، چه چیزی باید تعویض بشود و ...

مرحله پنجم- بعد از اصلاح در بازه‌های زمانی مشخص دائما وضعیت جدید را کنترل می‌کند و سطح کیفیت تولید را دوباره اندازه‌گیری می‌کند که ببیند وضعیت چقدر بهتر شده است. کار درست این است که اینکار دائما تکرار بشود یعنی "بهبود مستمر"

تاریخچه:

بیل اسمیت(Bill Smith) به عنوان پدر شش سیگما شناخته می‌شود و شرکت موتورولا واقع در شیکاگو به عنوان محل تولد این متدولوژی. او یکی از مهندسین شرکت موتورولا بود که در سال 1988 اولین بار اصطلاح شش سیگما را بکار برد. اسمیت اولین فردی بود که با استفاده از داده‌ها اثبات کرد"محصولاتی که با تعداد عیب کمتر تولید می‌شوند، در طول عمر محصول هم عملکرد بهتری از خود نشان می‌دهند" . پس از موفقیت انجام پروژه شش سیگما در موتورولا شرکتهای دیگری هم مثل "براون بری" و "جنرال الکتریک در سال 1995 " از این روش استفاده کردند و آن را عامل مهمی در موفقیت محصولات و بازارشان اعلام کردند. نقش شرکت جنرال الکتریک برای تبدیل شش سیگما به یکی از پرطرفدارترین فلسفه‌های مدیریتی بسیار موثر بود. سونی و توشیبا نیز از سال 1998 پروژه‌های شش سیگما را شروع کردند.

نمودار زیر مزایای استفاده از 6 سیگما در شرکت جنرال موتورز بر طبق گزارش سالانه آنها در سال 2002 ارائه شده است:

6 سیگما

تعاریف علمی:

"روشی برای درك آنچه برای مشتری مهم و حیاتی است، شناسایی نیازهای مشتری و سپس دستیابی به آنها با استفاده از ابزارهای آماری كه به بهبود خدمات، كیفیت و رضایت مشتری منجر می‌شود". مایکل هری بنیانگذار آکادمی شش سیگما

"یک رویکرد نظام‌مند و داده‌گرا(یعنی عملکرد آن بر مبنای داده‌ها است) برای بهبود مستمر کیفیت و بهره‌وری فرایند است که در نهایت منجر به سودآوری بیشتر و سریعتر می‌گردد".

" سيگما حرف هيجدهم از حروف الفبای يونانی که معنای آماری آن انحراف از وضعيت مطلوب (انحراف استاندارد) است."

"شش سيگما يک روش جامع بهبود اثربخشی سازمانی است که در درون خود از ساختار، برنامه و ابزارهای توانمند مديريت کيفيت برخوردار است. معنای شش سيگما تلاش برای نزديکی هرچه بيشتر به درجه تکامل و برتری در توليد و ارائه خدمات است. هدف شش سيگما کاهش انحراف از وضع مطلوب يا تغيير پذيری خروجی فرآيندهاست بطوری که حتی با 6سيگما انحراف استاندارد، فرآيند مورد نظر بين حدود بالا و پايين مشخصات فنی قرار بگيرد".

دو روش یا فرایند معروف شش سیگما:

متدولوژی یا فرآیند اجرای شش سیگما که در بالا بصورت ساده بیان شد، بصورت علمی تحت دو فرایند شناخته شده تا حدودی مختلف زیر معرفی می‌شود:


1- روش DMAIC ، مخفف واژه های تعريف- اندازه گيری- تجزيه وتحليل- بهبود و کنترل است.

2- روش DMADV مخفف واژه های تعريف- اندازه گيری- تجزيه وتحليل- طراحی و تصديق است.

  DMAIC1-

  DEFINE - تعريف اهداف پروژه و قابليت ارائه به مشتری (داخلی _ خارجی)

MEASURE – اندازه‌گیری عملکرد فعلی فرآیند

 ANALYZE - تجزيه و تحليل علل ريشه ای بروز عيوب

IMPROVE - بهبود فرآيند مورد بررسی از نظر حذف عيوب

 CONTROL - کنترل عملکرد آتی فرآيند

 DMADV2-

 - تعريف اهداف پروژه و قابليت ارائه به مشتری (داخلی _ خارجیDEFINE  

  MEASURE - اندازه گيری عملکرد فعلی فرآيند

  ANALYZE - تجزيه و تحليل علل ريشه ای بروز عيوب

   DESIGN - طراحی اجزای فرآيند برای تامين نيازهای مشتری

  VERIFY -تصديق عملکرد طراحی شده و توانايی فرآيند برای تامين نيازمنديهای مشتری

مفاهیم آماری شش سیگما

 مبنی و مقیاس اصلی شش سیگما "تعداد قطعات/خدمات معیوب در یک میلیون تولید/خدمت‌رسانی" است که هدف نهایی آن این است که این مقدار خرابی‌ها را به 3.4 قطعه برساند یعنی سطح سیگما 6.  که نهایتا 3.4 تولید معیوب در یک میلیون تولید. مشخص است که هدف سختی است. اما چرا 3.4 ؟

 سطوح مختلفی که شش سیگما برای وضعیت تولید در نظر گرفته(مقیاسی که پس از اندازه‌گیری یک میلیون تولید و مشاهده تعداد قطعات معیوب می‌گوید وضعیت کنونی تولید در این دسته قرار می‌گیرد) بر طبق جدول زیر است:

شش سیگما

در شکل زیر دو نمونه از فرآیندهایی که در سطوح مختلف سیگما قرار دارند نشان داده شده است:

6 sigma

از نظر عملی نحوه بدست آوردن این نمودارها به این صورت است که فرض کنید در یک کارخونه نوشابه‌سازی بر طبق استاندارد و نیاز و خواسته مشتری مشخص شده است که حجم نوشابه موجود در هر شیشه در بهترین حالت باید بین 320 میلی‌لیتر تا 340 میلی‌لیتر  باشد که معمولا به این صورت روی محصولات نوشته شده است: 330 ml±10 . یک نمودار کشیده و این دو مقدار را به عنوان حد مجاز مشخصه بالایی و حد مجاز مشخصه پایینی در نظر می‌گیریم. مقادیر بیشتر یا کمتر از این دو مقدار را به عنوان مقادیر خطا و تولیدات نامناسب در نظر می‌گیریم. بحث را فعلا پیچیده نکنید که مثلا اگر بیشتر باشد که بهتر است، مسلما اگه بیشتر باشد از نظر هزینه به نفع کارخانه نیست.

سپس حجم نوشابه موجود در کل یک میلیون محصول را اندازه می‌گیریم(البته این کار را نمی‌کنند و از نمونه‌گیری و مفاهیم توزیع آماری استفاده می‌کنند ولی فعلا برای سادگی درک اینطور فرض می‌گردد) بعد نمودار توزیع فراوانی آنها را بدست میاوریم. یعنی تعداد محصولاتی که اندازه‌های یکسانی دارند را می‌شماریم و بر روی نمودار اصلی نمودار میله‌ای آنها را رسم می‌کنیم. مثلا در این مثال می‌بینیم که 20 محصول حجم نوشابه موجود در آنها 315 شده است پس روی نقطه 315 که سمت راست نقطه مرکزی قرار دارد یک میله به ارتفاع 20 می‌کشیم، 34 تا 318 شد است پس روی نقطه 318 یک میله به ارتفاع 34 می‌کشیم تا آخر.

نوک همه میله‌ها را به هم وصل می‌کنیم که به احتمال زیاد باید شبیه یه زنگوله بشود. این همان نمودار نرمال است که در مبحث آمار توضیح داده شده است. سطح زیر این نمودار کلیه داده‌ها و اندازه‌های مساله وجود دارد.

حالا از طرف دیگر میزان هر یک سیگما این داده‌ها را اندازه می‌گیریم. سیگما یک فرمول ساده دارد ولی با استفاده از Excel هم می‌شود راحت آن را حساب کرد. فرض کنید مقدار هر یک سیگما داده‌های ما  =3σ  شده است.

(پس دقت کنید که سیگما بر اساس داده‌های ما محاسبه می‌شود و در ابتدا ربطی به حدود بالا و پایین مشخصات مورد قبول ندارد)

حالا به این قسمت مهم توجه کنید:

برای این داده‌ها اگه میانگین داده‌ها را محاسبه کرده و مثلا عدد 328 بشود و به عنوان نقطه وسط نمودار نرمال در نظر بگیریم، با چند تا سیگما به 340 سمت راست یا به 320 سمت چپ می‌رسیم؟

حدودا 4 سیگما چرا که= 341    + σ(3) + σ(3) + σ(3)+ σ(3) 328    بنابراین با حدود 4 سیگما به حد مورد قبول مشخصه رسیدیم پس سطح سیگما برابر 4 است. یعنی داده‌های زیادی وجود دارند که خارج از این حدود هستند. البته دقت کنید که اگر بخواهیم از روی شکل محاسبه کنیم باید همین کار را برای سمت چپ یعنی حد پایین انجام بدهیم و ماکزیمم آنها را حساب کنیم.

حالا اگر هر یک سیگما برابر 2 می‌شد چه؟ سطح سیگما در این حالت حدود 4.2 بدست می‌آمد.

حالا اگر سیگما 1 می‌شد، جمع 6 و 330 باز هم کمتر از حد بالایی یا پایینی قابل قبول بود. آنوقت می‌گفتیم اکثر داده‌ها در داخل حدود کنترلی قرار دارند و محصول/خدمت معیوب خیلی خیلی کمی داریم. پس وضعیت تولید خیلی خوب است.

(دقت کنید که ما فقط یکطرف حد وسط را محاسبه می‌کنیم یعنی 12 سیگما نداریم.  اما با هر دو طرف کار داریم و محاسبه از روی شکل باید جداگانه برای هر طرف حساب بشود و ماکزیمم آنها در نظر گرفته بشود)

حالا به یه نکته اساسی توجه کنید که هر چه پراکندگی داده‌ها کمتر باشد یعنی بهم نزدیکتر باشند احتمالا سطح سیگما بالاتر است. حالا چرا گفته شد احتمالا ؟ جون ممکن است پراکندگی کم باشد ولی درست نباشد. یعنی فرض کنید در مثال قبل حجم نوشابه موجود در هر شیشه از یک میلیون شیشه اندازه‌گیری شده حول و حوش 350 باشد.

پس ما با دو مساله روبرو هستیم: صحت و دقت. یعنی در حالت بهینه باید تا امکان دارد به هدف بزنیم(به هدف نزدیکتر باشیم) و تا می‌توانیم نزدیک هم بزنیم(پراکندگی کم باشد).

 

کنترل کیفیت با شش سیگما

فرمول اصلی محاسبه سیگما:

سیگما

دقت کنید که در این فرمول میانگین و انحراف معیار یعنی µ و σ از روی تولیدات تحت اندازه‌گیری سیستم بدست میآیند و USL و LSL دو عدد مشخص شده توسط مشتری هستند. البته توسط خودمان ولی بر اساس اطلاعاتی که  گفته می‌شود مشتری این بازه رو قبول دارد و راضی است.

یک مفهوم دیگر هم وجود دارد که مربوط می‌شود به تغییر میانگین که تقریبا مساله مهمی است. جهت درک این مفهوم به دو مقاله موجود درسایت مراجعه کنید:

رویکرد ایرانی به مفهوم شش سیگما-دکتر عباس سقایی

دلایل آماری تغییر میانگین-دکتر عباس سقایی

نظرات کاربران

نظر خودتان را بنویسید