一是质量管理的新趋势

在百年的质量管理过程中，我们经历了传统的质量检验、统计质量控制和综合质量管理。目前，以西格玛管理为核心的精益质量管理正成为质量管理的新发展趋势。

在传统的质量检验阶段，检验是从生产中分离出来的。例如，泰勒主张设立专门的检验部门，改变原工人自己的检验方式，并设立专职检验员进行产品检验。20世纪 20世纪40年代和50年代，数学统计被引入质量管理，质量管理进入统计质量控制阶段，不断完善抽样检验、统计过程控制等理论和方法，广泛应用于质量管理。

随后，数理统计应用于企业经营的全过程，质量管理工具不断创新，iso9000等标准也开始形成并不断被企业接受。随着市场竞争，质量管理理念也提到了一个新的高度。综合质量管理已成为百年质量管理过程中深远影响的发展阶段。

20世纪90年代，以ge以世界级优秀企业为代表，开始探索质量管理的新阶段，其主要贡献是6西格玛思想和方法的提出和应用。6西格玛管理强调在企业运营的整个过程中，包括质量管理。6西格玛管理继承了全面的质量管理(tqm)并对tqm有了新的发展，即在追求卓越的目标下，通过测量和指标不断改进tqm找到了实施方法。

随着ge、摩托罗拉等企业应用6西格玛的巨大成功，6西格玛正被越来越多的企业所了解和认识，以6西格玛为核心的精益质量管理将成为质量管理发展新趋势。精益质量管理就是在对关键质量数据的定量化分析基础上，综合运用多种知识和方法，对关键质量指标持续系统改进，追求达到卓越标准，如6西格玛标准，实现显着提高企业质量绩效及经营绩效的目的。

质量数据分析是精益质量的基础

质量数据是指质量指标的质量特征值。由于质量一词含义丰富，包括狭义的产品质量和广义的工作质量，企业中的质量指标多种多样，企业中的质量数据几乎无处不在。

狭义的质量数据主要是与产品质量相关的数据，如不良产品数量、合格率、直接率、维修率等。广义的质量数据是指能够反映质量成本损失、生产批量、库存积压、无效运行时间等工作质量的数据。这些都将成为精益质量管理的研究和改进对象。

在质量数据统计分析中，特别关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据的分布规律。数据的集中位置分别有平均值、中位数、众数三种表示方法，其各具优缺点，其中平均值最为普遍常用。数据的分散程度由标准差表达，用符号s(西格玛)表示，在质量管理中，数据的分散性是质量特性值的波动性，反映了过程能力。

   在质量管理中，数据的分布规律是统计的正态分布，这是理论和实践证明的统计规律。质量数据统计分析的重点是在已知的正态分布背景下研究正态分布的平均值和标准差。质量数据定量分析对企业质量管理和管理具有重要意义，是精益质量管理的基础。

通过研究，我们将精益质量管理的基本任务分为两个层次。精益质量管理的基本任务是利用相关质量工具分析实际质量状况，及时发现异常，消除质量异常；精益质量管理的第二级任务是不断提高质量水平，减少质量波动，即减少样品的标准差。第二级任务的实现取决于第一级任务。

三、介绍精益质量管理的基本工具

结合上述两层精益质量管理 对于基本任务，支持工具的重点是直方图和控制图，相关理论是统计过程控制，即spc;对于第二层任务，在前面工具的基础上，重点是6西格玛的管理理论和方法。

1.直方图简介

直方图是将质量数据按顺序分为几个间隔相等的组，以组距为底边，以落入每组的数据频率为基础，按比例排列的几个矩形条。

典型的直方图

用包括：观察与判断产品质量特性分布状况;通过直方图形状，判断生产过程是否正常，判断工序是否稳定，并找出产生异常的原因;计算工序能力，估算生产过程不合格品率。

在生产过程是否正常的判断上，通过直方图的典型形状就可判断。直方图典型形状包括：正常型、偏向型、双峰型、锯齿型、平顶型和孤岛型。通过已总结出的不同形状常见质量原因，这为迅速发现和解决质量问题提供了重要途径。

对正常型直方图再进一步与公差限的结合，可直观快速的判断工序能力和质量状况，直观发现工序异常。如典型图形有：理想型、偏心型、无富余型、富余型、能力不足型。

2、控制图简介

控制图是画有控制界限对生产过程中产品质量进行控制的一种图。控制图是直方图的一种变形，其将直方图顺向转90度再反转，再绘制中心线和上下控制限。中心线为样本某统计量的均值，上下控制限分别为均值基础上的正负三倍标准差。

当生产中不存在系统误差时，产品质量特性(总体)服从正态分布，样品值出现在均值加减3σ范围内的概率为0.9973。根据相关统计定理，如果生产处于受控状态，则认为样品值一定落在此3σ范围内。

控制图较直方图最大的特点是引入了时间序列或样本序列，通过观察样本点相关统计值是否在控制限内以判断过程是否受控，通过观察样本点排列是否随机从而及时发现异常。控制图较直方图在质量预防和过程控制能力方面大为改进。

控制图的主要用途有：分析判断生产过程是否稳定;及时发现生产中异常情况，预防不合格品产生;检查生产设备和工艺装备的精度是否满足生产要求;对产品进行质量评定。

3、六西格玛管理简介

在6西格玛管理中，通常使用西格玛水平Z作为满足顾客要求程度的质量水平度量。西格玛水平是综合了标准差与公差限的计算值，公式为Z=(USL-LSL)/2σ，即顾客要求的公差限除以两倍标准差。由于顾客要求是不断提高的，即公式中分子所代表的公差将不断减少，要求标准差应不断降低，以适应顾客要求提高企业质量竞争力。

达到6西格玛水平是指Z等于6。用正态分布来解释，就是在正态分布单侧从均值到公差上限或下限范围内可容纳6个标准差;传统控制图理论则是单侧3个标准差，不合格率控制在0.27%水平。6西格玛管理对控制图3倍控制限进行了彻底突破，将西格玛水平指标由3提高到6。我们应认识到，以3西格玛水平为标准的控制图及统计过程控制SPC理论和方法，在实际中仍是有效的。随着西格玛水平的提高，3倍标准差的控制限区间得到不断压缩，通过控制图仍能有效发现质量异常。

Z还有另一种表达形式：用百万分之缺陷率(ppm)来表示。一个服从正态分布的过程，其超出规范限的缺陷百分比与西格玛水平是一一对应的。根据这个规律，我们可以通过测量缺陷的比率，估算过程的西格玛水平Z，并以此考察过程满足顾客要求的能力。

当分布中心无漂移时，即样本均值与分布中心重合时，3西格玛水平对应的不合格率为 0.27%，即2700ppm;6西格玛水平对应的不合格率为十亿分之二，即0.0024ppm。分布中心无漂移为理想状态。当分布中心上下漂移1.5σ 时，3西格玛水平对应的不合格率为66807ppm;4西格玛水平为6210ppm;5西格玛水平为233ppm;6西格玛水平为3.4ppm。GE采取了上下漂移1.5σ来设定西格玛标准，6西格玛水平为3.4ppm。这成为6西格玛管理的默认标准。

在企业追求由3西格玛向6西格玛的过程中，每提高1个西格玛水平，质量水平均呈数十倍的改善。据研究，对一个3西格玛水平的企业来说，提高一个西格玛水平可获得下述收益：利润率增长20%、产出能力提高12%—18%、减少劳动