Качество продукции - основное поле сражений на мировых рынках... и цена проигрыша в этой борьбе - экономическая катастрофа. (Д. Харрингтон)
Чёрные пояса 6 сигма: Что они должны знать?
ROGER W. HOERL
GE Corporate Research and Development, Schenectady, NY 12301
Journal of Quality Technology Vol. 33, No. 4, October 2001
Dr. Hoerl is Manager of the Applied Statistics Group. He
is a Fellow of ASQ. His email address is Hoerl@crd.ge.com.
Перевод: Павел Федоров
Обсуждение 6 сигм здесь:
ANOVA - дисперсионный анализ
ASQ - Американское организация качества
BB - Чёрный пояс
CTQ - показатель критичный для качества
DFSS - разработанный для 6 сигма
DOE -планирование экспериментов
FMEA - анализ потенциальных проблем и анализ видов и последствий отказов
GB - зелёный пояс
GE - General Electric
MBB - Мастер чёрный пояс
R@R - сходимость и воспроизводимость
SIPOC - карта процесса высокого уровня
SPC - статистическое управление процессом
6 сигма стала чрезвычайно популярна в последние годы. В дополнение к активному обсуждению в среде менеджеров по качеству и специалистов по статистике, это был один из немногих технически ориентированных подходов вызвавший значительный интерес у руководителей, многотиражных СМИ и в финансовом сообществе.
Я полагаю, что читатель уже хорошо ознакомлен с базовыми концепциями 6 сигма. Многочисленные книги и статьи доступны для понимания основ 6 сигма, такие как: on Six Harry and Schroeder (2000),Hoerl (1998), Hahn et al. (2000), and Agrawal and Hoerl (1999).
Поэтому эта статья будет сфокусирована на особенных умениях, которые необходимы чёрному поясу и на том, как развивать этот набор умений. Причина подобного выбора в том, что большое количество авторов пишущих о 6 сигма используют такие термины как: ВВ, МВВ и так далее, имея весьма скромное представление о том, что эти люди собственно делают и какие навыки должны у них быть. Или не имеют об этом вообще никакого представления. Основываясь на моём опыте и профессиональных конференциях, могу сказать, что эта неразбериха часто становилась преградой для организаций пытающихся внедрить 6 сигма.
Примеры проектов ВВ
Время загрузки сайта
Этот пример про фирму обеспечивающую клиентов информацией через веб-сайт. У этого сайта много клиентов, но фирма пытается увеличить свою долю рынка. Маркетинговые исследования показали, что наиболее важный для клиентов фактор - время загрузки страницы.
Для того чтобы понять, как ускорить время загрузки был использован DOE.
Целью DOE было смоделировать как среднее и вариации загрузочного времени зависят от различных факторов, включая архитектуру страницы и различные технологические опции. DOE был построен таким образом, чтобы моделировать использование сайта как с домашнего, так и с офисного компьютера, охватывая весь спектр потенциальных пользователей, независимо от их опыта.
Результатом DOE стало определение факторов обеспечивающих наибольшее влияние на время загрузки сайта. Фирма использовала результаты DOE, чтобы изменить приоритеты в её работе над улучшениями. На момент написания этой статьи большая часть изменений уже внедрена и результат близок к предсказанному с помощью DOE. Был внедрён процесс, позволяющий руководству отслеживать скорость загрузки и прочие ключевые переменные. Финансовые выгоды были реальными.
Удержание клиентов
Следующий пример проекта ВВ заключается в понимании клиента фирмы предоставляющей медицинское страхование. Фирма продаёт страховки по всей стране.
Стимулом этому проекту послужило увеличение случаев отказа от полиса. Другими словами больше людей стало отказываться от возобновления полиса. Фирма хотела понять, какие финансовые последствия это может принести и что надо сделать, чтобы сломать тренд.
Подход, который был выбран чёрным поясом в данной ситуации, заключался в определении того в клиенте, что может предсказать его отказ от полиса. Удалось установить, что определённые факторы сильно коррелируют с отказом от полиса.
Затем было выяснено количество клиентов отказавшихся от страховки под воздействием этих факторов. Таким образом, стало возможным подсчитать будущее финансовое воздействие на бизнес. Первичной целью, конечно, было предотвратить отказы от доходных полисов и потворствовать отказу от убыточных. Финансовые выгоды, только начинают намечаться.
Доставка оборудования.
Одно из отделений GE обещает доставить оборудование клиенту в любую точку США за несколько дней. Они считают это одним из своих конкурентных преимуществ и намного опережают своих конкурентов по этому показателю. Они были заинтересованы в определении факторов влияющих на вариацию времени доставки.
Предприятие имело огромное количество данных связанных с их процессом доставки, когда они оценили их через
В наших реалиях подобные кейсы приходится, увы, оценивать исключительно теоретически: слишком много факторов, управлению изнутри организации не подлежищих. Любой черный пояс 6 сигма спасует, если, скажем, доставка грузов из Европы периодически буксует недели по две-три из-за "решения таможенных вопросов" - Ред.
Место чёрного пояса внутри организации.
Хотя эта статья сфокусирована на умениях необходимых ВВ, важно понимать, как ВВ вписывается в общую картину организации. Общее руководство внутри организации осуществляет Директор по качеству <чемпион>. В его задачи входит развитие и внедрение стратегии, задание целей, распределение ресурсов, мониторинг процессов и так далее.
Мастер чёрный пояс (МВВ) обладает более административной ролью, в рамках которой они часто ответственны за всю работу по 6 сигма в определённой области или по определённой функции. Его типичные обязанности заключаются в выборе, обучении и ведении ВВ, утверждении и обзоре готовых проектов. От МВВ ожидается глубокое техническое знание также как и умение работать с людьми.
Чёрный пояс это более оперативная роль, заключающаяся в том, чтобы засучить рукава и выполнить улучшения. В GЕ МВВ м ВВ полностью сфокусированы на 6 сигма (В GE персонал, выполняющий проекты 6 сигма одновременно с обычной работой, получают статус зелёного пояса GB) В GE ВВ подчинены вышестоящим поясам, а не руководителю бизнес функции, в которой они работают. Важным пунктом, к которому я вернусь позже, является тот факт, что роль ВВ временна, обычно два года. Роль чёрного пояса рассматривается как важный опыт, который будет помогать в развитии дальнейшей карьеры. Это значительно воздействует на рассмотренный ниже процесс выбора ВВ.
В большинстве случае ВВ лидер команды, которая работает над проблемой. Тем не менее, в то время как обладание статистическими методами для решения реальных проблем первостепенно, другие способности также нужны. Они включают, как умение руководить, как командой, так и проектом, так и умение проводить совещания. Одна из причин важности этих умений заключается в том, что ВВ ведёт несколько проектов в одно время. Я соглашусь с тем, что в сегодняшнем бизнес окружении все мультизадачны и ведут несколько проектов, от каждого из которых требуется финансовый результат.
Другие важные управленческие способности ВВ включают в себя способность доступно представить результаты проекта, как устно так и письменно. В дополнение, умение обучать очень полезно потому как у ВВ может возникнуть необходимость обучить членов команды ещё не знакомых с методами 6 сигма. Руководство, получаемое ВВ от МВВ может включать инструкции по этим вопросам в дополнение к техническому руководству.
В сумме ВВ должен быть ориентированным на результат лидером, который также обладает правильными техническими навыками. Их обучение должно фокусироваться на навыках, которые необходимы для эффективного исполнения этой роли. Конечно, оно не должно базироваться на типичном курсе статистики.
Развитие технических навыков.
В этой секции я обсужу типичный курс, который необходим для получения ВВ технических навыков.
Таблица 2
Week 1
- Обзор 6 сигма & the MAIC (Измеряй Анализируй Улучшай Контролируй) дорожная карта.
- Построение карты процесса
- QFD (Quality Function Deployment) (развёртывание функции качества)
- FMEA (Failure Mode and Effects Analysis) (анализ потенциальных проблем и анализ видов и последствий отказов)
- Organizational Effectiveness Concepts (концепция организационной эффективности)
- Basic Statistics Using Minitab
- Process Capability (воспроизводимость процесса)
- Measurement Systems Analysis (анализ измерительных систем)
Week 2
- Review of Key Week 1 Topics
- Statistical Thinking (статистическое мышление)
- Hypothesis Testing and Confidence Intervals (F, t, etc.) (проверка гипотез и интервалы доверия)
- Correlation (коррелляция)
- Multi-vari Analysis and Regression (многомерный анализ и линии регрессии)
- Team Assessment (оценка команды)
Week 3
- ANOVA (анализ разброса)
- DOE (Design of Experiments)
- Factorial Experiments (факторный анализ)
- Fractional Factorials (метод главных компонент)
- Balanced Block Designs (блочное планирование)
- Response Surface Designs (поверхность отклика)
- Multiple Regression (множественная регрессия)
- Facilitation Tools (Вспомогательные инструменты)
Week 4
- Control Plans)
- Mistake-Proofing (проверка ошибок)
- Team Development (развитие команды)
- Parallel Special Discrete, Continuous Process, Administration, and Design Tracks
- Final Exercise
Примерный курс
Этот курс не обязательно совпадает с тем, что используют ВВ в GE , Allied signal и. т. д.
но в известной степени представляет то, что должен уметь ВВ в целом. Стоит отметить, что продолжительность курса составляет 160 часов.
Обучение проходит в тесной связи с DMAIC. Это то, о чём я не могу не упомянуть сейчас, хотя и вернусь позднее. Студентов учат, как ВВ должен внедрять различные инструменты в общий подход к улучшению процесса. Они должны понять, каким образом запускать проект, как переводить его с фазы на фазу, и как его закрывать. В дополнение, некоторые технические, но не-статистические темы включены в курс. Такие как (QFD) и (FMEA). Таким образом 6 сигма стремится совмещать традиционные статистические инструменты с инструментами из других областей, такими как: инженерное проектирование (FMEA), решение проблем (проверка ошибок, мульти-вариативный анализ), или развёртывание функции качества (QFD).
Финансово ориентированный курс
Таблица 3
Week 1
- The DMAIC and DFSS (Design for Six Sigma) improvement strategies
- Project selection and scoping (Define) (выбор проекта и определение границ)
- QFD
- Sampling principles (quality and quantity) (качество и количество)
- Measurement system analysis (also called "Gauge R&R")
- Process capability
- Basic graphs (базовые графики)
- Hypothesis testing (проверка гипотез)
- Regression (регрессия)
Week 2
- DOE (focus on 2-level factorials) (планы 2^n)
- Design for Six Sigma tools
- Requirements flowdown
- Capability flowup (prediction)
- Piloting (тестирование)
- Simulation (имитационное моделирование)
- FMEA
- Developing control plans
- Control charts (контрольные карты)
Week 3
- Power (impact of sample size) (репрезентативность выборки)
- Impact of process instability on capability analysis (Учёт воздействия нестабильности процесса при анализе его воспроизводимости)
- Confidence Intervals (vs. hypothesis tests) (интервалы доверия)
- Implications of the Central Limit Theorem (центральная предельная теорема)
- Transformations
- How to detect "Lying With Statistics"
- General Linear Models
- Fractional Factorial DOEs
GE использует в финансовых отделах курс, отличный от приведённого в начале. Основная причина отличий в том, что он специально составлен для людей с финансовым образованием применяющих 6 сигма в финансовых процессах. Например, по нашему мнению DOE очень удачно применяется в финансовых областях (изучение цен, инкассо), но мы не нашли применения поверхности отклика (RSM) в финансовой отрасли. В дополнение к этому, без третьей недели этот курс является курсом GB. По этому, некоторые темы, такие, например как DOE разбиты на несколько недель.
Преподавая эти предметы, мы стараемся следовать следующим базовым принципам.
Реальные примеры жизненно важны как для мотивации, так и для обучения.
Давать реальные примеры, которые иллюстрируют весь путь DMAIC, показывать то, как конкретные методы интегрированы в общий подход к улучшению, это ключ к успешному обучению. Мы также поняли, что очень важно использовать темы близкие к опыту обучаемых. Когда мы работаем не с производящими предприятиями, мы не используем никаких производственных примеров. Всё, что мы даём наиболее близко к тому, с чем они работают: оплата счетов, инкассо, оценка имущества, изменение товарно-материальных запасов и. т. д.
Мы предоставляем материалы по тому, как используется каждый инструмент. При обучении каждому инструменту, мы стараемся дать столько реальных примеров использования этого инструмента в финансовых областях, сколько это возможно.
Это помогает избежать разговоров о том что: <мы работаем в другой области, к нам это совершенно неприменимо>. Студентам внушают, что понимание этих примеров жизненно важно для связи того, что они узнают в классе с тем, чем им предстоит заниматься в жизни.
Мы не преподаём Minitab или другое статистическое программное обеспечение как отдельный предмет. Вместо этого, мы обучаем использовать программы одновременно с обучением конкретному инструменту. Когда это возможно, мы предоставляем студентам возможность использовать подобное программное обеспечение прямо в классе.
Мы преподаём теорию, только в тех объемах, в которых это необходимо студентам в их проектах. Например, мы не даём никакой теории в анализе разброса и. т. д. Мы просто учим, когда и где использовать эти методы, какие кнопки нажимать в программе, и как наиболее важное, как интерпретировать полученный результат.
Вся структура курса, как и каждый его раздел отвечают на следующие вопросы.
Почему я должен использовать это? Мы обычно начинаем дискуссию о проблеме с этого вопроса.
Что оно делает? Это объясняется реальными примерами, связанными с работой обучаемых, где этот инструмент был внедрён. Это помогает достичь концептуального понимания того, что этот инструмент поможет им повысить свою квалификацию.
Как я это сделаю? Только в этом пункте мы обращаемся к деталям использования инструмента.
Касательно методов обучения рецензент предыдущей версии этой статьи заметил <Возможно, метод обучения внедрению инструментов и обеспечение мгновенного приложения, важнее, чем сами инструменты>
Сравнение с другими курсами
Финансово-ориентированный курс, описанный выше, был разработан специально для ВВ работающих в финансовых областях. Однако, я полагаю, что он может служить хорошей базой, будучи легко модифицируемым для нужд любого направления в бизнесе. Если целевая аудитория занята в производстве, полезно будет уделить больше внимания проектированию экспериментов. Если аудитория занимается разработкой функций для товаров, полезно будет уделить больше времени поверхности отклика.
Рекомендованный курс.
В следующей таблице я хочу представить курс, разработанный для производственных процессов, но легко модифицируемый для любых нужд. Он представлен в таблице 4. Поскольку этот курс похож на предыдущие, я хочу сфокусироваться на нескольких его ключевых аспектах. Я полагаю, что важно начинать курс с объяснения основ 6 сигма т. е. почему мы это делаем, и что хотим от этого получить. Дальше следует показать общую картину 6 сигма <с начала до конца> последовательными примерами, показывающими как конкретные инструменты вписываются в общий подход к улучшению. Обучаемым не надо понимать детали каждого инструмента для понимания общей картины, т. е. что собой представляет проект 6 сигма. Инструктор должен противостоять желанию вдаваться в детали инструментов, до того как обучаемым будет понятна общая картина. Я рекомендую использовать как DMAIC так и DFSS (design for six sigma).
В представлении стадии определения стоит делать акцент на выборе подходящих проектов, разработке плана проекта, и определению относящихся к делу процессов.
Карты процессов высокого уровня очень эффективны в достижении понимания процессов, в понимании потенциальных областей для улучшения и конечно, для придания проекту хорошего старта. На стадии измерения важно сосредоточится на качестве получаемых данных. Традиционный для шести сигма анализ системы измерения фокусируется на R@R критерии. Не смотря на то, что этот инструмент довольно важен, он не включает в себя основные воздействия на систему измерения такие как: точность, калибрование, линейность и стабильность. Я не поместил статистическое мышление в отдельный пункт, как это было сделано в предыдущей таблице, но внедрил ключевые аспекты статистического мышления в процессном подходе к работе, важность понимания и снижения разброса, и критическую роль данных в каждый пункт. Например, я рекомендую преподавать то, как выполнить регрессионный анализ, а не фокусироваться на самой регрессии.
Другой уникальный аспект в стадии измерения это то, что я поместил в неё статистический контроль, не дожидаясь стадии контроля, где обычно представлены контрольные карты. Я думаю, что собирая данные чёрный пояс должен понимать, что ситуация когда процесс остаётся стабильным неправдоподобна.
TABLE 4. Recommended BB Curriculum (Manufacturing Orientation)
Context (1)
- Why Six Sigma
- DMAIC & DFSS processes (sequential case studies)
- Project management fundamentals
- Team effectiveness fundamentals
De.ne1
- Project selection
- Scoping projects
- Developing a project plan
- Multi-generational projects
- Process identification (SIPOC)
Measure1
- QFD
- Identifying customer needs
- Developing measurable critical-to-quality metrics (CTQ's)
- Sampling (data quantity and data quality) (выборки)
- Measurement System Analysis (not just gauge R&R)
- SPC Part I (статистическое управление процессом)
- The concept of statistical control (process stability)
- The implications of instability on capability measures (влияние нестабильности на способность распределения)
- Capability analysis
Analyze2
- Basic graphical improvement tools ("Magnificent 7") (7-мь простых методов)
- Management and planning tools (affinity, ID, etc.)
- Confidence intervals (emphasized) (уровень значимости)
- Hypothesis testing (de-emphasized)
- ANOVA (de-emphasized)
- Regression
- Developing conceptual designs in DFSS
Improve3-4
- DOE (focus on two level factorials, screening designs, and RSM)
- Piloting (of DMAIC improvements)
- FMEA
- Mistake-proofing
- DFSS design tools
- CTQ fowdown
- Capability flowup
- Simulation
Control4
- Developing control plans
- SPC Part II
- Using control charts
- Piloting new designs in DFSS
(The week in which the material appears is noted as a superscript)
На стадии анализа, я рекомендую делать упор на графические инструменты (диаграмма Парето, гистограмма, диаграмма разброса), если вообще не замещать ими обычный статистический анализ. Я рекомендую обращать значительное внимание на интервалы доверия при тестировании гипотез. Хотя я и признаю роль тестирования гипотез во всём наборе инструментов, я думаю, что значение этого инструмента было сильно переоценено в 6 сигма. Например, интервалы доверия обычно придают большое значение воздействию небольшой выборки, когда не удаётся найти значительных статистических различий, в таком случае ширина интервала доверия будет слишком широкой; тестирование же гипотез обычно скрывает воздействие небольших выборок приводя к неверному заключению, что нет различия или эффекта.
Если отвлечься, принципиальная разница между тем чтобы <принять> нулевую гипотезу и <невозможностью отклонить> трудна в понимании и часто кажется не статистикам мелочным педантизмом. Интервалы доверия делают понятным тот факт, что ноль только одно из множества правдоподобных значений для <действительной> разницы.
Я также рекомендую включать такие инструменты как: диаграмма родства и диаграмма отношений, которые будут очень полезны для чёрных поясов ведущих команду.
И в анализ и в улучшение я рекомендую включать некоторые инструменты DFSS, такие как CTQ (показатели критичные для качества) flowdown и flowup (прогнозы). CTQ flowdown и flowup включают формулы устанавливающие связь среднего и вариации Х со средним и вариацией У. Для flowdown мы начинаем устанавливая среднее и вариацию которые нам необходимы у У, а затем получаем среднее и вариацию которые нам необходимо установить в Х. В flowup мы получаем (или предсказываем) данные которые наш процесс, собственно показывает по Х, и предсказываем конечную производительность по У. Контрольные планы на стадии контроля не должны ограничиваться контрольными картами, а должен включать процедуры по конструированию процессов, мониторингу, контролю и решению проблем. Планы должны быть достаточно полными, чтобы можно было быть уверенными в том, что мы всё время поддерживаем получение прибыли. Я также рекомендую использовать ключевые концепции, используемые в финансово-ориентированно курсе GE, такие как.
использовать <Что-Почему-Как> последовательность на всём курсе для каждой темы.
Использовать проекты студентов.
Усиленно использовать связанные с темой примеры из жизни и конкретные исследования.
Большое количество командных задач в классе (30% + вне классные занятия)
Включение обучения программному обучению в каждый пункт, а не отдельное преподавание.
Конечно, при использовании этот курс должен быть подогнан для нужд использующей его организации в зависимости от того, что они ожидают от ВВ,
Дополнительные материалы
Очевидно, что четырёх или пяти недельный курс не превратит новичка в профессионального статистика. Но для 6 сигма это и не нужно. Конечно, бывает необходимо более глубокое изучение статистики. GE имеет <уровень 2> и <уровень3> курсы обучения статистики, в то время как обычное обучение 6 сигма предоставляет обучение первого уровня. Рекомендации по дополнительным материалам приведены в таблице 5.
TABLE 5.
Failure Modes and E.ects Analysis - Automotive Industry Action Group (1995b)
General DOE - Box, Hunter, and Hunter (1978); Montgomery (2000)
General Statistics - Walpole, Myers, and Myers (1997)
Measurement Systems Analysis - Wheeler and Lyday (1990); Automotive Industry Action Group (1990)
Mixture Designs - Cornell (1990)
Quality Function Deployment (QFD) - Cohen (1995)
Regression - Draper and Smith (1998); Montgomery, Peck, and Vining (2001)
Reliability - Meeker and Escobar (1998)
Response Surface Methodology - Myers and Montgomery (1995)
Statistical Process Control - Wheeler and Chambers (1992); Automotive Industry Action Group (1995a);
Montgomery (2001)
Statistical Thinking - Hoerl and Snee (2002)
Time Series - Box, Jenkins, and Reinsel (1994)
Структура обучения.
На момент написания статьи GE как раз меняет свою структуру обучения ВВ, и я это опишу. Я думаю, это отразит то, как будет осуществляться обучение в будущем.
До недавнего момента, всё описанное выше обучение давалось в классе. Обычно у нас был класс, состоящий примерно из 15-50 студентов и каждая <неделя> обучения состояла примерно из трёх-четырёх десятичасовых дней. Вечером мы часто выделяли время для консультаций по пройденному материалу, или позволяли студентам осуждать между собой работу, в которую они были вовлечены. ( Получается, что эти студенты вкалывали по 16 часов в день). Эти недели разделялись по крайней мере месяцем, чтобы дать время усвоить пройденный материал и, что наиболее важно, применить его в реальном проекте.
На момент написания статьи мы переводим некоторые наши тренинги на дистанционные формы обучения. Наша текущая практика включает предоставление некоторых материалов для самообразования. Оставшееся, объясняет инструктор, тоже через Интернет. Конечно, мы создаём виртуальные группы. Это значит, что студенты могут работать в группе находясь в различных местах.
Сравнение.
Сравнение с CQE
А сейчас, я сравню типичный курс ВВ с (CQE) (сертифицированный инженер по качеству) программой ASQ, и типичным MS.
Множество авторов сравнивают ВВ с CQD. Вот последняя версия (на момент написания статьи) основных навыков CQE.
Видно, что знания CQE значительно перекрывают знания ВВ. Но никто и не пытается обучать ВВ различным теориям качества, использованию стандартов качества (таких как ISO-9000 или критерий Балбриджа), аудиту качества и. т. д. Курс ВВ полностью сфокусирован на обучении способности получать осязаемые результаты в проектах 6 сигма. ВВ специально выбирают, тренируют и оценивают в рамках способности достигать результата. Умение достигать результата не критерий сертификации CQE. Это не мелочь; любой профессиональный статистик знает намного больше инструментов, чем типичный ВВ, но не любой профессиональный статистик может стать хорошим ВВ. Другое важное преимущество обучения ВВ, заключается привязке к DMAIC. Это то, что связывает различные инструменты, облегчая решение реальных проблем. Как замечает множество авторов, подобный общий подход к обучению очень редок в статистических курсах, как на предприятиях и в университетах, так и в статистической части CQE. 6 сигма не должна быть набором инструментов!
При ближайшем рассмотрении, сравнение CQE и ВВ, начинает казаться сравнением яблока с апельсином. CQE обучают в рамках предметной области управления качеством.
ВВ тренируют для выполнения определённой задачи - руководить проектами 6 сигма для достижения материальных результатов. Большинство CQE в качестве навсегда, в то время как большая часть ВВ планирует переход в другие области через несколько лет.
Я полагаю, что это не лучше ни хуже, просто это два разных подхода к двум различным целям.
CQE ценят за то, что они знают, а ВВ за то, что они умеют. Конечно, CQE скажут, что они много умеют. Я не утверждаю, что это не так, я утверждаю, что требования предъявляемые к ним этого не требуют. Так же ВВ скажут, что они много знают о менеджменте качества в целом. И опять я не буду утверждать, что это не так, я просто полагаю, что подобное глобальное понимание не развивается в типичном курсе ВВ.
Сравнение с MS.
Большая часть предыдущей дискуссии, можно повторить и тут. MS не учитывает способность достигать измеримых результатов ведя проекты по улучшению. Сравнение опять превращается в сравнение яблока с апельсином. Тем не менее, я кратко опишу, как курс ВВ соприкасается с курсом MS в прикладной статистике. MS включает по меньшей мере по одному курсу лекций на каждый из перечисленных ниже инструментов.
Теория вероятности
Математическая статистика
моделирование/регрессия
Проектирование экспериментов
И дополнительные курсы по некоторым инструментам изложенным ниже (в неполном варианте)
- Non-parametrics
- Statistical computing
- Response surface methodology
- Sampling
- Time series analysis (анализ временных рядов)
- Reliability
- Bayesian methods
- Statistical process control
- Multivariate analysis
- Bio-statistics
- Statistical consulting.
В то время как ВВ обучается эквивалентно за счёт четырёх семестрового курса статистики, у MS примерно двенадцать семестров. Отсюда, отсутствие возможности сравнить как ширину, так и глубину навыков. <основы> математической статистики и теории вероятности отсутствуют в курсе ВВ. Даже BS или BA программы статистики скорее всего потребуют гораздо более сильную теоретическую подготовку чем подготовка ВВ. Я опять замечу, что типичная степень MS не оценивает способность достигать материальных результатов руководя проектом. Следовательно, ВВ не должен быть гуру статистики, для эффективного выполнения своей роли.
<Выделено автором перевода>
С прискорбием приходится признать, что большинство студентов заканчивающих курс статистики, даже не представляя себе, как связать между собой различные инструменты в общий подход к улучшению. Более того, у них отсутствует понимание того, как применять эти инструменты к реальной проблеме.
Другие важные аспекты ВВ
Как я уже замечал, есть ещё важные пункты касательно ВВ, вне поля технического обучения. Ниже я кратко опишу выбор ВВ, необходимость наставничества, и то, как влияет нахождение в роли ВВ на карьеру.
Выбор ВВ.
Как уже говорилось, описание работы ВВ сводится к применению инструментов 6 сигма для достижения результата. Следовательно, желаемыми качествами для кандидата будет смесь технических способностей, умение руководить, проводить собрания и работать с людьми вообще. В общем, умение руководить и способность достигать результата наиболее значимы для ВВ в GE. Идеальный кандидат энергичен, удачлив, с техническим фундаментом и умеет работать в команде. Поскольку назначение ВВ развитие, будет прекрасно, если он принесёт свои знания и опыт на следующую ступень своей карьеры. Поэтому, готовность к карьерному росту также ключевой критерий при выборе ВВ,
Необходимость <ведения> во время обучения.
Я потратил большую часть этой статьи на обсуждение того, какое обучение должно быть получено ВВ в 6 сигма организации. Но я хочу сделать ударение на том, что обучение это только часть в развитии чёрного пояса. Часто, мы получаем отклики типа: <Я понимаю инструменты, когда их объясняют в классе, но не вижу возможности для применения их в своей работе>. Так что, несмотря на то, что я сфокусировал дискуссию на обучении предназначенном ВВ, я полагаю, что значительная часть в их развитии заключается в личной помощи им в их начальных проектах. Это должно помочь им понять, когда и как им применять полученные знания в повседневной работе и обычно осуществляется МВВ.
Воздействие роли ВВ на карьеру.
Одна из причин успеха 6 сигма в GE это то, как CEO Jack Welch связал её с карьерным ростом. Это легко различимо в годовом отчёте GE за 200 год.
<Разумно полагать, что следующим CEO этой компании через несколько лет станет один из нынешних безымянных ВВ или МВВ. Натура чёрного пояса, в дополнение к его научному подходу к процессам и неустанном фокусе на потребителе, делают 6 сигма прекрасной платформой для подрастающего сейчас руководства фирмы в 21 веке.>
В итоге.
Я думаю, что 6 сигма получила такое внимание прессы, благодаря достижению материальных результатов. Результатом этого может стать то, что 6 сигма может стать модным словечком, отражающим использование любых статистических методов. Это плохо, так как хотя 6 сигма и делает упор на статистические инструменты, её нельзя ассоциировать с набором инструментов. Основная причина того, что 6 сигма не просто набор инструментов, это роль ВВ во всей стратегии. Инструменты не новы, но их ещё никогда так не применяли и не поддерживали.
References
Agrawal, R. and Hoerl, R. W. (1999). "Commercial Quality:
The Next Wave in Statistical Thinking". Proceedings of
the Section on Physical and Engineering Sciences, American
Statistical Association, Alexandria, VA.
Automotive Industry Action Group (1990). Measurement
Systems Analysis Reference Manual, available from AIAG,
Suite 200, 26200 Lahser Road, South.eld, MI 48034 (313-
358-3570).
Automotive Industry Action Group (1995a). Statistical
Process Control Reference Manual, 2nd Edition, available
from AIAG, Suite 200, 26200 Lahser Road, South.eld, MI
48034 (313-358-3570).
Automotive Industry Action Group (1995b). Potential
Failure Mode and E.ects Analysis Reference Manual, 2nd
ed, available from AIAG, Suite 200, 26200 Lahser Road,
South.eld, MI 48034 (313-358-3570).
Brassard, M. and Ritter, D. (1994). The Memory Jogger
II. GOAL/QPC, Methuen, MA.
Box, G. E. P.; Hunter, W. G.; and Hunter, J. S. (1978).
Statistics for Experimenters. John Wiley and Sons, New
York, NY.
Box, G. E. P.; Jenkins, G. M.; and Reinsel, G. C. (1994).
Time Series Analysis: Forecasting and Control, third edition,
Prentice-Hall, Upper Saddle River, NJ.
Box, G. E. P. and Liu, P. Y. T. (1999) "Statistics as a Catalyst
to Learning by Scienti.c Method Part I - An Example".
Journal of Quality Technology 31, pp. 1-15.
Cohen, L. (1995). Quality Function Deployment: How to
Make QFD Work for You. Addison-Wesley, Reading, MA.
Cornell, J. A. (1990). Experiments With Mixtures: Designs,
Models, and the Analysis of Mixture Data, 2nd ed. John
Wiley and Sons, New York, NY.
Draper, N. R. and Smith, H. (1998). Applied Regression
Analysis, 3rd ed. John Wiley and Sons, New York, NY.
Hahn, G. J.; Hill, W. J.; Hoerl, R. W.; and Zinkgraf,
S. A. (1999) "The Impact of Six Sigma Improvement-A
Glimpse Into the Future of Statistics". The American Statistician
53, pp. 1-8.
Hahn, G. J.; Doganaksoy, N.; and Hoerl, R. W. (2000).
"The Evolution of Six Sigma". Quality Engineering 12,
pp. 317-326.
Harry, M. and Schroeder, R. (2000). Six Sigma: The Breakthrough
Strategy Revolutionizing the World's Top Corporations.
Doubleday, New York, NY.
Hoerl, R. W. (1998) "Six Sigma and the Future of the Quality
Profession". Quality Progress 31(6), pp. 35-42.
Hoerl, R. W. and Snee, R. D. (1995). "Redesigning the
Introductory Statistics Course". Report #130, Center for
Quality and Productivity, University of Wisconsin-Madison.
Hoerl, R. W. and Snee, R. D. (2002). Statistical Thinking:
Improving Business Performance. Duxbury Press/Thomson
Learning, San Jose, CA.
Meeker, W. Q. and Escobar, L. A. (1998). Statistical Methods
for Reliability Data. John Wiley and Sons, New York,
NY.
Montgomery, D. C. (2001). Introduction to Statistical Quality
Control, 4th ed. John Wiley and Sons, New York, NY.
Montgomery, D. C. (2000). The Design and Analysis of Experiments,
5th ed. John Wiley and Sons, New York, NY.
Montgomery, D. C.; Peck, E. A.; and Vining, G. G. (2001).
Introduction to Linear Regression Analysis, 3rd ed. John
Wiley and Sons, New York, NY.
Myers, R. H. and Montgomery, D. C. (1995). Response
Surface Methodology. Wiley-Interscience, New York, NY.
Munro, R. A. (2000). "Linking Six Sigma With QS-9000".
Quality Progress Volnum, pp. 47-53.
Peck, R.; Haugh, L.; and Goodman, A. (1998). Statistical
Case Studies: A Collaboration Between Academe and Industry.
ASA-SIAM Series on Statistics and Applied Probability.
Available from ASA, Alexandria, VA (www.asa.org).
Snee, R. D. (2000). "Six Sigma has Improved Both Statistical
Training and Processes". Quality Progress 33(10), pp. 68-72.
Walpole, R. E.; Myers, R. H.; and Myers, S. L. (1997).
Probability and Statistics for Engineers and Scientists, 6th
ed. Prentice Hall, Englewood Cli.s, NJ.
Wheeler, D. J. and Chambers, D. (1992). Understanding
Statistical Process Control, 2nd ed. SPC Press, Knoxville,
TN.
Wheeler, D. J. and Lyday, R. W. (1989). Evaluating the
Measurement Process, 2nd ed. SPC Press, Knoxville, TN
Key Words: Black Belt, Certi.ed Quality Engineer,
Master Black Belt.
Также на сайте:
Бизнес-модель ХХI века глазами заинтересованных сторон
Бизнес в стиле Кайзен
Новое на форуме
О проекте
quality.eup.ru - один из самых старых в рунете ресурсов, посвященных менеджменту качества во всем е����о разнообразии.
Нам более 7 лет, и все это время ресурс пополняется новыми и новыми материалами, почти ежедневно. Если вы ищете информацию о менеджменте вообще и управлении качеством в частности, скорее всего, вы найдете эту информацию здесь.
Кроме отличной и действительно большой подборки статей, действует живой форум по менеджменту качества.
Добавить в "Избранное"