六個標準差(six sigma, 6σ)運用於日常生活:以送便當為例

六個標準差(six sigma)運用於日常生活

六個標準差(six sigma,又稱6σ)原本是製造工廠裡用來改善產品良率的一項目標,它源自於統計製程管制(Statistical Process Control,簡稱SPC)的理論,但現在幾乎已經變成了各行各業滿足客戶的一項指標。

簡單來說,符合6σ就代表每生產出一百萬個產品,其不良品必須低於四個(更精確來說是3.4個),轉換成一般服務業的用語,就是每一百萬人次的客人,其中不滿意服務的不可以超過四人。總歸一句話,追求六個標準差就是在追求零缺點,因為百萬分之3.4的不良率對大部分的製品來說幾乎是趨近於零的意思。

那執行6σ有何好處?

6sigma執行6σ可以幫助降低產品生產時的不良率,因為要是生產出不良品,就必須花費額外的人力及物力成本來修理它,不但浪費時間也浪費金錢,更可能因為不小心把不良品漏交到顧客手中,而造成賠償或損失客戶的嚴重後果。

就服務業來說,執行6σ可以降低顧客的不滿意率,讓顧客願意再回頭來光顧我們的服務或購買商品。

既然執行6σ有這麼多的好處,那要如何執行呢?

首先你必須要選定一項可以數據化的目標,然後訂定這個目標的上、下界限,還要透過不斷的腦力激盪,想出對策、改善流程、查核效果,制定有效的標準程序,如此反覆,最後才能達成目標。

以便當業為例,如何執行6σ?

舉個例來說好了,假設你經營一家便當專賣店,而鄰近的辦公室也大多來跟你訂午餐便當,因為辦公室的休息時間一般為中午十二點整,而顧客大多希望可以準時吃到熱騰騰的便當但又不至於餓太久,於是你與客戶訂定了便當送達的時間必須介於11:45~12:15之間,而且你也同意便當如果送得太早或太晚就必須要打七折,另外,你為了鼓勵員工達成目標,也提供便當費的一成作為獎金給員工。

所以上面例子的目標就是「便當送達的時間」,而上、下界限就是11:45及12:15,而你必須要紀錄每次便當送達客戶的時間,然後計算出其標準差來衡量成果。這裡還有一個重點,就是客戶真正需要的是12:00便當送達,如果11:45~12:15已經可以輕鬆被達成,何妨把自己的標準再加嚴成11:50~12:10,相信可以更進一步提高顧客的滿意度。

不同情況下標準差(Sigma, σ)數與不良率對應表

當製程為穩定時,量測出來的數據分佈一般會成「常態分配/正態分佈」,依據規格上限(USL)與規格下限(LSL),可以計算出規格範圍(T=USL-LSL)、製程的中心值為()、標準差為(σ),一般情形下我們會用【M-=1.5σ】來表示製程中心與規格中心(M)有偏移,因為實際執行時很難正中紅心的(規格中心值),如果【M=】則表示無偏移,這屬於純理想狀況的理論值。

下表列出不同標準差數(σ)與其所對應之不良率(ppm)。標準差的算法只要利用Excel的STDEV()函數就可以被計算出來。

一般我們說「6個西格瑪的不良率為3.4」就是假設實際製品的中心值與規格中心有1.5σ偏移狀態下所計算出來的,至於為何是1.5個σ偏移,這純粹就是經驗值了,或是自己想辦法統計一下。

更多標準差與不良率的資訊可以參考【Cpk、Sigma與不良率PPM換算對照表】一文。

T/2所包含的σ數 M-=0 M-=1.5σ
1 317,400 697,700
2 4,5400 308,733
3 2,700 33,803
4 63 6210
5 0.57 233
6 0.002 3.4

 

如果您對於標準差還覺得意猶未盡,請繼續閱讀【六個標準差的實例探討(six sigma、六西格瑪)


回》SPC、Cpk、製程能力之解說與整理

更多關於六個標準差的文章:
如何達成六個標準差(six sigma)
六個標準差的實例探討(six sigma)
標準差與常態分佈的關係(six sigma)

延伸閱讀:
製程能力介紹 ─ Cp之製程能力解釋
製程能力介紹 ─ Ck之製程能力解釋
製程能力介紹 ─ Cpk之製程能力解釋
製程能力介紹─製程能力的三種表示法
製程能力介紹 ─ 製程能力的評估與改善對策

 
 
訪客留言內容(Comments)

用於減肥、改善遲到都是經典例子。

不好意思小弟有一個奇怪的問題,就是我對於”六標準差”這名詞一直感到疑惑,一般標準差的定義不是表示數據發散的程度嗎?那應該越低越好呀,為什麼”六標準差”反而是品質很好的表現,代表不良率只有3.4個ppm?到底”六標準差”跟我們一般認知的標準差有什麼不一樣呢?

Alvin,
標準差的確是越低越好。
而所謂6個標準差,是指生產出來的產品品質特性分佈有6(+/-3)個標準差落在規格內,所以會有大約3.4ppm的不良,如果只有4(+/-2)個標準差落在規格內,則會有6210ppm不良。在規格不變得情況下,標準差越小,就可以表示可以有越多的標準差分佈落在規格內,也表示有越多的製品符合規格。

依據留言 by 工作熊 on 2022/03/14 @ 13:14:05
這樣說來,這篇文章最上方的常態分佈圖示有衝突。圖示上+/-6sigma的q=99.99966%。到底哪個才是正確的?

Tom,
似乎是把有偏移1.5σ及沒有偏移的數值給錯置了,會花點時間把它改過來。


訪客留言注意事項:
1.首次留言通過審核後內容才會出現在版面上,請不要重覆留言。
2.留言時請在相關主題文章下留言,與主題不相關的留言將會被視為垃圾留言,請善加利用【搜尋框】尋找相關文章,找不到主題時請在「水平選單」的「留言板」留言。
3. 留言前請先用【搜尋框】尋找相關文章,自己做一點功課後再留言。沒有前因後果的內容,工作熊不一定會瞭解你在說什麼,就更無法回答你的問題。  
4. 工作熊並非某一方面的專家,所以回答的內容或許會有不正確的地方,服用前還請三思。如果您想詢問關於電路板方面的工程問題,請前先參考這篇文章【詢問工程問題,請提供足夠的資訊以利有效回答】 把自己的問題想清楚了再來詢問,並且請提供足夠的資訊,這樣才能有效回答問題。
5. 工作熊每則留言都會看,但不會每則留言都回答,尤其是只有問候之類的內容。  
6. 留言詢問時請注意您的態度,工作熊不是你的「細漢」,更沒有拿你的薪水,所以不接受吆喝工作熊的態度來回答你的問題。  
7. 原則上工作熊不接受私下電子郵件、電話、私訊、微信或任何即時通聯絡。  
8. 自2021年7月起Google將停止最新文章電子郵件通知,如果你想隨時接收部落格的最新文章可以參考這裡

您有話要說(Leave a comment)

(required)

(required)