前言

在改進公司的運營效率、提高生產率、降低成本等方面，六西格瑪所帶來的效力是無與倫比的。它改進了設計程序，讓產品能更快地走向市場，減少質量缺陷，建立顧客忠誠。

簡單地說，六西格瑪是過去20多年以來最偉大的經營創新之一，是提高公司競爭力的最有效的一種方法。你不能不去理解它，以及實踐它。

六西格瑪是一種質量改進方法，企業已經使用了幾十年 - 因為它取得了成果。六西格瑪項目遵循明確定義的一系列步驟，世界各國的每個行業的公司都使用這種方法來解決問題。

但是，六西格瑪在很大程度上依賴於統計和數據分析，許多對質量改進不熟悉的人感到受到統計方面的威脅。你不必被嚇倒。雖然數據分析確實對提高質量至關重要，但六西格瑪的大多數分析並不難理解，即使您對統計數據不是很了解。但使用Minitab熟悉這些工具是一個很好的起點。

本文簡要介紹六西格瑪中常用的質量工具，了解它們的作用以及它們為何如此重要。

帕累托圖（Pareto圖）

上面這張圖大家很熟悉吧？幾乎每天在用，這張圖的英文名叫Pareto Chart，即帕累托圖。

19世紀末，義大利經濟學家維爾弗雷多·帕雷托（Vilfredo Pareto）對義大利、法國、瑞士、英國、俄羅斯和普魯士的人口財富分布進行了研究。他注意到所有國家都有類似的現象：80％的財富由20％的人口持有；在土地所有權方面，觀察到80％的土地是由20%富有的公民擁有。但是，很遺憾，帕累托也沒有發明這張圖。

直到1940年代，質量大師約瑟夫.朱蘭閱讀了帕累托的經濟著作，注意到了帕累托的這個發現，深受啟發，並進一步研究發現這個規律不僅適用於經濟學，而且適用於工業生產、自然界、社會學等方面的普遍規律，從而進一步發展成為了帕累托分布（Pareto Distribution），並於1951年出版的《朱蘭質量控制手冊》（第一版）首次提出了帕累托圖，並明確提出了「帕累托定律」或「 80/20規則」。

這一下塵埃落定，這張圖是朱蘭博士發明的，但是是以帕累託命名的。日本的著名質量管理大師狩野紀昭，曾經建議把帕累托原則命名為「朱蘭原則」, 但遭到了朱蘭的拒絕。

作為質量大師的朱蘭博士把帕累托原則運用到質量管理領域，因為質量缺陷頻率累積的分布曲線確實和帕累托揭示的收入分配曲線太相似了，並進一步發展，提出了質量管理上的「關鍵的少數（VItal Fewer）和有用的多數（Useful Many）」概念，這是兩個非常重要的概念，幾乎貫穿朱蘭博士整個質量理念地始終。

「關鍵的少數」指的是那些貢獻了大部分的少數人或因素。「有用的多數「指的是那些貢獻較少，但公司整體的運營指標得以維持和受控的那部分。朱蘭並不像其他人認為的那樣，把二者割裂開來。朱蘭認為重要少數是領先和指標的主要貢獻者，而有用多數則是員工參與及工作質量的主要貢獻因素，兩者都必不可少的。

帕累托圖在反映質量問題、展現質量改進項目等領域有廣泛應用。排查質量問題，我們只要花費少量精力和時間解決累計占比達到80%的導致問題的因素，就能顯著改善質量問題，沒必要花費更多的精力和時間去解決20%的問題。

80/20的法則認為：原因和結果、投入和產出、努力和報酬之間本來存在著無法解釋的不平衡。一般來說，投入和努力可以分為兩種不同的類型多數，它們只能造成少許的影響；少數，它們造成主要的、重大的影響。

它由柱狀圖和線形圖組成，其中柱狀圖以降序的形式顯示一個個的度量值，而線性圖則展示累計匯總的值。

如下圖所示，左側的垂直數軸表示事件發生的頻數、投入或其他度量，右側的百分比表示度量的累計匯總占總數的百分比。

帕累托圖的目的是在一系列的因素中突出顯示最主要的因素。

直方圖

直方圖(Histogram)又稱質量分布圖，是總體中隨機抽取樣本，從中獲得的數據進行整理後，用一系列等寬的矩形來表示數據分布的圖，顯示質量波動分布的狀態，常與頻數分布檢查表、過程能力分析等聯合使用。

直方圖是指一種橫道圖，可反映各變量的分布。每一欄代表一個問題或情況的一個特徵或屬性，高度代表了這種特徵或屬性出現的相對頻率，這種工具通過各欄的形狀和寬度確定問題的根源。

其他解釋：依據從生產過程中收集來的質量數據分布情況，畫成以組距為底邊、以頻數為高度的一系列連接起來的直方型矩形圖，由於分組數據具有連續性，直方圖的各矩形通常是連續排列。

再看看條形圖的定義：條形圖是用條形的長度表示各類別頻數的多少，其寬度（表示類別）則是固定的，條形通常分開排列。

直方圖與條形圖的關係：直方圖主要用於展示數據型數據，而條形圖主要用於展示分類數據；可以用條形圖來近似地模擬直方圖，但由於條形圖的x軸是分類軸，不是刻度軸，所以不是嚴格意義上的直方圖。個人感覺在實際應用中二者區分的不是特別嚴格，嚴格上來講，PMP中的直方圖更像是條形圖。

直方圖的作用：

通過對收集到的貌似無序的數據進行處理，來反映產品質量的分布情況，判斷和預測產品質量及不合格率，通過觀察圖的形狀，判斷生產過程是否穩定，預測生產過程的質量等。具體如下：

• 評估或查驗製程
• 指出採取行動的必要
• 量測矯正行動的效應
• 比較機械績效
• 比較物料
• 比較供應商

怎樣繪製直方圖？

• 收集數據並記錄，數據量要足夠充分，一般至少大於50個。
• 定出組數。即在橫軸上要顯示的矩形圖的數量，每個矩形就是一個組。
• 計算全距。在收集到的全部數據中找出最大值L和最小值S，計算全距R，即R=L-S。
• 計算組距。組距=R/組數。
• 定義組界。最小一組的下組界=最小值-測量值的最小位數（一般是1或0.1）*0.5，最小一組的上組界=最小一組的下組界+組距，第二組的下組界為第一組的上組界，第二組的上組界=第二組的下組界+組距，依次類推。
• 決定組的中心點。（上組界+下組界）/2=組的中心點。
• 製作次數分布表。依據收集到的數據大小，分別記入各組的組界內，計算各組出現的數據量大小。
• 製作直方圖。將各組的組界標示在橫軸上，各組的數據量大小，用柱形標示在組距上，即組距為矩形的寬，頻數為矩形的高。

Gage R&R

準確的測量至關重要。如果您無法準確測量過程，則無法對其進行改進，這時Gage R＆R就有了用武之地。

此工具可幫助您確定連續型數值測量（如重量，直徑和壓力），當同一個人反覆測量同一部件時，以及當不同的操作者測量相同部件時是否準確和精確。

屬性一致性分析

另一個確保您可以信任您的數據的工具是屬性一致性分析。Gage R＆R評估連續型數據的重複性和再現性，而屬性一致性分析評估的是屬性數據，例如通過或失敗。此工具顯示對這些類別進行評級的人是否與已知標準，與其他評估者以及他們自己一致。

過程能力分析

幾乎每個過程都具有可接受的下限和/或上限。例如，供應商的零件不能太大或太小，等待時間不能超過可接受的閾值，填充重量需要超過規定的最小值。能力分析向您展示您的流程與規範的完美程度，並深入了解如何改善不良流程。經常引用的能力指標包括Cpk，Ppk，Cp，Pp，百萬機會缺陷數（DPMO）和西格瑪水平（Z值）。

檢驗

我們使用t檢驗來比較樣本的平均值與目標值或另一個樣本的平均值。例如，工藝參數調整後，想確定鋼筋抗拉強度均值是否比原來的2000要高。如果您從兩家供應商處購買調味糖漿，並想確定各自出貨量的平均量是否有差異，您可以使用雙樣本t檢驗來比較兩家供應商。

方差分析和回歸分析

方差分析(Analysis of Variance, 縮寫為ANOVA)是數理統計學中常用的數據處理方法之一，是工農業生產和科學研究中分析試驗數據的一種有效的工具。也是開展試驗設計、參數設計和容差設計的數學基礎。

一個複雜的事物，其中往往有許多因素互相制約又互相依存。方差分析的目的是通過數據分析找出對該事物有顯著影響的因素，各因素之間的交互作用，以及顯著影響因素的最佳水平等。

方差分析是在可比較的數組中，把數據間的總的「變差」按各指定的變差來源進行分解的一種技術。對變差的度量，採用離差平方和。方差分析方法就是從總離差平方和分解出可追溯到指定來源的部分離差平方和。這是一個很重要的思想。

回歸分析(Regression Analysis)是研究一個變量Y與其它若干變量X之間相關關係的一種數學工具，它是在一組試驗或觀測數據的基礎上，尋找被隨機性掩蓋了的變量之間的依存關係。粗略地講，可以理解為用一種確定的函數關係去近似代替比較複雜的相關關係，這個函數稱為回歸函數，在實際問題中稱為經驗公式。

回歸分析所研究的主要問題就是如何利用變量X，Y的觀察值（樣本），對回歸函數進行統計推斷，包括對它進行估計及檢驗與它有關的假設等。

DOE（實驗設計）

試驗設計是一種確定影響過程的因子和過程輸出之間關係的動態方法。換句話說，試驗設計常被用來尋找因果關係。為優化輸出而對過程輸入進行管理時，這些信息是必要的。

試驗設計（DOE）源於20世紀20年代育種科學家Dr. Fisher的研究, Dr. Fisher是大家一致公認的此方法策略的創始者，後來試驗設計在工業界得以普及、發揚光大。

試驗設計是一種確定影響過程的因子和過程輸出之間關係的動態方法。換句話說，試驗設計常被用來尋找因果關係。為優化輸出而對過程輸入進行管理時，這些信息是必要的。

試驗設計的理解首先需要一些統計工具知識和試驗的概念。雖然可以使用很多軟體程序來分析試驗設計，但是對於試驗者來說，理解基本的試驗設計概念對於試驗設計的正確應用是很重要的。

一、試驗設計三個基本原理

實驗設計的3個基本原理為重複、隨機化以及區組化。

重複，意思是基本試驗的重複進行。重複有兩條重要的性質，即隨機化和區組化。

隨機化，是指試驗材料的分配和試驗的各個試驗進行次序都是隨機地確定。統計方法要求觀察值（或誤差）是獨立分布的隨機變量。隨機化通常能使這一假定有效。把試驗進行適當的隨機化亦有助於「均 勻」可能出現的外來因素的效應。

區組化是用來提高試驗的精確度的一種方法。一個區組就是試驗材料的一個部分，相比於試驗材料全體它們本身的性質應該更為類似。區組化牽涉到在每個區組內部 對感興趣的試驗條件進行比較。

二、試驗設計七步驟

第一步 確定目標

我們通過控制圖、故障模式分析、失效分析、因果分析、能力分析等工具的運用，或者是直接實際工作的反映，會得出一些關鍵的問題點。

對於運用試驗設計解決的問題，我們首先要定義好試驗的目的，也就是解決一個什麼樣的問題，問題給我們帶來了什麼樣的危害，是否有足夠的理由支持試驗設計方法的運作。

對於生產型企業，試驗設計的進行可能會打亂原有的生產穩定次序，所以確定試驗目的和試驗必要性是首要的任務。

我們還必須定義試驗的指標和接受的規格，這樣我們的試驗才有方向和檢驗試驗成功的度量指標。

指標和規格是試驗目的的延伸和具體化，也就是對問題解決的著眼點，指標的達成就能夠意味著問題的解決。

第二步 剖析流程

關注流程，是我們應該具備的習慣，就像我們的很多企業做水平對比一樣，經常會有一個誤區，就是只將關注點放在利益點上，而忽略了對流程特色的對比，試驗設計的展開同樣必須建立在流程的深層剖析基礎之上。

任何一個問題的產生，都有它的原因，事物的好壞、參數的適宜、特性的欠缺等等都有這個特點，而諸多原因一般就存在於產生問題的流程當中。

過短的流程可能會拋棄掉顯著的原因，過長的流程必將導致資源的浪費。

我們又很多的方式來展開流程，但有一點必須做到，那就是儘可能詳盡的列出可能地因素，詳盡的因素來自於對每個步驟的詳細分解，確認其輸入和輸出。

對於流程的剖析和認識，就是改善人員了解問題的開始，因為並不是每個人都能掌握好我們關注的問題。這一步的輸出，使我們的改善人員能夠了解問題的可能因素在哪裡，雖然不能確定哪個是重要的，但我們至少確定一個總的方向。

第三步 篩選因素

流程的充分分析，使我們有了非常寶貴的資料，那就是可能影響我們關注指標的因素，但是到底哪個是重要的呢？

對一些根本就不影響或微笑影響因素的全面試驗分析，其實就是一種浪費，而且還可能導致試驗的誤差。

我們的目的是確認哪個因素的影響是顯著的，我們可以使用一些低解析度的水平試驗或者專門的篩選試驗來完成這個任務，這時的試驗成本也將最小處理。

我們可以應用一些歷史數據，或者完全可靠的經驗理論分析，來減少我們的試驗因子。

要注意的是，只要對這些數據或分析有很小的懷疑，為了試驗結果的可靠，你可以放棄。

篩選因素的結果，使得我們掌握了影響指標的主要因素，這一步尤為關鍵，往往我們在現實中是通過完全的經驗分析得出，甚至抱著可能是的態度。

第四步 快速接近

通過篩選試驗找到了關鍵的因素，同時篩選試驗還包含一些很重要的信息，那就是主要因素對指標的影響趨勢，這是我們必須充分利用的信息，它可以幫助我們快速的找到試驗目的的可能區域，雖然不是很確定，但我們縮小了包圍圈。

我們一般使用試驗設計中的快速上升（下降）方法，它是根據篩選試驗所揭示的主要因素的影響趨勢來確定一些水平，進行試驗，試驗的目的就像我們在尋找罪犯一樣的縮小嫌疑範圍。

得出的一個結論就是，我們的改善最優點就在因素的最終反映的水平範圍內，我們離成功更近了一步。

第五步 析因試驗

我們確定了主要因素的大致取值水平，這時我們就可以進一步的度量因素的主效應、交互作用以及高階效應。

試驗是在快速接近的水平區間內選取得，所以對於最終的優化有顯著的成效，析因試驗主要選擇各因素構造的幾何體的頂點以及中心點來完成。

這樣的試驗構造，可以幫助我們確定對於指標的影響，是否存在高階效應或者哪些高階效應。

最終是通過方差分析來檢定這些效應是否顯著，同時對以往的篩選、快速接近試驗也是一個驗證，但我們不宜就在這樣的試驗基礎上就來描述指標與諸主效應的詳細關係，因為對於3個水平點的選取，試驗功效會有不足的可能性。

第六步 回歸試驗

考慮到功效問題，我們需要進一步的安排一些試驗來最終確定因素的最佳影響水平，這時的試驗只是一個對析因試驗的試驗點的補充，也就是還可以利用析因試驗的試驗數據，只是為了最終能夠優化我們的指標，或者說有效全面的構建因素與水平的相應曲面和等高線。

試驗點一般根據回歸試驗的旋轉性來選取，而且它的水平應該根據功效、因子數、中心點數等方面的合理設置，以確保回歸模型的可靠性和有效性。

我們可以就分析和建立起因素和指標間的回歸模型，而且可以通過優化的手段來確定最終的因子水平設定。

為了保險起見，我們最後在得到最佳參數水平組合後進行一些驗證試驗來檢查我們的結果。

第七步 穩健設計

現實中還存在一類這樣的因素，它對指標影響同樣的顯著，但是它很難通過人為的控制來確保其影響最優，這類因素我們一般稱為噪聲因素，它的存在往往會使我們的試驗成果功虧一簣，所以對待它的方法，除了儘量的控制之外可以選用穩健設計的方法，目的是這些因素的影響降低至最小，從而保證指標的高優性能。

例如我們的汽車行駛的路面，不可能保證都是在高級公路上，那麼對於一些差的路面，我們怎樣來設計出高性能呢？這時我們會選擇出一些抗干擾的因素來緩解干擾因素的影響。

穩健設計通常我們會經常使用在設計和研發階段，但有時也會隨著問題的產生而暴露出來，但我們會提出一個問題了：重新選定主要因素的水平會不會帶來指標的震盪和劣化。

我們可以通過EVOP等途徑來重新設定以保證因素更改後的輸出效果。

試驗設計在工業生產和工業設計中能發揮重要的作用，提高產量，減少質量波動，提高產品質量改水準、大大縮短新產品試驗周期、降低成本等。

試驗設計的方法很多，根據具體的問題模型和目的我們可以選擇適當地設計方法，如混合設計、曲面設計、裂區設計、田口設計、均勻設計等等。

試驗設計摒棄了以往單個因子逐步調整的做法，避免了忽視交互作用等方面的問題，從而更加系統有效的解決我們所關注的指標。我們可以在很多的行業中採用漸進的方法來採用試驗設計方案，而不期望於一步到位。

控制圖

什麼是控制圖？在時間序列圖上加上用統計學方法得出的控制線，時間序列圖就變成了控制圖。根據假設檢驗的原理構造一種圖，用於監測生產過程是否處於控制狀態，判斷過程是否穩定。它是統計質量管理的一種重要手段和工具。

控制圖圖例：

控制圖說明：

中心線X一般為過程數據的平均值，UCL（上限控制值）為平均值加x倍的標準偏差，LCL（下線控制值）為平均值減x倍的標準偏差，每個點是一個測量值，如果某個點超出了上限或下限，說明過程在這時受到了特殊原因的影響。

當過程沒有特殊原因偏差時，過程是穩定的；當過程受到特殊原因偏差影響時，過程是不穩定的。穩定的過程可以預測結果，反之則不然。

如下特徵說明過程已經受到了特殊原因的影響：

• 一個或多個點超出控制限
• 連續有7點或以上的點在中位數線的同側（即所謂7點規則）
• 連續有7點或以上的點在依次連續上升或下降
• 連續有14點或更多點交替上下
• 連續的3個點中，有2個及以上的點超出x-1倍的標準偏差（在中心線的同側）
• 連續的5個點中，有4個及以上的點超出了x-2倍的標準偏差（在中心線同側）

……

單值控制圖：每個點代表了一個測量值而不是幾個測量值的平均值，當採用系統抽樣時，一般都採用其來了解和監控過程的穩定性，是使用最廣泛的控制圖，可用於連續數據也可用於離散數據，前提是數據基本呈正態分布。

X-R圖：當使用小組抽樣時，可能使用X-R圖，平均值極差圖。X圖幫助我們監控過程中的平均值，R圖幫助我們監控過程偏差。

FMEA和FTA分析

故障模式與影響分析（FMEA）和故障樹分析（FTA）作為汽車行業質量管理領域的核心質量工具，可謂是使用非常廣泛。

通過FMEA和FTA分析，找出了影響產品質量和可靠性的各種潛在的質量問題和故障模式及其原因（包括設計缺陷、工藝問題、環境因素、老化、磨損和加工誤差等），經採取設計和工藝的糾正措施，提高了產品的質量和抗各種干擾的能力。

產品開發過程的本質就是一個將顧客聲音轉譯成技術語言的過程，這個過程要從顧客聲音一直傳遞和轉化到加工工位（從用戶語言到技術語言、工藝語言、製造語言及操作語言）。有效識別和管理整個過程中的設計及設計控制風險，是每一家企業開發出成功產品的關鍵，FMEA是非常有效的工具。

故障樹：用以表明產品哪些組成部分的故障或外界事件或它們的組合將導致產品發生一種給定故障的邏輯圖。故障樹是一種邏輯因果關係圖，構圖的元素是事件和邏輯門：事件用來描述系統和元、部件故障的狀態；邏輯門把事件聯繫起來，表示事件之間的邏輯關係。

故障樹分析（FTA）：通過對可能造成產品故障的硬體、軟體、環境、人為因素進行分析，畫出故障樹，從而確定產品故障原因的各種可能組合方式和(或)其發生概率。

1、按層次的分析方向：

FTA：自結果，不希望發生的頂事件（上級事件）向原因方面（下級事件）做樹形圖分解，自上而下，逆向

FMEA:自原因，單一故障模式（錯誤模式）方面向結果，上級系統的故障方面分析，自下而上，順向

方法：

FTA：由頂事件經過中間事件至最下級的基本事件用邏輯符號聯結，形成樹形圖，再計算不可靠度。

FMEA: 填寫故障模式對裝置、系統的影響，對故障模式的評價，改進措施，並將致命項目（模式）列表

2、定性與定量分析的功能：

FTA: 將樹形圖簡化，求最小割集並計算頂事件發生的概率

FMEA：FMEA是定性的，歸納性的方法，不需要計算

特點：

FTA：以不希望發生的故障為頂事件。

• 優點：可以進行深入的分析。它不僅可以分析部件錯誤，軟體錯誤，控制錯誤，環境應力等引起的故障，及進行多重故障分析，也可以從邏輯上明確故障的發生過程定量計算頂事件發生的概率。
• 缺點：其不利的一面是需要熟悉布爾代數和最小割集知識

FMEA:

• 優點是利用表格，簡單列舉系統構成零部件的所有故障模式，並假定其發生，可找出系統可能發生的故障。
• 缺點是只輸入硬體的單一故障模式，因而是孤立的分析。對於含大量部件，具有多重功能的工作模式和維修措施的複雜系統，以及環境影響大的系統，在應用上有困難。

應注意事項：兩者都是可靠性分析方法，需要相輔相成的應用。但這兩者都是重視功能性的靜態分析方法，在考慮事件序列與外部因素等共同原因方面，即動態分析不完善。

Kano模型

日本質量專家Kano把質量依照顧客的感受及滿足顧客需求的程度分成三種質量：理所當然質量、期望質量和魅力質量。

A. 理所當然質量：當其特性不充足（不滿足顧客需求）時，顧客很不滿意；當其特性充足（滿足顧客需求）時，無所謂滿意不滿意，顧客充其量是滿意。

B. 期望質量：也有稱為一元質量，當其特性不充足時，顧客很不滿意，充足時，顧客就滿意。越不充足越不滿意，越充足越滿意。

C. 魅力質量：當其特性不充足時，並且是無關緊要的特性，則顧客無所謂，當其特性充足時，顧客就十分滿意。

理所當然的質量是基線質量，是最基本的需求滿足。

期望質量是質量的常見形式。

魅力質量是質量的競爭性元素。通常有以下特點：

• 具有全新的功能，以前從未出現過；
• 性能極大提高；
• 引進一種以前沒有見過甚至沒考慮過的新機制，顧客忠誠度得到了極大的提高；
• 一種非常新穎的風格。

Kano模型三種質量的劃分，為6Sigma改進提高了方向。

如果是理所當然質量，就要保證基本質量特性符合規格（標準），實現滿足顧客的基本要求，項目團隊應集中在怎樣降低故障出現率上；

如果是期望質量，項目團隊關心的就不是符合不符合規格（標準）問題，而是怎樣提高規格（標準）本身。不斷提高質量特性，促進顧客滿意度的提升；

如果是魅力質量，則需要通過滿足顧客潛在需求，使產品或服務達到意想不到的新質量。項目團隊應關注的是如何在維持前兩個質量的基礎上，探究顧客需求，創造新產品和增加意想不到的新質量。

Kano模型三種質量的劃分，為6Sigma改進提高了方向。如果是理所當然質量，就要保證基本質量特性符合規格（標準），實現滿足顧客的基本要求，項目團隊應集中在怎樣降低故障出現率上；如果是期望質量，項目團隊關心的就不是符合不符合規格（標準）問題，而是怎樣提高規格（標準）本身。

不斷提高質量特性，促進顧客滿意度的提升；如果是魅力質量，則需要通過滿足顧客潛在需求，使產品或服務達到意想不到的新質量。項目團隊應關注的是如何在維持前兩個質量的基礎上，探究顧客需求，創造新產品和增加意想不到的新質量。

POKA-YOKE

POKA-YOKE意為「防差錯系統」。

日本的質量管理專家、著名的豐田生產體系創建人新江滋生（Shingeo Shingo）先生根據其長期從事現場質量改進的豐富經驗，首創了POKA-YOKE的概念，並將其發展成為用以獲得零缺陷，最終免除質量檢驗的工具。

POKA-YOKE的基本理念主要有如下三個：

1）. 決不允許哪怕一點點缺陷產品出現，要想成為世界的企業，不僅在觀念上，而且必須在實際上達到「0」缺陷。

2）. 生產現場是一個複雜的環境，每一天的每一件事都可能出現，差錯導致缺陷，缺陷導致顧客不滿和資源浪費。

3）. 我們不可能消除差錯，但是必須及時發現和立即糾正，防止差錯形成缺陷。

質量功能展開（QFD）

質量功能展開（Quality Function Deployment，縮寫為QFD）是把顧客或市場的要求轉化為設計要求、零部件特性、工藝要求、生產要求的多層次演繹分析方法，它體現了以市場為導向，以顧客要求為產品開發唯一依據的指導思想。

QFD是開展健壯設計的頂層步驟。它利用矩陣表這類工具，科學地將顧客的需求逐層展開：

• ①　產品的設計要求（設計規格或規範）
• ②　分系統，零部件的設計要求
• ③　工藝要求
• ④　生產要求等

然後，採取加權評分的方法，對設計、工藝要求的重要性作出評定，並通過量化的計算，找出產品的關鍵單元、關鍵部件、關鍵工藝，從而為應用優化設計這些「關鍵」，提供方向和採取有力措施，最終保證產品開發和生產質量。

因此QFD的實質是用一種系統的保證方法，將顧客、市場需求通過產品開發的各階段，準確地轉化為相關的技術要求和管理要求，從而使企業的管理者及相關人員能清楚地跟蹤產品初期的顧客需求到操作層詳細指令以及活動的途徑。

顧客的需求是QFD方法的出發點，聽取顧客意見，理解顧客的需求並將顧客所反映轉化為現實行動，這是QFD的核心思想。

詳見以下四個階段的質量功能展開示意圖：

QFD的結構框架，就是用「質量屋（QH）」的形式，通過一系列矩陣表，量化分析顧客的需求與工程措施之間的關係。QFD的方法是利用矩陣展開圖表，這種圖表其形狀類似一座房屋，因此稱為「質量屋」。質量屋中包括了大量信息，有定量分析和不定量分析，並且直觀易懂，質量屋的內容，可根據需要適當進行剪裁。

1、質量屋的結構框架

下圖是質量屋的結構框架，其結構要素如下：

• ① 左牆---顧客需求及其重要度
• ② 天花板---工程措施（設計要求或質量特性）
• ③ 房間---關係矩陣
• ④ 地板---工程措施的指標及重要度
• ⑤ 屋頂---相關矩陣
• ⑥ 右牆---市場競爭能力評估矩陣
• ⑦ 地下室---市場競爭能力評估

根據上述結構以及需要，可以對結構靈活地進行剪裁或擴充，因而要求如下：

① 建立質量屋，開發人員必需掌握第一手的市場信息，整理出對該產品的需求（顧客），評定各項需求的重要程度，填入「左牆」；

② 從技術角度，提出對產品的設計要求（工程措施），明確產品應具備的質量特性，整理後填入「天花板」；

③ 質量屋的「房間」用於記錄顧客需求與工程措施之間的關係矩陣，其取值rij代表第i項顧客需求與第j項工程措施的關係度，關係越密切，rij的值（取）就越大；

④ 「屋頂」用於評估各項工程措施之間的相關程度。因為各項工程措施可能存在交互作用（正相關或負相關），在選擇措施時必需考慮交互作用的影響；

⑤ 在「地板」上填入工程措施的指標及其重要度；

⑥ 給產品的市場競爭能力和技術競爭能力打分，填入「右牆」和平共處「地下室」的相應部分。然後進行計算，質量屋的建造宣告完成。

2、顧客需求與工程措施的設定

以開發X X型號PECVD為例:

① 收集整理、加工、提煉，形成系統的、有層次、有條理、有前瞻性的顧客需求（6條）「左牆」；

② 從技術的角度出發，針對顧客需求，將產品持量特長展開為7項「天花板」。

3、關鍵措施與瓶頸技術的確定

① 對顧客需求進行評估，給出重要度係數Ｋi。

② 建立顧客需求與工程措施兩兩之間的相互關係，評出關係度rij。

③ 分別計算每項工程措施的重要度hj；

i) 顧客的重要度係數Ｋi是加權的可分5級

權數——

• １：不影響功能的實現需求
• ５：基本的、涉及安全的、特別重要的需求

ii) 關係度等級

權數——

• １：該交點所對應的技術措施與顧客需求間有微弱影響
• ９：該交點所對應的技術措施與顧客需求間存在非常關係（見下節QFD的量化方法）

④ 將計算出的工種措施重要度hj數值最大的列為關鍵措施，例如╳╳型號PECVD設備的兩項：氣密性設計和可靠性維修性的設計。解決技術關鍵稱為「瓶頸技術」。QFD必須找出瓶頸，以便攻克難關。

4、四個階段的質量功能展開

由於產品開發一般要經過產品規劃、零部件展開、工藝計劃、生產計劃四個階段，根據下道工序就是上道工序"顧客"的原理，各個階段均可建立質量屋。上一階段質量屋"天花板"的關鍵工程措施將轉化為下一階段質量屋的"左牆"。第一階段的質量屋最完整，其他階段的質量屋有可能將大中牆、地下室外等要素剪裁。

工作說明（SOW）

工作說明（Statement Of Work，縮寫為SOW）是合同的附件之一，具有與合同正文同等的法律效力。

工作說明詳細規定了合同雙方在合同期內應完成的工作，如方案論證、設計、分析、試驗、質量控制，可靠性、維修性、保障性、標準化、計量保證等；應向對方提供的項目，如接口控制文件、硬體、計算機軟體、技術報告、圖紙、資料，以及何時進行何種評審等，因此，工作說明以契約性文件的形式進一步明確了顧客的要求和承制方為實現顧客要求必須開展的工作，它使產品的管理和質量保證建立在法律依據之上，成為合同甲方（顧客）對乙方（承制單位）進行質量監控的有力工具。

工作說明的詳細要求可查閱GJB 2742－96。工作說明的內容是質量功能展開的重要輸入。

工作分解結構（WBS）

開發工作分解結構法（WBS）的丁斯莫爾指出：「需要一個整體觀念，描繪出一條成功實施企業項目管理的道路，所有這些都是從WBS開始的。」

工作分解結構法（即Work Breakdown Structure，簡稱WBS），跟我們學習的因數分解是一個原理，就是把一個項目，按一定的原則分解，項目分解成任務，任務再分解成一項項工作，再把一項項工作分配到每個人的日常活動中，直到分解不下去為止。即：項目→任務→工作→活動。WBS是工作的一個總結，而不是工作本身，工作是構成項目的許多活動的總合。

項目WBS是組織項目實施的工作依據，是開展一切項目管理工作的依據和基礎，具有十分重要的作用。

那麼該如何做好項目WBS？下面我們將介紹WBS的思路、方式和步驟。

首先要按照一定的原則分解，把項目分解成任務，再把任務分解成一項項工作，然後再把一項項工作再分配到每個人的日常活動中，直到再也分解不下去為止。

就比如一個項目分為階段一、階段二或者子項目一等，在這階段一、階段二或者子項目一中它們的可交付成果由哪些構成，在實施計劃的基礎上，更進一步的將每項工作細化，經過細化的工作分別落實到每一個成員，落實到每一天。

說到這裡，你一定認為WBS很簡單了。但是要知道WBS並不能胡亂使用，進行項目WBS是要遵循一定原則的。

並行工程

並行工程（Concurrent Engineering）是對於產品和其有關的過程（包括製造和保障過程）進行並行設計的一種系統的綜合方法，它要求研製者從一開始就考慮整個產品壽命周期（從概念形成到產品報廢處置）中的全部要素，包括質量、成本、進度及顧客需求。

並行工程要求特別重視源頭設計，在設計的開始階段，就設法把產品開發所需的所有信息進行綜合考慮，把許多學科專家的經驗和智慧匯集在一起，融為一體。

在健壯設計中，尤其在進行質量功能展開和系統設計時，必須貫徹並行工程的原理和指導思想。

參數設計

參數設計（Parameter Design）在系統設計之後進行。

參數設計的基本思想是通過選擇系統中所有參數（包括原材料、零件、元件等）的最佳水平組合，從而儘量減少外部、內部和產品間三種干擾的影響，使所設計的產品質量特性波動小，穩定性好。

另外，在參數設計階段，一般選用能滿足使用環境條件的最低質量等級的元件和性價比高的加工精度來進行設計，使產品的質量和成本兩方面均得到改善。

參數設計是一個多因素選優問題。由於要考慮三種干擾對產品質量特性值波動的影響，探求抗干擾性能好的設計方案，因此參數設計比正交試驗設計要複雜得多。

田口博士採用內側正交表和外側正交表直積來安排試驗方案，用信噪比作為產品質量特性的穩定性指標來進行統計分析。

更多專業質量文章，請訪問QualityIn質量學院官網。