六西格玛与仿真：第 2 部分 | Simio

作者：Jeff Joines（北卡罗来纳大学纺织工程系副教授）

这是 "六西格玛"、"精益西格玛 "和 "模拟 "三部分系列的第二部分。第一部分介绍了六西格玛方法。回顾一下，DMAIC 持续改进方法的目标是控制/减少当前流程或产品的流程变异性，而六西格玛设计流程 DMADV 则用于设计新流程或产品，在创建之前将变异性降到最低。仿真建模几乎可以应用于这两种方法的每个阶段。

定义

六西格玛实践者必须估算每个项目的成本节约，以获得认证或证明项目的合理性。然而，这些成本预测大多是基于对关键参数（如原材料成本、客户/产品需求、资本成本、汇率等）的点估算。通过采用蒙特卡罗模拟，可以利用这些点估算的可变性和/或范围来提供更可靠的估算。按照这些思路，已经提出了几个项目，可以利用模拟来帮助管理层根据资源限制和目标进行项目选择。

分析和改进

在分析和改进阶段，最常用的工具是实验设计（完全实验、部分实验、混合实验等），它提供了一条基线，用于说明在进行更改时的改进情况，以及确定需要控制或更改的相关因素。正常基线测量被定义为流程能力 (Cpk)，它表明流程产生一致结果的能力--流程的允许范围与实际范围之间的比率。Cpk 指标考虑了偏离中心的情况，定义为 (USL-Mean)/3? 或 (Mean-LSL)/3? 的最小值，其中 USL 和 LSL 分别为规格上限和下限。六西格玛流程呈正态分布，Cpk 值大于 1.5。

使用真实系统能更好地捕捉到所有复杂性和相互作用等。不过，作为仿真实践者，我们也要认识到何时可能或可行。下面列出了可以使用蒙特卡洛或流程仿真模拟建模的示例。

• 如果产品或流程不存在，如六西格玛设计中的情况，则可使用仿真模型在实施前确定新流程和产品的能力。例如，可以确定单个零件或流程的公差堆叠。单个零件或流程（如轴承和轴）的公差在允许范围内，但由于制造、服务和交易流程中出现的公差叠加问题，装配流程可能不具备能力。
• 执行重复 DOE 的成本过高（如原材料成本、关闭当前流程的成本）。我们曾与一些公司合作开发流程和蒙特卡罗模拟模型，用于确定其能力和潜在的改进变化。
• 由于实验运行时间较长，因此确定基准线或确定流程改进情况并不现实。在与一家拥有复杂全球供应链的大公司及其六西格玛流程改进团队合作时，他们的一个项目是减少一系列交货期为 10 到 12 周的产品的库存。团队必须评估六种库存政策，确定三家供应商中哪一家最合适，等等。如果没有仿真模型，那么需要花费数年时间才能完成具有足够重复性的 DOE，从而使项目变得毫无用处。此外，驱动模型的大部分数据都是基于非正态分布的提前期。
• 试想一下有多个流程相互影响的系统（如部门、工厂等），每个流程只包含五到六个因素。传统的 DOE 可以生成每个单独流程的传递函数，但不能生成整个系统的传递函数。仿真模型可用于将每个单独的传递函数结合起来，以确定整个系统的能力，并对更大范围的值进行测试。
• 在一些环境中，进行 DOE 是不切实际或不可能的。例如，我们对全国各地医院系统的数十名相关人员进行了六西格玛培训。仿真建模和分析使这些从业人员能够通过模型确定流程能力，因为病人护理关系重大，无法使用真实系统。我们使用仿真建模代替真实系统的其他环境包括银行业或保险业等交易流程。

控制

在流程实施过程中，仿真还可用作流程控制辅助工具，以确定潜在的问题。

很显然，模拟专家已经掌握了可以极大帮助六西格玛项目的技能。这些类型的项目并不独特，只是我们知道如何建立的一般仿真模型。它们只要求我们学习六西格玛语言以及计算 Cpk 统计量的需要。我发现与六西格玛人员合作更容易，因为他们接受过统计培训，可以理解输入和输出分析，尽管他们通常只使用过正态分布。在 "六西格玛与模拟 "一文中：第三部分将讨论模拟在精益西格玛领域的应用。