大部分制造企业都听说过六西格玛及其相关的各种质量改进方法，这些方法旨在帮助企业大幅度减少缺陷，削减成本。虽然六西格玛的实施不一定非要依靠技术手段，但大部分企业都不约而同地选择了借助计算机和软件来发掘六西格玛方法论的效果。

结合六西格玛方法论的核心——“定义、测量、分析、改进、控制（即，DMAIC）”循环，在不同的阶段，六西格玛改进会用到不同的工具和统计方法。在分析阶段，企业可能会用到回归分析和假设检验，或者全因子和部分因子实验等实验设计（即，DOE）方法。而统计过程控制（即，SPC）方法和工具往往应用于DMAIC循环中的“控制”阶段。

六西格玛和精益活动将减少过程波动和提高产品可靠性的任务交到了车间一线员工的手里，因此，智能化的、用于车间现场的有效SPC软件工具成为企业趋之若鹜的最佳工具。

具体而言，对于SPC方案来说，合适的统计软件能够大幅度减少数据采集、分析和实时监控的工作量。新一代的软件解决方案具有适用于车间一线的便捷和友好的用户界面。车间的操作工人无须经过特殊的培训即可利用手头获取的数据对生产过程和设备进行实时的、现场的有效控制。例如，制造车间的设备操作人员可以借助实时SPC软件对生产过程和设备进行监控，通过数据变化跟踪生产过程中可能导致质量问题的各种隐患，一旦出现任何异常状况，软件将发出报警提示。

DOE（即，实验设计）和SPC（即，统计过程控制）都是统计工具，但二者的功能、用户，和关注对象均有所不同。举例来说，实验设计主要用来确定对过程或设备性能表现可能产生影响的主要变量因素都包括哪些？它们分别又能对过程性能产生哪些影响？实验设计工具主要由质量专业人员作为事后的原因分析使用——也就是说，DOE并不是在产品的实际制造过程中使用，也无法对生产过程中的质量隐患进行实时报警。

而SPC是一种针对车间现场的实时质量管理软件工具。通常是由机器设备的操作人员在车间一线使用，用来对过程和设备的运行情况进行实时监控，通过信号变化跟踪所有可能导致质量问题的相关因素，并及时预警。因此，SPC不仅是一种实时的统计工具，而且是一种实时的工具，因为它能够在数据进入系统的同时立即做出判断，发出报警提示。

由于二者在理论原理和实际应用方面均存在以上差异，因此在线的统计软件和离线的统计软件解决方案在实际应用过程中通常都是各司其职，而不会，也不应该，被混为一谈。也就是说，如果企业既需要做直接针对生产过程的实时SPC监控，又需要大量的离线分析，那么通常需要同时运行以上两个软件方案包。

下面我以一个真实案例带大家了解某包装箱制造企业是如何应用SPC软件解决问题和改进其制造过程水平的。

案例：工厂A产品品质的6月剧变
综述
就在几年前，坐落于美国东南部的一家大型折叠包装箱制造工厂（这里不妨称作“工厂A”）正面临巨大的考验。同该公司在其他区域的分部相比，工厂A品质水平和业绩指标都排在最后一名，客户满意度非常低。甚至可以说，客户非常不高兴。事实上，其最重要的两大客户已经以书面的方式发出警告：如果再不采取措施切实提高纸箱产品的品质，它们就将全面撤销给工厂A的所有订单。

而短短的6个月之后，情况发生了根本性的逆转。其秘诀就是工厂的管理层采取的一项关键改进活动彻底将工厂带入高绩效的通道，并且，其改进成果一直延续至今。产品品质和生产能力的巨大提升使得工厂A在6个月时间里成为公司所有分部当中品质和业绩水平排名的领头羊。这一戏剧性变化发生的速度之快无疑引起了广泛瞩目。在被问到工厂的客户对此做出了怎样的反应时，工厂总经理杰夫表示：“它们简直不敢相信我们就是原来的那家供货商，在他们看来，我们可以说是彻底地脱胎换骨了。”对于一家每个月饮料包装箱产量达到5千万，为可口可乐、AB等行业巨头企业供货的工厂来说，能做出如此坦诚的回答着实不容易。

按传统的理解，如此重大的质量改进当然会让客户兴奋异常。或者至少，应该会引起客户的巨大好奇心。从客户的角度来说，看到供货商的如此变化，兴奋和满意自不用说——他们无疑是供应商质量重大提升的最直接受益者。“嗯，是的，他们是比较高兴，”杰夫回答道，“但是在折叠纸箱行业，除非供应商提供的产品质量实在糟糕，否则客户通常根本就不会注意到其供应商的存在。所以，虽然对我们自己来说，品质上成功地实现了翻天覆的提升，但对我们的客户而言，作为供应商的我们却开始重新变得‘默默无闻’。这种“无声无息”存在的状态其实恰恰是最佳状态——证明一切正常，客户满意。”

产品品质困难重重
最初，当杰夫和他的团队刚开始着手工厂A的改进工作的时候，他们面临的处境同其他很多正陷入品质困境的企业的状况并无二致。工厂里新技术、新工具与旧设备、旧方法同时存在。产品报废水平高，客户投诉频繁发生。也正是由于收到客户的大量投诉，公司纸箱产品的品质改善迅速成为首当其冲的紧迫任务。客户抱怨的数据统计起来并不难，而且对工作也有很好的参考价值，但对于具体的过程改进方法和措施指导意义并不大。“我们都很清楚当时面临的局面，”杰夫解释说，“但由于内部缺乏有力的工具支持，因此除非客户正式发出投诉，否则我们自己很难在产品出厂前发现问题所在，也没有办法做出任何准确的预测。”

明确产品质量改进目标
当时，团队可以从制板、印刷、切割或成品等生产过程和工艺中选择任意一个核心环节来开展数据采集和针对性的改善工作。但团队讨论的结果是，由于时间紧迫，必须集中精力在短时间内使改善的效果最大化，并且必须在最短时间内同时实现以下两个目标：
切实避免不合格纸箱产品出厂；
获取有价值的数据信息，指导工厂的产品品质改进方向。

团队并不打算简单地挑出问题最严重的环节，马上着手开展改进工作。相反，他们认为最紧要的是获取有价值的数据来推动改进活动的有效开展。为此，改进团队正式开始进行统计抽样工作，确保在制造过程正常运行的同时，采集到即时的质量数据。也就是说，产品制造过程一结束，产品一生产出来，产品质量数据就必须立即获取，而不是等到产品装箱出厂以后才能拿到。在装箱之前，就需要抽取一定数量的样品，检验是否存在任何缺陷。只要发现任何缺陷，立即录入工厂配备的实时SPC软件。如果达到设定的统计缺陷水平，该批产品就必须暂时保留，不得出货。

由于进行了这样的即时数据采集，不合格或不良产品向下个环节的流动得到了有效的阻止，团队的第一个目标很快就有了实质性进展。不仅如此，有关产品重要缺陷的有力数据信息也得到了有效掌握和利用。这些信息对于过程和产品的质量提升起到的非常重要的作用。这样一来，第二个目标也顺利得以实现。以下我们分析一下第二个目标具体是如何实现的。为了尊重工厂A的技术隐私，我们对真实的数据进行了相应修改，但其当时面临的处境等事实得以真实再现。

减少功能性缺陷
后台数据采集计划使得工厂A的管理人员能够通过一张简单的图表（参见图表1）即可随时统计查看缺陷代码出现的频率。令人吃惊的是，结果生成的帕累托图（柏拉图）显示，出现频率最高的缺陷并不是装饰问题或与印刷相关的缺陷。相反，数据清楚地显示，最常见的纸箱缺陷其实是纸箱条盖的折痕、弯曲或破损问题。


一旦这些带有功能性缺陷的纸箱产品被送到客户那里，这些缺陷可能导致装箱设备发生卡滞，并且导致设备停机，造成巨额财务损失。设备一旦停机，不仅会第一时间造成客户的停机损失，而且同时影响到工厂A本身的巨大损失，包括企业信用损失，也包括客户退货造成的直接损失。公司管理层很清楚，为了实现改进目标，真正成为“被客户遗忘”的、品质稳定的供应商，就必须切实避免缺陷产品送到客户那里，从源头上堵住缺陷产品的外流。

进行后台数据采集之后，检验员能查看到的不仅包括缺陷代码，而且包括发生缺陷的具体生产线等重要信息。为了清楚地确定每条生产线分别需要采取哪些改进措施来削减缺陷，改进团队创建了相应的多级帕累托图（参见图表2）。这样的图表不仅能够显示图1中发现的所有缺陷，而且进一步按不同的生产线对这些缺陷分别进行了归类。每条生产线出现的缺陷均用黄色条柱显示，缺陷的出现频率和类型则用蓝色条柱显示。这样一来，检验员和管理人员能看到的就是一张图中有图、多层次的帕累托图了。


在图2中，每条生产线的具体缺陷代码信息帮助管理人员科学分配改进资源，发现每条生产线上发生的具体变化，从而切实减少工厂的整体功能性缺陷。

减少客户抱怨
在跟踪获取的变化数据成功地为工厂减少了生产线上的重要缺陷的基础上，管理层又开始着手处理出现频率排名第二位的另一个重要缺陷——纸箱无法正常打开的问题。这些不合格产品一旦送到客户那里，就会严重影响装箱设备的正常运转。也就是说，客户方的机器将因此而需要重新安装和设置，并且必须做停机处理。为了更好地理解如何减少这类缺陷，工厂A决定将纸箱的“开箱压力”作为关键参数来进行控制。“开箱压力”指的是填装饮料罐之前打开扁的空包装箱所需要的压力大小（单位：PSI。即：磅/平方英寸）。

开箱压力的测量必须等到折叠、粘贴等制作过程全部完成、纸箱成品生产出来之后才能进行。因此，工厂A的改进团队决定在每台折叠－粘贴设备上对纸箱制成品进行开箱压力数据的采集。

为了掌握折叠－粘贴设备的运行情况和能力水平，团队使用了名为“距离目标值的偏差”的控制图来评估开箱压力。虽然每件产品“开箱压力”参数的规格限（又叫“公差限”）都有所不同，但改进团队对图表进行了“标准化处理”，因此生成的图表完全能够适应客户所有参数的目标值数据。这样的图表也就能够不受各种纸箱产品类型的限制，用来帮助改进团队对各种不同的生产过程和设备进行高效的统计控制。

使用“距离目标值的偏差”控制图进行控制分析后，一线的操作人员和质量管理人员都发现：在制造过程中，根据生产时间的不同、加工工艺或设备的不同、不同班次当班员工的不同，开箱压力的数值存在非常巨大的差异（参见图表3）。


因此，在软件的均值极差图上，改进团队得到了大量的统计报警。不仅如此，开箱压力的均值几乎全部大于客户要求的目标值（在均值图上以红色的水平线标注）。根据这些重要信息，改进团队当即同工程师和操作人员一道，采取了一系列积极措施有效降低了开箱压力的平均数值。单凭这一项举措，就成功地将生产班次之间、不同工序之间的产品参数差异和波动降到了最低。因此，开箱压力数值的波动幅度大幅度下降，大大接近客户要求的目标值水平（参见图表4）。仅此一项调整，在非常短的时间内，客户针对开箱压力的抱怨几乎销声匿迹。


同时，也因为这一项改进措施，工厂A的客户此后只需保留一套简单的装箱设备设置，而无须再像以前一样，频繁更改设置，从而大大降低了系统的复杂程度和设备启动和设置的时间。

“我们需要为客户提供的是稳定可靠的产品，这样客户在装箱过程中就不需要频繁地停机。”工厂A的品保负责人说，“如果我们能够为客户提供具备高度稳定性和一致性的产品，那么不仅能有效地为客户减少损失，而且也为我们自己有效地节省了成本，因为只要产品品质稳定，我们就不需要频繁地被客户找过去，现场解决问题。”

减少印刷缺陷
功能性缺陷和开箱压力问题解决后，图1帕累托图上所示的其他条柱反映的是着墨不良、脱色、墨渍污染、油点、鱼眼、缺色等缺陷的统计结果。这些缺陷全都与纸箱印刷过程/设备有关。工程师和操作工人都注意到，与印刷相关的缺陷很大一部分都是由撇渣问题造成的，而撇渣的问题常常出现在印刷工艺的润版液上。

工厂A的操作人员必须跟踪润版液的pH值和印刷机的传导性这两个参数。如果这两个关键参数不能得到严格控制，就可能导致撇渣，并由此导致印刷缺陷。操作工们会定时抽取一个润版液样本，测量其pH值和导电率，同时在控制图上记录测量结果。为了分析测得的pH值，他们将pH值数据记录在一张单值移动极差图上。事实上，运用控制图跟踪导电率的数值不是一件容易的事情，因为导电率往往是一个循环的数值。因此，常见的采用线性控制限的标准控制图通常无法完成这类数值的分析。但工厂的操作人员需要合适的工具来帮助逐渐提高导电率的数值。因此，他们选择了指数加权移动均值（EWMA）控制图，这张控制图上的均值呈移动变化。这张特殊的图形尤其适用于跟踪化学过程、工具磨损等数据值的变化过程，因为这类数据通常随着时间推移而呈现逐渐上升或下降的变化，而不会始终保持线性、恒定的数据模型。

EWMA图中融合了根据上一个子组的数据准确“预测下一步”的功能。如果之前的数据点不断累积增加，那么EWMA图就能根据历史数据预测出下一个数值。根据这类预测，控制限将发生变化，呈现“循序渐进”的变化态势，例如图表5控制图中所示。

EWMA移动均值控制图帮操作人员分析单个的子组数值的受控情况，同时决定什么时间有必要对润版液进行重设，避免出现由于处理不及时而造成的数值超出规格/公差限的现象。通过对pH值和导电率数据的更密切监控，打印过程的操作人员得以有效控制和减少撇渣现象，因此与打印相关的缺陷数量大幅下降。

改进沟通流程
除了应用SPC软件进行以上提到的数据采集和分析工作以外，工厂A还利用SPC工具对客户的反馈信息进行及时的系统录入。例如，当纸箱模具再度开始运转，上一轮运转周期所发生的历史缺陷和客户反馈信息都可供随时查看，并且可以用来同当前最新的操作情况进行纵向比较。过往的历史数据和最新的数据可以进行实时的对比分析。原因（ACC）和纠正行动(CAC)也可以轻松地记录到系统中去，供操作人员参考，并用来同其他同事和部门进行针对性的沟通，具体讨论应该采取哪些措施进一步减少缺陷、提高纸箱产品品质的稳定性和一致性。

“由于所有相关信息都记录到了软件里面，我们再也不需要打电话询问客户或莫名其妙被客户致电或发邮件抱怨。现在，我们可以自己随时掌握上一个工作周期究竟发生过哪些相关问题。”工厂质量负责人鲍勃说，“操作人员可以随时了解此前发生的任何异常事件，掌握设备和过程的运行情况。这一点对于客户以及我们自己都非常有价值。成品工序的操作人员可以查看整个工艺过程中上游环节出现过哪些缺陷，而上游过程的工作人员也可以随时掌握产品进入下游环节之后的所有相关情况。因此，整个工厂内部的沟通效率大大提高。”

结果
工厂A投入了相当大的努力，扎扎实实地将SPC应用到了具体的改进工作中去，测量和持续改进也成为工厂六西格玛改进活动的一个重要组成部分。经过一段时间的集中改进，虽然前期实施过程中获得的成果和改善已经进入相对平稳的巩固期，但操作人员、工程师和管理人员都非常乐意地继续使用SPC。甚至当工厂总经理人选发生更替之后，工厂仍然决定继续坚持这一质量改进活动。其品质管理水平在公司各分部中的排位也从此前的最后一名一跃成为第一名。在这个过程中工厂获得的其他直接收益还包括：

主要质量指标均达到六西格玛水平
缺陷水平大幅度下降
客户不再为工厂提供的产品的品质担忧
工厂成为公司所有分部中PPM（百万分之缺陷率）不良率最低的分部
客户针对纸箱产成品的投诉率降到最低

案例结论
通过对SPC工具和六西格玛理念的艰苦的、持续的、一以贯之的应用，工厂A的纸箱产品缺陷率出现巨大下降，客户投诉和工厂内部成本显著减少。同时，工厂还取得了客户颁发的关键供应商资质证书，而这些客户正是工厂几个月前险些丢掉的、决定工厂生死的最重要客户。

虽然最突出的问题早已经得到解决，但操作人员仍然继续使用SPC工具来监控生产过程和设备和提升产品的一致性和品质。换言之，工厂主动选择了坚持在六西格玛DMAIC模型中的“控制”阶段继续使用彻底改变其在市场上的命运的SPC工具。

“跟以前不同，大家再也不会问：‘我们真的解决什么问题了吗？’”杰夫说，“现在，大家会问的是：‘这个问题没再出现了吧？’由于已经能够利用SPC工具持续对过程进行有效控制，因此，工厂的生产和产品品质成功地保持着高度的一致性；并且，我们很高兴地、踏踏实实地做好这个‘被遗忘的’、默默无闻的指定供应商。”

关于作者
作为英国威廉希尔体育公司国际（InfinityQS International Inc.）的统计应用副总裁，道格拉斯 C. 费尔（Douglas C. Fair）先生长期致力于帮助客户理解统计方法，并在各种复杂环境和条件下成功实施英国威廉希尔体育公司的SPC软件方案。费尔先生曾出版过两部重要的统计方法著作：《创新控制图》（Innovative Control Charting，美国质量学会质量出版社，1997）、《医疗保健行业品质管理原则和方法》（Principles and Methods of Quality Management in Health Care，Jones & Bartlett出版公司，2000 ）。费尔先生还应邀长期担任《质量文摘》（Quality Digest）杂志“质量业内人士（Quality Insider）”栏目的专栏作家。（www.qualitydigest.com/qualityinsider）