Просто о сложном: Что такое 6 сигм (6 sigma)
Наш коллега, Хавьер Гиен Мадрид (на фото), нашел способ объяснять 6 сигм просто, чем с вами сегодня и делимся!
Начнем с основ
Шесть сигм (англ. six sigma) — концепция управления производством, разработанная в корпорации Motorola в 1986 году и популяризированная в середине 1990-х после того, как Джек Уэлш применил её как ключевую стратегию в General Electric. Суть концепции сводится к необходимости улучшения качества выходов каждого из процессов, минимизации дефектов и статистических отклонений в операционной деятельности. Концепция использует методы управления качеством, в том числе, статистические методы, требует использования измеримых целей и результатов, а также предполагает создание специальных рабочих групп на предприятии, осуществляющих проекты по устранению проблем и совершенствованию процессов («чёрные пояса», «зелёные пояса»).
Почему, собственно «6 сигм», а не, скажем, 3 или 5?
Название происходит от статистического понятия среднеквадратичного отклонения, обозначаемого греческой буквой σ. Зрелость производственного процесса в этой концепции описывается как σ-рейтинг отклонений, или процентом бездефектной продукции на выходе, так, процесс управления качеством 6σ на выходе даёт 99,99966 % выходов без дефектов, или не более 3,4 дефектных выходов на 1 млн операций. Motorola установила в качестве цели достижение показателя качества 6σ для всех производственных процессов, и именно этот уровень и дал наименование концепции.
На этом можно было бы завершить нашу статью. Но нет, по-моему, по-прежнему мало что понятно, верно?
Давайте перейдем к примеру.
Все хотя бы раз в жизни играли в дартц? Если не играли поясню: цель игрока попасть в центр. Чем дальше от центра попадает игрок, тем ниже баллы он/она получает. На картинке ниже расположились результаты 4 различных игроков.
Какой игрок лучше?
Какой игрок лучше?
4-й, это очевидно. Он всегда попадает в цель и получает наивысший бал. Такой результат — всегда цель наших процессов.
А что мы можем сказать про 1 игрока? Он откровенно плох, правда ведь? Он никогда не попадает в цель, его результат разбросан. Ты не хотим для своих процессов таких результатов.
Отлично, с худшим лучшим результатом мы разобрались. А что скажете про 2-го и 3-го игрока? Кто из этих двоих предпочтителен для наших с вами процессов?
Это вопрос на всегда вызывает бурные дебаты среди участников. Казалось бы, все очевидно, 3-й хотя бы иногда попадает в цель, чего не скажешь про 2-го, следовательно, 3-й может быть более перспективным.
Чтобы разобраться в этом, приведу вам еще один пример.
6 сигм, пример: поездка на автобусе
Вы собрались в поездку в город N на автобусе. Согласно расписанию вокзала, вы знаете, что автобус в город N отправляется в 9 утра. Что происходит с автобусом, если статистика по оправлению автобуса представлена под номером 2σ
Очевидно, что наш автобус опоздает и опоздает на какое-то определенное время, например, 20 минут. Согласно статистических данных, наш рейсовый автобус опаздывает всегда на 20-25 минут. Плохо, но не критично, потому что вы как клиент знаете чего ожидать от этого расписания.
А что же произойдет, если наша статистика по отправлению автобуса представлена под номером 3σ Веселые вещи произойдут, не правда ли? Иногда автобус отправляется с опозданием в 20 минут, а иногда, вы приходите на вокзал, а автобус уже в городе N. Сможете ли вы это пережить как клиент? Вряд ли. И в следующий раз для поездки в город N вы наверняка выберете более предсказуемый вид транспорта.
Джек Велш, генеральный директор General Electrics, одной из тех компаний, которые внесли огромный вклад в развитие , однажды сказал:
«Клиенты замечают вариацию (разницу), а не среднее значение»
Конечно же, в нашем примере с автобусами, лучшее среднее значение будет у 3-го случая, но вопрос в том, желаем ли мы своему клиенту такой неопределенности и качества? Очевидно, что нет!
Автор материала:
Как видите, 6 сигм — это не так сложно, как может показаться! Мы любим цифры и радо делимся своими знаниями о том, как с ними работать. Приходите к нам на В запасах нашего коллеги Хавьера еще много секретов и интересных инструментов.
Напоследок, делимся с вами интересным высказыванием Дэна Ариели относительно больших данных:
