六西格玛经常被介绍成一套降低不良率的方法，但放到真实的制造企业里，它处理的问题通常没有这么单一。不良品、返工、设备故障、材料波动、交货延误和库存积压，很多时候其实互相影响。只改善其中一个环节，未必能够真正解决问题。
最近我读到一份2019年的研究，其中分析了一家电子制造企业如何运用六西格玛管理改善生产问题。这个案例比较有意思，因为企业面对的并不是单纯「质量不好」，而是订单下降、退货、库存、生产效率和成本等问题同时出现。
这也很适合用来说明一个问题：六西格玛真正改善的对象，其实是过程，而不只是最终的不良品率。
一家手机代工厂遇到了什么问题？
研究中的A企业是一家手机代工制造企业，为国内手机销售商提供生产服务。随着企业规模扩大，订单曾经保持相对稳定，但从2016年开始，经营情况逐渐出现变化，到了2017年订单量更明显下降，利润也受到影响。
研究发现，企业面对的问题来自多个方面。其中比较明显的是产品不良造成客户退货，以及企业面对市场和客户需求变化时反应速度不够快。
这两个问题表面上看并不相同。一个属于质量，一个似乎属于市场或供应链。但如果继续往生产系统里面看，就会发现它们其实会互相影响。
例如客户需求下降以后，原本准备好的物料可能变成库存，已经生产的成品也可能无法及时消耗。与此同时，如果生产过程本身效率不高、返工较多、交货时间又长，企业面对需求变化时自然更加被动。
所以A企业没有把问题简单交给质量部门处理，而是由生产管理、仓储、采购、财务和市场等部门共同参与分析。
这一点其实很重要。很多企业推行六西格玛失败，并不是不会使用统计工具，而是一开始就把跨部门问题定义成了某一个部门的问题。
从结果继续追查过程
研究人员进一步检查企业的生产情况，发现问题涉及SMT生产、焊接返工、质量检测、替代物料、原材料采购以及生产作业效率等多个环节。
这些问题最终表现出来的结果很相似：生产成本增加、交货时间延长、产出效率下降，以及不良品增加。
如果按照传统管理方式处理，很容易变成哪里出问题就处理哪里。设备坏了就维修，产品不良就增加检验，员工操作错误就重新培训，供应商材料异常就要求供应商整改。
这些措施未必错误，但问题在于它们往往只处理眼前出现的现象。
六西格玛的做法则更强调先把问题定义清楚，再利用数据判断问题究竟发生在哪里，以及哪些因素真正影响最终结果。这也是DMAIC方法的价值。
DMAIC不是五个步骤这么简单
DMAIC分别代表Define、Measure、Analyze、Improve和Control，也就是定义、测量、分析、改进和控制。
很多人在学习六西格玛时会把DMAIC记成五个步骤，但在实际项目中，它真正重要的是建立一种解决问题的顺序。
Define阶段先确定到底要解决什么问题，以及这个问题为什么值得解决；Measure阶段建立数据基础，了解当前表现；Analyze阶段寻找真正影响结果的因素；Improve阶段针对已经确认的原因设计改善方案；Control阶段则负责防止改善后的过程重新回到原来的状态。
这种逻辑看起来很简单，却能够避免制造企业中一种很常见的情况：问题还没有分析清楚，改善方案已经决定了。
例如看到员工操作错误，就立即决定加强培训；看到设备故障，就决定购买新设备；看到材料异常，就马上更换供应商。问题是，如果没有数据证明这些因素就是主要原因，企业可能花了很多钱，却没有明显改善。
从人、机、料、法、环寻找问题来源
研究根据A企业生产车间过去数年的不良数据，对问题进行了进一步分析，并从人、机、料、法、环几个方面整理潜在原因。
人员问题不能只归结为「员工粗心」
人员方面存在操作步骤不规范、熟练程度不足以及人员流动较高等情况。如果只看到结果，很容易把原因写成「员工操作失误」。
但继续追问就会发现，员工为什么会操作错误？作业标准是否清楚？培训是否足够？工作环境是否影响人员稳定？新员工是否在还没有完全掌握操作要求之前就开始独立工作？
如果系统本身没有提供稳定的作业条件，只要求员工「以后小心一点」，通常很难真正降低长期不良率。
设备问题会同时影响质量和产能
设备方面则存在老化、故障频繁以及维护管理不足等情况。
设备问题的影响往往不只是停机。设备状态不稳定还可能造成参数漂移，使产品质量发生波动。于是同一个设备问题可能同时造成停机损失、生产速度下降、不良品增加和返工。
因此，企业不能只用「设备有没有坏」判断设备状态，还需要关注故障频率、维护方式、过程参数以及设备输出的稳定性。
材料波动最终会变成过程波动
研究也发现原材料存在质量不稳定、采购周期较长、供应商管理不足以及不同批次存在差异等问题。
制造现场经常会遇到这种情况：生产条件没有改变，产品表现却突然不同。调查很久以后才发现，真正变化的是原材料批次。
从六西格玛角度来看，这就是输入X发生变化，最终造成输出Y发生变化。因此，供应商管理和来料质量并不是独立于生产过程之外的事情，而是整个过程能力的一部分。
方法和环境同样不能忽略
研究还指出企业存在工艺方法、操作规范、质量检验以及生产环境方面的问题，包括生产线布局和环境控制等。
这些因素单独看可能都不算严重，但当多个小问题同时存在时，就会不断增加过程波动。
这也是为什么复杂的质量问题很少只有一个简单原因。现实中的不良往往是多个条件共同作用的结果。
降低不良率只是改善的一部分
案例中特别值得注意的一点，是研究没有把目标局限于降低不良率，而是进一步讨论了返工和生产成本。
不良品真正给企业造成的损失，远远不只是报废一件产品。
产品返工需要人工，需要再次占用设备，需要重新检测，还可能影响原来的生产计划。如果问题流到客户那里，还会产生退货、投诉、物流、售后甚至客户流失等成本。
所以一个六西格玛项目即使只是把不良率降低几个百分点，背后的财务价值也可能远高于表面看到的材料节约。
案例企业针对这些问题提出了工艺改善、设备更新、人员培训和工作环境改善等措施，希望通过减少返工和过程损失降低整体生产成本。
改善完成以后，为什么还需要Control？
很多改善项目最可惜的地方，不是没有找到解决方案，而是改善完成几个月以后，问题又慢慢回来。
例如项目期间要求员工严格按照新方法操作，不良率确实下降；项目结束以后没有继续检查，旧习惯逐渐恢复。又或者设备参数经过调整以后表现很好，但没有建立标准和监控机制，下一次维修以后参数又发生变化。
这正是DMAIC中Control阶段存在的原因。
研究中的企业在改善以后继续利用管理循环对问题和客户反馈进行跟踪，希望把已经取得的成果维持下来。最终研究报告认为，企业在生产效率、成本、客户响应和满意度等方面都获得了改善。
从六西格玛的角度来看，一项改善真正完成的标志，不是某一天的数据变好了，而是新的过程能够持续产生较好的结果。
这个案例真正值得企业学习什么？
优思学院认为，这个案例最值得参考的地方，并不是某一种统计工具，也不是照着案例企业的改善措施重新做一次，而是它处理问题的思路。
企业最初看到的是订单下降、退货增加、库存和成本等经营结果，但继续分析以后，问题逐渐落到生产过程、设备、材料、人员和管理方法上。这就是六西格玛很重要的一种思维方式：把一个模糊的经营问题逐渐转化成可以测量、可以分析、可以改善的过程问题。
不过，我们也不应该因为一个企业改善成功，就简单认为「导入六西格玛一定能够提升利润」。企业经营结果同时受到市场需求、产品竞争力、供应链、管理能力等很多因素影响。六西格玛更擅长解决的是那些能够被定义、测量和分析的过程问题。
如果问题本身来自产品已经失去市场需求，再漂亮的DMAIC项目也无法创造客户。但如果企业面对的是不良率高、返工多、周期长、过程波动大、设备表现不稳定等问题，六西格玛就很有发挥空间。
从「处理不良品」走向「改善产生不良的过程」
传统质量管理很容易把注意力放在最终结果上：今天产生多少不良品、客户退回多少产品、检验发现多少缺陷。
六西格玛则会继续向前追问：这些不良是怎样产生的？哪些输入因素正在影响结果？这种关系能不能通过数据验证？改变这些因素以后，结果是不是真的改善了？改善以后又怎样维持？
这也是这个电子制造案例带给我们的启发。
降低不良率当然重要，但企业真正需要建立的，是一个能够持续发现问题、分析原因、实施改善并控制结果的系统。当生产过程变得更加稳定，质量、产能、交货和成本往往也会随之改善。
六西格玛的价值，不是让企业拥有更多统计图表，而是让企业在面对问题时，能够少一点猜测，多一点证据。
