3-3

大家好 这一讲是一些 额外内容我想再讲一下
正态分布 然后我要讲一下它在
商业实践中的情况 这和被称为六西格玛的质量控制相关
六西格玛是在摩托罗拉发展起来的过程有很长时间了
几十年以前 它的目的是让生产流程更好预测
从而使我们犯更少的质量错误为了理解我们要讲的内容
让我们先回顾一下什么是西格玛然后我们再来解释什么是六个西格玛
记得我们有一个正态分布我们有一个平均值
有这些标准差 这些西格玛一个标准差
两个标准差 等等还有 在68%的情况下
结果将落在一个标准差内95%的情况下
结果位于两个标准差之间那么 有多大可能 结果会在六个标准差之间?
如果我到这里 六个标准差
我想大概要更那边结果处在其间的频率有多高?
答案是 我掉出这个区间的可能性是百万分之3.4
这意味着 几乎没有办法让我
处于六个西格玛之外 六个西格玛太大或者六个西格玛太小
那就是核心概念我要用一个例子来解释这个概念
然后把它放在生产中了解它如何运用在生产中
我们来看个例子 回到杂货店上来假设我有一家杂货店
卖香蕉 平均说来我每天能卖500跟香蕉
我保存了数据 它是一个正态分布 标准差是10
我想要的情况是 如果我具有任何
六个西格玛之内的数据香蕉就不会缺货
这很好解决 因为西格玛等于10那就意味着
六个西格玛就是60 如果我想要处在六个西格玛内的任何地方
就没问题 我要做的就是手头保证有560磅的香蕉
这样的话即使我遇到4个西格玛的事件5个西格玛的事件
5.8个西格玛的事件 我还是可以应付过来我的香蕉都不会缺货 所以
就是这个意思 对吧?你想要的情况是即使你遇到六个西格玛的事件
一切还是没问题 那么我们来看看这怎么运用到生产 假设我
制造某个金属零件 这个金属零件的尺寸在500-560毫米之间 这是我的
范围 在此范围内的零件都合格 但是如果超过这个范围
这个零件就不能用 我可能是制造电话的 我也可能是制造汽车门的
不管是什么吧 现在假设造成生产出来的门比我们想要的
要厚一点或者薄一点的是大量随机事件
叠加而成的 我有一个正态分布我应该能够
制定我的的生产流程 以使我得到平均值正好落在中间
所以我们得到530 它处在中心现在我希望出现的情况是
即使我有六个西格玛的标准差仍然没有问题
这也不是很难解决我们可以这样 这是我的分布
530是平均值 并且是一条钟形曲线我画的不是很标准的钟形曲线
我希望在六个西格玛之内的情况
都没问题 那么 560到500就得是我的六个西格玛的范围 所以这边
是加六个西格玛 那边是减六个西格玛六个西格玛是平均值加30
这边是560减去530等于30 这说明我只需要六个
西格玛等于30 如果六个西格玛等于30那意味着一个西格玛等于5
这是什么意思呢?这说明如果我运营这个公司 如果我制造这些
金属零件 我希望我的标准差
我记录零件的标准差时我想要尽我所能
让它降低到5 而如果我能使它降到5那么如果发生小于6个
西格玛的事件 我生产的零件仍然能用我要怎么让标准差降到5呢?这并不
简单 你需要持续地改进质量 所以说真正的
管理实践并不只是计算标准差然后找出什么是
六个西格玛 而是需要做很多非常艰巨的工作来使得西格玛
降到5 有可能一开始你的西格玛是30
或者20之类的通过不断改进
你把你的西格玛降下来 降到足够小 这样 即使一些
非常糟糕的事情发生了 流程也仍然能运作零件也仍然能用 而你也不必
做大量的召回这就是六个西格玛思维
六个西格玛就是告诉我们 我们可以使用这个概念 这个关于
正态分布和它的标准差的模型来指导我们如何运作
生产流程 那样我们就能发现原来我们正在犯
大量的错误 如果我们犯这种水平的错误 我们就会经常生产出
不合格的零件 然而 如果我们能够降低差值 通过减少差值
流程就几乎能一直正常运作我们生产的零件就能适用于任何
它们应该适用的部件中 那么至少这又是一个例子 告诉我们如何
使用这些集合体这些技术、工具
并且使用的方式是我们最初怎么也不会想到的谢谢大家

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,015评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,262评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,727评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,986评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,363评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,610评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,871评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,582评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,297评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,551评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,053评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,385评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,035评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,079评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,841评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,648评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,550评论 2 270

推荐阅读更多精彩内容