6σ（六西格瑪）到底能為企業帶來什么？它的未來又在哪里？

　　第一、它彌補了我們在質量技術上的不足

　　如果把精益六西格瑪定位為一種質量技術，那個“質量”一定是“大質量”的概念，不僅僅是產品質量，還包括工作質量、管理質量等。六西格瑪最早的方法論是DMAIC，側重于過程改進，后來又經過發展，產生了六西格瑪設計（DFSS）的概念，DFSS的方法論主要根據不同的企業特點出現了DMADV、DMADOV、IDDOV等幾十種方法論，也許未來還會增加。而每一種方法論都整合了大量管理和統計分析工具，并不斷地完善和發展，對企業的質量管理起到了很大的促進作用。后來與精益生產相結合，產生了精益六西格瑪的概念，但方法論并沒有變化，只是融合了更多的工具以更好地適應精益類問題。

　　從世界質量管理的發展史上看，曾經有一個階段叫統計質量控制階段，這個階段在質量管理上過度依賴統計分析技術和統計專家而忽略了全員的作用，所以后來才有全面質量管理階段的誕生，但這并不能否定統計分析技術的作用，而恰恰相反，統計分析技術是質量問題分析和改進最重要的手段，是質量技術的理論核心。而統計分析技術也恰恰是中國企業質量管理的短板，精益六西格瑪恰好能彌補我們這個缺陷，但前提是我們要真正懂得如何利用這些統計分析技術，可以分兩步來看：用正確的工具和把工具用正確。

　　第二、制造業的信息化和智能化將給精益六西格瑪提供更大的施展空間

　　信息化和智能化是未來制造業的發展趨勢，而信息化和智能化的結果必定會使過程自動化，人在制造過程的參與越來越少，影響越來越小，而對質量的管理也將越來越多的把精力集中在過程的管控上，因為機器是不能考核的，也從來不會對結果負責。而要談對過程的測量、分析和改進，沒有任何方法會比精益六西格瑪更有效，所以未來精益六西格瑪應用的空間一定會越來越大，越來越能發揮其獨特的優勢。

　　第三、大數據時代對精益六西格瑪提出新的挑戰

　　大數據時代的影響已經不僅僅是互聯網和信息產業，對傳統制造業的沖擊也是不容忽視的，如何在大數據中提取價值是任何組織都不能忽視的問題，公司的兩化融合正在推進，物聯網已經不再是概念，我們應該如何分析物聯網中的大量的數據，如何從這些數據中提取有用的信息，這也是對精益六西格瑪提出的挑戰，我曾嘗試過對物聯網數據進行分析，以目前精益六西格瑪黑帶水平常用的統計分析工具，只能做些簡單的圖形分析，想深入分析卻很難，因為這些數據格式不符合常用六西格瑪工具的分析要求。因此，要挖掘這些數據的價值，可能要從兩個方向著手：一個是設定更加合理的抽樣方式，以使得數據樣本符合分析要求，一個是找到更好的方式處理這些數據。當然，前提是我們要清楚，我們想從這些數據中獲取哪些有價值的信息。

　　第四、精益六西格瑪應與企業現有體系融合

　　也許這就是我認為的精益六西格瑪最好的歸宿，融合不等于消失，而是真正成為了文化的DNA。比如說FMEA（失效模式及影響分析），在現在的精益六西格瑪項目中，我們只把它看作分析設計或制造過程風險的一個工具，我們做的FMEA分析也只停留在項目文檔中，而FMEA更大的意義在于故障模式的管理，形成關于故障模式的知識庫，不僅能夠指導新產品開發、避免風險，而且能夠依據FMEA建立可靠性模型，進行可靠性分析，指導維修服務等?？梢哉f，很多工具都是先于精益六西格瑪出現的，都可以單獨用來分析和解決問題，只不過我們是以精益六西格瑪的方式引入的，而這些工具的應用，最終也應該融入現有體系中，常態化的應用，不再是只有在做精益六西格瑪項目時才用，這樣才是真正的融合。精益六西格瑪項目也不應該固守現有的模式，應簡化過程，迅速解決問題，精益六西格瑪是幫助我們解決問題的，絕對不應該成為我們的負擔。

　　解決問題之道

　　也許有很多人并不認可精益六西格瑪，但我們都痛恨為什么很多質量問題總是重復出現，為什么產品的可靠性跟標桿企業差距那么大，憑什么我們只能是制造大國而不能是制造強國，準確地說是低端組裝大國，也許我們應該靜下心來，無論用什么方法，先把基礎工作做好！