Sześć sigma - Pojęcie (od pewnego czasu) niejednoznaczne

F O L I A O E C O N O M I C A C R A C O V I E N S I A

Vol. LIV (2013) PL ISSN 0071-674X

SZEŚĆ SIGM A

— POJĘCIE (OD PEWNEGO CZASU) NIEJEDNOZNACZNE

JERZY W AW RZYNEK

Wyższa Szkoła Handlowa w e Wrocławiu e-mail: jerzy.wawrzynek@handlowa.eu

ABSTRACT

J. Wawrzynek. Six sigma — an ambiguous concept (for some time past). Folia Oeconomica Cracoviensia 2013, 54: 81-92.

Since the nineties of the tw entieth century in the literature about quality m anagem ent one can m eet the concept "six sigma", "6 sigma" or "6 a". This expression "6 sigma", "6 a" all the time b e­ longs to the vocabulary of probability and statistics. But n ow this expression is used very often in tw o new m eanings elaborated in the field of quality management.

In the frame of probability and statistics the concept "6 sigma" is connected w ith the length of the so called three sigma interval fulfilling the rule of three standard deviations. In the quality m anagem ent dom ain the term "6 a" is used in tw o distinct sense. The first of the tw o m eanings concerns the measuring of quality level using the so called process capability indices. The last of the new m eaning of "6 sigma" denotes a class of quality m anagem ent m ethods and techniques oriented to enterprise financial effectiveness.

In this note the concise characterization of every of the three m eanings of the "six sigma" con­ cept is given.

STRESZCZENIE

Począwszy od lat dziewięćdziesiątych XX w ieku w piśmiennictwie z dziedziny zarządzania jako­ ścią, a nawet w materiałach reklamowych i folderach, pojawia się termin „sześć sigma", „6 sigma" lub „6 a", który naw et w polskojęzycznych publikacjach jest często wypierany przez angielskie "six sigma". Pojęcie „6 sigma", „6 a" mieści się od dawna w kanonie klasycznych pojęć rachunku prawdopodobieństwa i statystyki, natomiast w obszarze zarządzania jakością pojawia się w dw u innych odm iennych znaczeniach, najpierw jako wartość miary zdolności procesu produkcyjnego do spełnienia w ym agań jakościowych określonych w projekcie w yrobu, a ostatecznie jako określe­ nie pew nego systemu m etod i technik zarządzania jakością. W tej notce scharakteryzowany jest krótko sens tego pojęcia w każdym z trzech w yodrębnionych tu znaczeń.

W klasycznej terminologii pojęć probabilistyczno-statystycznych termin „6 sigma" kojarzony jest z długością przedziału trzysigm ow ego konstytuującego prawo trzech odchyleń standar­ dowych. To podstaw ow e znaczenie tytułow ego pojęcia — w obec prawdziwej inwazji pozostałych znaczeń — zostaje przypomniane i skom entowane w części pierwszej tej notki.

D w a inne znaczenia pojęcia „6 sigma" rozpow szechnione w obszarze zarządzania jakością opisane są krótko w pozostałych częściach pracy. I tak, w części drugiej notki wyjaśniono znac­ zenie terminu „six sigma" jako wartości miary zdolności procesu produkcyjnego do spełnienia w ym agań jakościowych określonych w projekcie wyrobu, co um ożliwia obiektywną ocenę pozi­ om u jakości w organizacji. Z kolei w części trzeciej opisano zastosowanie pojęcia „sześć sigma" jako nazw y pew nego finansowo efektyw nego systemu m etod i technik zarządzania jakością w or­ ganizacji.

KEY W O R D S — SŁOWA KLUCZOWE

quality m anagem ent, statistics, three sigma rule (3 sigma interval), process capability measures, defects per million opportunities, six sigma, DMAIC m ethod

metoda DMAIC, miary zdolności procesu, prawo trzech odchyleń standardowych (przedział 3 sigma), statystyka, strategia przełomu, sześć sigma, zarządzanie jakością

1. W PRO W A D ZEN IE

W piśm iennictw ie z dziedziny zarządzania jakością, a naw et w m ateriałach re­ klam owych i folderach, pojawia się od lat dziewięćdziesiątych XX wieku term in „sześć sigma", „6 sigma" lub „6 a", w ypierany zresztą w polskojęzycznych p u ­ blikacjach coraz częściej przez angielskie „six sigma". Pojęcie „6 sigma", „6 a" za­ w iera się od daw na w kanonie klasycznych pojęć rachunku p raw d o p o d o b ień ­ stw a i statystyki, natom iast w obszarze zarządzania jakością pojaw ia się w d w u znaczeniach, najpierw jako wartość m iary zdolności procesu produkcyjnego do spełnienia w ym agań jakościowych określonych w projekcie wyrobu, a osta­ tecznie jako określenie pew nego system u m etod i technik zarządzania jakością. W dalszym ciągu zam ierzam y opisać krótko sens tego pojęcia w każdym z trzech w yodrębnionych tu znaczeń.

2. TRADYCYJNE ZN A CZEN IE PROBABILISTYCZNO-STATYSTYCZNE W statystyce opisowej funkcjonuje tzw. praw o trzech odchyleń standardow ych (praw o trzech sigm), które m ożna wyrazić następująco: „W typow ym materiale statystycznym w przedziale [x - 3s, x + 3s], gdzie x oznacza średnią arytm etyczną n obserwacji cechy mierzalnej X, podczas gdy s oznacza odchylenie standardow e tych obserwacji w próbie n — elem entowej, zawierają się na ogół wszystkie ob­ serwacje". Prawo to posługując się takimi sform ułow aniam i jak: „typowy m ateriał statystyczny" i „na ogół wszystkie obserwacje" m a charakter nieostry, rozmyty.

W rachunku praw dopodobieństw a odpow iednikiem przedziału [x - 3s, x + 3s] jest przedział [EX - 3a, E X + 3a], gdzie EX oznacza wartość oczekiwaną, n a to ­ m iast a oznacza odchylenie stan dard o w e zm iennej losowej X . Z nierówności Czebyszewa, zob. np. Fisz (1958), wiadom o, że dla dowolnej zm iennej losowej X o skończonych d w u pierw szych m om entach jej realizacje zawierają się w

prze-83 dziale [EX - 3s, EX + 3s] z praw do p od o b ień stw em ró w n y m co najm niej 8/9. N a przykład dla zm iennej X o rozkładzie norm alnym jej wartości mieszczą się w przedziale [EX - 3s, EX + 3s] z p raw dopodobieństw em około 0,9973. Z kolei dla zm iennej X o rozkładzie jednostajnym na odcinku [a, b] jest EX = (a + b)/2 i s 2 = (b - a)2/12, skąd łatw o obliczyć, że zbiór [a, b] wartości zm iennej X o ro z­ kładzie jednostajnym jest podzbiorem zbioru [EX - 3s, E X + 3s], wobec czego realizacje tej zm iennej mieszczą się w przedziale [EX - 3s, E X + 3s] z p ra w d o ­ podobieństw em 1. Interesujące jest i n ietru d n o to pokazać, że dla zm iennej X o rozkładzie dw um ianow ym z param etram i n i p wszystkie wartości tej zmiennej — od 0 do n - mieszczą się w przedziale [EX - 3s, EX+3s] tylko w przypadku, gdy n = 9 i p = Y.

W praktyce statystycznej przedział [- - 3s, - + 3s] jak i przedział [EX - 3s, EX + 3s] nazyw ane są przedziałam i trzysigmowymi. Oczywiście ich długość w y­ nosi odpow iednio 6s i 6s. Stąd też w klasycznej term inologii probabilistyczno- -statystycznej term in „6 sigma" kojarzony jest z długością przedziału trzysigmo- wego konstytuującego praw o trzech odchyleń standardow ych.

3. SIGM A — JEDNOSTKA MIARY Z D O L N O Ś C I PRO CESU W YTW ARZANIA D O ZA PEW N IEN IA WYSOKIEJ JAKOŚCI PR O D U K TU Jakość określonego (aktualnie w ytw arzanego, now ego lub m odyfikowanego) p ro d u k tu jest m.in. funkcją pew nej liczby m ierzalnych wielkości Y1, ..., Ys, zw a­ nych param etram i projektowym i. W dokum entacji technicznej danego p ro d u k tu określona jest dla każdego Y{ odpow iednia wartość liczbowa t{ (i = 1, ..., s) zw ana wartością docelową, zob. np. Iwasiewicz (1999); lub wartością p o żąd an ą (target value) p aram etru projektow ego Yi. Równocześnie z tym , specyfikacja tech n o ­ logiczna p ro d u k tu określa dla każdego Yi (i = 1, ..., s) pew ien przedział [ai, bi], zw any przedziałem tolerancji technologicznej. Dolna granica przedziału [ai, bi] jest nazyw ana dolną granicą tolerancji (DGT), natom iast granica górna — górną granicą tolerancji (GGT). W praw dzie ai< ti<bi dla każdego i = 1, ..., s, ale wartość pożądana ti nie m usi być ró w n a środkowi przedziału tolerancji [ai, bi], a w skraj­ nych przypadkach m oże być np. ti = ai albo ti = bi. P rzypadek ti ^ (ai + bi)/2 oraz p rzy p ad ek ti = (DGT + GGT)/2 zilustrow ano też na rys. 1.

W odniesieniu do p aram etru projektow ego Yi (i = 1, ..., s) jego wartość d o ­ celową ti interpretuje się w ten sposób, że jeśli Y{ = t{, to dany p ro d u k t odznacza się ze w zględu na Y{ najw yższą jakością. Z kolei, jeśli wartość Y{ e [a,, bi], to ze w zględu na param etr Yi p ro d u k t spełnia wym ogi technologiczne, natom iast jeśli Yj nie mieści się w granicach przedziału tolerancji, to dany egzem plarz p ro d u k tu traktow any jest jako brak.

W praktyce zarządzania jakością doskonale znany jest problem zdolności rzeczywistego procesu w ytw arzania danego p ro d u k tu do spełnienia w ym agań

jakościowych założonych w dokum entacji projektowo-konstrukcyjnej tego p ro ­ duktu. Może się bow iem okazać, że zamieszczone w dokum entacji technicznej specyfikacje wartości pożądanych ty ..., ts oraz przedziałów [flj, b1], ..., [as, bs], gw arantujące wysoką jakość p ro d u k tu ze w zględu na wielkości Yj, ..., Ys, są bar­ dzo tru d n e do spełnienia w realnych w aru n k ach technicznych konkretnego przedsiębiorstwa. Stopień tych trudności m ożna ocenić przez pom iar zdolności realnego procesu w ytw arzania do spełnienia w ym agań jakościowych założonych w projekcie danego produktu. Ponieważ na poziomie procesu w ytw arzania da­ nego p ro d u k tu każda z wielkości Yj, ..., Ys charakteryzujących jego jakość m oże być interpretow ana jako zm ienna losowa, to w odniesieniu do wybranej zm ien­ nej Y, m iara zdolności procesu po w in n a być funkcją uwzględniającą relację p o ­ m iędzy przedziałem tolerancji (i wartością docelową) a rozkładem em pirycznym tej zm iennej losowej.

at Ti bi

l_______ l____________________________________ l

DGT _GGT

Rys. 1. Przykładowe położenia wartości docelowej t, w przedziale tolerancji

Podstawowa m iara zdolności procesu do spełnienia projektowych w ym agań jakościowych pro duktu odnośnie param etru projektowego Y w yraża się wzorem:

G G T - D G T , (j)

6a

gdzie s oznacza odchylenie standardow e rozkładu em pirycznego zmiennej loso­ wej Y .

Łatwo zauważyć, że Cp = 1, gdy długość GGT - DGT przedziału tolerancji jest rów na 6s; Cp = 1,33, gdy GGT - DGT = 8s; Cp = 1,67, gdy GGT - DGT = 10s; a Cp = 2, gdy GGT - DGT = 12s. Rozpow szechniona w literaturze (por. np. Rao i in. (1996) oraz T hom pson i in. (2005)) konwencja oceny poziom u jakości p ro ­ duktu za pom ocą m iary Cp jest następująca: jeśli Cp = 1 lub nieco więcej, to jakość znajduje się na poziom ie 3s; jeśli Cp = 1,33 lub nieco więcej, to m am y do czy­ nienia z jakością na poziom ie 4s; jeśli Cp = 1,67 lub nieco więcej, to jakość znaj­ duje się na poziom ie 5s; zaś jeśli Cp > 2, to osiągnięto lub przekroczono poziom jakości 6s. Ta konwencja w yznacza em pirycznem u odchyleniu standardow em u s zm iennej Y rolę jednostki m iary zdolności procesu w ytw arzania do zapew nienia wysokiej jakości p ro d u k tu (przynajm niej ze w zględu na w ybraną zm ienną Y ), a jednocześnie propaguje term in „sześć sigma" jako synonim jego znakomitej ja­ kości.

85 N a rysunkach 2-5 zilustrow ano w pływ na zm ianę wartości Cp i poziom u ja­ kości oraz zmieniające się p raw dopodobieństw a Pb w ytw orzenia braków w roz­ patryw anych przypadkach, gdy rozkład em piryczny zmiennej Y jest w każdym z czterech procesów rozkładem norm alnym o — centralnie uplasow anej wzglę­ dem przedziału tolerancji — wartości oczekiwanej EY = (DGT+DGT)/2 oraz sta­ łej wartości s, podczas gdy długość przedziału tolerancji w kolejnych procesach zwiększa się od 6 s — poprzez 8 s i 10s — do 12s.

Rys. 2. Rozkład normalny zmiennej Y o wartości oczekiwanej E Y = (DGT + DGT)/2 w przypadku GGT - DGT = 6s oznacza, że Cp = 1 (jakość na poziomie 3o) oraz Pb = 0,0027

Rys. 3. Rozkład normalny zmiennej Y o wartości oczekiwanej E Y = (DGT + DGT)/2 w przypadku GGT - DGT = 8a oznacza, że Cp = 1,33 (jakość na poziomie 4o) oraz Pb = 0,000063

Rys. 4. Rozkład normalny zmiennej Y o wartości oczekiwanej EY = (DGT + DGT)/2 w przypadku GGT - DGT = 10a oznacza, że Cp = 1,67 (jakość na poziomie 5a) oraz Pb = 0,00000057

Rys. 5. Rozkład normalny zmiennej Y o wartości oczekiwanej EY = (DGT + DGT)/2 w przypadku GGT - DGT = 12& oznacza, że Cp = 2 (jakość na poziomie 6a) oraz Pb = 0,000000002

Zastosow anie m iary (1) w celu pom iaru zdolności procesu do spełnienia za­ projektow anych w ym agań jakościowych oraz ocena poziom u jakości p ro d u k tu za pom ocą — wynikającej z dokonanego pom iaru — odpow iedniej w ielokrot­ ności jednostki s posiada dwie zasadnicze w ady uniemożliwiające jednoznaczną interpretację i porów nyw alność otrzym anych wyników. Pierw sza z nich p o ­ lega na tym, że dla d w u różnych procesów w ytw arzania (opisanych przez dw a różne rozkłady em piryczne zm iennej procesowej), w których jed n a k p ra w d o ­ podobieństw a Pb w ytw orzenia braków są takie same, wartości m iary Cp m ogą się różnić i tym sam ym poziom jakości obu procesów może zyskać paradoksal­ nie inną ocenę. D ruga z w ad polega na tym , że przy jednakow ych wartościach GGT - DGT i s dla d w u różnych procesów (opisanych przez dw a różne rozkłady empiryczne), czyli dla różnych procesów o tej samej wartości Cp, p raw d o p o d o ­ bieństw a Pb w ytw orzenia braków w poszczególnych procesach m ogą się istotnie różnić. Wady te wynikają stąd, że m iara Cp uw zględnia w pływ rozkładu em pi­ rycznego zmiennej Y na zdolność procesu oraz poziom jakości p ro d u k tu jedynie poprzez odchylenie stan d ard ow e s tego rozkładu, ignoruje je d n a k całkowicie typ rozkładu em pirycznego i wartość oczekiwaną zm iennej Y .

W ymienione w ady m iary (1) eliminuje w p ew n y m stopniu skorygow ana m iara zdolności procesu

^ min(GGT - E Y , E Y - D G T)

Cpk --- , (2)

3 a

która uw zględnia w pływ rozkładu em pirycznego zmiennej Y na zdolność p ro ­ cesu oraz poziom jakości p ro d u k tu nie tylko poprzez odchylenie standardow e s, ale także przez wartość oczekiwaną EY zm iennej Y. M ożna pokazać, że Cpk < Cp, przy czym Cpk = Cp w ted y i tylko wtedy, gdy EY = (DGT + DGT)/2. Warto też za­ uważyć, że przy ustalonych wielkościach DGT, DGT i s , wartości skorygowanej m iary zdolności Cpk są tym mniejsze, im bardziej param etr EY rozkładu em pi­ rycznego zm iennej Y różni się od środka (DGT + DGT)/2 przedziału tolerancji

dla Y. W sytuacji, gdy E Y ^ (DGT + DGT)/2, wielkość różnic pom iędzy w a rto ­ ściami Cp i Cpk, a w konsekwencji istotność różnic w ocenie poziom u jakości za pom ocą m iar Cp i Cpk p o d ano na rys. 6-9 dla em pirycznego rozkładu norm alnego zm iennej Y z param etram i EY = (DGT + DGT)/2 + 1,5s oraz s i czterech różnych długości przedziału [DGT,DGT]. Dla każdego z tak scharakteryzow anych p ro ­ cesów p o d an o też praw d o p od o bień stw a Pbk w ytw orzenia braków w poszcze­ gólnych procesach. Są one oczywiście większe od podanych p o d rys. 2-5 praw ­ dopodobieństw Pb w ytw orzenia braków w analogicznych procesach o wartości oczekiwanej EY = (DGT + DGT)/2 uplasow anej w środku przedziału [DGT,DGT]. Stąd też w celu realistycznej oceny poziom u jakości i stopnia zdolności procesu do spełnienia w ym agań odnośnie jakości p ro d u k tu należy w tych n ad er częstych p rzypadkach praktycznych, gdy EY ^ (DGT + DGT)/2, postulow ać zastosowanie m iary (2).

Jak już w spom niano, w praktyce rzadko m a miejsce sytuacja idealnej sy­ metrii, polegająca na centralnym uplasow aniu rozkładu em pirycznego

zmien-Rys. 6. Rozkład normalny zmiennej Y o wartości oczekiwanej E Y = (DGT + DGT)/2 + 1,5o w przypadku GGT - DGT = 6s oznacza, że Cpk = 0,5 oraz Pbk = 0,066803, podczas gdy ignorująca

przesunięcie parametru EY o 1,5a miara Cp = 1 sugeruje jakość na poziom ie 3a.

Rys. 7. Rozkład normalny zmiennej Y o wartości oczekiwanej E Y = (DGT + DGT)/2 + 1,5s w przypadku GGT - DGT = 8a oznacza, że Cpk = 0,833 oraz Pbk = 0,0062, podczas gdy ignorująca

Rys. 8. Rozkład normalny zmiennej Y o wartości oczekiwanej E Y = (DG + DGT)/2 + l,5a w przypadku GGT - DGT = 10& oznacza, że Cpk = 1,167 oraz Pbk = 0,000233, podczas gdy ignorująca przesunięcie parametru E Y o 1,5a miara Cp = 1,67 sugeruje jakość na poziom ie 5o.

Rys. 9. Rozkład normalny zmiennej Y o wartości oczekiwanej E Y = (DGT + DGT)/2 + 1,5a w przypadku GGT - DGT = 12s oznacza, że Cpk = 1,5 oraz Pbk = 0,0000034, podczas gdy ignorująca

przesunięcie parametru E Y o 1,5a miara Cp = 2 sugeruje jakość na poziom ie 6o.

nej Y w przedziale tolerancji technologicznej, gdyż zwykle EY ^ (DGT + DGT)/2. Mimo to poziom jakości procesu i p ro d u k tu określa się — także ze w zględów m arketingow ych — za pom ocą m iary Cp. Wobec opisanych wcześniej w ad m iary (1) dołącza się do deklaracji o osiągniętym poziomie jakości wyjaśnienie, że w konkretnym procesie wartość oczekiwana EY zmiennej Y m oże znajdow ać się w przedziale od (DGT + DGT)/2 - 1,5s do (DGT + DGT)/2 + 1,5s, uzupełnione informacją o oczekiwanej liczbie braków (wad) przypadających na 1 milion jed ­ nostek pro d u k tu , której m ożna się spodziew ać — odpow iednio na poziomie 3s, 4s, 5 s i 6 s — w sytuacji optym alnej, gdy EY = (DGT + DGT)/2 oraz w sytu­ acji ekstremalnej, gdy EY = (DGT + DGT)/2 ± 1,5s. Ta oczekiwana liczba braków (wad) nazyw ana jest wskaźnikiem DPMO (Defects Per Million Opportunities) i ob­ licza się ją m nożąc praw dopodobieństw a Pb lub Pbk przez milion. W ymienione informacje (rozproszone dotąd w w yjaśnieniach p o d rys. 2-9) zaprezentow ano w tabeli 1.

89

Tabela 1 Liczba w ad przy wielkości produkcji 1 milion jednostek jako funkcja położenia wartości

oczekiwanej zmiennej Y i przedziału tolerancji

Poziom jakości E Y = (DGT + GGT)/2 EY = (DGT + GGT)/2 ± 1,5a

r H l C £ 2 700 66 803 4s (Cp = 1,33) 63 6 200 1, p C ( p 0 _{0,57 233} 6a (Cp = 2) 0,002 3,4 Źródło: opracowanie własne na podstawie Rao i in. (1996).

Z tabeli 1 widać, że przedziały dopuszczalnych wartości w skaźnika DPMO dla każdej pary sąsiadujących poziom ów jakości są nierozłączne, np. przedział wartości DPMO od 63 do 6200 dla poziom u 4 s nie jest rozłączny z przedziałem od 0,57 do 233 dla poziom u 5s. Nierozłączność ta oznacza, że rozw iązanie p ro ­ blem u określania poziom u jakości w rozpow szechnionej dziś praktyce budzi za­ strzeżenia ze w zględu na braku jednoznaczności. Spośród wielu nasuw ających się tu możliwości eliminacji niedostatków stosowanej do tąd pro ced u ry — m ożna zaproponow ać dw a następujące rozw iązania:

A. N ależy stosow ać wyłącznie skorygow any indeks zdolności procesu Cpk i przyjąć następującą konw encję oceny poziom u jakości p ro d u k tu za p o ­ m ocą m iary Cpk: jeśli 1 < Cpk < 1,33, to jakość znajduje się na poziom ie 3s; jeśli 1,33 < Cpk < 1,67, to m am y do czynienia z jakością na poziom ie 4s; jeśli 1,67 < Cpk < 2, to jakość znajduje się na poziom ie 5s; zaś jeśli Cpk< 2, to osią­ gnięto lub przekroczono poziom jakości 6s.

B. Nie bacząc na wartości Cp lub Cpk przyjąć, że jakość jest na poziom ie 3s, jeśli 6200 < DPM O < 66803; na 4s, jeśli 233 < D P M O < 6200; na 5s, jeśli 3,4 < DPMO < 233; na poziomie 6s, jeśli DPM O < 3,4.

4. S IX SIG M A — SYSTEM M E T O D I T E C H N IK ZA RZĄDZANIA JAKOŚCIĄ

Termin „sześć sigma", „6 sigma" lub "six sigma" określający nazw ę specyficz­ nego system u zarządzania jakością pojaw ia się w krajowych publikacjach, także w tytułach lub podtytułach książek (por. np. Harry, Schroeder (2001); Pande i in. (2003); T hom pson i in. (2005)) niem al wyłącznie w wersji "Six Sigma" jako nazw a w łasna systemu.

Zdolność spełnienia projektow ych w ym agań odnośnie jakości w yrobu na etapie rzeczywistego procesu jego produkcji, a w yrażona miaram i zdolności Cp

lub Cpk, zainspirow ała autorów program u napraw czego zainicjowanego w roku 1987 w przeżywającej w ów czas ostry kryzys finansow o-organizacyjny zn a­ nej firmie Motorola, do użycia n azw y Six Sigma jako określającej adekw atnie zam ierzony cel tegoż p rogram u w dziedzinie p o p raw y jakości. Metody, środki i narzędzia organizacyjno-m enedżerskie, techniczne i statystyczne zastosowane w ram ach tego program u spow odow ały drastyczne obniżanie się odsetka w ad i braków w procesach firmy i jej p roduktach aż do osiągnięcia w roku 1992 naj­ wyższej jakości na docelow ym poziom ie 6 odchyleń standardow ych. Efektyw­ ność zastosow anego w firmie Motorola program u napraw czego skłoniła innych potentatów nowoczesnej technologii, takich jak np. Boeing lub IBM do włączenia technik zastosow anych w program ie Six Sigma do system ów m etod ciągłego d o ­ skonalenia jakości obowiązujących w tych koncernach.

H arry i Schroeder (2001) definiują Six Sigma jako proces gospodarczy um oż­ liwiający radykalną pop raw ę w yników finansow ych organizacji dzięki p lan o ­ w aniu i kontrolow aniu przebiegu pracy w sposób, który pozw ala zm inim alizo­ wać zużycie surow ców i pow staw anie odpadów , a jednocześnie prow adzący do większej satysfakcji klientów.

Pande, N eum an i C avanagh (2003) określają Six Sigma jako kom pleksowy i elastyczny system osiągania, utrzym yw ania i m aksym alizowania sukcesu w biz­ nesie, kierow any zrozum ieniem potrzeb klientów, zdyscyplinow anym wykorzy­ staniem faktów, danych i w yników analiz statystycznych, którego podstaw ą jest zarządzanie, uspraw nianie i ciągłe tw orzenie now ych, coraz doskonalszych ro z­ w iązań w odniesieniu do wszelkich procesów (nie tylko podstaw ow ych, ale rów ­ nież pomocniczych) w organizacji.

W praktyce przedsiębiorstw m etoda Six Sigma koncentruje się na tzw. strate­ gii przełom u. Strategia przełomu w koncepcji Six Sigma jest ściśle u porządkow aną m etodą rozw iązyw ania długotrw ałych problem ów dotyczących nieodpow iedniej jakości. M etoda ta zdefiniow ana jest jako ciąg 8 ściśle określonych etapów reali­ zow anych na 3 poziomach: poziomie przedsiębiorstw a, poziom ie operacyjnym oraz poziom ie procesu. Kolejne etapy strategii przełom u to (por. np. Rao i in. (1996); T hom pson i in. (2005)):

1. Rozpoznanie stanu przedsiębiorstw a lub problem ów operacyjnych, iden ty ­ fikacja kluczow ych klientów i procesów. N a poziomie procesu etap ten nie występuje.

2. Definiowanie (Define) w ym agań klientów i wynikających stąd planów p o ­ praw y w yników organizacji oraz odpow iadających im projektów Six Sigma. Obejmuje ono m.in. zdefiniow anie cech krytycznych dla jakości oraz zdefi­ niow anie i zatw ierdzenie projektu w odpow iednim obszarze.

3. Pomiar (Measure) cech krytycznych dla jakości, pom iar procesów, system ów przedsiębiorstw a i efektów realizacji projektów Six Sigma.

4. Analizę (Analyse) danych przy zastosow aniu m etod statystycznych, obejm u­ jącą ocenę zmienności procesu, porów nanie osiągniętego w yniku w relacji do

91 zaplanow anego celu oraz analizę sytuacji organizacji w kontekście benchmar- kingu.

5. Poprawianie (Improve), polegające na podjęciu działań zorientow anych na wyelim inow anie ujaw nionych problemów. U spraw nianie dotyczy system u zarządzania organizacją, system u realizacji projektów Six Sigma, a w szcze­ gólności eliminacji przyczyn zmienności procesowej.

6. Kontrola (Control) skuteczności przyjętych u sp raw n ień dla w yniku finanso­ w ego organizacji. W p rzy p ad k u zadowalającej rentow ności zapew nienie stałości zaakceptow anych rozw iązań w sferze system u zarządzania przedsię­ biorstw em oraz system u realizacji Six Sigma, a także m iar zdolności i opty­ m alnych wartości param etrów procesów.

7. Standaryzacja najlepszych rozwiązań.

8. Integracja najlepszych rozw iązań z system em zarządzania jakością, a naw et z procesem planow ania strategicznego przedsiębiorstwa.

Pierwsze litery angielskich nazw define, measure, analyse, improve i control eta­ p ó w od 2 do 6 tw orzą skrót DMAIC. Etapy od 2 do 6 strategii przełom u, czyli metoda DMAIC — w przeciwieństwie do opcjonalnego charakteru kroków 1, 7 i 8 — stosow ana jest w m etodologii Six Sigma w sposób obligatoryjny niezależnie od tego, czy strategia przełom u realizow ana jest na poziomie firmy, na poziomie operacyjnym czy też na poziomie procesu. C entralną rolę i niezbędność m etody DMAIC dla strategii przełom u określa się też eufem izm em „pięć kroków do suk­ cesu".

W literaturze (por. np. H arry i Schroeder (2001); Pande i in. (2003)) poświęco­ nej metodologii Six Sigma podkreśla się wartość i efektywność strategii przełom u — zwłaszcza w sferze kondycji finansowej przedsiębiorstwa, jej kultury organi­ zacyjnej oraz obrazu firmy w otoczeniu.

Stw ierdzenie H a rry 'e g o i Schroedera (2001), że „firmy w prow adzają Six Sigma przede w szystkim po to, by więcej zarobić" jest oczywistym truizm em . Ponieważ pieniądze dostarczane są przedsiębiorstw u głównie przez klienta, to firma wdrażająca system Six Sigma — oprócz zorientow ania na procesy — p o ­ w inna zwracać się w kierunku klienta. Dla klienta bardzo często najważniejsza jest praktyczna użyteczność nabyw anego p ro d u k tu lub usługi i dlatego firma p o w inna dbać o to, by oczekiwania klienta co do użyteczności w yrobu były w szechstronnie spełnione. Z drugiej strony p ro d u cen t dostrzega swoją użytecz­ ność w tym, że jego p ro d u k t jest dochodowy. Jednak w przy p ad k u p ro d u k tó w o niskiej jakości traci zarów no firma jak i jej klienci, gdyż każda w ada i b rak p o ­ m niejszają ekonom iczną wartość w yrobu lub usługi dla obydw u stron. Ostatecz­ nie zatem nabyw cy skupiają się na jakości w yrobów i usług, a producenci na ja­ kości procesu wytwarzania.

W przeciw ieństw ie do niektórych innych system ów zarządzania jakością, które koncentrow ały się na zaspokajaniu oczekiwań klientów bez w zględu na ol­ brzym ie nieraz koszty osiągania tego celu, strategia przełom u Six Sigma dop u sz­

cza tylko takie m etody osiągania satysfakcji klientów, które pozwalają osiągnąć niski poziom zm ienności procesów, czyli w ysoką jakość w yrobów p rzy nakla- dach ograniczonych w sposób um ożliwiający organizacji osiągnięcie przew agi konkurencyjnej.

W celu pom yślnej realizacji strategii przełom u, system Six Sigma stosuje dys­ kusyjne rozw iązanie organizacyjne polegające na ściśle określonym podziale ról personelu organizacji. Role te i funkcje wynikają z posiadanej w iedzy poszcze­ gólnych pracow ników i stanow iska zajm ow anego przez nich w hierarchii sys­ tem u zarządzania jakością. W Six Sigma zastosow ano nazew nictw o ról i funkcji pochodzące od stopni stosow anych we w schodnich sztukach walki, gdzie osoby z większym dośw iadczeniem , w iedzą i osiągnięciami posiadają w yższy status w hierarchii. Poczynając od najw yższego szczebla ról i funkcji stosuje się n a ­ stępujące nazwy: champions (czempioni), master black belts (mistrzowie czarnego pasa), black belts (posiadacze czarnego pasa), green belts (posiadacze zielonego pasa) oraz dodatkow o white belts (posiadacze białego pasa). Opisane rozw iązanie nosi znam iona działania socjotechnicznego zorientow anego na skłonienie pra­ cowników do bardziej efektywnej i kreatywnej pracy.

LITERATURA

Fisz M. (1958), Rachunek prawdopodobieństwa i statystyka matematyczna, PWN, Warszawa.

Harry M., Schroeder R. (2001), Six Sigma. Wykorzystanie programu jakości do poprawy wyników finan­ sowych, Oficyna Ekonomiczna, Kraków.

Iwasiewicz A. (1999), Zarządzanie jakością; podstawowe problemy i metody, PWN Warszawa-Kraków. Pande PS., N eum ann R.P, Cavanagh R.R. (2003), Six Sigma. Sposób poprawy wyników nie tylko dla

firm takich, jak GE czy Motorola, K.E. Liber, Warszawa.

Rao A., Cair L.P, Dambolena I., Kopp R.J., Martin J., Rafii F., Schlesinger PF. (1996), Total Quality Management: A Cross Functional Perspective, Wiley, N ew York.

Thom pson J.R., Koronacki J., Nieckuła J. (2005), Techniki zarządzania jakością od Shewharta do metody "Six Sigma”, Akademicka Oficyna Wydawnicza Exit, Warszawa.