某质量特性数据分析图如下图所示，则（）。

某质量特性数据分析图如下图所示，则（）。

A 、说明其质量能力偏大，不经济

B 、这些数据说明生产过程存在质量不合格，需要分析原因，采取措施进行纠偏

C 、其质量能力处于临界状态，易出现不合格，必须分析原因，采取措施

D 、易出现不合格，在管理上必须提高总体能力

参考答案:

【正确答案：A】

谁帮忙分析下六西格玛管理咨询的DMAIC实施步骤和培训工具有限制使用吗？

一、六西格玛管理的DMAIC实施步骤及工具限制分析

现代质量管理制度从其形成之日起即与统计学结下了不解之缘，无论是质量检验还是过程控制，统计学在其中都起到了不可替代的作用。

现代质量管理制度的形成应当由工业化时代算起。在初期的质量检验阶段，人们所熟知的质量管理手段仅限于质量检验，这时的质量检验并没有引入统计学中“抽样”的思想，因此大部分产品都是进行逐个检验。这种检验的弊端很多，限于科技条件，所暴露出的问题无法得到有效的解决，但是在检验过程中产生了大量数据，如何对这些数据进行有效利用的思考，再加上当时统计学中各种统计方法的发展，导致了质量管理与统计学的彻底结合，从而出现了统计质量控制(spc)这种在当今质量管理界仍有决定性影响的技术。这之后质量管理的发展始终与统计学密切相关。

六西格玛管理作为质量管理的延伸，不可能完全脱离质量管理。在生产和质量部门，六西格玛管理仍包含质量检验和质量控制的功能。但是作为整个企业运作的基石，六西格玛管理的作用又不仅限于此，六西格玛管理与统计学的结合也要比质量管理与统计学的结合要紧密的多。

六西格玛管理作为一种追求卓越的管理理念，在企业的运作中不仅对生产和质量部门起着指导作用，同时也决定着企业的其它部门乃至整个企业的运作形式。六西格玛管理所倡导的流程式管理，虽然不是首创，但其不遗余力的推行，并将“工作流程化”作为进行六西格玛管理的前提。在主张“重视人在工作中的因素”的同时将工作流程化，流程量化，尽量减少工作中人的失误，量化的流程式管理使得六西格玛管理与统计学的结合更加紧密。六西格玛管理在长时间的实践中也形成了自己独特的管理模式，下面结合六西格玛管理的DMAIC模型简单介绍六西格玛管理的实施过程，及其各实施阶段中的统计工具。

六西格玛管理实施的是流程式管理，强调“以顾客为中心”，这里的顾客可以是企业的外部客户，也可以是公司的内部客户。其做法是将各种业务或者工作过程分解成大小不一的流程，流程末端即为客户，即流程的成果--产品或服务的接受者。

六西格玛管理的核心是以客户为中心，以使客户满意为其宗旨；而在内部管理中则是以影响客户满意度的关键质量特性(CQT，即Critiaclotqualiyt)为其核心，六西格玛流程管理的各个阶段始终围绕CTQ进行。其主要任务是找出影响关键质量特性的主要因素的最优值，并对其进行控制，以使流程一直处于一个稳定的状态。

二、六西格玛流程管理DMAIC实施步骤：

1、定义阶段，即D阶段

主要任务是确定影响顾客满意度的CTQ。在这一阶段中，首先要了解顾客对产品的要求，并以函数的形式将这些要求对应于质量特性，通过顾客对产品要求的重要程度对质量特性进行打分，从而确定关键的质量特性，即CTQ。从对客户进行调查到确定CQT这一过程中，常用到如下工具:品质成本分析法、流程分析法、因果分析法、头脑风暴法等四种。

2、测量阶段(即M阶段)

该阶段的主要任务是收集产品或流程现状的数据。为保证数据的真实性和准确性，在收集数据之前，测量系统分析和合理的分组计划是必需的。

进行测量系统分析是为了更好地了解影响测量结果的变异来源及其基本信息，并确定相对于产品规格或过程误差，系统的侧量误差是否可以接受。在进行测量系统分析时常用的统计工具有两种，一种是不考虑因子交互作用的戈一R分析，通过计算得到%R&ampR(衡量系统误差的标准)，一般情况下，如果%R&ampR&lt10%才会认为系统的误差可以接受；另一种是考虑因子交互作用的方差分析法，通过方差分析可以得到一个数值F(F统计量)，然后把F与另一个固定的数值F1-α(可以查表)比较，如果F&ltf1-α。，就需要把因子的交互作用加进去，然后再计算%r&ampr，从而再进行判断系统测量误差是否可以接受。而为了达到节约成本、提高效率的目的，合理的分组计划必不可少，其原则就是利用最少的数据得到最合理的结论，这其中主要用到的就是抽样调查中的分组理论，不同的实际情况将参照不同的分组设计理论。

3、分析阶段(即A阶段)

数据收集完成之后的一项很自然的工作即是对所得数据进行分析，该阶段的主要任务就是通过分析在测量阶段收集到的数据来确定一组按重要程度排列的影响质量的变量(流程的输入变量)，即寻找质量特性与影响质量变化输入变量之间的关系，并判断输入变量的重要程度。分析过程中根据需要的不同常用到如下两类工具:图形分析工具和通用分析工具。其中通用分析工具主要包括:参数估计和置信区间分析、假设检验、方差分析、回归分析、试验设计分析(DOE)等。

4、改进阶段(即I阶段)

分析阶段确定了一组按重要程度排列的影响质量特性的输入变量之后，改进阶段的主要任务是根据对质量特性的需求来确定这些输入变量的最优值，并将这组最优值与现有流程的实施值进行比较，如果现有实施值与最优值差别很大，则说明现有流程需要改进。而确定这些输入变量最优值最重要的手段就是试验。从节约成本、提高效率和结果更能真实反映实际情况的角度出发，统计中的试验设计(DOE)成为了必须选择。与传统的试验方式相比，试验设计的优势非常明显，传统的试验分析方法是在输入变量为多个时，即为多个单因子试验，也就是众多输入变量在同一时间只允许有一个变量变化，如下图所示:

而试验设计允许众多输入变量在同一时间按一定规则进行交叉变化，如下图所示:

5、控制阶段(C阶段)

改善阶段确定了变量的最优值，流程只需在最优状况下进行即可。为了使这种流程能稳定的持续下去，就需要对整个流程实施分析、监控，这是质量管理中统计质量控制的主要工作，因此其在生产和质检部门的实施己比较成熟。常用如下的统计工具:控制图和过程能力分析。

二、六西格玛管理培训中的工具限制

随着六西格玛管理的广泛应用，其实施方式越来越多样化，实施的范围越来越广，随之也带来一系列的问题，工具的限制即为其问题之一。

六西格玛管理是一种追求卓越的管理方式，对于每一个流程都要求达到最高的标准。在实施改进之后，流程达到了一个很高的水平，但这之后对流程实施制的方法仍然是传统的SPC技术，其中的休哈特控制图是实施控制的主要手段。目前在六西格玛管理的控制阶段也都是采用这种技术。

休哈特控制图对监测流程的运行情况具有非常好的作用，尤其是在流程出现较大波动的情况下，休哈特控制图的报警准确度和及时率都非常高，因此在统计过程控制中发挥了至关重要的作用。但是休哈特控制图对流程的较小波动并不敏感，在流程出现小波动时的报警准确度较低。在六西格玛管理中，由于流程改进之后达到了一个较高的水平，因此出现较大波动的可能性远低于出现较小波动的可能性。此时用休哈特控制图对流程实施控制的效果就不能尽如人意。在统计学中己经出现了CUSUM控制图和EWMA控制图等理论解决类似问题。

如何理解和应用KANO模型

我一直认为如果对于一个概念或者工具，不能用一句话解释给一个不懂的人听，那么就是没有理解。如果用一句话解释KANO模型，我会说“KANO模型通过量化测量用户对得到或者失去一个功能/服务的情感反应来对功能优先级进行排序”。

什么是KANO模型？

简单来讲kano模型是狩野纪昭教授发明的对用户需求分类和优先排序的一种工具，与产品经理的贴合度非常高，于是这样一个非产品行业的教授所发明的工具，成为了产品经理们的方法论。

KANO模型定义了三个层次的顾客需求：基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。

1. 卡诺模型简介

卡诺模型（KANO模型） 是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。在卡诺模型中，将产品和服务的质量特性分为四种类型：⑴必备属性；⑵期望属性；⑶魅力属性；⑷无差异属性。

魅力属性： 用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；

期望属性 ：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；

必备属性 ：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；

无差异因素 ：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意；

反向属性： 用户根本都没有此需求，提供后用户满意度反而会下降

KANO问卷对每个质量特性都由正向和负向两个问题构成，分别测量用户在面对存在或不存在某项质量特性时的反应。

每一个功能在6个维度上(魅力属性、期望属性、必备属性、无差异因素、反向属性、可疑结果)上均可能有得分，将相同维度的比例相加后，可得到各个属性维度的占比总和，总和最大的一个属性维度，便是该功能的属性归属。以淘宝UED做过的客观关系管理系统的调研数据为例：

如上图所示在对“信息管理-购买行为信息”这一功能进行统计整理时，发现魅力属性的占比总数最高。进而得到客户关系管理工具中，“信息管理-购买行为信息”功能属于魅力属性。即没有这个功能，用户不会有强烈负性情绪，但是有了这个功能，会让用户感受到满意和惊喜。

除了对于Kano属性归属的探讨，还可以通过对于功能属性归类的百分比，计算出Better-Worse系数，表示某功能可以增加满意或者消除很不喜欢的影响程度。

增加后的满意系数 Better/SI=（A+O）/(A+O+M+I)

消除后的不满意系数 Worse/DSI=-1*（O+M）/(A+O+M+I)

Better，可以被解读为增加后的满意系数。 better的数值通常为正，代表如果提供某种功能属性的话，用户满意度会提升；正值越大/越接近1，表示对用户满意上的影响越大,用户满意度提升的影响效果越强，上升的也就更快。

Worse，则可以被叫做消除后的不满意系数。 其数值通常为负，代表如果不提供某种功能属性的话，用户的满意度会降低；值越负向/越接近-1，表示对用户不满意上的影响最大，满意度降低的影响效果越强，下降的越快。

因此根据better-worse系数，对系数绝对分值较高的功能/服务需求应当优先实施。根据better-worse系数值，将散点图划分为四个象限。

根据better-worse系数值，将散点图划分为四个象限。

第一象限表示：better系数值高，worse系数绝对值也很高的情况。落入这一象限的属性，称之为是期望属性，即表示产品提供此功能，用户满意度会提升，当不提供此功能，用户满意度就会降低，这是质量的竞争性属性，应尽力去满足用户的期望型需求。提供用户喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导用户加强对本产品的良好印象；

第二象限表示：better系数值高，worse系数绝对值低的情况。落入这一象限的属性，称之为是魅力属性，即表示不提供此功能，用户满意度不会降低，但当提供此功能，用户满意度和忠诚度会有很大提升；

第三象限表示：better系数值低，worse系数绝对值也低的情况。落入这一象限的属性，称之为是无差异属性，即无论提供或不提供这些功能，用户满意度都不会有改变，这些功能点是用户并不在意的功能。

第四象限表示：better系数值低，worse系数绝对值高的情况。落入这一象限的属性，称之为是必备属性，即表示当产品提供此功能，用户满意度不会提升，当不提供此功能，用户满意度会大幅降低；说明落入此象限的功能是最基本的功能，这些需求是用户认为我们有义务做到的事情。

如将功能“信息管理-购买行为信息”的数据带入后，得到Better-Worse系数如下：

Better=(.367+.288)/(.367+.288+.029+.216)=0.73

Worse=(.288_.029)/(.367+.288+.029+.216)×(-1)=-0.35

2. 卡诺模型实操

2.1 问卷编写：

由于KANO模型问卷均需要了解以下两个方面：用户对于产品/服务具备某功能时的评价（态度）和产品/服务不具备某功能时的评价（态度），需要分别正向和反向地询问用户。需要注意：

① KANO问卷中与每个功能点相关的题目都有正反两个问题，正反问题之间的区别需注意强调，防止用户看错题意；

② 功能的解释：简单描述该功能点，确保用户理解；

③ 选项说明：由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受”“我很不喜欢”的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。

我很喜欢：让你感到满意、开心、惊喜。

它理应如此：你觉得是应该的、必备的功能/服务。

无所谓：你不会特别在意，但还可以接受。

勉强接受：你不喜欢，但是可以接受。

我很不喜欢：让你感到不满意。

问题设计举例：

为了保证用户对问卷中各功能点准确理解，从而保证数据回收质量，要进行两个工作：

1) 对于每个功能点进行举例说明。如上图所示对于“客户信息管理-购买行为信息”这一功能点，进行举例“如不同类目下面的历史购买商品”，方便用户清晰、生动地了解此功能内容和使用场景

2) 预访谈，请用户做完问卷后提出自己疑惑的地方，检验功能点/服务的阐述是否可以被用户理解，对于用户不能清晰理解的部分加以讨论和完善补充。

2.2 数据分析

数据清洗→KANO二维属性归属分析→Better-Worse系数计算。

除了严格的清洗程序，Kano问卷中，还可以清晰掉全部选择“我很喜欢”和全部选择“我很不喜欢”的数据。

另外还可以结合产品的一些数据支持进行结合分析，如用户画像，UV，转化率等。

2.3 数据解读

KANO模型是对功能/服务的优先级进行探索，具体情况还需要和业务方进行讨论，将Kano模型结果和业务实际情况结合讨论确定可行的产品功能开发/优化的优先级顺序，以将调研结果落地实施。淘宝客户关系管理的各个功能模块KANO得分如下：

3. 模型应用的思考与讨论

3.1 Kano属性的优先级排序

辅助业务进行优先级排序，是Kano模型的一大功能特点。业务方在排序功能优先级时，可主要参考：必备属性&gt期望属性&gt魅力属性&gt无差异因素的基本顺序进行排序

 期望属性的功能点对于工具的意义重大，建议优先考虑开发或强化

 魅力属性的功能点，建议优先考虑better值较高的功能，会达到事半功倍的效果

 无差异因素可以成为节约成本的机会。

3.2 如何看待结果中的Kano属性

Kano属性的划分并非一成不变的，随着时间的变化，卖家对于客户关系管理的概念会日益成熟，各功能的属性归属很有可能会发生变化。如对于早期的电视机，遥控器也许是魅力属性(电视机上的按钮可能已经足够解决问题了)，而放在当代，遥控器则应该是人人需要的必备属性了。

3.3 应用Kano模型进行调研的优势和不足

Kano模型有以下几个优势：

1) Kano模型可以细致全面的挖掘功能的特质

2) Kano模型可以帮助业务方在工作中排优先级，辅助项目排期

3) Kano模型可以帮助人们摆脱“误以为‘没有抱怨’等于用户满意”的想法。

同样Kano模型也有它的不足：

1) Kano问卷通常较长，而且从正反两面询问，可能会导致用户感觉重复，并引起情绪上的波动，若用户受到影响没有认真作答，则会引起数据质量的下降。

2) Kano问卷是针对产品属性进行测试时，部分属性也许并不是很好理解。

3) Kano模型类似于一种定性归类的方法，以频数来判断每个测试属性的归类，

这种情况下可能会出属性归类结果表中，同一属性出现了不同归类栏频数相等或近似的情况。

由于KANO 模型存在这些不足，在运用KANO模型分析数据的时候就要注重数据收集前期的准备工作，比如在问卷设计时，把问卷尽量设计得清晰易懂、语言尽量简单具体，避免语意产生歧义。同时可以在在问卷中加入简短且明显的提示或说明。方便用户顺利填答。