绘制6西格玛（6sigma）数据图

在维持高绩效6西格玛（6sigma）流程的过程时，知道你希望测量什么只打了半场仗。另半场仗是界定这些测量将在何时以及如何进行，以及拿这些测量出的数据做什么。

为了展开“战斗”，先让你的6西格玛（6sigma）团队检查一下改进后的流程的SIPOC图并进行讨论:

.我们该如何获得能代表6西格玛（6sigma）流程不同类型顾客的反馈信息?(反馈不应简单地局限在表现高兴的顾客或长期抱怨的顾客中);

.测量到底将在哪里进行?

.收集数据将有多困难?

.将如何展示测量出的数据?

关于如何展示数据的方式取决于你想要展示什么以及谁想知道。在本书已经讨论过的图表—走势图、直方图、散布图—可用来概括和分析测量。

这里还有另外一个在本阶段特别有用的强力工具:控制图，一种更生动的走势图，它提供了其他一些方法来探究反常的波动。

控制图最安全的保险公司的理赔梅尔是一家保险公司理赔办公室的经理并同时服务于一个6西格玛（6sigma）团队。这个团队最近在加速每小时处理理赔案的数量方面做了改进。他主动为6西格玛（6sigma）团队和流程所有人设计了一种方法用来监督每小时处理理赔案的数量。

一开始，他收集了整一个月的数据 (当然是运用良好的抽样方法)，并将数据依时间先后描绘在一张走势图上，类似在第十三章看到的那种。图表18一1就是他的第一张图。

在检验的基础上梅尔已经学会在走势图上探究特殊肇因，但他注意到走势图中没有任何需要采取行动的模式。于是一个6西格玛（6sigma）黑带主管告诉梅尔如何查明在理赔过程中预期的波动，以及如何把计算出的“控制界限”画在图上当梅尔审视这张新的控制图时，他发现在他较早的数据收集工作中，有一个数据点超过了控制上限—这意味着它不能用一般性的肇因波动来解释。由于有了这个额外的信息，他了解到理赔流程并不像每个人希望的那样“处于控制中”—仍有一些出乎预料的波动出现。

就像梅尔发现的那样，控制图在探究特殊肇因波动方面比走势图更加有力。

6西格玛（6sigma）黑带主管帮助他计算的控制界限—中心线两侧的上限与下限近似三个标准偏差—让他能在某种特殊肇因类型出现时，进行更迅速的判断提供了基础。所有适用于走势图的规则你都可以在控制图中使用(见第十三章，图表13一5;记住 别把中心线上的点都算进去):

.共有9个点落在中心线的一边;

.共有6个连续上升或下降的点;

.共有连续14个点连续上下波动。另外还有一些规则是将控制图分成不同的标准偏差区域 (见图表18一3)如果数据是按常态分布的(就像在大多数“处于控制中”的流程一样)，那么在上下区域C中将会有多于34%的数据点 (在平均加减一个标准差内)，上下区域B将会落有大约14%的数据点 (在1一2个标准差之间)，并且还有大约2%的数据点落在上下区域A内 (在2一3个标准差之间)。