数据挖掘在6σ质量管理体系中的应用

　　1 6σ质量管理体系

　　6σ质量管理体系是一种新的管理模式，其主旨是最大限度地消除缺陷，以提高效率和顾客满意度。

　　6σ质量管理体系主要包括以下6项核心要素：

　　(1)真诚地以顾客为中心——6σ改进的程度是用其对顾客满意度和价值的影响来界定的。

　　(2)由数据和事实驱动的管理方法——强化了“事实管理”概念，6σ首先从业务绩效标准化着手，然后使用统计数据和分析方法来构筑对关键变量和最优日标的理解。

　　(3)对流程的聚焦、管理和改进——一切活动都是流程，所有流程都有变异。对其连续不断的文件化、沟通交流、量度和精炼，不断地设计或再设计流程，以求与顾客和业务的要求保持一致。

　　(4)有预见的积极管理——一种预见问题和变化、应用数据和事实以及挑战目标的习质和实践。6σ用动态的、即时反应的、主动的管理方式取代被动的管理习惯。

　　(5)企业内部及与顾客、供应商和供应链伙伴间的无边界合作——无边界合作需要确切理解最终用户及整个工作链、供应链工作流的需求，并能够实现信息的互通与集成。

　　(6)追求完美、容忍失败——自由试验新方法，同时承担风险和吸取失败的教训，从而提高业绩和顾客满意度。

　　从上述6个核心要素中可以看出，6σ体系的所有过程是建立在大量的事实和数据的基础之上的，从考核标准的建立到结果的分析、决策与改进，都离不开优秀的深层次分析方法和工具，而基于数据仓库的数据挖掘技术，正是其所需要的重要技术方法之一。

　　2 数据挖掘在6σ管理中的应用

　　数据挖掘(Data Mining)是近几年随着数据库和人工智能发展起来的一门新兴数据库技术数据挖掘对海量数据进行探测和分析，以发现有价值的模型，然后通过研究这些模型寻找新的行为规则，即新的、更好的行事方式数据挖掘需要反复实施，包括通过知识发现形成问题和通过设计实验来检验假设两个步骤。它使用分类、估计、预测、分组、聚类和描述等评价和分析数据的工具，为6σ提供了寻求改进的另一条途径，使得6σ不但能够用于企业的内部运作过程，而几还可以用于市场营销和顾客分析，为6σ项目提供了正馈数据和反馈数据。

　　2.1 在顾客价值分析中的应用

　　在6σ质量管理体系中，企业必须首先认识到顾客是企业永恒的宝藏，所有的工作必须以顾客为中心。所以，每一次与顾客接触都是了解顾客的过程，也是顾客体验企业的机会，而不仅是一次交易因此，真正地关心顾客，为每位顾客提供适用的、个性化的建议，才能让顾客体会到企业的价值。

　　通过数据挖掘技术中的聚类和决策树分析可以把大量的顾客分成不同的类，每一个类里的顾客具有相似的属性，而不同类里的顾客其属性各不相同。通过对用户的细分，可以帮助企业完成对于各类顾客的筛选工作，通过了解不同顾客的爱好和偏向，提供有针对性的产品组合和顾客服务，从而可大大提高各类顾客对企业和产品的满意度。

　　数据挖掘技术中的关联和统计分析，有助于从大量的历史业务数据中查找有关顾客的各项指标数据，用来预测在不同的市场波动情况下顾客盈利能力的变化，据此分析顾客的价值，并根据其变化提升或降低顾客的信誉度。

　　通过数据挖掘还可从顾客的交易历史纪录中发现一些行为模式，并使用这些行为模式来预测顾客盈利能力的高低，或者发现盈利能力较高的新顾客和易流失的顾客。企业就可以针对顾客的需求，用市场手段来维护此类顾客，如提供交叉销售、特殊关怀服务等。

　　2.2 在成本控制中的应用

　　在6σ质量管理体系中，要求对企业生产现场事件进行实时跟踪与核算，其跟踪信息能够细化到每一种产品、原料的成本。影响成本各项指标的因素众多，而深入挖掘其中因素的内在关联和模式，正是数据挖掘的优势所在。通过数据挖掘的各种模型分析，不仅可以动态地反映核算后的结果，而且可以帮助企业建立科学的成本核算体系，提高企业的运营效率。强大的数据分析功能可以为企业决策提供科学的数据分析模型，有利于企业提高预测分析及风险预警能力。

　　通过对成本各项指标的关联分析，可以评价各项指标的合理性并在此基础上加以改进，如：人力资源部改进人员的配置；财务部提高付款的及时性与准确性；法律部改进合同的评审过程；制造部缩短生产周期；服务部缩颊服务响应时间和维修时间；信息部提高信息系统的效率等等。

　　2.3 在质量控制与管理中的应用

　　在6σ质量管理体系中， 主张质量始于测量只有质量量化以后，质量改进措施才真正有了意义。而对于整个测量系统的偏离、可重复性、可再现性和稳定性的检测与验证，离不开数据挖掘的各类分析方法和控制图等评价模型。

　　传统的质量改进的决策基础是直觉，是事后的产品检验，是片面的“数据分析”，而数据挖掘的分析方法为质量改进的决策提供了科学基础。对于生产检测过程中积累下来的所有数据，可以进行回归分类、决策树等分析，界定相关数据和控制变量的选择以及辅助过程控制方案的假设、验证和改进，从而使生产制造部门能够减少缺陷，工程部进一步改进产品设计的可靠性和降低图纸缺陷。

　　3 数据挖掘在6σ管理中的实施步骤

　　数据挖掘在6σ质量管理体系中的应用是一个比较复杂的过程，需要经过审慎的考虑，才能确保其实施成功。具体步骤建议如下(图1)。

　　图1 数据挖掘在6σ体系中的实施步骤

　　(1)确定实施数据挖掘的关键环节

　　数据挖掘的应用必须能够与企业现有6σ体系中的流程或人工处理过程集成。因此，首先需要理解现有的6σ体系流程，以确定使用数据挖掘进行优化的环节。通常情况下，不是同时针对6σ流程的各个环节而是首先针对关键环节或者需求较为强烈的环节优先进行应用。

　　(2)定义数据挖掘应用的用户

　　数据挖掘应用的用户组成通常比较复杂，包括经常使用系统但仅使用一些简单功能的日常工作人员，也包括很少使用系统但每次使用系统都需完成大量分析、挖掘任务的企业高层决策者，精通数据挖掘技术的专业人员，以及毫无技术背景的普通用户。所以，系统中用户的定义需要经过细致的用户需求分析，充分了解每一类用户的详细信息(技术背景、使用系统的频率、是否具有数据挖掘技术知识等)、需求和愿望。

　　(3)定义所使用的数据并进行数据预处理

　　数据挖掘能否获得有价值的信息，很大程度上取决于数据仓库数据的数量和质量。存储在数据库中的数据通常存在数据冗余、不完整、不一致等情况，需要对它们进行清理、转换、集成和属性归约，最终从传统的数据库转换为数据仓库而原始数据库中的数据存储决定了6σ分析的难易程度。

　　(4)反复假设、分析、验证和改进

　　在6σ体系中，对各项指标的假设、数据的分析、系统的验证、纠正和改进，是一个不断认识一实验一改进的迭代过程， 旨在追求结果的更加有效、准确。

　　(5)用户培训

　　作为数据挖掘的最终用户，应知道所使用的数据挖掘系统的整体流程、功能以及数据挖掘在其中的作用，了解系统中所用数据的具体含义，并指导对挖掘结果进行有效的访问和可视化。

　　数据挖掘在6σ质量管理体系中的应用是一个持续的过程，不可能一蹴而就。随着6σ体系的不断扩展与完善以及数据资源的不断积累，很可能需要重新建立新的数据挖掘模型，或者进行新的数据挖掘应用。数据挖掘和6σ的结合，必将推动企业的发展，同时也为顾客提供更优质的服务。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。