吐槽六西格玛：SixSigma的七个争议(转载)
六西格玛曾经很火，成为企业管理的典范，现在除了品质人会提及，很少有企业关注这个了，为什么会如此没落先不说，看看网上比较常见的7个吐槽点吧，也是维基百科上面特别说明的。[*]理论缺乏独立创新性：质量专家约瑟夫朱兰称六西格玛为质量改进的基本版本，指出“没有什么新的，它包括我们过去称之为促进者(facilitator)的东西。 他们引入了更华丽的词语，比如不同颜色的腰带。我认为这一概念有助于分离，创造出能起到很大作用的专家。再说一遍，这不是一个新主意。美国质量协会很久以前就建立了证书，比如可靠性工程师。”「 的确西格玛是整台了质量管理和项目管理两部分内容，创建了自己的以项目管理为框架，质量统计理论为内核的新的名词，如果个人已经具备了项目和质量管理经验，那么便很容易理解和掌握西格玛，从这个意义上来讲，我同意朱兰的看法
[*]对复杂的制造业不适用：质量专家克劳士比Philip B. Crosby指出，六西格玛标准远远没有达到足够高的程度一客户每次都应该得到无缺陷的产品。 例如，在六西格玛标准下，半导体需要在一个芯片上完美地蚀刻数百万个微小的电路，这一切都是有缺陷的。[西格玛是基于质量提高的理论发展起来的，它可以适用于所有需要提升的地方，但正是这种无差别的适用，反倒使其失去了特色，沦为方法论，而不是行之有效的绝技]
[*]咨询师的角色：黑带的使用，有效的促进了培训和认证行业。市场上存在太多的吹嘘六西格玛的咨询公司，而事实上他们对所在行业的工具和技术了解甚少。[六西格玛的通 用性，的确让很多所谓的咨询公司鱼目混珠，总之能否有效的帮助企业获取价值才是硬道理，六西格玛在规范黑带上很有建树，但这一切又依托于企业的体系，所以黑带的重要性相比企业和架构来说略逊一筹。」
[*]对于数据统计的过分依赖：原文较长，总结下来有两点： 1)六西格玛过分强调减少变异的产生，寻找显著的影响因子，而不是第一次便消除变异; 2)用实验数据建立模型，进行论证，并用来进行实际问题的论断而罔顾实际的其他参考因素。[个人感觉数据往往只是一 个表象，而统计又着眼于数据本身太多，世间万物的发展既不能浅尝辄止的看表象，但90%也往往不需要学究式的去看P是否大于0.05，商业，机会，成长，是靠实践，总结，摸索出来的，六西格玛在这些领域往往会给予误导或者没有用武之地」
[*]对创新的限制：过度的度量、步骤、测量和以及六西格玛对减少可变性，淡化发现过程的特性侧重会降低头脑风暴和偶然发现可能。六西格玛工作最好在渐进式创新，有一个表达的商业目标。环境中在很多研发部门，六西格玛项目都以失败而告终，如3M。[个人对六西格玛所谓在研发和商业领域的应用一直不明就里，欢迎大神赐教」
[*]缺乏系统化的文件管理：虽然六西格玛以fact base， data driven著称，但无论在GE还是摩托罗拉，六西格玛的实验数据，流程建立均不是一个最专业的方式。 更多的是看到一些案例分享，但很少能看到具体的解决方案，以便于人们可以重复性的解决类似问题。「我承认六西格玛项目的文件管理是一-团糟，基本只存在与个人的电脑文件夹里面，最多就是PPT后缀了编码和时间。但无法重复性的解决问题则是来源于六西格玛的本身缺陷：方法论而非工具，只能大略的讲述过程，但无法定义一个确切的战术」
[*]1.5个Sigma的偏移：至于短期和长期的Sigma level的1.5个差异存在争议，反对者对它的合理性一直存在不同声音。
就品质人而言，六西格玛里面提及的精益求精思想以及数据分析思路，还是很值得学习参考的。欢迎大家交流探讨。{:1_101:} 只要有人存在的地方，天生观点就有支持和不支持矛盾存在，其实我们不要过多的纠结这点，在实际应用中，如果你面临束手无策时，不妨用Sixsigma的模型和工具，也许会让你感受到不一样。没有任何一种模型和工具是万能的，就像古代武侠的各种剑法和派别一样。。。。。。。。 凡事有对的一面和不对的一面。但是有些人喜欢断章取义，不是过度夸大好的就是过度夸大不好的。我们有一双慧眼，能够分析明白的:lol:lol:lol {:1_89:} 用起来好费劲 good :) :) :) :lol:lol {:1_89:} {:1_89:}