【IT168 资讯】实践表明，六西格玛改进(DMAIC)也有瓶颈，据国外调查统计，当改进适流程水平达到约4.8西格玛水平时，就再难以突破。而当在产品研发工作里，六西格玛改进（DMAIC）所能产生的效益更是有限。一旦产品或流程在初始设计上存在缺陷， DMAIC流程难以彻底解决问题, 此时必须重新设计或修改部分设计才能突破。一旦六西格玛的思想能影响到公司中的研发设计部门，并且在产品和流程设计、研发阶段开始应用，六西格玛会升华到一个崭新的阶段--六西格玛设计（Design For Six Sigma），这是六西格玛方法论中的又一亮点。唯有进行六西格玛设计赋予产品高的质量，才能实现真正意义上的六西格玛质量，使问题在发生之前就得以解决，满足最终客户的期望，而且获得可观的经济效益。

　　伴随着六西格玛设计概念的普及，另一类问题随之而来：DFSS在实现更高目标的同时，需要什么新的方法和工具来支持？MINITAB还管用吗？有没有更适合DFSS的高级统计分析工具？JMP是否有较大优势？确实，近来关于比较六西格玛软件JMP和MINITAB孰优孰劣的话题不绝于耳，十分热闹。其实，JMP作为全球最大的统计软件供应商SAS的浓缩精品软件，在专业研发人士眼中早已成为非常好的的统计工具。在DMAIC的环境中（相对而言，国内应用DMAIC的总体水平仍然处于入门阶段，对统计方法的要求不高），普通用户可能还无法体会到JMP的精妙之处，只有power user(超级用户，资深黑带)才能够体会普通统计工具和高端六西格玛软件的分别。但是，在六西格玛的最新发展动向--DFSS离我们越来越近时，MINITAB教条化、专业性弱等先天性的缺陷开始显现，而JMP的优势则日益凸显。这时候，无论是从未使用过统计软件的新用户，还是资深的MINITAB老用户，都会不约而同地选择JMP，进行要求更高的六西格玛设计工作。下面笔者结合DFSS的要求和特点，根据自身多年从事产品研发的经验体会，介绍一下为什么JMP正成为业界在DFSS层面的非常好的选择。

　　第一，我们知道六西格玛强调以顾客的需求为企业改革的方向，倾听VOC（顾客之声）非常重要。但在DMAIC中，这一点分析的很粗略，大多数实施六西格玛的企业并没有在VOC层面做太多的调查分析，有些甚至仅局限在公司的内部客户中调查。而DFSS则有很大的不同，因为产品研发本身的直接要求，使得面向大量外部的最终客户作全面的市场调查和分析成为必须，需要尽快地捕捉出市场和客户的关键特征。这就要求用适合市场营销的多元统计分析方法来洞察客户心声。MINITAB可以做一些简单的多元统计分析，但和实际应用的要求相差甚远。比如，MINITAB的聚类分析仅能对年龄、收入等连续变量运算，不支持性别、地区等离散变量，这样的聚类分析难以符合实际需要。如果再说到象联合分析、决策树等分析市场特征的专门工具时，MINITAB更是无能为力了； JMP完全集成了上述工具，并且和图形化设计相结合，分析过程易于阅读和理解，可以轻而易举地完成上述分析任务。

　　第二，DFSS的项目中涉及产品设计、工艺开发、供应商认证、试生产等众多企业价值链中的前期环节、隐形流程，需要更全面彻底地剖析影响产品质量波动的根源，并在前期就设法预防和控制变异发生，因此需要有一套专业的稳健设计解决方案（Robust Design）。这时候，我们常常会应用在DMAIC阶段应用较少的田口设计来实现。它的特点是通过构建一个控制因子形成的内表和一个噪声因子形成的外表共同形成试验计划表，然后收集数据分析响应的稳健特性如何。MINITAB有一个子菜单的名称就叫"田口设计"，但令人费解的是按着它的步骤操作下去的话，你永远无法制定出田口设计的外表来。需要做几次重复试验、噪声因子的设定没有任何参考，如果要用户自己去查田口设计参考书籍的话，那统计软件的价值就大大降低了。很遗憾的是，在minitab最新的15版本里，这个问题依然没有任何改变。根据笔者亲身体会，JMP能够提供完整的内表和外表以形成试验计划表，还创造性地提出了均值和信噪比的平衡优化方案，又方便又实用，而且大大简化了工作。

　　第三，相对DMAIC而言，进行DFSS的过程遇到的纯管理类的问题越来越少，而技术类的问题越来越多，所以更可能遭遇复杂的数学建模难题。说到这个问题，JMP的优势就更加明显了。也不说象数据挖掘、非线性分析等高端的建模工具，就说说常规的线性统计模型吧，JMP可以在简单回归的基础上构造出分段拟合、样条拟合和正交拟合等多种模型，帮助用户更精确地发现业务问题中的隐患。有的企业在做项目之前可能已有一些先验模型，用户可以用JMP做"定制检验"而不是默认的"零检验"来解决自身特有的问题。当你需要了解输入因子的取值范围来控制输出响应的波动，"反向预测"也会帮助你制定输入因子的标准规范。JMP的模拟功能也非常强大，它自带的模拟器不但能够生成随机数据，而且与模型优化高效集成。速度超快，在普通电脑上（1.6G主频，512M内存），产生1,000,000条随机数据的时间不到15秒，制作相应直方图的时间不到3秒！很多MINITAB的老用户用到模拟功能时不得不放弃MINITAB，花费额外的费用买crystal ball等模拟软件，成本更高了不说，数据倒来倒去就很费时费力，而且一不小心还容易出错。

　　第四，企业在推行DMAIC时，往往处于发展初期，以培养员工的质量意识、普及质量工具的基本应用为主要目的。一旦企业想推行DFSS，往往会有更高的要求，不仅仅要掌握理论知识，而且强调理论联系实际，每次培训结束后要提供切实可行的解决方案。这时候，软件工具在统计方法上的积累就开始显现。拿六西格玛管理中最重要的工具DOE来说，MINITAB提供了从因子设计到混料设计的几种常用方法，可是这其中的每种方法都有一定的应用局限性。很多人花了很多时间把MINITAB中的这些常规的DOE方法都吃透了，但是一遇到实际工作中的问题，还是觉得不会用DOE，结果要么更改实际问题以适应这些DOE的理论限制，做一些形式主义的试验，要么就怪罪于DOE本身，说它只是"看上去很美"。总之，对实际工作来说，都是于事无补的。其实，DOE的理论发展非常活跃，现代最新的DOE方法论可根据要求，最大限度地灵活调用现有资源，根据实际问题的要求构建试验，而无需任何修饰。这种成熟的DOE方法叫做"定制试验设计"（Customer Design），是试验设计理论界近年来的突破。除了定制设计，JMP还提供目前市面上包括minitab在内的其他统计软件都不具备的高级试验设计方法（Advanced DOE）,如空间填充设计，筛选设计，非线性设计等。我想也许正是因为这些原因，全球各行业的顶尖企业在选择统计软件以支持产品研发时，都不约而同选择了JMP而不是minitab。比如Intel, HP, Dell, 陶氏化学，宝洁，拜尔等等。最近听说中石化也选择JMP进行产品研发工作和六西格玛实施。在芯片/半导体/集成电路行业，JMP已经成为质量工程、六西格玛尤其是产品研发的标准。

　　第五，JMP对于大规模六西格玛项目的支持在软件设计层面已经有所体现，象中英文双语切换、数据与图形的动态链接、项目管理，支持海量数据和瞬间计算能力等等，你用得越多，你越能发现JMP与六西格玛设计的结合是多么的完美。相比之下，MINITAB最近10年在产品研发层面似乎一直没有什么改变，对六西格玛尤其是DFSS的支持一直停留在非常基础的层面，不能不说是一个遗憾。