（一）创造性突破工具
任何能够帮助企业更好地处理和改进6б业务或流程的方法和技术都应该成为6б的工具，掌握这些工具有利于企业清楚6б是如何工作的，以下是实施6б管理法过程中的三种创造性突破工具。
1.产生构想和整理信息的工具。
（1）头脑风暴。许多6б模型都以头脑风暴法或观点产生法作为出发点。头脑风暴法的基本目的是要为一项任务或解决方法提出一连串相关的观点。例如，为调查哪一个顾客或者提什么问题来一次头脑风暴。然后再一次使用头脑风暴，列出可能的措施，而后再提出有创造力的进一步解决问题的方案。头脑风暴法的问题是每个人都认为他们自己很行。事实上，头脑风暴法的推动工作和训练是真正有创造力的。
（2）流程图。流程图是一种通过显示构成过程的步骤、事件和操作（按时间顺序），以简单、直观的方式定义过程的工具。在DMAIC改进项目中，流程图用于加深对过程的理解、设立项目界限及确定需要改进的领域，一般常用于定义阶段。
利用过程流程图来说明产品（服务）形成全过程，为了说明过程所有可能的波动偏差，应把所有人力资源、文件、程序方法、设备、部品和测量仪器都包括在过程的说明中。
一般通过对其分析可得出以下结论：
———连续过程的每个阶段。
———过程间的关系。
———问题点或区域。
———不必要的环节和复杂的程序。
———可以简化的地方。
（3）结构树。结构树即树形图，用于将问题细分到可管理和控制的范围，以找出根本原因或确定重点的领域。结构树创建的过程为：
———列出所需解决的问题。
———通过问“为什么”，将问题分解到原因中，并记录在树干的分支上。
———确定每一分支的影响大小（分为高、中、低），并选择具有最高影响的分支。
———通过问为什么继续分解，直到找到根本原因为止。
（4）控制图/SPC。统计流程控制，又称SPC，包括在某一流程中对变动的评估与评价，以及为限制或控制这些变动所做的努力。在最一般的应用中，SPC帮助一个组织或流程负责人判别可能存在的问题或异常事件以便能够迅速应对并加以解决。换言之，就是要控制某一流程的运行状况。
SPC和控制图的使用构成了监测目前流程绩效、预测未来绩效以及建议必要修正手段的理想方式。其关键作用就在于能够得到问题或机会的早期提示。
在6б管理法系统中，控制图有3种重要用途：
———在早期的DMAIC计划“评估”活动中，控制图有助于小组判别问题或失控状态类型和出现频率，它们甚至可以暗示什么样的调查或纠正措施将会最有效。
———在试验或执行流程解决方案或变动（在提高或控制阶段）时，控制图有助于跟踪结果，显示变动和绩效如何被影响，甚至暗示出进一步工作和调查的领域。
———控制图作为一种实时的预警系统，可以提醒观测者流程中出现的异常状况并激发流程“应对计划”。
（5）因果图。因果图是用在集体讨论问题（或结果）可能的原因，并且它将可能的因素分类聚合或亲合；主要因素或其他因素被编制在结构树上。因果图的价值是能够帮助收集为问题可能出现的原因的共同的想法，以及搞清主要原因。
因果图不并显示正确的因素。然而，它可以让企业知道该在何处集中测量和对问题的根源做进一步分析，并做出有根据的推测或假定。
2.数据收集工具。
（1）抽样收集。在一个过程中连续计算每件事物可能是耗费巨大的，并且从逻辑上来讲也是很可怕的。事实上，人们不需要计算很多的项目，就可推断整体的情况（抽样可以节省金钱和时间，可以提供相对准确的数据去测量或分析一个问题）。
（2）作业定义。如果人们不对同类事物进行分类，测量将毫无意义。作业定义是对过程中的数据和事件提供清楚的、详细的和可以理解的解释描述。例如，在测量“在线等候时间”时，对作业的定义会准确地告知何时该开始，何时该结束，因此最后能提供有效的清晰的数据。
（3）顾客之声法。这是6б管理法的关键性工具。6б活动和目标是以顾客为关注的焦点，概括性排列技术将帮助一个组织收集外部顾客的输入、评估和区分优先需求，并且连续不断地提供反馈给组织做适合的评价。顾客之声工具包括许多抽样以及简单和复杂的市场研究方法、需求分析概念和数据库及数据采集等比较新的技术。
（4）检查表和电子数据表。检查表形式是用于收集和组织数据。检查表由黑带或团队设计，并且有两个关键目标：
———确定正确的数据被收集，包括所有需要的事实，像什么时候发生，多少顾客和什么样的顾客。这些事实可称为分层因素。
———尽可能简便地收集数据。
检查表的形式不同，可以是简单的表格和调查，也可以是指出错误或损害处的图形。电子数据表是检查表数据被收集和组织的集合点。一个好的电子数据表可以令使用者比较容易地使用数据。
3.过程和数据分析工具。
（1）过程流程分析。拥有关键工作过程的一个流程图或图示，就能够开始细查过程是否冗余、是否存在不必要的决策点。如果在过程中增加数据，那么其他的问题如延迟、“瓶颈”、缺陷和重复工作也就可能浮现。过程分析可能是找出问题关键因素线索的最简洁的方法之一。
（2）价值和非增值分析。在价值和增值分析中，对外部的顾客而言，详细的过程图中每一个步骤都以是否增值来评估。在一些保护业务或合法需求中，非增值的活动是绝对不能剔除的。这个方法对企业的工作同样大有帮助，它能清除过程中无用、多余且消耗资源的事情。
（3）图表和曲线图：纵览。一般对过程进行分析的首要与最优的方法是创建数据的图像。图表和曲线图是对数据的一种可视化描述。对大多数人来说，图形比单一的数据表示更有意义，也更方便。当比较数据的不同部分时，通过检查表中提及的分层，可以发现一些被数字隐藏的现象。图表和曲线图有多种不同类型，每个图表都提供不同部分的资料，一个黑带在项目中应该经常利用至少两个这类图表和曲线图工具解决问题。下面是经常使用的一些图表和曲线图类型：
———直方图。直方图是一种条形图，表示数据在一定的范围内变动的分布情况，如尺寸、年龄、支出、花费的时间、重量等。分析直方图时，可以观察条形或曲线的形状以及数据在各个条形内的取值的数目。如果在条形图上再加一条顾客需求曲线，可以很快得出企业所能满足顾客或不满足顾客需求的程度。
———排列图。排列图是按类分组，并将它们按发生频次的大小，由小到大排列而成的特定的条形图。通常采用排列图来寻找问题产生的最主要原因。排列图有助于人们区分哪几个原因对问题构成大部分的影响，这样，就可以使企业的项目和解决方案集中于这几个少数原因，但却是最有影响的原因。排列图利用“80/20”原则，即大多数的问题（80 ）源于少数的原因（20 ）。
———运行（趋势）图。直方图和排列图都不能表示出事物随时间变动的变化趋势，而运行或趋势图则能很好地完成这项工作。
———散布图。散布图用来描绘过程中两个因素的直接相关关系，通常用来看它们是否存在什么关联，即观察其中一个因素的变动是否会影响另一个因素的变动，当一个因素的变大影响另一个因素相应变大时，可称为“正相关”，而如果一个因素因另一个因素的变大而变小时，可称为“负相关”。
（二）统计分析工具
统计分析就是借助于一组方法与公式，从数字中得出结论。统计分析工具基于概率的基本原理，因此获得的有些回答不是完全有把握的，但是却比猜测或看法可信得多。这就是为什么统计工具在基于事实的6б方法中得到广泛运用的原因。以下是在6б管理法中经常应用的五种统计工具。
1.统计的显著性检验。
（1）统计的显著性检验是用以寻找模式或检验其假设的一种非常重要的手段，这些工具在6б管理法系统中有多种可能的应用，包括：
———确认绩效中存在的问题或实质性变化。
———检验数据的有效性。
———确定一组连续数据的模式或“分布”的类型。
———在模式和差别基础上建立基本原因假设。
———证实或推翻基本原因假设。
（2）统计的显著性检验有几种不同的方法。
———X2检验。这是针对离散型数据的一种方法，有时也可用于连续型数据。例如，企业可以将X2检验用于：
●比较两种不同场合的缺陷率来确定它们之间是否存在显著不同。
●检测平。是否顾客产品选择的每周变化代表了实质性的变动水
●检验不同职员配备的水平对顾客满意度的影响。
———t检验。当拥有2组或2个样本的连续型数据时，一般采用这种方法检验显著性。假如企业的数据质量没有问题，可以用t检验来实现以下目的：
●比较流程中关键步骤的周期时间在该季度内2周间的差异，看是否发生了实质性变化。
●检验2个地区的消费者收入水平，看是否有一种明显适用于较高或较低收入的消费者。
●检验2个磁盘驱动器的寻盘速度是否存在差异。
———方差分析。是连续型数据显著性检验的另一方法，不同于t检验的是，它可以用于比较2组以上的数据或样本。
———相关分析。在前面阐述的3种方法中，相互间的比较是建立在某一个因素或变量基础上的：时间、收入或速度等。当然，在数据组或样本间或许还存在其他一些变动因素，相关分析被用于确定某些因素的显著性。
（3）统计的显著性检验基本步骤。
应用统计学于商务的最大好处就是消除了许多烦琐的日常工作，这主要归功于统计软件在运算速度上有了极大提高，但统计学应用的主要步骤还是被相对保留下来：
———确定将要分析的问题。企业将进行统计检验的对象的关键问题是什么？检验以确信进行统计学上的有效性分析是必需的；结论是否已相当明朗？
———规范化企业的假设和零假设。在假设中描述出自己认为将要发生的结果，然后用结论来否定这一假设，当然，在这里所看到的只是一种随机的可能性，即零假设。
———选择合适的统计检验方法。在企业最终决定采用一种连续型数据技术之前，企业需要检验这些数据以确定这种方法是否可用。
———进行运算并检验结果。通常会有3种可能出现的运算结果：零假设成立，意味着目前这些数据不支持你的假设；零假设被推翻，表明确有一些重要因素在影响这些数据，因而假设有可能是正确的；出现错误，表明所选择的数据或检验工具本身存在某些错误。
（4）统计的显著性检验中需要注意的问题。
———用错误的数据进行检验是毫无意义的，甚至是危险的。例如，如果样本规模太小，在差异事实上根本不存在的情况下你可能会得出存在“显著性”差异的结论。
———不要将自己的直觉作为一种经验应用到统计分析当中，统计手段和经验应该平等地结合起来发挥作用。
2.相关与回归分析。
相关和回归分析构成了用于分析两个以上因素间相互关系的工具组合。当两个因素间相互作用，也就意味着某一因素的变动将会伴随另一因素的变动。通过对这些数据进行统计计算，企业可以评估存在于这些因素间的某种可能关系的紧密程度，并由此得出其他许多有用的结论。
通过各种类型的相关与回归分析，企业会发现许多工具有助于自己实现以下目的：
（1）检验基本原因假设，这主要通过探究假设的原因与结果之间是否存在某种关联来实现。
（2）评估和比较不同因素对于结果的影响。
（3）在某些条件下，预测某种流程、产品或服务的未来绩效。
（4）相关和回归分析中需要注意的问题：
———要确保有成对搭配的数据。只有当企业拥有两个以上因素的有关数据，而且这些因素在个别项目上又相互匹配时，相关和回归分析才可能被使用。如果待分析的因素值不与某一特定项目相匹配，显然无法进行相关分析。
———积极采用更先进的方法以便对流程和产品有更多的了解如果被正确使用，相关和回归分析能够明显增进企业对诸如在工作中变动是为何及如何发生的，以及如何控制它等问题的理解。
———切忌将数据中得出的结论作为事实。从回归分析中得到的预测结果多数情况下仅仅是一种趋势，这表明还存在许多并未被认识的变动，这些变动或许又会导致一些难以预计的后果。
———不要仅用一种眼光观察数据。在企业做出不存在相关性的最终结论之前，也许应该考虑对数据进行分层，或者收集一些更长时期内的相关数据。而不要因为企业认为可能的相关性尚未显现就妄下定论。
3.试验设计。
试验设计（DOE ）用于检验和优化某一流程、产品、服务或解决方案的绩效。DOE最独特之处就在于它仅通过一个实验就能得出一个计划和控制变量的机会，而不是像所谓“经验观察”方式那样，需要去收集和观察现实世界中的事物。
试验设计有许多广泛的潜在用途：
第一，评估顾客反馈系统的相关信息，进而在不打扰顾客的情况下寻找到可以产生有效反馈的各类方法的最佳结合方式。
第二，评估某些因素以将某一问题或缺陷的基本原因分离出来。规划或检验各种可能解决问题的手段的结合方式以寻求最佳改进战略。
第三，评价产品或服务的设计，确认潜在问题并减少从开始就可能存在的不足。
试验设计的基本步骤是：
（1）确认待评估因素。企业希望从试验中知道些什么？对流程或产品的可能影响有哪些？当企业选择因素时，一定要把握好检验更多因素得到额外数据的好处与由此增加的成本间的平衡关系。
（2）定义待检验因素的“水平”。在检验诸如速度、时间和重量等一些变动因素时，可以选择一个无限的数量水平，但企业不仅要选择所要采用的数值，而且还要确定希望检验多少不同的水平。在离散型数据条件下，这种水平也许是两者择一的。
（3）创建一个试验组合的排列。在DOE中，总是希望能够避免采用每一变量都要被各自单独检验的办法，较理想的是检查各种条件下的排列以便得到适用于所有因素的代表性数据。这些可能的组合或排列可以由统计软件工具产生或直接由图表得到，对它们的运用将使企业不必再对每一可能的变动都进行检验。
（4）在规定条件下进行试验。这里的关键是不要让其他一些未经检验的因素影响检验的结果。
（5）对结果和结论进行评估。如果企业希望从DOE的数据中发现一些模式或得到一些结论，那么就必须用到方差分析和多元回归等分析工具。从实验数据中或许企业会得到非常明确的方案，或许又会产生新的需要企业在额外加以检验的问题。
试验设计中需要注意的问题是：
（1）除产品设计、工程学和制造业之外，其他大多数行业的活动可能并不适合完全的“实验室”模式，因而需要将试验逐步引入到现实世界中来。
（2）要充分利用试验进行排列。6б试验之所以能够节约大量时间和资源，就是它可以从更少的检验中产生更多的数据。如果被正确使用的话，你就可以把这些节约的时间用于从事其他方面的自己或许从来考虑过的试验。
（3）要注意做好预防措施。如果实验中出现了某些差错，是否会造成严重后果？如果是的话，应该在计划中考虑到意外事故及相应的预防措施，以确保实验不会发生意外。
（4）不要过多地停留在试验工作上，就像在DMAIC中的“分析”阶段一样，可以做更多检验和收集更多的数据，但仅仅只能把试验看做一种工具，而不是最终目的。
4.潜在缺陷模式和影响分析（FMEA）。
潜在缺陷模式和影响分析是设计或制造过程中一项事前分析工作。通过FMEA可识别和评估在设计或工程中可能存在的缺陷模式及其影响，并确定能消除或减少潜在失效发生的改善措施从而防患于未然，尽可能降低各项缺陷成本，保证产品/服务问世即具有优异性能。
（1）FMEA可在设计、生产、交付的各阶段开始之间即进行有效控制。
FMEA可帮助企业确认：
———哪一种缺陷可能发生。
———这种缺陷会造成什么影响。
———这种影响的严重性有多大。
———是哪种原因导致失效。
———失效发生的概率有多大。
———当前的过程控制方法。
———检测失效的能力。
———风险优先数为多少。
———有何改善方案。
（2）FMEA的实施步骤如下：
———确定流程或产品/服务。
———列出可能存在的问题。基本问题是：“会出现什么错误呢？”对于潜在问题的认识可能来自于包括头脑风暴法、过程分析等在内的多种方法，它们可以按照流程中的步骤或产品/服务的组成进行分类，但要舍弃一些琐屑问题。
———从严重性、发生率和可知角度来评价这个问题。用数字1~10给每一个潜在问题的各个因素评分，问题越严重分数就越高，难以察觉的问题得分也应较高。同样，这也仅是一种判断，或者仅建立在历史或检验数据基础上。
———计算“风险优先度”，优化安排应对措施。将上述3个评分相乘就可以得到每一问题的风险度，而将所有问题各自的风险度相加就可以得到关于这一流程或产品/服务的总风险指数。
———采取措施减少风险。首先关注那些RPN最高的潜在问题，然后就可采取相应措施以减少造成这一问题的某一或全部因素：严重性、发生率以及可知度。这一工具的最大益处就在于它能使你的问题管理资源（它们总是有限的）最大限度地发挥作用。
5.错误检查。
错误检查可以被看做对失败模式和影响分析的一种扩展，或被认为是去除企业6б管理法系统中最后一些缺陷的一种外部限制方法。
失败模式和影响分析侧重于对问题的预测与预防，而错误检查则更多地强调要在理论错误转变为影响到顾客的现实之前去发现和纠正它们，它对于不断威胁一切流程的人为错误给予了特别关注。错误检查的核心其实就是对流程中的每一活动都小心审视，并且在每一步骤都做认真检查和问题预防工作。
（1）错误检查可以被用来：
———协调DMAIC方案中的改进和流程设计，尽量避免或控制那些稀少的错误。
———在接近6б管理法业绩的流程中收集数据。
———在从4.5西格玛发展到6б业绩的过程中消除可能会出现的一些问题和缺陷。
（2）错误检查的基本步骤：
在完成了一次彻底的失败模式和影响分析的预测和预防复查之后，错误检查可以最大限度地发挥作用，企业就可以：
———确认在采取预防措施后仍有可能发生的错误。在回顾已有流程中的每一步骤时都要想到：“这一步可能会发生哪些人为错误或设备故障？”
———采用某种方法以确定某种错误或故障是正在发生还是将要发生。
———确认并选择发现错误时所应采取的措施类型。基本类型的“错误检查装置”有以下这些：
一是控制。一种流程自我纠正的措施，就像文字处理软件会自动检查拼写错误并予以纠正那样。关闭。当错误发生时，某种程序或装置会阻断或关闭这一流程，就像家用熨斗的自动断电功能一样。
二是警告。这种办法会提醒工作中的相关人员某些地方出现了问题，座椅安全带上的蜂鸣器就是一个例子，而控制图也会显示出某一流程可能正处于“失控”状态。但过于频繁的警告常常会被忽视，因而采用控制和关闭措施通常更理想。
（3）错误检查中需要注意的问题：
———要试着想像出所有可能发生的错误。
———不要把寻找错误的工作留给下游检查者甚至是顾客去做，这无疑会导致灾难性后果。
———不要抱着“智者千虑，必有一失”、“人非圣贤，孰能无过”的思维定式。没有人能够保证自己永远都是正确的，这也是人之常情，但万万不可姑息错误，要培养员工自觉纠正那些上游员工难以预防的问题思维。
———不要始终依赖人们自觉去发现自身的错误，如果你的流程还运行在2б的低绩效水平上，企业目前就很难消除那张完全依赖下游检查的所谓“安全网”。
