测量系统的组成
作者: 来源: 文字大小:[大][中][小]
分析测量系统的组成，可以提供建立项目指标或KPOV的基线绩效水平的信息。测量系统的组成包括，确定测量工具、测量MSA的测量工具的精确度（偏差）、测量工具的再现性（即在受控条件下予以再现）以及测量系统的稳定性和直线性。过去几年，MSA的组成要素在生产应用领域已经得到很好的定义，但是，在将其应用到供应链上及存货系统时则存在混淆。本章余下各部分将对各个组成部分详细阐述，我们将提供几个应用实例，以便更好地解释MSA概念与供应链的应用二者之间的关联。
分辨率是指测量系统中辨别测量特性变化的能力( 1/10)。对交付周期的分析就是很好的例子。在本方案中，我们的项目目标在于缩短交付周期，但是，在数据采集和分析时，我们必须对交付周期（KPOV情形）执行MSA。第一步在于保证测量工具达到所要求的分辨率。如果项目目标在于使交付周期缩短10%，而当前的测量分辨率是以“天”为单位的，则需要将分辨率精确到“小时”。在本方案中，项目分析的第一步在于将交付周期的测量系统变更为以小时为单位。这种情形十分常见，如以天为单位，加盖日期邮戳来记录系统交易。但是，精益
六西格玛改进小组要求以小时为单位检测流程改进情况。例如，常常遇到需要以小时为单位来理解系统交易的情形，但是，当前的数据采集使用离散的日期邮戳时间增量(如a．m．或p．m．)。分辨率差的例子还包括以下情形：需要识别引发某个问题的所有原因类别，但是，数据却是以共同的方式采集的，造成将不同类别的数据合并成了一种。此时，不得不对测量系统进行分解，以便在精益六西格玛中涵盖所有类别。由此可见，分辨率问题在供应链中是十分常见的。
精确的测量系统在整体上可以为许多样本准确测量指标（平均起来，测量值没有发生偏差或出现相互抵消的情况）。例如，换算常数被系统四舍五人成近似的较大值时、拖车的装载量接近某个重量或者在及时提交的报告中使用交付周期常数时，就发生了偏差。供应站允许延长交付周期，以便补偿从一家工厂到另一家工厂的长距离运输，这时就会发生后一种情形。其他例子包括，数据采集形式促使多个评估类别集中于某个指标的唯一目的的情形。当然，在供应链测量系统中还存在许多发生偏差的其他例子。精益六西格玛必须保证其测量系统已得到正确校准并测量精确，从而保证项目指标基线不会发生抵消。项目指标基线发生抵消将导致对运作性能及相关的项目收益过分夸大或者不能充分予以反映。
再现性衡量两名或两名以上人员（或机器）的能力或技能，以便测量某种指标，并保证每两名人员（或机器）间发生较小的偏差。所举的例子是，要求多名人员阅读同一份存货报告，但是，他们对数据的解释往往不同，并且导致采取不同的行动。另一个例子是多名人员同时审计存货，但是，他们对每一项都往往会得出不同的会计差额。这些是由于人员采取不同的方式测量（或解释）相同的事情，导致再现性发生错误的例子。因为许多供应链存在很大的人为因素，发生再现性错误十分普遍。对付再现性错误的最佳方法是利用测量工具的重复性以及再现性研究。如果项目测量继续实行下去，可以在人员和人员之间使用的测量工具对测量系统变更加以细分，以便更好地评估项目指标。如果该种指标是离散的，可以使用计数一致性分析来理解再现性对项目指标的影响（百分比或序数）。
可重复性是指同一名人员（或机器）在相同的条件下通过多次测量获得的测量结果之间的偏差。例如，某位人员多次计算存货量，但是每次都得到不同的结果。同一名人员循环计数却总是得到不同的结果，原因在于循环计数系统内部固有的偏差。因为人员自身正是整个测量系统的一部分，发生偏差也就不足为奇了。可重复性偏差的其他原因可能在于：当一名人员来到存货地点时，由于理解上的问题导致未能精确地记录存货量。整个系统内，不管数据是向系统提供还是提供给人员，但数据本身却存在偏差，此时不管该系统是否存在许多人为因素，都会存在可重复性偏差的问题。数据本身存在微小偏差，当然会导致不同的决策结果。
稳定性是指测量系统在不同时间获得相同测量值的能力。举个例子，如果总是不断变更数据采集形式或历史基线，将无法评估与历史标准有关的流程变更。再举个例子：测量系统发生降级时，要求对人员进行培训，以便评估流程指标。如果对雇员的评估因管理人员忘记原来的培训指示随着时间推移发生降级，就会发生这里所讲的后一种情形。在该种情形下，有些管理人员对雇员的评估将产生不一致。
直线性是指测量系统在整个范围内测量某种指标得到相等的偏差（错误）的能力。这样的例子有：相对于几种重要的采集形式来说，数据采集形式具有多种多余的评估类别。类别过杂将导致评估形式走向极端。除多余的几种评估类别外，也许在测量系统中评估程序并没有得到清晰的定义。在该范围内的评估系统中，这将导致测量系统的偏差更大。直线性问题的另一个例子是：要求雇员偏向某种绩效评估的一个方面，而不注重另一方面。