我写这篇博客有点犹豫，因为我不是六西格玛专家。嘿，我甚至不是精益实践者。在 Minitab，我们信奉“遵循最佳想法”，也许这位统计首席财务官正在做一些事情。因此，如果您发现这有点侮辱性或完全错误了，我提前道歉，但我认为 DMAIC 缺少一个关键字母：就是模拟的 S。如果持续改进都是为了挑战现状，那么自 20 世纪 80 年代以来，我们一直在关注相同的 5 个字母，这难道不奇怪吗？
不要误会我，DMAIC 很棒，我只是认为它不完整
如果您正在阅读这篇文章，您可能熟悉 DMAIC。不管怎样，为了说明我的观点，让我们快速回顾一下。DMAIC 代表定义、测量、分析、改进和控制。
正在运行 DMAIC 项目？ Minitab 可以提供帮助。
我认为模拟在整个 DMAIC 过程中都发挥作用。如果您在测量阶段需要梳理出状态现状，您甚至可能想要模拟当前过程。在本博客中，我将重点介绍模拟，这是从分析到改进的桥梁的组成部分。
在分析阶段，团队就输入和输出（通常称为 X 和 Y）之间的因果关系制定假设。他们使用统计分析和数据来验证他们到目前为止所做的假设和假定。
在改进阶段，团队致力于设计新过程，通常涉及一些解决方案映射，并经常使用试验设计（DOE）。DOE 允许团队系统地测试不同的组合，并使用优化技术找到理想的解决方案。
为什么添加模拟？
传统 DMAIC 假设在分析后，您直接进入改进测试。但是，这通常意味着在实际运营中试行变革，这可能代价高昂、具有破坏性且风险高。
通过添加模拟阶段，您可以：
- 在实施变更之前，对不确定性进行建模并量化风险。
- 使用不同的解决方案进行虚拟试验，以找到最佳设计。
- 通过避免实时系统中的试错来节省成本和时间。
- 通过展示数据驱动的潜在结果预测，与利益相关者建立信心。
模拟实战：Monte Carlo（非制造）
想象这样的场景：财务团队想要缩短发票处理时间。基准数据显示发票需要 2 到 10 天，客户要求 95% 按时交付（7 天内）。使用 Minitab Workspace 的 Monte Carlo 模拟，您可以运行当前变异的 10,000 个模拟发票周期。结果显示，目前按时交付率仅为 72%。
在实施减少变异的改进（如审批自动化、标准化模板）之前，您可以在模拟中运行这些场景。团队可以提出数据驱动的改进案例，而不是盲目试点。
想要访问 Monte Carlo 模拟？
模拟实战：离散事件（非制造）
一家医院正在重新设计其急诊科。患者流动取决于到达模式、分诊、房间可用性和员工安排。在真正的急诊室中进行试点是不切实际的，而且不安全。
使用 Simul8，医院绘制患者到达和通过系统的流程图。他们测试场景：添加分诊护士、更改班次重叠或重新设计患者路径。
模拟显示哪些更改会缩短等待时间并提高吞吐量，而不会过度消耗资源。这项虚拟试验让领导者能够做出明智、安全和经济高效的决策。
想要访问 Simul8？
模拟实战： Monte Carlo（制造）
想象这样的场景：工厂希望提高注模操作良率。不同班次的报废率差异很大，与周期时间、冷却和材料批次变异性相关。
通过使用 Minitab 运行 Monte Carlo 模拟，操作模型可得到良率与周期时间分布、冷却时间分布的对应关系。模拟表明，将周期时间缩短 10% 会使缺陷风险增加超过 30%。
模拟使工厂能够保持稳定的周期时间并优化冷却设计，而不是追逐更短的周期时间。
模拟实战：离散事件（制造）
假设这样的场景：一家公司想要重新规划包装产线以适配新产品。与其投资新布局，不如使用 Simul8 离散事件模拟来评估备选布局，同时考虑操作员步行距离、机器周期时间和输送机容量。
模拟可以在付诸于承诺施工之前显示最佳布局。
您是否准备好将模拟添加到 DMAIC 过程中？
如今，过程改进不仅需要良好的分析，还需要预测远见。通过将模拟集成到 DMAIC 中，组织可以更快地移动、降低风险并实现更可靠的结果。
是时候更新词汇了？ DMAIC 给予我们的服务很好，但未来属于 DMASIC。