Sáu sigma là gì ?

Sáu sigma là một tập hợp các phương pháp dùng trong các doanh nghiệp (sản xuất, kinh doanh, dịch vụ...), nhằm đạt được tỷ lệ sai sót & hỏng hóc cực thấp trong bất kỳ quá trình hoạt động sản xuất, kinh doanh, dịch vụ nào tức là làm tăng mức độ hài lòng của khách hàng và cải thiện đáng kể hiệu quả cuối cùng của doanh nghiệp. Thuật ngữ sigma  là tên gọi của sai lệch chuẩn (standard deviation) dùng trong toán thống kê . Vì thế sáu sigma là sáu sai lệch chuẩn.

Về lý thuyết, nêú một dây truyền sản xuất thoả mãn tiêu chuẩn sáu sigma có nghĩa là chỉ xấp xỉ hai sản phẩm sai sót & hỏng hóc trên một triệu sản phẩm. Trong thực tế, do có sự sai lệch ± 1.5 nên sáu sigma có nghĩa là chỉ ít hơn 3.4 sản phẩm sai sót & hỏng hóc trên một triệu sản phẩm. Đây là một tỷ lệ hỏng hóc cực thấp nhưng là điều có thể trong sản xuất công nghiệp. Nói cách khác, sáu sigma là một phương pháp kiểm soát một quá trình doanh nghiệp đến điểm  ± 6  so với đường trung tâm.

Phương pháp luận mang thương hiệu sáu sigma do Bob Galvin của tập đoàn Motorola phát triển giữa năm 1984-1986 để giảm thiểu phế phẩm trong sản xuất và cải thiện giám sát chất lượng trong các ngành công nghiệp. Sau đó, vào thập niên 90, sáu sigma được phổ biến rộng rãi nhờ thành công của tập đoàn General Electric (GE).

sáu sigma không phải là một hệ thống quản lý chất lượng, như ISO-9000, hay là một hệ thống chứng nhận chất lượng mà là một hệ phương pháp quản lý giám sát một cách hệ thống những biến động để loại bỏ nguyên nhân gây ra sai sót & hỏng hóc trong quá trình sản xuất. Sai sót & hỏng hóc được định nghĩa là những sai lệch không chấp nhận được so với kỳ vọng. Mục tiêu của sáu sigma là tạo ra hiệu năng cao, tin cậy và có giá trị cho khách hàng cuối cùng.

Mặc dù sáu sigma thường được áp dụng chủ yếu để giảm thiểu khuyết tật trong quy trình sản xuất, sáu sigma cũng được sử dụng để cải tiến các quy trình kinh doanh khác như: tìm biện pháp gia tăng hiệu suất của thiết bị; loại bỏ những lãng phí về nguyên vật liệu và việc sử dụng nhân công kém hiệu quả trong sản xuất, kinh doanh; cải thiện công tác hậu cần và lập kế hoạch; cải thiện chất lượng dịch vụ cho khách hàng.v.v… 

Sáu sigma đã phát triển suốt hai thập niên qua và, một cách tổng quát có thể định nghĩa sáu sigma ở ba cấp độ khác nhau:

 Về bản chất, sáu sigma đồng thời có cả ba cấp độ.

 Sáu Sigma là một thang đo chất lượng

Thuật ngữ “sigma” thường được dùng để làm thang đo mức độ chất lượng. Dùng thang đo này, “sáu sigma” tương đương với 3.4 khuyết tật cho một triệu sản phẩm.

Sáu Sigma là một phương pháp luận

 Khi sáu sigma đã phát triển, người ta ít nhấn mạnh đến ngữ nghĩa 3.4 khuyết tật cho một triệu cơ hội mà là phương pháp luận hoàn thiện cấu trúc doanh nghiệp với các nội dung sau đây:

 Tâm điểm của phương pháp luận là mô hình DMAIC dùng cho các doanh nghiệp đang hoạt động nhưng không đáp ứng tiêu chuẩn sáu sigma. Đây là những ký tự viết tắt của quá trình hoàn thiện cấu trúc doanh nghiệp. 

 Với các doanh nghiệp mới thành lập, phương pháp luận sáu sigma dựa trên mô hình DFSS (Design For Six Sigma) hoặc DMADV

Define requirements - Xác định nhu cầu

Measure performance - Đo lường hiệu năng

Analyze relationsips - Phân tích mối quan hệ

Designsolutions - Thiết kế giải pháp

Verify functionality – Xác nhận chức năng

 Tóm lại, DFSS bao gồm những kỹ thuật như đánh giá giá trị doanh nghiệp, hiểu nhu cầu khách hàng, phát triển các sản phẩm đáp ứng những nhu cầu này.

 Sáu Sigma là một hệ thống quản lý

Qua kinh nghiệm của mình, Motorola nhận thấy rằng nếu chỉ dùng sáu sigma như là thang đo chất lượng và một phương pháp luận thì vẫn không đủ để hướng đến những cải thiện đột phá mong muốn và những kết quả bền vững lâu dài. Để có tác động mạnh nhất, Motorola đảm bảo rằng quá rình cải thiện chất lượng và phương pháp luận cấu trúc phải được áp dụng cho các cơ hội hoàn thiện có liên quan trực tiếp đến chiến lược tổ chức. Khi ứng xử như là một hệ quản lý, sáu sigma là một hệ thống hiệu năng cao, là giải pháp nhất quán từ trên xuống dưới để trợ giúp thực thi chiến lược doanh nghiệp.

Hệ thống quản lý sáu sigma làm sáng tỏ chiến lược doanh nghiệp và thang đo chất lượng phản ánh rõ ràng nhất sự thành công của chiến lược đó. Sáu sigma đưa ra chính sách ưu tiên nguồn tài nguyên cho mục tiêu hoàn thiện chất lượng và thúc đẩy các nhà quản lý, những người sẽ điều hành mọi nỗ lực cho mục tiêu doanh nghiệp tăng trưởng nhanh, hiệu quả và bền vững. 

 Công cụ nào cho sáu sigma

 Như đã nói trên, mục tiêu cơ bản của sáu sigma là tạo dựng, thiết kế dây chuyền doanh nghiệp và những sản phẩm đáp ứng nhu cầu khách hàng với chi phí hiệu quả. Bước quyết định trong quá trình tạo dựng, thiết kế doanh nghiệp sáu sigma là sử dụng phép mô hình hoá (modelling) và phép mô phỏng (simulation) để tạo ra mô hình ‘hộp đen’ dự báo & đánh giá các chỉ tiêu quan trọng của doanh nghiệp và sản phẩm.

 Mô hình ‘hộp đen’

 Một mô hình toán ‘hộp đen’ của một doanh nghiệp có thể hình thành từ các cơ sở khác nhau: từ sách giáo khoa (phương trình mô tả quy luật vật lý, kỹ thuật, tài chính, kế toán....); từ chế tạo mẫu (prototype) theo quy hoạch thực nghiệm ( design of experiments); từ chương trình mô phỏng trên máy tính; hoặc từ tập dữ liệu thống kê trong quá khứ ; từ kinh nghiệm & lập luận của các chuyên gia ...vv....

 Khi nói đến mô hình ‘hộp đen’, đương nhiên những công cụ như kỹ thuật thống kê, phép hồi quy (regression) và quy hoạch thực nghiệm (design of experiments) là cần thiết để thiết lập các mối quan hệ (inputs & outputs) & các chỉ tiêu quan trọng thông qua mô hình toán học rõ ràng (hình 1)

Hình 1a, từ tập dữ liệu thống kê, tìm phương trình hồi quy mô tả tốt nhất mô hình ‘hộp đen’ Y= f(X).

Hình 1b, trong mô hình ‘hộp đen’, các input X₁, X₂, ....X_n là các tham số tác động vào hoạt động doanh nghiệp, ví dụ như đặc tính nguyên liệu, các trị số chỉnh định tham số điều khiển quá trình sản xuất, kích thước, tác động của thời tiết, môi trường....

Y là kết quả cuối cùng của doanh nghiệp (có thể rất nhiều ouputs nhưng để đơn giản ký hiệu chung là Y). Y là những chỉ tiêu định lượng liên quan trực tiếp đến các yêu cầu, ví dụ hiệu suất, trọng lượng, chu trình thời gian, chi phí,..vv...

Với mô hình 1b, Khi các inputs X_i (i=1,2,....,n) nhận giá trị xác định thì output Y có kết quả tương ứng. Vì thế gọi là mô hình ‘xác định’ (deterministic model). Một mô hình thường có nhiều outputs, khi đó gọi là mô hình đa mục tiêu (multi-objective model).

 Mô hình ngẫu nhiên (stochastic model) và mô phỏng (simulation)

 Trong thực tế, giá trị của mỗi input thay đổi theo thời gian với quy luật riêng của nó. Mô hình cần phản ánh những biến động này và bảo đảm rằng outputs kết quả đầu ra là tổ hợp ngẫu nhiên các biến động input. Một mô hình như thế gọi là mô hình ngẫu nhiên. Khi đó trong mô hình ‘hộp đen’ các các input X₁, X₂ ....nhận những giá trị biến đổi ngẫu nhiên theo luật cho dưới dạng hàm phân phối xác suất với các tham số đặc trưng như giá trị trung bình μ, sai lệch chuẩn σ, giá trị max, min..... (các giá trị đặc trưng có được từ hoặc giả thuyết & kinh nghiệm của chuyên gia hoặc từ dữ liệu thực nghiệm) thì mô hình được gọi là mô hình ngẫu nhiên (hình 2). Ở mô hình này, khi hoạt động, các input phát giá trị ngẫu nhiên (theo hàm mật độ xác suất cho trước), mô hình tính toán và lưu trữ lại kết quả sau đó xắp xếp kết quả lại dưới dạng biểu đồ phân bố xác suất outputs. Như vậy các biểu đồ output phản ánh đầy đủ những tổ hợp ngẫu nhiên những giá trị có thể xảy ra của các inputs. Số lần tính (số lần phát ngẫu nhiên giá trị input) càng lớn thì biểu đồ outputs càng phong phú, gần hiện thực. Nếu mô hình có nhiều input và có quan hệ toán học phi tuyến thì nói chung dạng phân bố xác suất output khác với dạng phân bố xác suất input.

Với mô hình ngẫu nhiên, mô phỏng Monte Carlo là một công cụ giá trị được sử dụng nhiều trong quá trình phân tích & dự báo & tối ưu hoá doanh nghiệp.Hiện tại, thị trường sofware thế giới có rất nhiều software mô phỏng Monte Carlo hoạt động tương tác trong môi trường bảng tính Excel. Một trong những software này là ‘Crystal Ball’ do Decisioneering (USA) phát triển (http://www.decisioneering.com) . ‘Crystal Ball’ đang được dùng trong các công ty, các trung tâm nghiên cứu & tư vấn, các trường đại học lớn trên thế giới (đặc biệt là ở Mỹ) cho mục đích nghiên cứu phát triển, đầu tư, phân tích dự án, cải thiện hoạt động doanh nghiệp theo sáu sigma, và giảng dạy& học tập. Có thể nói, mô hình ngẫu nhiên là mô hình phản ánh và dự báo đích thực tất cả những khả năng diễn biến trong thực tế.

Tác giả bài báo này cũng đang sử dụng software ‘Crystal Ball’ cho mục đích nghiên cứu và dạy học.

 Mô phỏng Monte Carlo

 Mô phỏng Monte Carlo là phương pháp phân tích liên quan đến phát số ngẫu nhiên và mô phỏng hành vi của một biến khi không đủ dữ liệu để đưa ra giá trị đúng hoặc gần đúng của biến đó. Phát số ngẫu nhiên dựa trên hàm mật độ xác suất của biến đó. Tính ngẫu nhiên được dùng để mô tả những sự kiện mà sự xảy ra của chúng không biết trước. Các input biến ngẫu nhiên được phát ra, tính toán và ghi lại kết quả sẽ mô tả đầy đủ các khả năng xảy ra của output. Khi mô phỏng kết thúc, kết quả được trình bày dưới dạng một biểu đồ (histogram). Nói cách khác, với mô hình ngẫu nhiên và mô phỏng Monte Carlo, output là một biểu đồ hàm mật độ phân bố xác suất. Với biểu đồ kết quả, ta có thể trả lời những câu hỏi như là: với xác suất là bao nhiêu để độ tin cậy của hệ thống ít nhất là 0.80 ? hoặc với xác suất 85%, độ tin cậy của hệ thống sẽ là bao nhiêu ?

 Biểu đồ kết quả hay hàm mật độ xác suất kết quả thoạt nhìn có vẻ phức tạp nhưng thực ra rất đơn giản khi ta biết rằng trục hoành X thể hiện khoảng giá trị của output còn trục tung Y thể hiện xác suất xảy ra của output tương ứng với giá trị trên trục X. Để tham khảo, trong Hình 3 dưới đây là biểu đồ kết quả mô phỏng Monte Carlo do software ‘Crystal Ball’ thực hiện.

Hình 3-Biểu đồ kết quả mô phỏng Monte Carlo

 Hình 3 ghi lại: số lần mô phỏng; vùng nào của output nằm trong giới hạn trên (UPS) và giới hạn dưới (LSL) với khả năng xảy ra (xác suất) bao nhiêu %; các tham số đặc trưng thống kê của mô phỏng (trung bình, sai lệch chuẩn, khoảng biến động, C_p,....)

 Mô phỏng Monte Carlo hoạt động như thế nào ?

 Hình 4 dưới đây thể hiện quá trình mô phỏng Monte Carlo của các software mô phỏng.

Hình 4 – Quá trình mô phỏng Monte Carlo

 Thực chất mô phỏng Monte Carlo chỉ là chu trình tính lặp mỗi khi input phát giá trị (ngẫu nhiên). Bất kỳ một giá trị input nào thay đổi thì lập tức mô hình tự động tính lại (recalculation).Quá trình này lặp lại hàng nghìn hoặc hàng chục nghìn lần để tạo ra một mẫu lớn các giá trị output.

Tự động tính lại- recalculation là đặc điểm nổi bật của Excel, chẳng thế mà ‘Crystal Ball’ là software mô phỏng Monte Carlo được phát triển để hoạt động tương tác trong môi trường Excel. ‘Crystal Ball’ nổi tiếng với các khách hàng khổng lồ như GE, Motorola, Maersk Logistics Inc, Intel Corporation, ABB, Boeing, Princeton University, Harvard Business School, University of Massachusetts, Microsoft, NASA, Northern States Power, HSB Industrial Risk Insurers, Price Water HouseCoopers, Goldman Sachs..vv...

 Tối ưu hoá mô hình

 Nếu một mô hình (xác định hoặc ngẫu nhiên) tính toán quan hệ inputs & outputs thông qua các biểu thức toán học thì đương nhiên có thể tối ưu hoá mô hình theo nghĩa: tìm kiếm các giá trị tham số inputs (decision variables) để tối ưu hàm mục tiêu output (max, min objective function), thoả mãn các điều kiện ràng buộc (với biến quyết định- decision variables) và thoả mãn yêu cầu với outputs( requirement goal values). Trong ‘Crystal Ball’ có công cụ ‘OptQuest’ dùng để tối ưu hoá. Thuật toán tìm tối ưu ‘OptQuest’ dựa trên phương pháp tìm kiếm phân tán (scatter search) do Glover, Kelly và Laguna phát triển (1996).

Khi mô phỏng, ‘OptQuest’ lựa chọn ngẫu nhiên một giá trị (với mỗi biến quyết định), đưa các giá trị này vào bảng tính, tính giá trị hàm mục tiêu, ghi lại kết quả, sau đó phát các giá trị mới dựa trên thuật toán tìm kiếm phân tán và quá trính này được lặp lại. Về tìm kiếm tối ưu,‘OptQuest’ vượt trội hơn thuật toán di truyền (genetic algorithm) vì nó sử dụng phương pháp tìm kiếm kết hợp, đa chiều, kể cả tìm kiếm phân tán để tìm nghiệm tốt nhất toàn cục. Thêm vào đó, ‘OptQuest’ còn áp dụng công nghệ mạng neural và thích nghi để tìm ra kết quả tốt hơn trong thời gian ngắn hơn. Trong khi tìm nghiệm tốt nhất, ‘OptQuest’ cũng kiểm tra điều kiện ràng buộc đối với biến quyết định và thoả mãn yêu cầu (requirement) đối với một vài outputs (goal values). Hình 5 trình bày tối ưu hoá mô hình đa mục tiêu.

Như vậy, nếu một doanh nghiệp hoạt động theo mục tiêu sáu sigma và được mô phỏng bởi một mô hình ngẫu nhiên (hình 5) thì với ‘Crystal Ball’ ta có thể mô phỏng (dự báo) hoạt động doanh nghiệp với mô phỏng Monte Carlo, điều chỉnh tham số kỹ thuật dây chuyền công nghệ cho mục đích tối ưu theo ‘OptQuest’ (ví dụ:giá thành sản phẩm rẻ nhất, dây truyền sản xuất tiết kiệm năng lượng, tỷ lệ phế phẩm 0.001%, ....)

Lời kết - Sáu sigma ở Việt Nam

 Như đã nói trên, phương pháp luận mang thương hiệu sáu sigma  do Bob Galvin của tập đoàn Motorola phát triển giữa năm 1984-1986. Sau đó, vào thập niên 90, sáu sigma được phổ biến rộng rãi nhờ thành công của tập đoàn General Electric (GE). Cho đến nay, sau hơn hai mươi năm trên thế giới, đặc biệt ở các nước phát triển, phương pháp luận sáu sigma đã thâm nhập vào tất cả các lĩnh vực đời sống xã hội: giáo dục, y tế, môi trường, kinh tế, tài chính & ngân hàng & bảo hiểm, quân sự & quốc phòng & hàng không & vũ trụ, công nghiệp & năng lượng, nông nghiệp& thực phẩm & dược phẩm, sinh học, vật liệu....vv...(bạn đọc có thể tìm đọc các tham khảo sáu sigma ứng dụng như thế nào trong chuyên ngành của mình trên rất nhiều các trang internet như: http://www.decisioneering.com; www.sigmazone.com; www.motorola.com; hoặc tìm kiếm trên www.google.com với từ khoá “six sigma”).

Còn ở Việt Nam thì sao ?

theo VietNamNet (ngày 27/11/2006)   www.vietnamnet.vn 

(trích dẫn) “Ngày 27/11/2006 tại Hà Nội công ty Ford Việt Nam đã phối hợp cùng Bộ Thương Mại tổ chức buổi hội thảo: 6-Sigma - Nâng cao tính cạnh tranh cho DN Việt Nam sau hội nhập” và “Tuy chưa được phổ biến rộng rãi ở Việt Nam, nhưng một vài công ty có vốn đầu tư nước ngoài như American Standard, Ford, LG và Samsung, V-tract đã đưa chương trình 6-Sigma vào triển khai áp dụng” (hết trích)

Như vậy sáu sigma đã được áp dụng tại Việt Nam, nhưng rất tiếc chỉ trong các doanh nghiệp có vốn đầu tư nuớc ngoài !!!. Các doanh nghiệp Việt Nam có thể hoạt động theo mục tiêu sáu sigma hay không?. Câu trả lời tất nhiên là có và nên 6 sigma hoá các doanh nghiệp (hoặc ít nhất 3 sigma-tương ứng với tỷ lệ sản phẩm sai sót <1%). Hiện nay người ta đang hô hào tiết kiệm trong đầu tư, xây dựng, sản suất....(rất đúng và rất nhân đạo). Phương pháp luận sáu sigma chính là một trong nhiều biện pháp quản trị, điều hành doanh nghiệp cho mục đích hiệu quả, tiết kiệm. Vấn đề là những ông chủ doanh nghiệp Việt Nam (ông chủ đích thực chứ không phải các ông chủ ‘dỏm’) có mong muốn và thiện chí trong việc sử dụng kiến thức tư vấn, đào tạo nguồn nhân lực (những chuyên gia am hiểu về sáu sigma cấp ‘black belt’, ‘green belt’), tổ chức bộ máy, dây chuyền sản xuất kinh doanh theo mô hình sáu sigma hay không.

Chúng tôi rất sẵn sàng lắng nghe và trao đổi với quý vị quan tâm đến những vấn đề nêu ra trong bài báo.