六西格玛管理在公司信息化系统中的应用研究

尹涛 戴昭颖 闫冬 付建新

摘要

公司信息化系统从建设、实施、到稳定运行已经持续近十年的时间，随着二期项目的实施、新的产品产线不断扩充，业务量和数据量与建设期相比，都达到了成倍级别地增长，导致系统的响应时间变长，用户汁系统体验变差。目前主要是通过硬件扩容、参数调优等一系列定性方法对信息化系统进行优化，不仅投入大量人力物力财力，而且不能从根本上采用定量的方法进行持续优化改善。本文通过采用六西格玛管理的方法，选取ERP系统为典型示例，对该系统的响应速度进行定量地分析，通过定量的分析方法对影响因子进行改善，从而对指标进行提高，达到定量分析提高信息化系统响应速度的效果。

【关键词】六西格玛 ERP系统 定量分析 关键因子

公司从2008年ERP系统正式上线以来，已经稳定运行将近十年时间。随着产线增多，业务数据量成倍增加，目前系统数据量约为2.8TB，数据月增长量约为60GB，ERP系统性能较差，后台执行程序时需要遍历海量数据，导致查询报表、接口运行速度缓慢，系统响应时间变长，且对后期新应用会产生影响;系统安全性较弱，数据库备份、恢复时间长，未来升级停机时间较长，是长期安全隐患;系统运维成本高，包括硬件扩容成本和维护成本都迅速增加。在这种形势下，我们采用一些措施来提升ERP系统总体性能：提高系统可用性，软件升级，数据库重组，数据备份或恢复等系统管理工作可以在较短时间内完成，收益明显，还可以从增加硬盘、CPU、存储等投入提高系统性能，但是这些方法只是定性地提高系统响应时间，不能从根本上改善系统的性能，而且会增加大量的硬件投入成本和运维成本。

数据库的大小很大程度影响着数据库对于会话的响应时间，通过缩小数据库加快访问业务数据的速度。通过使用六西格玛管理的方法，按月增長量对数据库的增长空间影响进行相关性分析，将月增长量按照人、机、料、法、环，充分运用头脑风暴去寻找影响因子，按照影响程度和大小进行权重打分，综合比较选出最关键的影响因子，然后逐个对关键因子和指标按照数据类型进行单因子方差、假设检验、回归分析找出函数关系，逐个对因子进行分析和控制，最后达到定量对指标持续有效地改善控制。

1 六西格玛实施方法

1.1 实施方式

六西格玛是一种流程改善管理，把质量整合到日常活动中，测量缺陷和变异，用一种持续改进以满足客户需求的方法，用一种固有化的流程，包括定义流程/问题、测量流程/问题、分析流程/问题、改善流程/问题、控制流程/问题，而最终的成效定义的指标Y由输入的关键因子X决定，寻找一种对应的函数关系，就可以准确地改善和控制Y：

Y=f（X₁，X₂，X₃，...，X_k）

通过找出的这种函数关系，将生产过程中的实际问题，通过统计学知识转化为统计问题，将统计学的解决方案转化成实际的解决方案，即每百万个出错机会中有3.4个错误，或者合格率为99.9999%，就是达到了六西格玛的水平。六西格玛项目启动过程中，要将项目背景，选题理由，客户需求分析确定下来，通过输入输出流程图、价值流图分析宏观流程，选择关键流程，确定项目范围。将改善ERP系统响应时间作为六西格玛方法的目标，而数据库的响应时间与数据月增长量是线性相关的关系，因此将主要的指标定义为每月增长数据量的缩减率，作为判断ERP系统运行时间的标准，计算公式如下：

月增长数据量缩减率=缩减数据量/数据增长量*100%

指标的基线、目标和极限的设定标准为，基线为历史3～6个月稳定数据的平均水平，标杆的设定为行业最高水平、历史最佳水平和设备的极限。单位缺陷数DPU=全部缺陷数/单位数，百万机会的缺陷数DPMO=所有缺陷的总数/（单位数*缺陷机会数）*1000000，每百万机会的缺陷能力指标，主要用于衡量流程的西格玛水平。

1.2 实施步骤

1.2.1 定义阶段

采用条形图和单值控制图查看公司ERP系统一年内的平均运行时间，得出事务码平均响应时间为51.15，超过10S说明系统响应速度缓慢。分析公司ERP系统架构可以看出，说明用户在前台执行事务码，后台整个架构反映过程，主要分为数据库顺序读取，CPU计算，网络交互反应，系统日志切换，其中CPU计算、网络交互反应、系统日志切换与硬件升级有关，只能对问题进行定性改善，不能做定量分析，不用于六西格玛的改善分析。因此，分析系统响应速度转换为分析系统数据量增长情况。如表1所示。

因为数据库增长量与系统响应速度有相关关系，随着数据量的增加，系统响应时间不断增加。根据调用频次将ERP系统数据增长量分为三部分，调用频次在100次以上的为调用频繁数据量，调用频次在4-100次为正常调用数据量，调用频次在4次以下为沉寂数据量。按照每年数据增长缩减率的平均水平将基线设定为8.1%。目标设定项目实施完成后提高到37.7%，极限目标按照历史最高水平设定为40.3%。选取ERP系统中的典型事务码ZSR016的运行时间作为比较标准。

1.2.2 测量阶段

首先从ERP系统后台监控说明，当前生产系统使用的数据空间与系统在高峰期用户等待系统响应时间成正比。整个数据管理流程，从用户需求提报，到数据管理方案设计，再到测试系统归档、生产系统归档及日常数据增长情况的监控，在这些流程中通过人、机、料、法、环因素找出影响因子，通过因果矩阵、鱼骨图等六西格玛常用的工具，最终确定六个关键因子，分别为用户对系统性能需求、大数据表增长量、业务数据条目数、数据对象范围、程序逻辑与算法、清理历史数据。通过失效模式分析，清理历史数据作为短期执行可以出现明显效果的改善因子，因此作为快赢的主要措施，快赢阶段结束后，值提升到12.5%，辅助指标响应时间降低一半以上。

1.2.3 分析改善阶段

对各个关键因子和指标进行量化分析，将不可量化的因子采用召集用户部门，调研反馈搜集问题点等方式改善。对于可量化的因子，根据离散还是连续的情况采取假设检验、单因子方差、回归分析等六西格玛定量分析方法。

在用户对系统性能需求的因子分析过程中，通过搜集各业务部门反馈问题点，整理为四个方面：

（1）业务用户进行系统变更需求时，职责不明确，造成管理混乱;

（2）用户数据表查询效率低，很多数据量是不经常被调用的;

（3）没有一个明确的细化的用户数据管理需求提报模板;

（4）规范用户在系统中的操作，避免产生不必要的负荷。

将这四个问题点展开分析，主数据管理通过查询频次、分模块、分供应商分析，系统变更管理通过职责分工、技术审批、技术实现分析，需求提报规范通过范围选择、业务影响、优先顺序三方面分析，系统管理办法通过停机安排、备份时间和恢复时间分析，根据对问题点的分析，提出信息化系统变更管理办法和主数据维护管理办法，用户分模块需求提报模板，ERP系统管理办法，将系统维护规范化、合理化、标准化。

在改善大数据表增长量的过程中，由于大数据表增长量是可量化的连续数据，因此需要采用六西格玛中的假设检验分析。假设检验是先对总体参数提出一个假设值，然后利用样本信息推断这一假设是否成立，假设检验是利用小概率事件原理，进行反向推断，检验问题实际就是判断样本是来源于哪个总体，由物理问题转换为数学问题建立一对相对立的假设，可以用样本均值估计总体均值，因此要研究样本均值的分布，根据中心极限定理，可以得出总体的方差和均值。

假设检验需要建立原假设HO和备择假设H1，假设的对象是总体参数，不是样本统计量，选择检验统计量，给出拒绝域的形式，给出显著性水平a，确定临界值C，给出拒绝域W，计算置信区间及P值。原假设一定是不需证明的，正常的情况，通常取原假设为等于;备择假设是我们需要作出判断的情况。要作出判断的对象是总体参数，而不是样本统计量，用样本统计量对总体参数进行估计，将样本空间划分为两个区域，样本数据落入拒绝域，就拒绝原假设，落入非拒绝域，就无法拒绝原假设，拒绝是有说服力的，不能拒绝是没有说服力的。

见表2，由于大数据表增长量与月数据量增长的缩减率都是连续型数据，因此根据假设检验采取回归分析。通过事务码DB02提取出大于1G的数据表清单，查看月增长情况，将大数据表增长量与缩减率进行回归分析，如图1所示P值小于0.05，并且残差稳定且正态，说明缩减率与大数据表增长量有显著的相关关系。并且由拟合线图可以看出缩减率与大数据表增长量呈负相关，从而通过降低大数据表增长量而提高缩减率。通过帕累托图二八原则，挑选出数据量增长明显的5个大数据表，用于后续的分析改善。提高缩减率的改善措施为数据避免和数据删除，将5个大数据表进行相应业务归类，在系统中进行后台配置关闭和删除处理。根据数据增长量进行控制，减少系统维护的压力和成本。

在改善业务数据条目数的过程中，查看上半年接口报错的日常监控日志，由于接口日志报错和用户业务数据操作错误，导致业务系统条目数成倍增长。正常的業务条目数不能避免，但是用户执行一次误操作，会产生三条以上的业务条目数和错误日志。将业务数据条目数与缩减率进行相关和回归分析，并且做拟合线图，得出P<0.05，缩减率与数据条目数负相关，残差稳定且正态。

提高缩减率，需要降低业务数据条目数。降低业务条目数有三种途径，进行创建控制、及时关闭订单、控制订单数量，核心问题为规范用户操作。分模块制定8份业务用户操作手册，指导用户正常操作，避免产生无效的条目数，从而提高缩减率。在确定数据对象范围过程中，ERP系统有2万多张数据表，按数据表进行管理时，会造成数据管理流程混乱，并且要从官方数据对象中筛选相应业务的数据对象。按照公司己有的业务模块，结合数据表相关性分析，根据业务完整性和先后性对数据对象进行分类和排序。通过DB15和TAANA两个事务码操作，找出数据表与数据对象一一对应关系，最终选出20个合理的数据对象，大大提高管理效率，提高数据缩减率。在优化程序逻辑与算法中，因为ERP系统原有程序存在运行缓慢，运行结果错误，测试不充分等问题，影响系统的性能和缩减率，这些都与程序的逻辑和算法有关。因此要优化算法、制定标准。程序算法要满足两个逻辑，一个是对数据的清理逻辑，另一个是清理数据后的查询逻辑。需要搜集用户需求和业务规则，考虑程序读取性能优化，进行增强程序处理。制定详细的程序删除和增强数据的逻辑清单，并且根据当月的实际业务制定开发清单，保证数据的完整性。通过增加改善程序的措施后，不仅提高数据缩减率，同时优化系统的性能。

1.2.4 控制阶段

按照分析改善阶段的措施，对5个关键因子进行持续改善和控制，制定控制计划，包含控制点，控制方法，控制频率和反应计划。实施控制计划后，项目指标月数据量的缩减率达到极限目标40.7%，事务码执行时间降低到10.5S，说明系统响应时间在项目实施完成后的6个月进行了持续改进控制。

1.3 实施效果

通过对5个关键因子的改善措施实施，相应的跟踪指标进行统计，Y的指标从12.5%提升到38.1%，完成目标设定。辅助指标事务码执行时间，从75.3S降低到15.2S.随着ERP系统业务产线的不断增加，系统数据增长幅度很大，每年要投入大量成本用于服务器内存和存储资源的扩充，以及每两年进行的ERP系统的升级，包括硬件配置和系统版本的升级。通过采用六西格玛的管理方法不仅提升ERP系统的响应速度，而且取得的财务收益包括扩充空间收益和避免升级收益达到了将近100万元，同时也减少了人力的投入，为公司用六西格玛管理的方法提高信息化系统有效结合起来提供了有力的支撑。

2 结论

本项目通过使用六西格玛方法的定义、测量、分析改善、控制五个阶段的分析工具，如头脑风暴、因果矩阵、潜在失效模式分析、单值控制图、假设检验、回归分析等定量改善工具，通过客观数据的方法定量地改善ERP系统的响应时间，不仅减少人力维护成本和硬件投入成本，还可以从根本上解决ERP系统响应时间长，数据增长量过快的问题，通过六西格玛方法在ERP系统中的成功应用，为公司信息化系统定量分析垫定了理论基础，将六西格玛方法更好地应用到信息化系统的优化改善中。

参考文献

[1]中国质量协会组织编写，何桢主编.六西格玛管理（第三版）[M].北京：中国人民大学出版社，2014.

[2]吴嘉晟，郑大兴编著，制造业六西格玛应用手册[M].北京：中国人民大学出版社，2008.

[3]马逢时等编著.六西格玛管理统计指南一Minitab使用指导（第二版）[M].北京：中国人民大学出版社，2013.