6sigma在企业员工满意度实施的M阶段

测量的目的是澄清问题，并开始寻找问题的根源。每个缺陷都可能是由多种原因造成的，而这些原因对缺陷的影响程度是不同的，所以要有针对性地了解现有的性能水平。

一、数据收集

改进对象确定后，应对选定的满意度进行测量。也就是要对目前的表现水平有针对性的了解。在这个阶段，有两个问题需要解决:

1.找出导致员工不满意的因素，确定对满意度影响最显著的因素。

2.收集这些因素引起的满意度变化的数据。

数据可以分为连续数据和离散数据:连续数据是指那些可以“无限可分”的技术，连续测量的数据，比如时间、身高、金钱等等。离散数据是指可以被分类为唯一的、单独的或非重叠的类别的数据。如类型、种类、数量等。

二、寻找导致员工不满意和满意差异的因素(x)。

员工本身的生理和心理特征，包括性别、年龄、学历(或许还有性格等主观因素):员工在公司的职位、在公司的任职年限、职位；产生员工满意结果过程中的制度、实施者、企业文化等因素(培训、薪酬、职业发展等。)会影响员工满意度。为了使决策客观并经得起推敲，需要综合分析有哪些因素，并测试和衡量这些因素是否以及如何影响员工当前的满意度水平。如上所述，影响满意度的因素是复杂的。所以有必要从以下几个维度来分析这些原因。

先从流程角度分析一下。任何一种员工满意度都是过程的产物，任何一种结果的好坏都是过程的好坏造成的。因此，我们可以通过调查过程和过程中的环节来分析与满意度结果相关的因素。

其次，根据分层因素进行分析。通过不同角度的分析开发，可以全面考察员工满意度的影响因素，也可以为全面的数据收集做好防范准备。

这里要注意的问题是，要把员工的需求作为分析的出发点。我们在定义缺陷的概念时，也就是在确定哪些因素会导致“员工不满”时，要站在员工的角度去分析，因为我们认为的影响因素实际上未必会引起员工不满，所以真正的原因会被忽略。

三、确定西格玛水平

为了确认过程中制造缺陷的可能性，即错误的概率，需要计算西格玛水平。

1.离散数据西格玛水平的计算离散数据的西格玛水平需要用DPMO数(每百万次的缺陷数)来换算。

计算出PMO后，就可以根据换算表确定西格玛水平。

2.连续数据的sigma水平计算对于连续数据，通过对数据分布的分析来确定其长期和短期能力(短期能力:指数据分布在Spec附近的集中程度，长期能力:随着实践的推移，数据分布的变化转化为sigma水平。你可以用Minitab软件输入数据，进行分析，然后就可以得到长期/短期的能力和Z(6sigma水平)值。