mcpField
P
process-excellence

process-excellence

github.com/anotb其他6245 次安装7 周前更新
代码仓库

关于 process-excellence

面向分析人员和团队的流程改进技能,用于诊断运营问题并设计改进措施。它结合 Lean、Six Sigma 和适度的诊断方法,强调证据核查、风险控制和审慎量化收益。

主要功能

  1. 01界定流程边界与测量口径
  2. 02绘制流程、队列和交接
  3. 03用证据检验疑似原因
  4. 04按影响和风险比较改进方案
  5. 05量化成本、收益与 ROI
  6. 06规划监控和响应机制

适用场景

  1. 01诊断流程延误与返工
  2. 02为运营变更规划试点
  3. 03避免重复计算并估算节省
  4. 04制定流程控制与责任安排

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/anotb/management-consulting-plugin --skill process-excellence

安装后在 Claude Code 中输入/process-excellence确认已加载。

附带文件references/measurement-and-statistics.md

详细介绍

流程卓越

找出运营问题的原因,并设计适用于整个流程的改进方案。根据问题和证据,采用精益、六西格玛或更简单的诊断方法。范围较窄的分析不必产出所有 DMAIC 文档。

明确边界、客户要求、决策、可用数据以及用户要求的输出。依据提供的基线和定义开展工作。如果数据不完整,提供有局限性的初步诊断或测量计划;不要虚构基线,也不要要求在起草前取得现实中的签字批准。在运营风险要求的情况下,执行关卡和受控推广仍然重要。

测量实际发生的工作

定义起始和结束事件、工作单元、符合条件的案例、时间段,以及时间是否包含等待、非工作时段、返工和未完成案例。区分接触时间与历时。采信平均值之前,先检查缺失事件、重复项、时区、选择偏差和未结案例。

依据证据绘制流程、决策、队列、交接和异常情况。SIPOC 可用于确定边界;价值流图可用于揭示等待和库存。采用有助于决策的映射深度。不能仅因某环节的平均耗时最长,就认定其为瓶颈;还需考虑并行产能、批量大小或需求是否不同。

使用测量和统计方法处理事件日志、过程能力、控制图和流程度量。仅在假设和数据适用时才使用统计工具。未知的绩效水平不等于某个西格玛水平。

验证原因并设计改进

运用观察、流程数据、访谈、帕累托分析、鱼骨图和反复追问原因等方法,提出可验证的解释。区分疑似原因与已验证原因。“人为错误”可能掩盖设计或控制问题;不能仅因团队无法控制某个外部原因,就将其排除。

结合具体情境评估等待、返工、不必要的移动、过量工作、库存、重复处理和未利用的能力。不了解某项控制或表面上没有增值的步骤的目的和义务前,不要将其移除。在优化某一步骤之前,先检查下游影响和约束。

根据影响、成本、服务风险、采纳情况和可逆性比较可行的改动。对于重大改动,定义试点、基线对比、成功标准以及停止或回滚触发条件。对于低风险改进,验证措施应与风险相称,而不必流于形式。

量化时避免重复计算

根据业务量、时间、费率、质量和实际成本变化计算财务影响。区分释放的人工产能与减少的支出。只有在需求和下游产能允许时,吞吐量增加才会带来收入;适当时,应采用增量贡献和现金流进行计算。若服务质量、风险和非财务结果是改动的原因,也应清楚呈现。

说明 ROI 和投资回收期的统计周期及所含成本。在该周期内按 (benefits-costs)/costs 计算净 ROI;列出实施成本、持续成本和收益爬坡情况。同一项改进不能同时计作人工成本节省和重新部署的产能。

保持改进并交付成果

明确运营责任归属、修订后的标准作业、监控方式,以及绩效恶化时的应对措施。控制限描述观察到的流程波动;规格限描述要求。两者不可互相替代。

交付用户要求的分析、改进计划、流程图或控制方案。说明证据、仍存的不确定性、建议改动、预期影响,以及哪些情况会推翻这一诊断。实际实施时,应通过现有运营流程确认培训、责任归属、支持和相关审批。仅起草了计划时,不要声称试点或改进已完成。

评论

支持 Markdown