培训大纲

• 第一章 六西格玛概述
• 第二章 DMAIC方法论总览
• 第三章 Define（定义）阶段
• 第四章 Measure（测量）阶段
• 第五章 Analyze（分析）阶段
• 第六章 Improve（改进）阶段
• 第七章 Control（控制）阶段
• 第八章 六西格玛常用统计工具
• 第九章 六西格玛项目案例
• 第十章 六西格玛推行与人才培养
• 第十一章 总结与展望

第一章：六西格玛概述

什么是六西格玛？

六西格玛（Six Sigma）是一种以数据为基础、追求近乎完美的质量改进方法论，由摩托罗拉在1980年代首创，GE在杰克·韦尔奇时代发扬光大。

σ水平与合格率

第二章：DMAIC方法论总览

各阶段核心任务

• Define：明确问题、确定项目目标与范围
• Measure：测量现状、评估测量系统、计算过程能力
• Analyze：分析数据、识别关键因子、验证根因
• Improve：优化关键因子、验证改进效果
• Control：固化成果、建立控制机制、持续监控

第三章至第五章：D-M-A 阶段详解

Define（定义）阶段

• 问题陈述与项目目标（SMART原则）
• 客户声音（VOC）收集与CTQ树
• SIPOC流程图、项目范围界定

Measure（测量）阶段

• 数据收集计划、测量系统分析（MSA/GR&R）
• 过程能力分析：Cp ≥ 1.33，Cpk ≥ 1.33 为合格
• 确立基准绩效（Baseline）

Analyze（分析）阶段

• 因果分析：鱼骨图、5Why、故障树（FTA）
• 假设检验、回归分析、方差分析（ANOVA）
• 识别Vital Few关键因子

第六章至第七章：I-C 阶段与组织架构

Improve（改进）阶段

• 创意产生：头脑风暴、TRIZ创新方法
• DOE试验设计：筛选因子、优化参数
• 改进方案验证：Pilot Run、效果对比
• 风险分析：FMEA评估改进方案

Control（控制）阶段

• 控制计划（Control Plan）制定
• SPC控制图监控关键参数
• 标准化作业、防错（Poka-Yoke）设计
• 项目成果固化与推广

六西格玛组织架构

第八章：六西格玛常用统计工具

Minitab软件入门

Minitab是六西格玛最常用的统计分析软件，操作简单、功能强大。

核心统计工具

• 描述性统计：均值、标准差、中位数、极差
• 正态性检验：Anderson-Darling检验
• 假设检验：单样本t检验、双样本t检验、卡方检验
• 回归分析：线性回归、多元回归
• 方差分析（ANOVA）：单因子、多因子分析
• 控制图：Xbar-R、Xbar-S、P图、C图
• 过程能力：Cp、Cpk、Pp、Ppk

第九章：六西格玛项目案例

案例：电钻电机良率提升项目

• Define：电机良率目标从92%提升至98%
• Measure：GR&R验证测量系统可靠；Baseline良率92.3%
• Analyze：ANOVA分析发现绕线张力、浸漆温度、轴承批次为关键因子
• Improve：DOE优化参数：张力15N→18N，浸漆温度125°C→120°C
• Control：Xbar-R图监控张力，控制计划固化参数

项目成果

第十章：六西格玛推行与人才培养

推行步骤

• 高层承诺：将六西格玛纳入企业战略
• 选择试点：挑选有影响力的项目先突破
• 培养人才：黑带、绿带认证培训体系
• 项目管理：建立项目评审与激励制度
• 文化固化：数据驱动决策成为习惯

常见推行障碍与对策

• 障碍1：高层支持不足 → 对策：从小项目出成果，用事实说话
• 障碍2：统计数据难收集 → 对策：MES系统自动化采集
• 障碍3：黑带人才流失 → 对策：职业发展通道+项目分红

精益六西格玛（Lean Six Sigma）

为什么要结合精益？

六西格玛擅长减少变异，精益擅长消除浪费。两者结合，既解决"做得对不对"，又解决"做得快不快"。

八大浪费与六西格玛的结合

第十一章：总结与展望

核心价值回顾

• 数据驱动：一切决策基于统计分析，而非直觉
• 客户导向：CTQ从客户需求出发
• 财务验证：每个项目都有可量化的经济收益
• 人才培养：黑带/绿带体系打造内部专家

个人学习路径

• 掌握Minitab基础操作
• 参与一个绿带改进项目
• 系统学习假设检验与DOE