实用六西格玛与 DMAIC 框架：面向制造工程师的分步指南
如何在真实生产线上开展 DMAIC 项目：每个阶段做什么、用什么工具，以及项目最容易在哪里出问题。
核心要点
- 六西格玛是一种基于数据的方法，用于减少波动和缺陷。DMAIC（定义、测量、分析、改进、控制）是它的五阶段项目骨架。
- 每个阶段都以一个关卡（tollgate）结束：必须先交出具体成果才能进入下一阶段。这正是项目与一连串会议的区别。
- 大多数 DMAIC 项目失败于定义阶段（问题选错）和控制阶段（成果流失），而不是统计学。
- 无需重型软件。COPQ、Cpk、根因分析、SMED、OEE、标准化作业和 5S 的免费计算器已能覆盖车间的大部分工作。
01六西格玛在车间里的真正含义
六西格玛于 20 世纪 80 年代中期起源于摩托罗拉，最初是质量目标，后来发展为一种管理方法。从技术上讲，六西格玛过程的最近规格限距离均值六个标准差。按照惯例的 1.5σ 长期漂移，这相当于每百万机会 3.4 个缺陷（DPMO）。 正式背景可参阅维基百科的六西格玛概述（英文）。
对工程师而言，实际含义更简单：用测得的波动取代意见，解决原因而不是症状。DMAIC 是让项目保持诚实的结构，因为每个阶段都以必须出示的成果结束。
| 西格玛水平 | DPMO | 过程良率 | 直观理解 |
|---|---|---|---|
| 3σ | 66,807 | 93.32% | 约每 15 件有 1 件缺陷 |
| 4σ | 6,210 | 99.38% | 约每 161 件有 1 件 |
| 5σ | 233 | 99.977% | 约每 4,300 件有 1 件 |
| 6σ | 3.4 | 99.99966% | 约每 294,000 件有 1 件 |
DPMO 数值采用惯例的 1.5σ 长期漂移。
02传统解决问题方式 vs. DMAIC 方法
大多数工厂每天都在解决问题。区别不在于努力程度，而在于纪律：DMAIC 要求你在花钱做对策之前，用数据证明每一步。
| 方面 | 传统方式 | DMAIC 方式 |
|---|---|---|
| 起点 | 投诉、报警或直觉 | 有基线、范围和商业论证的明确问题 |
| 问题描述 | “3 号线废品太高” | “3 号线 12 周平均废品率为 X%，目标为 Y%” |
| 决策依据 | 经验和最响亮的意见 | 来自已验证测量系统的实测数据 |
| 根本原因 | 第一个看似合理的解释 | 用数据验证，而非假设 |
| 对策 | 上次有效的做法，或采购设备 | 依据已验证原因和风险（FMEA）评分的方案 |
| 效果验证 | “好像好一点了” | 同一指标、同一测量方法的前后对比 |
| 保持 | 提醒和良好愿望 | 控制计划、更新的标准化作业、审核和明确的责任人 |
| 典型结果 | 问题反复出现，持续救火 | 可量化、可持续的改进 |
03DMAIC 框架：逐阶段详解
每个阶段采用相同结构：你要做什么、进入下一阶段前必须交付什么（关卡）、适用哪些工具，以及免费计算器能在哪里帮你节省时间。
把问题界定到可以被解决
问题界定清楚就解决了一半；界定不清会浪费数月时间和预算。
要做什么
- 写出包含指标、基线、地点和时间范围的问题陈述。不写原因，不写对策。
- 制定项目章程：范围、SMART 目标、团队、发起人、时间表。
- 收集客户声音并转化为 CTQ（关键质量特性）。
- 用 SIPOC 图在高层级上描绘过程。
- 估算商业价值，让发起人看到问题的代价。
关卡交付物
- 已签署的项目章程
- SIPOC 与 CTQ 清单
- 以金额而非百分比表示的基线商业论证
常用工具
掌握基线，并确保数据可信
无法测量就无法改进，而从未验证过的测量也不值得信任。
要做什么
- 对每个指标做操作性定义：缺陷到底是什么、由谁判定、用什么量具。
- 在收集数据前验证测量系统（计量型数据用 Gage R&R，合格/不合格用属性一致性分析）。
- 制定数据收集计划：收集什么、多少、谁来做、何时，以及按哪些因素分层（班次、设备、物料批次）。
- 先用控制图检查稳定性，再计算能力。
- 建立基线：良率、DPMO、Cpk、OEE。
关卡交付物
- 数据收集计划
- 测量系统分析结果
- 基线能力与绩效
- 细化后的问题陈述
常用工具
找到经过验证的根因，而不是方便的那个
假设在分析阶段被检验。这个阶段结束时，你得到的是能够证明的原因，并按对指标的影响排序。
要做什么
- 对数据分层，并用帕累托图聚焦关键的少数因素。
- 与操作员和维修人员一起召开鱼骨图（6M）会议，提出假设。
- 用 5 Why 深挖，在现场（gemba）手里拿着真实零件进行。
- 用数据检验假设：比较、相关、回归，必要时用 DOE。
- 区分已验证原因与似是而非的原因。只有已验证的原因才进入改进阶段。
关卡交付物
- 按影响排序的已验证根因
- 每个原因的证据（图表、检验或照片）
- 数据改变认识时更新的问题陈述
常用工具
消除原因、证明有效，并防范副作用
最好的对策以最低成本和风险消除已验证的原因，并且在推广前已经过测试。
要做什么
- 为每个已验证原因提出方案，并用影响/难度矩阵和明确标准打分。
- 对选定方案做 FMEA，在新的失效模式找上你之前先找到它们。
- 在有限范围（一条线、一个班次）试点，并用与基线相同的方法测量。
- 原因与流程相关时使用精益工具：长换型用 SMED，用 OEE 查看可用率、性能和质量损失。
- 规划推广：培训、备件、责任人。
关卡交付物
- 带前后数据的试点方案
- 更新的 FMEA
- 带责任人和日期的实施计划
常用工具
项目团队离开后，让成果继续保持
控制是大多数团队跳过的阶段，也是许多改进在一年内消退的原因。
要做什么
- 更新标准化作业、作业指导书和培训材料，确保没有见过试点的班次也在执行。
- 将关键参数放到控制图上，并约定反应计划：过程失控时谁做什么。
- 把审核纳入日常：5S 和分层过程审核让标准保持可见。
- 移交给过程责任人，并以财务确认的节约额和经验教训结束项目。
- 过程运行足够长、具有代表性后重新计算能力（通常至少 20–25 个子组）。
关卡交付物
- 控制计划与反应计划
- 更新的标准化作业
- 向过程责任人移交
- 已确认的节约额
常用工具
04实例：型材挤出线壁厚废品
下列数字仅为示例。它们用于说明各阶段如何衔接，并非来自真实客户。完整的项目演练计划作为本系列的第 2 篇文章。
| 指标 | 基线（Measure） | 改进后（Control） |
|---|---|---|
| 规格 | 1.80–2.20 mm | 1.80–2.20 mm |
| 过程均值 | 2.04 mm | 2.01 mm |
| 标准差 | 0.070 mm | 0.045 mm |
| Cp | 0.95 | 1.48 |
| Cpk | 0.76 | 1.41 |
| 预期超规格 | ≈ 11,400 ppm（1.14%） | ≈ 14 ppm |
示例数据。按正态、稳定过程计算；请在下方 Cpk 计算器中自行核对数字。
- Define：用 COPQ 计算器把废品折算成金额，项目因此获批。
- Measure：对壁厚量具做 Gage R&R 后，基线显示 Cpk 0.76，而 Cp 为 0.95。
- Analyze：Cp 明显高于 Cpk，说明过程不仅偏宽，而且偏离中心。帕累托和鱼骨图指向设定值漂移和牵引速度不稳：两个原因，两项对策。
- Improve 与 Control：重新对中设定值并加强牵引速度控制。控制图和更新的标准化作业保持新的 Cpk 1.41。
05何时使用 DMAIC（以及何时不用）
DMAIC 是重型工具。该用的地方才用，其他地方用更轻的方法。
原因未知，有可用数据
过程稳定但能力不足，原因不清，存在可测量的数据，且节约额值得投入。
过程尚不存在？用 DMADV
如果需要设计而不是修复过程或产品，请使用设计方法（DMADV / DFSS）而不是 DMAIC。
精益与六西格玛互为补充。精益消除浪费和等待（参见价值流图、SMED、5S）。六西格玛减少波动和缺陷（SPC、能力）。实际工厂问题通常两者都需要，这也是多数团队采用精益六西格玛的原因。
06常见问题
DMAIC 项目需要多长时间？
绿带规模的项目通常需要三到六个月，取决于数据可得性和试点速度。如果超过九个月，通常是范围过大，应拆分。
开始前需要黑带吗？
不需要。带级表示统计培训的深度，而不是改进的许可。帕累托、能力分析、鱼骨图和 5 Why 可覆盖大部分车间问题。需要 DOE 或复杂建模时再请黑带参与。
什么样的 Cpk 算好？
常见经验法则：成熟过程 Cpk ≥ 1.33，关键特性或新过程 Cpk ≥ 1.67。低于 1.0 则过程无法可靠满足规格。请先确认客户要求，再用 Cpk 计算器 计算。
精益和六西格玛有什么区别？
精益针对浪费和流程问题（等待、搬运、过量生产）。六西格玛针对波动和缺陷。用精益工具加快过程，用六西格玛工具让过程可预测。
这是 Practical Six Sigma 系列的第 1 部分
现在你有了地图。在接下来的部分中，我们将带着模板和数据，一步一步讲解真实的实施细节。新的分析完成后会陆续加入。
- 第 2 部分DMAIC 实战：降低挤出线废品
- 第 3 部分Cpk 与过程能力深入解析
- 第 4 部分控制计划：让改进持续有效
在考虑认证吗？请阅读我们的对比：精益六西格玛绿带还是黑带。