DMAIC 系统化改进方法论 · 5 天×6 小时 · 理论+实操+项目演练
课程背景
六西格玛（Six Sigma）是一套以数据为基础、以客户为中心、追求近乎完美质量的系统化过程改进方法论。自摩托罗拉公司创立以来，经通用电气（GE）等企业的成功实践，已在制造、服务、医疗、金融、互联网等众多行业得到广泛应用，成为企业提升运营效率、降低成本、增强客户满意度的核心管理工具。
当前企业普遍面临客户要求持续提升、成本压力不断增大、过程波动难以控制、改进活动碎片化等挑战。传统的经验式改进已难以应对复杂系统问题，企业亟需培养一批既懂方法论又能熟练运用统计工具的内部改进人才，将六西格玛理念落地到业务现场，形成可持续的改进文化。
绿带（Green Belt）是六西格玛推进体系中的核心执行层，通常为兼职角色，负责带领或参与具体的六西格玛改进项目，在黑带（Black Belt）的指导下运用 DMAIC方法论和统计工具解决实际业务问题。本课程旨在为学员提供系统、完整的绿带知识体系与实操能力训练。
课程对象
● 企业质量管理人员、工艺/工程技术人员
● 生产/运营主管、班组长及现场骨干员工
● 负责流程优化、持续改进（CI）的职能人员
● 拟担任六西格玛绿带项目负责人或核心成员的人员
● 具备基础数学和统计常识，有一定现场工作经验者
课程时长
本课程总计 5 天，每天 6 小时（上午 3 小时 + 下午 3 小时），共 30 课时。
采用"理论讲解 + 案例分析 + 软件实操 + 小组演练"相结合的教学方式，确保学员既能理解方法论原理，又能掌握工具的实际应用。课程全程使用 Minitab 统计软件进行实操训练，并配套模拟项目演练，帮助学员将所学知识转化为项目实战能力。
课程目标
1. 理解六西格玛管理理念、组织架构与推进模式，建立以数据驱动决策的系统化改进思维。
2. 系统掌握 DMAIC（定义-测量-分析-改善-控制）五阶段方法论，熟悉各阶段的目标、核心工具与交付物。
3. 能够独立运用 Minitab 等统计软件完成描述性统计、测量系统分析（MSA）、过程能力分析、假设检验、方差分析、回归分析和试验设计（DOE）。
4. 具备识别关键质量特性（CTQ）、量化过程绩效、定位根本原因、验证改善方案并建立长效控制机制的完整能力。
5. 能够带领或参与完成一个符合六西格玛规范的绿带改进项目，产出可量化的财务收益与过程改善成果。
课程具体提纲
Day 1：定义阶段（Define）—— 6 小时
上午（3 小时）
1. 课程介绍与培训方案说明：课程目标、学习方式、考核要求与项目安排
2. 六西格玛感观视力：通过直观案例感受波动对质量的影响，建立六西格玛思维
3. 六西格玛概述：起源与发展、核心理念、σ 水平与 DPMO、DMAIC 方法论框架
4. 定义阶段概述：阶段目标、关键活动、交付物与里程碑
下午（3 小时）
5. 客户声音（VOC）与关键质量特性（CTQ）：VOC 收集方法、CTQ 树展开、Y 的可操作定义
6. 六西格玛项目选择与立项：项目筛选标准、项目范围界定（SIPOC 初步应用）、财务收益预估
7. 项目注册与项目章程（Charter）：问题陈述、目标设定（SMART 原则）、团队组建、里程碑规划
8. 小组演练：选定模拟项目并完成项目章程初稿，讲师点评指导
Day 2：测量阶段（Measure）上篇 —— 6 小时
上午（3 小时）
1. 测量阶段概述：阶段目标、数据收集策略、交付物清单
2. Y 与 y's 的分解：从宏观结果 Y 到微观关键因子 x 的逻辑展开，Y=x+f(ε)模型
3. SIPOC 图：供应商-输入-过程-输出-客户，界定项目边界与关键接口
4. 流程图（Process Map）：详细流程图绘制、流程步骤识别、决策点与返工环标记
5. 质量风险分析：基于流程的初步风险识别与改进机会定位
下午（3 小时）
6. 基础统计知识：数据类型（计量型/计数型）、描述性统计（均值/中位数/标准差/方差）、集中趋势与离散趋势
7. 统计软件（Minitab）应用入门：界面操作、数据导入与整理、基础统计命令、图形化分析（直方图/箱线图/散点图）
8. 数据收集计划：抽样方法（随机/分层/系统抽样）、样本量确定原则、数据记录表设计与数据清洗
9. 实操练习：使用 Minitab 完成描述性统计与基础图形分析，解读输出结果
Day 3：测量阶段（Measure）下篇 —— 6 小时
上午（3 小时）
1. 测量系统分析（MSA）相关概念：测量误差来源、偏倚/线性/稳定性/重复性与再现性（GR&R）
2. 计量型 MSA 实操：Gage R&R（交叉法/嵌套法）、方差分量分析、%GRR 与 ndc判定标准
3. MSA 练习：使用 Minitab 完成 Gage R&R 分析，解读结果并判断测量系统是否可接受
4. 计数型 MSA 简介：属性一致性分析、Kappa 系数解读
下午（3 小时）
5. 过程能力分析：正态性检验、过程能力指数 Cp/Cpk、过程绩效指数 Pp/Ppk、Cpk 与 Ppk 的区别与应用场景
6. 非正态数据的过程能力处理：Box-Cox 变换、Johnson 变换、非正态分布拟合与能力指数计算
7. 变量流程图（X-Y Matrix）：识别所有潜在输入因子 x，按对 Y 的影响度进行优先级排序
8. FMEA（失效模式与影响分析）：严重度/发生度/探测度评分标准、RPN 计算、改进优先级与行动跟踪
9. 因果矩阵（C&E Matrix）：输入因子与输出要求的关联评分、关键因子筛选、与 FMEA 的联动应用
10. 阶段小结：测量阶段交付物检查清单，常见问题与注意事项
Day 4：分析阶段（Analyze）+ 改善阶段（Improve）上篇 —— 6 小时
上午（3 小时）
1. 分析阶段概述：从"可能的原因"到"根本原因"的逻辑路径，分析阶段工具选择策略
2. 中心极限定理及抽样分布：理解统计推断的理论基础，样本均值分布的性质
3. 置信区间：总体均值/比例的区间估计、置信水平的含义、区间宽度的影响因素
4. 假设检验相关概念：原假设与备择假设、显著性水平 α、P 值判定逻辑、第一类与第二类错误
5. 三大类型假设检验精讲：均值检验（单样本 t/双样本 t/配对 t）、比例检验（单样本/双样本）、方差检验（单方差/双方差）
6. 方差分析（ANOVA）：单因素方差分析、多因素方差分析、均值比较（Tukey/Fisher）、交互效应判断
下午（3 小时）
7. 相关分析与回归分析：Pearson 相关系数、一元线性回归、多元线性回归、残差诊断与模型优化
8. 改善阶段概述：阶段目标、方案生成方法（头脑风暴/标杆分析/TRIZ）、方案筛选与验证策略
9. 试验设计（DOE）基础：试验设计术语（因子/水平/响应/重复/区组/中心点）、试验设计三原则（随机化/重复/区组化）
10. 实验计划：确定响应变量、筛选关键因子与水平、选择合适的设计类型
11. 单因子试验设计与分析：完全随机设计、Minitab 分析流程、主效应图与均值比较
12. 全因子试验设计与分析：2^k 全因子设计、主效应与交互效应、方差分析、模型简化与优化
Day 5：改善阶段（Improve）下篇 + 控制阶段（Control）—— 6 小时
上午（3 小时）
1. 部分因子试验设计：2^(k-p)部分因子设计原理、分辨度（Resolution）概念、别名结构分析、折叠设计（Fold-over）
2. 响应曲面方法（RSM）简介：最速上升法、中心复合设计（CCD）、响应曲面图与优化器使用
3. 改善方案验证：试点运行计划、效果统计验证（假设检验确认）、防错（Poka-Yoke）设计原则
4. 小组演练：完成 DOE 综合案例的完整分析与参数优化，讲师点评
下午（3 小时）
5. 控制阶段概述：阶段目标、从"项目改善"到"持续受控"的转变、控制阶段交付物
6. 控制计划（Control Plan）：控制要素清单、控制方法选择（SPC/检查表/防错）、反应计划、责任人与监控频率
7. SPC 概述及原理：统计过程控制的基本思想、普通原因波动与特殊原因波动的区别
8. 计量型控制图：Xbar-R 图、Xbar-S 图、I-MR（单值-移动极差）图的绘制、控制限计算与判读
9. 计数型控制图：P 图（不合格品率）、NP 图（不合格品数）、C 图（缺陷数）、U 图（单位缺陷数）的适用场景与绘制
10. 控制图异常判定规则：Western Electric 八大判异规则、异常模式识别与处理流程
11. 项目收尾与成果固化：财务收益核算方法、项目报告撰写规范、经验复制与横向推广、控制计划移交
12. 课程总回顾与答疑：DMAIC 全流程串联复盘、绿带项目实施常见问题与成功要素、学员答疑
授课老师
程立玉 六西格玛资深黑带&LSS实战专家
常驻地：广州
邀请老师授课：13439064501 陈助理
