六西格玛黑带系列工具应用

围绕人工智能应用的实际工作场景，《六西格玛黑带系列工具应用》以部分：六西格玛的概念和基础知识等课程模块作为选型线索，帮助高层（关注）、各部门中层干部（参与）、研发/工程/品质/设备等技术部门的关键人才，核对内训目标、课时安排和交付要求

10天，60小时 人工智能应用
授课讲师： 王志高 · 精益生产与运营管理专家
获取课程方案 查看课程大纲

课程大纲

六西格玛黑带系列课程介绍

一、六西格玛介绍
  • 1. Six Sigma概要
  • 2. Six Sigma特征
  • 3. Six Sigma与经营革新
  • 4. Six Sigma方法论（DMAIC Road map）
二、不良质量成本COPQ（cost of pool Quality）
  • 1. COPQ的构成要素
  • 1. 内部+外部
  • 2. 失效+预防
  • 2. COPQ的输出方法
  • 1. VOB-业务之声
  • 2. VOC-顾客之声
  • 3. CTQ-品质关键点
三、项目管理与六西格玛
  • 1. 项目管理九大内容
  • ——总体、范围、时间、成本、进度、采购、变更、风险、沟通
  • 项目管理在六西格玛专案推行中的结合和应用
  • 六西格玛专案推行同样涉及项目管理的九大管理内容

常用六西格玛改善项目流程

一、研发六西格玛改善项目的流程（DFSS）
  • CDOV——概念、设计、优化、验证
二、量产六西格玛改善项目的流程（DMAIC）
  • ——Define定义：定义问题需求和专案计划
  • Measure测量：定义现在的表现实况
  • Analyse分析：分析造成问题的原因和程度
  • Improve改善: 改善问题，降低或消除变异
  • Control控制: 控制变数来确定指标的精确性和长期稳定性

第二部分：量产六西格玛改善项目五大流程

内容重点
  • 五大流程：定义、测量、分析、改善、控制

定义（Define）

一、项目选定
  • 1. 挖掘潜在的项目
  • 2. 评价及选定
二、项目定义
  • 1. 任务记述 （具体、可观测、可测量、可管理）
  • 2. 团队选定：如何选择团队成员：相关的受影响的（内部、外部、客户、供应商等）、专业的、对项目有贡献的、协同作用
  • 3. 最佳流程图：最重要的4~5阶段，描述反馈实际现状况，复杂流程简单化、视觉化
  • 4. 项目实行计划书：要素包括

测量（Measure）

一、项目Y
  • 1. CTQ与Y
  • 2. 合适的项目Y
  • 3. 周边Y与项目Y
三、基础统计
  • 1. 个质量管理统计常用
  • 工具：MINITAB现代质量管理统计软件
  • 2. 基本统计概念及常用数据分类类型的计算方法
2.1 基本统计概念：母体&样本、数据的集中性、数据离散性
2.2 数据的集中性：平均数、中位数、众数
2.3 数据的离散性：变异数（方差）、标准差、极差
  • 2. 种数据型态：计数型、计量型
  • 2. 类数据分布
  • 1. 计量型：正态分析
  • 2. 计数型：不良品数（二项分布）、缺点数数据（泊松分布）
四、测定系统分析
  • 1. MSA概要（系统测量误差）
  • 1. 位置或平均：偏离（Bias）、线性（Linearity）、稳定性（Stability）
  • 2. 宽度或变异：再现性（Repeatability）、重复性（Reproducibility）
  • 2. 理解测量系统评价基准及方法
  • 1. 两种评价指标
  • a计量型：GRR%、PT Ratio、分辩率
  • b计数型：Kappa、百分比、一致性
  • 2. 六个评价步骤
  • 步骤1：选定代表工程长期变动的10个样本
  • 步骤2：测量器的校正
3.1 避免选择同一批次、同一时间段、同一产线等品质特性太多集中的产品
3.2 避免刻意超过正常工艺的特性范围
  • 演练：利用Minitab的制作、分析与数据判读

分析（Analyse）

一、Analyze概要
  • 1. Analyze阶段的进行目的：找出影响大的关键少数因子
  • 2. Analyze阶段的主要活动：选定分析工具（计数型、计量型）
二、DATA 收集计划
  • 1. 数据收集计划的概念（数据收集计划）
  • 2. 数据收集方法及步骤
  • 第1阶段：构成好的提问
  • 第2阶段：选定确切的数据分析记法
  • 第3阶段：决定测量方法-母体或样品
  • 抽样（样本）方法：有偏向、信赖区间、抽样方法、任意抽样、其它方法
  • 第4阶段：定义数据收集Point
  • 第5阶段：选定没有偏向的数据收集员
  • 第6阶段：设计数据的收集样式和指南，必须进行测试
  • 第7阶段：检讨数据收集过程，确认其结果
三、4Graph分析
  • 1. Y 数据的分布形态（Histogram、Dot P批次）
  • 2. 根据X的Y分布比较
  • 3. X与Y的关系（散点图（Scatter P批次）
  • 4. Y的时间性变化（时序列P批次（时序图批次）
四、假设检定概要
  • 1. 假设检定相关的术语
  • ——统计性推论：点推定、区间推定、假设检定
  • 2. 假设检定方法
  • 1. 假设检定两种错误：第一种错误、第二种错误
  • 2. 两个对立假设：原假设H、对立假设Hi
  • 3. 假设检定的六个步骤
五、平均的检定
  • 1. 一个母体的平均值不是某特定值的检定方法：One Sample Z、One Sample t
  • 2. 两个母体的平均值之间是否有差异的检定方法：Two Sample t
  • 3. 相同形态值的两个母体的平均值之间是否有差异的检定方法：One-way ANOVA
六、离散的检定
  • 1. 一个母体的变异是不是某特定值的检定方法
  • 2. 两个母体的变异之间是否有统计性差异的检定方法
七、比率的检定
  • 1. 一个母体的比率p是否是某特定值的检定方法：1 Proportion
  • 2. 两个母体的比率之间是否有统计性影响差异的检定方法：2 Proportions
  • 3. 从两个母体中输出的数据为计数型时，母体之间的比率是否相同的检定方法：卡方检定
八、相关及回归分析
  • 1. 相关、回归分析的概念及用语
  • ——散点图、相关关系
  • 2. 相关、回归分析的使用目的
  • 3. 利用Minitab的相关性分析方法
  • 4. 利用Minitab的回归分析方法（Regression 和残差分析）

改善（Improve）

一、Improve 概要
  • 1. 识别输入变量性质和重要性
  • 2. 改善方案的适用类型
  • 3. 改善方案的选择
三、试验设计DOE介绍
  • 1. 理解DOE的定义与目的
  • 2. 理解DOE的阶段别特性
  • 3. Screening阶段
  • 4. 特性化阶段
  • 5. 最佳化
四、全阶乘实验
4.1 实验设计三个基本原理：重复性、随机化、区组化
4.2 全阶乘实验的理解：正交实验法，挑选因子、确定层次，用较少的次数找到相对最优的条件，即最优或较优的实验方案
4.3 主效应与交互作用的计算方法及分析
4.4 利用全阶段实验数据输出最佳工艺条件
  • 演练：利用Minitab演算全阶乘实验并进行分析
  • 中心复合实验
  • 中心复合实验的理解
  • 2. 水准实验设计时，只考虑输入变量的2个水准， 随时存在忽略曲线效果的风险
  • 2. 利用Minitab的中心复合实验的设计及分析理解
五、对策方案选定
  • 1. 理解为对策方案选定的四个阶段和分析方法
  • 1.1 建立对策
  • 1.2 风险评价
  • 1.3 试验对策方案
  • 1.4 选定最佳方案
  • 2. 建立对策方案的方法和工具
  • 风险评价工具、 FMEA
  • 试验对策方案
  • 实验计划、仿真、试产验证、可靠性验证

控制（Control）

一、控制环节要点
  • 1. 利用确切的管理方法，管理关键少数因子的变动
  • ——防错方法、管制图
  • 2. 文件化处理：制作控制计划、SOP制/修订
  • 3. 确认项目Y的工程能力，评价改善目标是否达成
  • 4. 树立为持续改善流程的管理计划
二、防错法
  • 1. 理解失误与缺陷的关系
  • 2. 理解防错的2种类型：预防和侦测
  • 3. 确认主要防错的5项
  • 工具：减轻、感智、便利、代替、消除
三、管制图概念及解释方法
  • 管制图使用目的
1.1 说明流程是否管理可能、预测可能。
1.2 管制图对流程 X或Y 使用时有效。
1.3 管制图在流程调查预想不到的变动时，能告诉应什么时候采取措施。
1.4 管制图提供流程诊断情报。
  • 2. 造成变异原因的种类：共同原因、特殊原因
  • 3. 管制图的构成和使用种类：计量型、计数型
  • 4. 管制图的构成与计划方法
4.1 中心线 ( Center Line: CL )

适合对象

高层（关注）、各部门中层干部（参与）、研发/工程/品质/设备等技术部门的关键人才

课程定位与主要问题

任务场景、提示词设计、输出校验和风险边界会被放进具体任务里校准，便于参训团队形成同一套做法

课程适配与选型边界

这部分用于判断《六西格玛黑带系列工具应用》是否适合当前人工智能应用培训需求，重点看参训对象、业务场景、核心模块和讲师经验是否匹配

适合对象

高层（关注）、各部门中层干部（参与）、研发/工程/品质/设备等技术部门的关键人才

业务问题

围绕人工智能应用相关业务问题展开训练，帮助企业把课程内容转化为可讨论、可练习、可复盘的工作动作

训练重点

《六西格玛黑带系列工具应用》的训练重点包括部分：六西格玛的概念和基础知识、六西格玛黑带系列课程介绍等，实际取舍可按企业需求、参训基础和课时安排确认

选型判断

建议将《六西格玛黑带系列工具应用》与同主题课程按参训对象基础、当前业务场景、案例方向、期望课时和讲师经验，以及王志高的授课方向进行区分

这门课程适合用于判断参训对象、讲师背景、课程大纲、训练收益和交付安排是否匹配；如果仍在了解主题概念，可先查看相关主题、方案或知识内容。具体配套材料与练习产出，以沟通后的课程安排为准。

核心收益

  • 先确认工具场景、输入要求和输出校验，让训练目标更具体
  • 六西格玛黑带系列工具应用：业务场景…和业务任务、工具适配与使用边界会被串成一组可练习的AI应用
  • 流程复用更容易：提示词、流程嵌入和风险复核检查方法是否适合团队日常任务
查看更多收益 收起更多收益
  • 形成流程嵌入：提示词、数据输入与输出校验相关的试点清单、检查点和下一次复盘安排

课程背景与交付信息

全世界头部制造型企业都对六西格玛情有独钟并且在广泛使用。六西格玛是对接大客户常用的沟通语言，也被评价和衡量一家企业整体能力、水平、行业定位的一个参考。六西格玛被制造型企业广泛用于新产品开发（DFSS），过程品质改善（DMAIC）等

总结多年在企业经营管理中精益六西格玛的成功经验，提炼出精益六西格玛工具应用及改善务实系列课程，根据不同应用层次，制定了六西格玛黄带、黑带、黑带系列工具应用，系统有序的帮助企业建立六西格玛体系和文化，改善新产品开发和量产过程品质失败成本，提升生产现场质量与效率等，帮助企业培训六西格玛通用型和专家型人才，提高企业服务品质、品牌形象与竞争力

课程时间

10天，60小时

授课方式

工具练习、案例解析、训战推演、成果分享、疑难问答、精彩点评

课程内容重点

01六西格玛黑带系列工具应用：业务场景、工具应用与质量检查
02场景识别：业务任务、工具适配与使用边界
03流程嵌入：提示词、数据输入与输出校验
04应用复盘：效率指标、风险控制与迭代计划

讲师介绍

王志高 讲师头像

王志高

精益生产与运营管理专家

精益生产与运营管理专家。集团副总经理，21年生产管理实战经验。擅长精益生产、六西格玛及智能制造转型，累计培训10万+人次，创造改善效益超1亿。具备从体系构建到落地辅导的全程统筹能力

汽车制造电子器件通信设备能源电力轨道交通
查看讲师主页

课程差异说明

本课程页面围绕《六西格玛黑带系列工具应用》重点呈现课程定位、适合对象、核心收益和 8 个主要模块，便于快速判断培训匹配度

课程常见问题

这门《六西格玛黑带系列工具应用》适合哪些企业或学员？

高层（关注）、各部门中层干部（参与）、研发/工程/品质/设备等技术部门的关键人才。

这门课主要解决什么问题？

围绕人工智能应用相关业务问题展开训练，帮助企业把课程内容转化为可讨论、可练习、可复盘的工作动作。课程页重点说明单门课程的训练重点和适配场景，不替代主题页对人工智能应用的系统解释

课程内容通常会覆盖哪些训练重点？

可重点查看页面中的课程内容重点和课程大纲。《六西格玛黑带系列工具应用》当前呈现的核心模块包括部分：六西格玛的概念和基础知识、六西格玛黑带系列课程介绍等

如何判断这门课和同主题其他课程怎么选？

优先比较参训对象、行业场景、讲师背景、案例方向、课时长度和大纲深度；同一主题下的多门课应承担不同课程定位，避免只按泛主题词判断

课程配套材料和练习产出如何确认？

页面中如提到练习产出或配套材料，只表示沟通时可确认的方向，不默认承诺固定交付物；最终以企业需求沟通后的课程安排为准