1. 课程导入与六西格玛变异观

欢迎进入《六西格玛流程能力与变异降低》课程。在正式学习工具与方法之前，我们需要先建立一个贯穿全课程的判断标准：六西格玛真正要管理的，不是平均值，而是变异。很多团队在改进项目一开始就急着画流程图、做因果分析，却忽略了一个更根本的问题——客户感受到的“好”与“坏”，往往不是由流程的平均水平决定的，而是由流程输出的波动幅度决定的。

举个贴近制造与服务的例子。某零件规格要求为 10.00 ± 0.10 mm，即下限 LSL = 9.90 mm，上限 USL = 10.10 mm。A 线连续抽检 10 件的均值为 10.00 mm，但单件在 9.88～10.12 mm 之间波动；B 线均值同样是 10.00 mm，单件却在 9.97～10.03 mm 之间波动。两条线的“平均”完全一样，但 A 线已经出现超差，B 线却稳定合格。这说明：均值决定流程是否对准目标，变异决定流程是否稳定可靠。六西格玛的核心目标，就是把流程的变异压缩到规格限之内，并让流程中心尽量对准目标值。

流程能力与变异的关系

流程能力（Process Capability）是衡量“流程输出满足规格要求能力”的指标。它把客户要求（规格限）与流程实际表现（均值与标准差）放在同一把尺子上比较。最常用的两个指标是 Cp 与 Cpk：

• Cp = (USL − LSL) / (6σ)，只反映流程的潜在能力，不考虑均值偏移；
• Cpk = min[(USL − μ) / 3σ, (μ − LSL) / 3σ]，同时考虑均值偏移与变异。

仍以上例计算。若 A 线 σ = 0.040 mm，则 Cp = (10.10 − 9.90) / (6 × 0.040) = 0.20 / 0.24 ≈ 0.83；由于均值虽为 10.00，但单边波动已接近规格限，Cpk 会更低。若 B 线 σ = 0.010 mm，则 Cp = 0.20 / 0.06 ≈ 3.33，Cpk 也接近 3.33。Cp 与 Cpk 的差距，正是“均值偏移”造成的损失。六西格玛水平对应的是 Cp ≥ 2.0、Cpk ≥ 1.5（考虑 1.5σ 长期漂移）的稳定状态，这意味着流程输出几乎不会触碰规格限。

DMAIC 框架概览

六西格玛改进项目通常按 DMAIC 五个阶段推进，它不是五个孤立步骤，而是一条从“问题定义”到“效果固化”的闭环链路：

• D（Define，定义）：明确客户、CTQ（关键质量特性）、项目范围与目标，输出项目章程与 SIPOC 图；
• M（Measure，测量）：验证测量系统（MSA），收集基线数据，计算当前 σ 水平与 Cp/Cpk；
• A（Analyze，分析）：用图形分析、假设检验、回归、方差分析等找出变异来源；
• I（Improve，改进）：针对关键因子设计并验证改进方案，常用 DOE、防错、标准化作业；
• C（Control，控制）：用控制图、SOP、反应计划把改进成果固化，防止反弹。

本课程的学习路径也围绕这条主线展开：先建立变异观与流程能力概念，再学习测量系统分析与数据采集，随后进入过程能力分析、假设检验、回归与 DOE，最后落到控制图与项目复盘。每一章都会给出可操作的示例参数、计算过程与判断依据，而不是停留在概念层面。

实战项目要求

本课程要求每位学员围绕一个真实或模拟流程完成一个小型改进项目。项目对象可以是一条装配线、一个订单处理流程、一次检验工序，也可以是一段服务响应过程。项目必须包含以下可核查的要素：

1. 明确的 CTQ 与规格限：例如“轴径 10.00 ± 0.10 mm”或“订单处理时长 ≤ 24 h”，并说明客户为何关注它；
2. 基线数据：至少 25～30 个连续或合理分组的观测值，记录测量系统是否经过 MSA 验证；
3. 能力计算：计算均值、标准差、Cp、Cpk，并给出当前 σ 水平；
4. 变异来源分析：至少使用一种图形工具（如多变量图、箱线图、散点图）和一种统计工具（如假设检验或方差分析）；
5. 改进与验证：提出至少一项针对关键变异的改进措施，并用改进后数据对比 Cpk 变化；
6. 控制方案：给出控制图类型、抽样频率、反应计划与责任人。

为了帮助你在项目启动阶段快速对齐思路，下面给出一份可直接填写的项目章程要点示例。它不追求复杂，但要求每一项都能被验证或追溯到数据。

请记住，六西格玛不是一次性的“救火”，而是一种用数据识别变异、用统计验证原因、用控制固化成果的工作方式。接下来的章节将逐步展开测量、分析与改进的具体工具。你现在的任务，是选定一个流程，找到它的规格限，并开始记录第一批数据。