六西格玛改善模型DMAIC高级应用实战训练（6天）

培训对象：六西格玛绿带基础以上学员。

课程目的：    

本6天课程从实用角度系统阐述六西格玛管理的改善模型DMAIC实施路径，各个阶段主要工具和方法。学习过程结合六西格玛案例和MINITAB17英文版软件操作。

适合有六西格玛基础的学员。

授课方式：互动式讲授、模板练习、案例分析、角色体验、小组研讨，项目实施与辅导

课程大纲：

**部分：六西格玛DMAIC改善模型路径和每个阶段的主要工具与方法

1.1 定义阶段任务、输入、输出和主要工具

1.2 测量阶段任务、输入、输出和主要工具

1.3 分析阶段任务、输入、输出和主要工具

1.4 改进阶段任务、输入、输出和主要工具

1.5 控制阶段任务、输入、输出和主要工具

1.6 六西格玛项目管理注意事项

第二部分：六西格玛改进模型DMAIC之界定阶段

2.1 项目选择：VOB、VOC、CTQ

2.2 项目筛选和分解：柏拉图、亲和图、优先矩阵图

2.3 项目范围和ISPOC图分析

2.4 问题基线和目标

2.5 项目团队和相关方管理

1） 定义阶段案例分享和讨论

2） 定义阶段路径和总结

第三部分：六西格玛改进模型DMAIC之测量阶段  

3.1 问题Y现状搜集计划

3.2 测量系统分析和MINITAB操作训练

3.4 流程稳定性和能力分析与MINITAB操作训练

3.5 流程IPO分析

3.6 因果矩阵分析和可能因子筛选。

1） 测量阶段案例分享和讨论

2） 测量阶段路径和总结

第四部分：六西格玛改进模型DMAIC之分析阶段

A、可能因子筛选和分析

4.1  可能因子筛选

--因果矩阵筛选

--FMEA之RPN筛选

4.2 图形分析和相关MINITAB软件操作

B、因子验证和检验

4.3 连续数据均值假设检验选择线路图

4.4 离散数据假设检验择线路图

4.5 单样本Z检验应用和MINITAB操作

4.6 单样本T检验应用和MINITAB操作

4.7 双样本T检验应用和MINITAB操作

4.8 成对T检验应用和MINITAB操作

4.9 1P检验应用和MINITAB操作

4.10 2P检验应用和MINITAB操作

4.11 单个泊松检验和MINITAB操作

4.12 双泊松检验和MINITAB操作

4.13 六西格玛项目案例中假设应用和MINITAB操作练习

C、多因子方差分析验证和检验  

4.14 方差分析因子、水平、响应、组内、组外、残差等概念

4.15 单因子方差分析应用和MINITAB操作

4.16 多因子方差分析应用和MINITAB操作

4.17 非平衡方差分析应用和MINITAB操作

4.18 主效应图分析应用和MINITAB操作

4.19 交互作用图分析应用和MINITAB操作

4.20 方差分析案例应用和MINITAB操作练习

1）分析阶段案例分享和讨论

2）分析阶段路径和总结

第五部分：六西格玛改进模型DMAIC之改善阶段

A、回归分析应用和MINITAB操作

5.1 如何探索Y和X的相关性

5.2 如何从R-SQ和残差图判定拟合模型好与坏

5.3一元回归分析应用和MINITAB操作

5.4多元回归、逐步回归应用和MINITAB操作

5.5拟合线图应用和MINITAB操作

5.6回归分析常见错误应用和消除

5.7回归分析案例分析

B、DOE试验设计和MINITAB操作

5.8 DOE在六西格玛项目改行善中应用概述

5.9 DOE类型和选用指南

5.10 因子X和其水平处理技巧

1）合理选择水平范围

2）多水平转化问题

3）噪声因子处理

4）因子分组

实战演练：如何选择和测量你的项目因子X？

5.11试验设计基本原则

1）重复试验

2）随机化试验

3）分组试验

5.12正交试验设计表

1）正交试验表

2）正交试验表的结构

3）正交试验表的特点

4）正交试验表的性质

5.13、DOE试验策划

1）DOE选择

--如何基于试验目的、精度和成本选择

2）试验设计的一般步骤

3）实验设计表

4）实验设计成功十大因素

实战演练：根据你的项目设计一份试验设计计划表。

5.14 全因子实验设计

5.14.1 全因子DOE（实验设计）概述

1）全因子DOE作用

2）全因子DOE优点和缺点

3）何时选用全因子DOE

5.14.2 单因子DOE（实验设计）*简单的DOE

5.14.3 多因子DOE（实验设计）        

1）多因子2水平DOE

2）多因子混合水平DOE

3）因子重要性判断

--主效因图

--交互作用图

--效应柏拉图

--效应正态图

4）模型好坏判定

--相关系数平方和R-SQ

--残差和残差图

--异常数据判定

5）因子参数优化

--等值线优化

--曲面优化

--优化器

5.14.4 MINITAB因子设计应用和操作

1）创建因子实验设计

2）自定义因子实验设计

3）选择*优化设计

4）分析因子实验设计

5）分析变异性

6）因子图

7）等值线和等值图

8）优化器

5.14.5全因子DOE（实验设计）案例分析与MINITAB操作训练

1、全因子DOE（实验设计）应用案例与MINITAB操作训练

2、实战演练你的项目做全因子DOE应用计划

5.15 分部因子实验设计

5.15.1 分部因子DOE（实验设计）概述

1）部分因子DOE作用和缺点

2）设计方案正交性

5.15.2 分部因子DOE（实验设计）混淆

1）混淆和分辨率概念

2）如何选择合适的分辨率

5.15.3折叠设计

1）如何消除关键因子的混淆

2）如何提高分辨率

5.15.4 折叠DOE（实验设计）案例分析与minitab操作训练

5.16 筛选试验

5.16.1 筛选试验DOE（实验设计）概述

1）因子数太多的过滤技术

2）节省成本的快速DOE

5.17 筛选试验案例分析与MINITAB操作分析训练      

1）筛选DOE（实验设计）应用案例与MINITAB操作训练

2）实战演练你的项目筛选DOE应用计划

5.18 田口健壮DOE（实验设计）

5.18.1 田口健壮DOE概述

1） 传统的门柱质量函数

2） 田口的门洞质量函数

3） 田口稳健设计方法三个阶段

步骤 1.系统设计

步骤 2.参数设计

步骤 3.允差设計

4）田口损失函数计算

望大

望小

望目

5）田口信噪比S/N

望大

望小

望目

望优

5.18.2静态田口DOE

1）静态田口DOE（实验设计）概述

2）设计静态田口

3）静态田口数据分析

---主效应图和因子筛选

---信噪比S/N计算和效应图

4）可控参数优化和预测

5）预测验证

6）静态田口DOE案例讨论、应用和练习

5.18.3 动态田口DOE

1）动态田口DOE（实验设计）概述

2）设计动态田口

3）动态田口数据分析

--主效应图和因子筛选

--信噪比S/N计算和效应图

--灵敏性计算和效应图

4）可控参数优化和预测

5）预测验证

6、动态田口DOE案例讨论、应用和练习

5.19、响应曲面（RSM）应用和MINITAB操作

5.19.1 响应表面DOE（试验设计）介绍

5.19.2 中心复合设计

5.19.3 Box-Behnken设计

5.19.4 MINITAB响应曲面（RSM)试验（DOE)操作

5.19.5 如何创建响应曲面（RSM)试验设计

5.19.6 如何自定响应曲面（RSM)试验设计

5.19.7 如何选择*优化设计

5.19.8 如何分析响应曲面（RSM)试验设计

5.19.9 如何应用优化器进行优化设计

5.19.20响应曲面（RSM)试验案例分析和现场练习

5.20 防错改善

1）改善阶段案例分享和讨论

2）改善阶段路径和总结

第六部分：六西格玛改进模型DMAIC之

6.1 统计控制过程（SPC）

6.1.1连续数控制图选用线路图

1） 均值--*差控制图（Xbar-R Chart）

2） 均值--标准偏差控制图（Xbar-S Chart）

3） 单值--移动*差/标准偏差控制图（I-MR-R/S Chart）

6.1.2离散型数据控制图选用线路图

1）不良品比率控制图（P Chart）

2） 不良品数控制图（NP Chart）

3） 计点型控制图（C Chart）

4） 单位缺陷点控制图（U Chart）

6.1.3其它高级控制图

1） 多品种水批量控制图

2） 时间加权控制图

6.1.4 MINITAB应用

1） 数据收集和录入

2） 异常判异说明

3） 改善前后控制图对比分析

6.1.5 控制图案例分析和MINITAB操作练习。

6.2 抽样检验与风险分析。

6.3 作业和流程标准化。

6.4 *终项目评审与报告。

1）改善阶段案例分享和讨论

2）改善阶段路径和总结