还记得那次，我信心满满地掏出控制图，指着飘红的点对生产经理说：“看，过程不稳定了！”他斜了一眼，淡淡回了句：“哦，那批料是王老板的，你知道吧？”——我立刻僵住。DMAIC？呵呵，工具再锋利，砍到看不见的根上，也就是块废铁。
说实话，干了十几年改善，我越来越觉得，六西格玛这套方法论，难的不是统计学，而是人心。流程、数据、图表，它们不说话；人，可是会说假话、打太极的。
定义问题，是DMAIC的起点。书上说：写项目章程，画SIPOC图，收集客户之声。对不对？对极了。✅ 但你一进到现场，客户是谁？销售说客户要便宜，质量说客户要耐用，生产说客户要交期快——你信谁？
我遇过一个滑稽事：项目目标是降低焊接缺陷率，定义阶段开了三次会，每次都绕回“谁该改作业指导书”上。最后发现，根本不是技术问题，是焊工班长老赵怕丢面子，故意不执行新参数。❗章程写得再漂亮，他不签字，你就是空气。
所以，定义阶段真正的核心任务，不是画图，是摸清
问：“DMAIC不就是按问题路径走吗？何必这么复杂？”
答：理论上，是的。DMAIC各阶段环环相扣，从定义、测量、分析到改进、控制，逻辑完美。但我们不是在实验室。车间里，改善往往等于“找茬”，没人喜欢被戳痛点。我有次推动
搞测量系统分析（MSA），经常听到：“我们量具都年检的，怎么会有问题？”哈！量具合格，不代表人用对了。卡尺按压力度不同，百分表对零习惯差异，甚至早班晚班温度变化——全是坑。
有回，项目做
分析，CPK值漂亮得吓人，1.67往上。主任得意洋洋，我却不放心。周末溜进车间，蹲守三个小时，发现检验员只要看到超差件，就“习惯性”重测一次，取个中间值。所以，漂亮CPK是“修”出来的。😠 那一刻我真想摔板子。
破坏性的真相是：
（SPC）也好，MSA也罢，如果不理解测量背后的人性，全白做。数据不会说谎，但人会。所以，测量阶段别只盯着量具，盯一盯人。哪怕像侦探一样，去翻废品堆，去看操作工怎么填报表——往往有惊喜。
问：“我们车间数据一直都很好，为什么一分析就发现不准？”
答：常见有两个原因。一是测量系统没评估过，直接拿数据就分析，结果变异可能大部分来自测量误差。二是数据被“预处理”了，比如人为剔除异常点，或者记录时取整数。我见过一个钻孔工序，孔径记录全是5.00、5.01这种值，实际游标卡尺能读到0.02mm的偏差，明显被四舍五入了。推荐大家做MSA时，用盲测法，让不同检验员在不知道样品序情况下去测，交叉比对，真相立马浮现。
（DOE）方案，因为换模具时间太长，被班组集体抵制。
改善，本质上是在改习惯，改权力结构。热处理工艺想调个淬火温度，老师傅一句话：“我以前都是这么干的。”你怎么办？搬出p值小于0.05？没用的。得让他看到好处。后来我是带他去参观同行工厂，让他自己摸改进后的零件，他才松口。
改进阶段，千万别迷信单一工具。统计显著，不如现场验证。💡 我常把改善方案分三步走：先偷偷试一小批，合格后故意让反对派来“挑刺”，最后公开数据，用成绩说话。同时，
要提前想好，否则改进完了，人一走流程又滑回去。
DMAIC最后一个阶段Control，经常被草草收尾。其实，它才是持续性的命门。防呆装置、目视化看板、定期审核，这些要是设计得不顺手，用不了三个月就形同虚设。
说到底，六西格玛不是公式，是博弈——跟系统博弈，跟惰性博弈。数字是冷冰冰的，但推动变革的那双手，得热乎。这么多年，我坚信一条：别拿着报告想说服人，要拿着试点结果，让他们自己说服自己。
问：“大家都在谈数字化转型，DMAIC这些老办法还有用吗？”
答：太有用了。数字化的传感器能铺天盖地给你数据，但数据变成信息，信息指导决策，这条链还得靠DMAIC的思维。比如，客户投诉响应慢，你别直接上AI预测；先用DMAIC定义什么算“慢”，测量真实周期，分析瓶颈，改进流程，最后控制住新标准——然后，再谈数字化固化。好东西，不过时。❗
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：六西格玛（DMAIC）破局：当统计工具撞上车间政治，你该怎么办？ https://www.dachanpin.com/a/tg/65502.html
