去年去了一家汽车零部件厂，老板拍着胸脯说他们搞了三年精益六西格玛，效率提升了40%。我转了一圈车间——物料堆得乱糟糟，看板形同虚设，数控机床的OEE数据还靠人工填表。啧，又是“报告上的胜利”。
精益六西格玛不是个形容词，也不是PPT里的几张图表——它是刀刃向内的变革。 但很多企业把它做成了面子工程，挂个标语，派几个人去拿绿带黑带，回来还是老样子。说实话，这玩意儿如果只停留在工具层面，必死无疑。特别是现在动不动就谈工业4.0、数字孪生，好像不提这些就落后了，可基础的数据采集都没做扎实，上什么AI分析？荒谬。
别神话DMAIC，它就是个思维框架
定义、测量、分析、改进、控制——这套流程被讲烂了。我用它解决过线束装配的端子压接不良率问题，确实有效。但关键在于，你得真的去现场蹲点，而不是在会议室对着电脑建模型。
拿VSM（价值流图）来说，画起来简单，但画准了难。我曾经在一条电机产线上，为了搞清在制品库存的真实数量，和生产班长吵了一架——他觉得我太较真，我坚持把每个暂存区的零件清点了两遍。结果发现纸面数据少报了30%。这种细节，靠MES系统能自动抓取吗？能，但前提是系统有人维护，数据有人相信。❗
统计过程控制（SPC）同样被玩坏了。 控制图变成“事后诸葛亮”，过程能力指数Cpk算得漂漂亮亮，实际波动毫无改善。为什么？因为操作工不理解变量间的相关性，只盯着公差上下限。有一次我让一位老技师自己标注波动原因，他愣了半天，说“机器有时候就这样，习惯了”。习惯了？那要精益六西格玛干嘛？
小企业搞精益六西格玛，是不是找死？
经常有人这么问。我的回答很干脆：小企业才更需要。但前提是——别照搬跨国公司那套。你连专职黑带都请不起，非要搞复杂的DOE试验设计？那不是精益，那是折腾。
问：我们厂才50个人，产品种类多批量小，怎么搞精益六西格玛？
答：抓核心浪费。先别急着学工具，就用最土的5S和快速换模（SMED）。换型时间能不能从两小时缩到30分钟？可以的话，柔性就上来了。数据收集也别迷恋电子看板，一张纸一支笔记录停机原因，连续跟踪两周，往往就能发现80%的问题。这叫“穷人版六西格玛”，效果不差。
我辅导过一家做密封件的小作坊，老板自己跑去学了绿带，回来硬拉着全厂做流程改造。起初骂声一片，三个月后，一次通过率从89%提到96%，返工成本降了18万。这数字不大，但足够让一群人心服口服。💡
数字化时代，精益六西格玛到底变没变？
核心没变，但武器库升级了。以前我们靠抽样去推断总体，现在传感器能实时采集每一件产品的数据。以前做回归分析得手动录Excel，现在机器学习可以直接跑预测模型。
但警惕一种倾向：数据太多，反而掩盖了真相。 某变速箱工厂上了套很贵的在线检测系统，每分钟生成上千条数据，工程师却对着屏幕麻木了——真正异常的几次波动淹没在噪声里。后来我们重新定义了关键CTQ（质量关键特性），只监控最要命的三个参数，报警阈值收紧，异常响应速度提高十倍。可见，精益六西格玛不变的是什么？聚焦瓶颈，尊重流程，以人为本。
还有一个更扎心的问题。现在不少年轻人觉得精益就是减员，自动化就是裁人。错得离谱。你让工人只是机械地执行标准作业，却不触发他们的改善智慧，那等于自断经脉。丰田的“自働化”带人字旁，就是强调人的判断。六西格玛的改进阶段，如果不让一线员工参与解决方案设计，推下去一定反弹。
问：搞了数字化，还需要做DMAIC吗？直接用AI找问题不是更快？
答：AI能识别相关性，但识别不了因果。烟囱冒烟和新生儿数量相关吗？数据分析可以诡异地显示正相关，但傻子都知道那是城市工业发展的共因。DMAIC的分析阶段强调验证根本原因，靠的是现场实验和逻辑推理，这点AI替代不了。当然，用AI做探索性数据分析可以极大提速，但最终决策，必须由懂得流程的人来做。
这几年看到好多企业砸钱上“智能工厂”，结果变成展示厅——参观时灯火通明，人一走就关灯省电。说到底，没有精益六西格玛打底，数字化就是个昂贵的外壳。 先理顺流程，消除不增值的活动，再用数字技术固化下来，这才是正经路子。
写到这儿，突然想起一个段子。有家工厂请顾问做精益项目，第一阶段轰轰烈烈，结束后顾问撤走，一年内回退到原样。老板很困惑：“我们不是都标准化了吗？” 标准是死的，人是活的——没把持续改善的DNA植入组织，任何变革都会褪色。
所以，别再问精益六西格玛过不过时。你连它的边都没摸到呢。
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：精益六西格玛的数字化蜕变：是进化还是消亡？ https://www.dachanpin.com/a/tg/65654.html
