《精益六西格玛工具速查手册》精选了新的生产管理模式，极具实用性。全书内容翔实，论述简明，逻辑清晰，囊括了如下精益生产和六西格玛管理的基本概念和常用工具：
使用DMAIC改进速度、质量和成本
激发创意性提案
价值流和流程图绘制工具
顾客的声音
数据收集
描述性统计量和数据呈现
变异分析
识别和验证导致变异的原因
缩短提前期，降低非增值成本
复杂度价值流图及复杂度分析
选择并测试解决方案。

超实用！国际精益六西格玛专家著作/美国亚马逊六西格玛同品类榜首图书全新重译改版

推荐序
第1章
使用DMAIC改进速度、质量和成本

DMAIC（读音是DUH-MAY-ICK，类似于都麦易克）是一种在商业领域广泛应用的结构化问题解决方法。DMAIC这五个字母是六西格玛改善五个阶段的首字母，它们分别是定义（define）测量（measure）分析（analyze）改进（improve）控制（control）。这些阶段有序地引导团队从定义问题到分析根本原因，直至实施改善方案并形成实践，以确保方案的有效（见图1-1）。
何时使用DMAIC
在现有的项目范围内，比如保持基本的流程、产品或服务不变，使用DMAIC的结构可以激发创造性思维。当流程中出现的问题严重到不得不重新设计过程的程度，或者你正在设计一个新产品、新服务或新过程时，都应该使用DMEDI（六西格玛设计，本书未对其进行讨论）。

图1-1　DMAIC问题解决框架
选择DMAIC项目
本书假设，大多数读者都会由他们的经理或项目发起人为其指定DMAIC项目。如果情况并非如此，而是你也亲自参与项目的选择过程，可以跳转到本章结尾，快速查阅相关内容（参见1.7）。
DMAIC项目的实施方法
实施DMAIC项目主要有两种方法。
A.项目团队法
为项目配置全职的黑带人员。
其他项目成员兼职参与项目，即他们的项目工作和日常工作穿插进行。
在DMAIC的所有阶段，全体项目成员都参与其中。
项目持续时间视项目范围而定，可以是1～4个月（有些项目时间跨度较长，但时间短一点会更好，因为可以更快地看到效果）。
B.?Kaizen式快速改善法
快速实施（1周甚至更短的时间），完成DMAIC各阶段的所有工作，除了在公司范围内全面推行之外。
由小组（比如团队负责人和一位黑带）完成准备工作，主要是定义阶段的工作内容，有时也包括部分测量阶段的工作内容。
剩下的工作由整个团队全职投入（参与人员需暂时搁置他们的日常工作），并在几天或一周内完成。
基本的DMAIC步骤（参见1.2与1.3）适用于上述两种方法。关于开展Kaizen式快速改善法的更多指南请参阅1.6。
是否必须执行DMAIC中的每一个阶段
针对长期存在的或复杂棘手的业务难题，DMAIC有助于人们发现永久性解决方案，它是一种很有价值的工具。DMAIC的问题解决框架在很多情况下都是有效的，但是DMAIC的各个阶段都需要投入时间和费用。因此，你需要对使用DMAIC的成本和收益与省略某些阶段直接跳到解决方案的成本和收益加以权衡。如果存在以下两种情况，应该执行DMAIC的所有阶段。
（1）问题很复杂。在问题很复杂的情形下，产生问题的原因和解决问题的方案都不明显。要找到复杂问题的根本原因，需要将拥有不同领域知识和经验的人员召集到一起。你可能需要大量收集各种数据，以提供发现问题的线索。
如果问题相对来说比较简单（或者你认为比较简单），通常一位经验丰富的人员就可以收集和分析数据，并找到解决问题的方案，而不用执行DMAIC的所有步骤。
（2）解决方案存在高风险。DMAIC方法的一个关键部分
是，在对外部顾客或内部流程运用DMAIC方法之前，制订、测试和优化方案。因此，在方案实施风险很高的时候，应该执行全部的DMAIC阶段，即使你认为解决方案显而易见。
不过，如果遇到的问题比较明显，而且实施解决方案的风险也不大，即对过程的干扰很小，对顾客的影响很小或没有影响，所花费的成本很少，在这种情况下，可以直接实施，大胆尝试（参见第11章，使用合适的方案实施步骤）。
对于大部分项目而言，跳过任何DMAIC阶段都是有风险的。连接DMAIC各阶段的内在逻辑关系攸关成败。然而我们也认识到，人的天性是想直接跳到解决方案并快速做出改进。
如果你认为解决方案显而易见，而且实施风险微不足道，你可以试着跳过DMAIC的某些阶段。但是，在这样做之前，请先问一问：
我需要什么数据可以证明这个方案是所有可行解决方案中的？
我是怎么知道这个解决方案确实可以解决所面临问题的？
这个解决方案有什么潜在的缺点？
如果你无法提供数据对上述问题进行回答，就应该遵循DMAIC的所有阶段来实施项目。
如果你想跳过某些阶段，请参见8.6测试快赢改善。
如果你遇到的是有明显解决方案的简单问题，但是无法提供数据证明问题已经得到改善，应做好发起一个包含所有阶段的完整DMAIC项目的准备。

迈克尔·L. 乔治（Michael L. George）
全球知名的六西格玛专家，乔治人工智能咨询公司CEO。他是埃森哲旗下精益六西格玛集训公司乔治集团创始人，也曾任劳斯莱斯旗下国际能源机械公司总裁。

戴维·罗兰兹（David Rowlands）
施乐旗下北美解决方案集团精益六西格玛副总裁，《什么是六西格玛》合著者。

马克·普赖斯（Mark Price）
乔治集团副总裁，帮助一些大公司进行精益六西格玛创新。

约翰·马克西（John Maxey）
乔治集团的主管和黑带大师，以及集团黑带课程的主要开发者。

译者
王其荣
某大型跨国企业全球战略与业务发展部高管，曾任某世界500强中国区业务发展经理和事业部运营管理高管。主导和参与了多个建厂和扩厂大型项目，善于运用卓越运营体系支撑战略转型与业务升级。《精益工具箱》《六西格玛手册》译者，现定居上海。

第1章　使用DMAIC改进速度、质量和成本 ∥ 1
1.1　定义 ∥ 5
1.2　测量 ∥ 11
1.3　分析 ∥ 17
1.4　改进 ∥ 20
1.5　控制 ∥ 24
1.6　Kaizen DMAIC ∥ 28
1.7　项目选择 ∥ 37
第2章　如何激发创意性提案 ∥ 39
2.1　头脑风暴法 ∥ 40
2.2　亲和图法 ∥ 43
2.3　多轮投票法 ∥ 46
第3章　价值流和流程图绘制工具 ∥ 48
3.1　绘制流程图 ∥ 50
3.2　观察流程 ∥ 53
3.3　SIPOC图 ∥ 56
3.4　绘制流程图的步骤 ∥ 58
3.5　物理移动路线图/意大利面条图 ∥ 61
3.6　泳道图 ∥ 63
3.7　（基本）价值流图 ∥ 66
3.8　流程图和价值流图符号 ∥ 72
3.9　增值和非增值分析 ∥ 73
3.10　时间价值图 ∥ 76
3.11　增值时间图（任务时间和节拍时间图） ∥ 78
第4章　顾客的声音 ∥ 81
4.1　顾客细分 ∥ 83
4.2　顾客数据的来源 ∥ 85
4.3　收集顾客的声音：访谈 ∥ 86
4.4　收集顾客的声音：使用点现场观察 ∥ 88
4.5　收集顾客的声音：焦点小组 ∥ 89
4.6　收集顾客的声音：问卷调查 ∥ 91
4.7　卡诺分析 ∥ 93
4.8　识别关键质量特性需求 ∥ 99
第5章　数据收集 ∥ 101
5.1　数据类型 ∥ 102
5.2　输入和输出变量 ∥ 104
5.3　数据收集计划 ∥ 106
5.4　测量指标选择矩阵 ∥ 108
5.5　分层因子 ∥ 110
5.6　操作性定义 ∥ 112
5.7　谨慎使用现有数据 ∥ 113
5.8　制作检查表 ∥ 114
5.9　基本检查表 ∥ 116
5.10　频数检查表 ∥ 117
5.11　流程跟单检查表 ∥ 118
5.12　位置检查表 ∥ 119
5.13　抽样技术基础 ∥ 119
5.14　选择抽样技术的考虑因素 ∥ 122
5.15　稳定过程（和总体）的抽样 ∥ 124
5.16　确定小样本容量的公式（总体或稳定过程） ∥ 125
5.17　测量系统分析和量具两性分析概述 ∥ 128
5.18　量具两性分析：收集数据 ∥ 130
5.19　解读量具两性分析结果 ∥ 132
5.20　测量系统分析：评估偏倚 ∥ 141
5.21　测量系统分析：评估稳定性 ∥ 143
5.22　测量系统分析：评估分辨力 ∥ 144
5.23　属性值数据/离散型数据的测量系统分析 ∥ 145
第6章　描述性统计量和数据呈现 ∥ 152
6.1　统计学术语 ∥ 153
6.2　集中趋势的量度（均值、中位数、众数） ∥ 155
6.3　离散程度的量度（极差、方差、标准差） ∥ 157
6.4　箱线图 ∥ 161
6.5　频率图（直方图） ∥ 162
6.6　正态分布 ∥ 166
6.7　非正态分布和中心极限定理 ∥ 167
第7章　变异分析 ∥ 170
7.1　变异的概念 ∥ 171
7.2　时间序列图（游程图） ∥ 173
7.3　游程表 ∥ 176
7.4　控制图基础 ∥ 177
7.5　控制图的选择 ∥ 178
7.6　连续型数据控制图 ∥ 179
7.7　连续型数据子组容量的确定 ∥ 182
7.8　连续型数据的控制限计算公式 ∥ 184
7.9　连续型数据控制图控制限计算公式中的系数 ∥ 184
7.10　创建I-mR控制图 ∥ 185
7.11　创建X-R控制图或X-s控制图 ∥ 186
7.12　属性值数据控制图 ∥ 187
7.13　创建p图、np图、c图、u图 ∥ 190
7.14　属性值数据控制图控制限的计算公式 ∥ 190
7.15　解读控制图需要满足的前提假设 ∥ 191
7.16　解读控制图（识别特殊变异原因） ∥ 192
7.17　过程能力分析的背景 ∥ 194
7.18　避免短期过程能力与长期过程绩效的混淆 ∥ 197
7.19　计算过程能力 ∥ 198
第8章　识别和验证导致变异的原因 ∥ 202
部分A：识别潜在原因的工具 ∥ 203
8.1　帕累托图（排列图） ∥ 204
8.2　5层为什么（5Y） ∥ 208
8.3　因果图（鱼骨图或石川馨图） ∥ 210
8.4　因果矩阵 ∥ 213
部分B：确认因果关系的工具 ∥ 215
8.5　分层数据图 ∥ 216
8.6　快赢改善 ∥ 218
8.7　散点图 ∥ 221
8.8　假设检验概述 ∥ 224
8.9　置信区间 ∥ 226
8.10　Ⅰ型和Ⅱ型错误、置信度、检出力和p值 ∥ 227
8.11　置信区间和样本容量 ∥ 230
8.12　t检验概述 ∥ 231
8.13　单样本t检验 ∥ 233
8.14　双样本t检验 ∥ 235
8.15　相关性分析概述 ∥ 237
8.16　相关性统计量（相关系数） ∥ 238
8.17　回归分析概述 ∥ 239
8.18　简单线性回归 ∥ 241
8.19　多重回归 ∥ 243
8.20　方差分析 ∥ 249
8.21　单因子方差分析 ∥ 250
8.22　自由度 ∥ 255
8.23　方差分析的假设 ∥ 256
8.24　双因子方差分析 ∥ 257
8.25　卡方检验 ∥ 260
8.26　试验设计中的符号和术语 ∥ 263
8.27　试验设计的计划 ∥ 265
8.28　试验设计：全因子试验与部分实施的因子试验（及符号表示方法） ∥ 270
8.29　解读试验设计的结果 ∥ 274
8.30　假设