思维工具箱DMAIC 数据驱动改进
E13
DMAIC 数据驱动改进
Define–Measure–Analyze–Improve–Control
定义—测量—分析—改进—控制的严谨改进流程
这是什么
面对反复不达标、跨部门且原因复杂的问题，先把问题与测量做可信，再验证原因、试措施，最后用标准与监控防止反弹。它是组织多种分析工具的工作流，不是一条公式；比起简化 PDCA，通常更抠基线、测量系统与证据链。
示意图
什么时候用 / 别用
该用
- 现有流程反复不达标、原因复杂
- 需要较严谨的数据证明改善有效
- 返修率、周期波动、重复投诉等顽疾
别用
- 原因已清楚的小问题，不必上完整项目
- 新市场探索或全新设计硬套「修旧流程」
- 没有可信数据却急着 Analyze
怎么做
准备：客户要求、范围与负责人；流程数据、缺陷定义与测量方法；损失估计与改进资源
- Define：痛点、范围、目标与收益，勿把方案写成问题
- Measure：统一指标，查测量一致性，建基线
- Analyze：提原因假设并用分层数据或实验验证
- Improve：选措施，小范围试验并看副作用
- Control：固化标准，设责任人、监控、异常响应与复查
交付：项目章程、测量与基线、已验证原因、改善验证报告、控制计划
一个例子
假设示例 · 产品
【假设示例】某型号相关内容纠错率 4%，目标 2%。先拆故障类型与批次，排除「使用误解」混算；再验证模板缺陷是否相关。措施验证要覆盖后续批次与同观察期，不能只看试改当天。
容易踩坑
- 无可信测量就分析
- 统计显著当成业务收益
- 局部缺陷降了却总成本升或问题转移
出处：六西格玛改进中定义—测量—分析—改进—控制的阶段流程