谢鸣：制造行业数据分析实战特训营

谢鸣注册讲师 10查看

课程概要

培训时长 : 2天

课程价格 : 扫码添加微信咨询

课程分类 : 精益生产

课程编号 : 38181

联系老师

适用对象

制造企业生产管理、质量控制、设备维护、供应链、市场分析等部门人员；车间主任、工艺工程师、质量分析师、计划员、数据专员等岗

课程介绍

【课程背景】

1. 生产数据繁杂，质量波动原因难定位，工艺优化缺乏数据支撑

2. 设备故障频发，维修成本高企，预防性维护计划制定无依据

3. 供应链库存积压与短缺并存，需求预测准确率低导致产销失衡

4. 市场竞争激烈，客户需求变化快，产品研发方向难以精准把握

5. 传统经验决策效率低，缺乏科学数据工具辅助管理层快速响应

【课程收益】

能力提升

1. 掌握 Minitab、DeepSeek 等工业级数据分析工具的核心功能

2. 具备生产质量、设备管理、供应链等制造场景的数据分析能力

3. 学会数据可视化呈现与报告撰写，提升跨部门沟通效率

工具赋能

1. 获得《制造行业数据分析工具包》（含 Minitab 插件、DeepSeek 模型模板、扣子空间可视化组件）

2. 掌握《生产数据清洗 checklist》《设备故障预测流程手册》等标准化工具

实战成果

1. 完成 3 个制造行业真实场景的数据分析项目

2. 输出可落地的《质量改进方案》《设备维护计划》《库存优化报告》

3. 熟练运用 Minitab 完成生产数据统计分析与质量控制，准确率达 95% 以上。

4. 掌握 DeepSeek 建模流程，能独立完成设备故障预测模型开发，预测精度提升 40%。

5. 运用豆包实现数据快速查询与洞察，分析效率提升 60% 以上。

6. 利用扣子空间完成交互式数据看板设计，满足管理层实时决策需求。

7. 建立制造行业数据分析思维框架，能从数据中提炼可落地的改进策略。

【课程时长】

2 天（6小时/天）

【课程对象】

制造企业生产管理、质量控制、设备维护、供应链、市场分析等部门人员；车间主任、工艺工程师、质量分析师、计划员、数据专员等岗位从业者。

【课程方式】

1. 实战演练：占比 40%，包含工具操作实训、案例模拟分析、小组项目实战。

2. 案例教学：占比 30%，精选 3 个制造行业典型案例（质量、设备、供应链）。

3. 互动研讨：占比 20%，包含分组讨论、问题答疑、经验分享。

4. 现场指导：占比 10%，讲师一对一工具操作指导、项目方案优化。

【课程大纲】

第一天：制造数据基础与质量管控实战

09:00-10:30 开营导入

1. 制造业数字化转型趋势与数据分析价值

2. 课程目标与学习规划说明

3. 学员分组与破冰互动

10:45-12:00 Minitab 基础操作实训

1. 软件安装与界面介绍

2. 制造数据导入技巧（Excel / 数据库 / IoT 设备）

3. 数据清洗与预处理实操（缺失值 / 异常值处理）

13:00-14:30 统计分析核心技术

1. 描述性统计与数据可视化（直方图 / 箱线图应用）

2. 假设检验在质量差异分析中的应用（t 检验 / 方差分析）

3. 案例：某机械加工厂零件尺寸波动分析

14:45-16:30 质量控制工具实战

1. 控制图原理与绘制（X-R 图 / X-S 图）

2. 过程能力指数计算与解读（CP/CPK 应用）

3. 小组任务：某电子厂焊接质量过程能力分析

第二天：设备管理与供应链数据分析进阶

09:00-10:30 DeepSeek 智能分析入门

1. 机器学习在制造业的应用场景

2. 数据预处理技术（特征工程 / 数据标准化）

3. 案例：某重工企业设备振动数据特征提取

10:45-12:00 预测模型构建与优化

1. 回归分析在需求预测中的应用

2. 分类算法在故障诊断中的实践

3. 模型评估指标与调优策略

4. 小组任务：某汽配厂设备故障预测模型训练

13:00-14:30 豆包 AI 辅助分析与扣子空间可视化

1. 自然语言查询数据操作演示

2. 自动化数据分析报告生成技巧

3. 数据可视化原则与图表选择

4. 实战：用扣子空间设计生产质量看板

14:45-16:30 综合案例实战与结营

1. 制造业全流程数据分析案例复盘（质量 - 设备 - 供应链联动分析）

2. 小组项目成果展示与点评

3. 课程总结与行动计划制定

4. 颁发培训证书与合影留念

学习成果输出

1. 《制造行业数据分析工具操作手册》

2. 个人专属《数据分析能力评估报告》

3. 小组实战《制造场景解决方案白皮书》

4. 现场录制的工具操作演示视频包

5. 持续 30 天的线上答疑与资源共享群

授课保障

1. 双师教学：资深制造业数据专家授课

2. 硬件支持：现场配备专业数据分析工作站

3. 资料礼包：工具安装包、案例数据集、模板库、扩展阅读材料

4. 后续服务：提供企业定制化数据诊断与方案落地指导

谢鸣老师的其他课程

• 谢鸣：快速找到解决产品质量问题的钥匙: 【课程背景】一辆汽车，怎么开最省油？这个问题涉及到众多因素：发动机、变速箱、换挡时机、胎压、机油型号、汽油标号、温度、路面情况等等，如何才能找出最优的搭配呢？估计大家都有自己的经验做法。在产品研发过程中，面对各类问题，通常也有很多个因子围绕着我们： l 哪些因子与问题有关，哪些无关？ l 有关的因子中，哪些对这个问题影响大，哪些只有轻微影响？ l 影响重大的因子中，如何设定参数，能让结果最优，成本最低？ l 除了穷举法和碰运气，有没有一种高效的方法来解决这些问题？这些问题都可以通过DOE试验设计法来解决！试验设计在研发的整个过程中扮演了非常重要的角色，它是我们提高产品质量，改善产品参数的重要手段。试验设计已广泛运用于从航天业到一般生产制造业的产品设计、质量改善、工艺流程优化。通过此课程，您将掌握对产品参数的量化分析，科学、经济、高效地确定关键因素及其最佳设定，获得最优输出结果。著名学者，田口法创始人田口玄一说过“不掌握试验设计的工程师只能算是半个工程师”，DOE能突破性提升研发、质量、技术工程师从根本上解决问题的能力。【课程收益】 1. 掌握试验设计的方法，原理和应用。 2. 通过老师的现场辅导，解决生产现场的实际问题并有效掌握DOE的应用。 3. 提高对DOE的认识，从根本上摒弃依靠"啪脑袋"和"工程猜测"解决问题的传统陋习。 4. 了解应用DOE的必备条件。 5. 掌握DOE工具的应用步骤。 6. 系统性地应用DOE工具，提高过程质量及生产效率。【课程特色】通过筛选试验及部分析因法，从众多过程特性中找出关键的少数的因子，通过全因子法及响应曲面法，建立少数关键因子与关键输出特性的数学模型，从而通过对少数关键的因子建立合理的规范，而确保得到优良的关键输出特性。此课程中对于试验的因子配置及数据分析讲解易于让学员理解【课程对象】与产品研发和制造过程相关的人员。【课程时间】 3天，6小时/天【课程大纲】第一天第一部分 DOE与传统方法对此 1、案例分析：小王的困扰？ 2、传统方法：一次一因子试验 OFAT Ø 从低向高改变一个因子。 Ø 记录并固定该因子的最佳设定值。 Ø 对每一可控因子重复上述流程。 Ø 呈现表面上的最佳响应的结果。 3、传统方法：保留最优因子法 Ø 从低向高改变一个因子。 Ø 如果改变该因子后，Y值有改善，则保留该变化，并继续改变下一个因子。 Ø 如果下一个因子并没有使Y变好，则改回之前值，并继续改变下一个因子。 Ø 对每一可控因子重复上述流程。 Ø 呈现表面上的最佳响应的结果。 4、传统方法局限性第二部分简单试验设计应用 1、试验的定义 2、试验设计和分析的含义 3、试验设计和分析的历史和发展 4、试验设计和分析的作用 5、试验设计 DOE 有关术语 5.1 response 响应 5.2 factor 因子 5.3 level 水平/treatment 处理 5.4 main effect 主效应 5.5 interaction 交互作用 5.6 试验单元 5.7 试验环境 5.8 模型和误差 6、试验设计分类 7、试验设计运用步骤 8、DOE 基本原则第三部分析因试验设计（因子设计） 1、析因试验设计概述 1.1 析因试验设计的含义 1.2 析因试验的目标 1.3 全因子试验设计法 1.4 重复试验 2、析因试验设计法的基本应用程序 2.1 明确试验目的，确定考核指标 2.2 选择主因子，确定主因子水平 2.3 选择析因设计和构造设计矩阵 2.4 实施试验计划、记录试验数据 2.5 计算和分析试验结果 2.6 建立预测模型，选出显著性因子 2.7 确定最优解并进行验证 3、单因子试验设计法案例（ANOVA方差分析法） 4、全因子试验设计法案例（2K设计法） 5、有中心点的试验设计 4.1 有中心点的试验设计的概念 4.2 有中心点的试验设计的优点 6、案例分析：纸飞机飞得远第二天第四部分部分因子试验设计法 1、部分析因试验设计的含义 1.1部分因子试验的必要性 1.2部分因子试验的实施原理 1.3部分因子试验的关键概念 1.4部分因子试验的设定 2、重影效应（alias） 3、部分因子试验的分辨度（Resolution） 4、部分因子试验案例解析 5、筛选设计案例解析（Plackett-Burman设计）第五部分响应曲面设计 1、响应曲面设计的概念； 2、中心复合设计（Central Composite Design，CCD） 2.1 中心点 center point 2.2 角点 corner point 2.3 轴点 axial point 2.4 中心复合序贯设计（CCC） 2.5 中心复合表面设计（CCF） 2.6 中心复合有界设计（CCI） 3、 Box-Behnken 设计与中心复合设计的区别 4、响应曲面设计的计划 4.1 用最速上升法寻找试验的最优区域 4.2 在已确定为最优区域的范围内，进行响应曲面试验 5、响应曲面设计案例解析第六部分实战练习 1、每组一个课题，根据课题的特性，确定DOE的方法，并计算最优解。 2、分组发表及点评。第三天第七部分课题辅导 1、辅导目标 Ø 掌握常用 DOE 试验设计类型的应用场景及操作步骤。 Ø 能够运用 DOE 试验设计方法对企业实际生产或业务流程中的问题进行分析和优化。 Ø 通过现场辅导和实践操作，帮助企业建立 DOE 试验设计的应用能力，为后续持续改进提供支持。 2、辅导流程 2.1、数据收集与整理 Ø 企业提出实际工作中遇到的与试验设计相关的问题或需要改进的流程。 Ø 老师对问题进行汇总和分类，挑选具有代表性的问题进行深入分析。 2.2、问题分析与解决方案探讨 Ø 针对每个典型问题，与学员一起运用 DOE 试验设计的思路进行分析。 Ø 确定问题中的响应变量和可能的因子，讨论如何设计试验来解决问题。 Ø 共同探讨在实施试验过程中可能遇到的困难和应对措施。 Ø 运用选定的试验设计方案对问题进行分析，强调解决问题的关键步骤和要点。 Ø 为企业在后续应用 DOE 试验设计方法提出针对性的建议。 3、总结与答疑 Ø 回顾全天辅导的重点内容，包括 DOE 理论知识、软件操作要点和实际问题分析方法。 Ø 学员提问，老师解答关于全天辅导内容或企业应用 DOE 相关的任何疑问。 Ø 鼓励学员在后续工作中积极应用 DOE 试验设计方法，不断探索和改进企业的生产和业务流程。 4、辅导资料 Ø 编写详细的 DOE 试验设计操作手册，包括软件操作截图，方便学员课后练习。 Ø 培训PPT 课件，通过图文并茂的方式提高学员对DOE的理解和学习兴趣。 5、辅导效果跟踪 Ø 课后作业：要求学员运用所学的 DOE 知识对企业实际问题设计试验方案并进行分析。 Ø 后续跟踪：在辅导结束后的2个月内，与企业相关人员保持沟通，了解学员在实际工作中应用 DOE 的情况。收集学员在应用过程中遇到的问题，并给予专项指导。

• 谢鸣：六西格玛绿带实战训练营: 【课程背景】六西格玛于 20 世纪 80 年代中期在摩托罗拉公司首次成功应用，随后美国通用电气引入并取得显著成效，逐渐推广至众多国际知名企业。目前，国内许多公司也对六西格玛有了较为深入的了解。六西格玛管理以科学统计理论为基础，通常采用项目管理方式，运用 DMAIC 流程分析技术（定义、测量、分析、改进、控制）实现产品和服务质量的持续改进。六西格玛绿带作为六西格玛改善项目实施的主导者，是六西格玛方法论在企业推进的中坚力量，也是六西格玛持续改善文化的传播者。鉴于绿带直接分布在生产和管理一线，培养一支高素质的绿带队伍，对六西格玛理念自上而下的贯彻和持续推进至关重要。 1. 缺乏六西格玛项目改善课题的甄选流程与标准，导致课题选择盲目。 2. 不熟悉项目课题描述方法，难以准确界定和解决公司内质量问题。 3. 对六西格玛方法论 DMAIC 的改进路径及各阶段核心输出理解不深，影响项目实施效果。 4. 不了解统计方法在 DMAIC 改进流程中的应用，如 FMEA、SPC、MSA 等工具的使用存在困难。 5. 团队管理能力不足，无法有效带领团队实施项目改善。 6. 掌握六西格玛项目改善课题的甄选流程与标准，能合理选择适合企业的改善课题。 7. 熟练运用项目课题描述方法，准确识别和解决公司内的质量问题。 8. 深入理解 DMAIC 改进路径，明确各阶段核心输出并能有效应用。 9. 掌握统计方法在 DMAIC 流程中的应用，熟练使用 FMEA、SPC、MSA 等工具。 10. 提升团队管理能力，能够独立带领团队完成六西格玛项目改善。【课程收益】 1. 熟悉六西格玛项目改善课题的甄选流程与标准，提高课题选择的科学性和针对性。 2. 掌握项目课题描述方法，能清晰准确地界定和解决质量问题。 3. 理解六西格玛方法论 DMAIC 的改进路径及各阶段核心输出，为项目实施提供明确指导。 4. 掌握统计方法在 DMAIC 改进流程中的应用，提升数据分析和问题解决能力。 5. 具备独立带领团队实施项目改善的能力，推动企业质量持续改进。【课程对象】企业中高层管理者，研发、工艺、质量、设备、制造等部门骨干人员，负责改善项目的骨干人员。【课程方式】实战演练、案例教学、小组研讨、互动练习、现场模拟、工具应用指导。【课程时长】 4 天，6 小时 / 天【课程大纲】导入 1. 六西格玛概述 o 持续改善的历史与发展，不同改善模式对比。 o 六西格玛的核心概念、原理、目标及企业应用价值。 o 互动：讨论企业在质量改善中面临的挑战与需求。 2. 绿带角色与使命 o 六西格玛绿带的定位、职责与在企业中的关键作用。互动：分享优秀绿带项目案例，分析成功要素。第一讲：六西格玛基础与组织过程管理 1. 六西格玛基础理论 o 六西格玛的起源与发展历程，从摩托罗拉到全球企业的应用实践。 o 业务过程与体系：解析不同业务过程的关系及对系统的影响。 o 应用领域：制造业、服务业、产品与过程设计中的六西格玛实践。 o 工具 / 模型：六西格玛发展时间轴、业务过程模型。 o 互动：小组讨论六西格玛在本企业的潜在应用场景。 2. 组织过程管理与测量 o 利益相关方分析：识别顾客、供方及其他利益相关方，评估项目影响。 o 关键 X 特性要求：CTQ、CTC 等核心概念及应用方法。 o 标杆管理：定义不同类型标杆，掌握标杆分析步骤。 o 业务与财务测量：平衡计分卡、KPI、质量成本、投资回报率等测量工具应用。 o 工具 / 模型：利益相关方矩阵、CTQ 树图、平衡计分卡框架。 o 互动：案例分析某企业关键质量特性（CTQ）的识别与应用。第二讲：项目团队管理与定义阶段 1. 项目团队管理 o 团队形成：团队类型、约束因素、角色定义与成员选择原则。 o 团队推动与管理：激励方法、发展阶段（组建期、激荡期、规范期、执行期、休整期）管理策略。 o 沟通与决策工具：SIPOC、头脑风暴、名义群体法、多数投票法等应用。 o 策划工具：矩阵图、PDPC 法、活动网络图的使用技巧。 o 团队评估与激励：建立团队绩效指标，设计激励机制。 o 工具 / 模型：团队角色矩阵、项目日程表模板、决策工具对比表。 o 互动：模拟团队组建与分工，制定项目启动计划。 2. 定义阶段核心任务 o 顾客心声：细分客户，收集客户反馈方法（CTQ 展开、QFD、Kano 模型等）。 o 项目立案书：问题陈述、范围界定、目标设定与绩效测量指标设计。 o 项目追踪：日程安排表、关卡评审等管理工具的应用。 o 工具 / 模型：QFD 质量屋、Kano 模型问卷设计、项目授权书模板。 o 互动：实战练习撰写某项目的问题陈述与目标设定。第三讲：测量阶段与分析阶段 1. 测量阶段技术实战 o 统计学基础：数据类型、抽样方法、统计量计算（均值、标准差、DPMO 等）。 o 测量系统分析（MSA）：分辨力、偏移、线性、稳定性、重复性、再现性评估，Gage R&R 研究方法与评判标准。 o 过程能力分析：CP/CPK、PP/PPK 等指标计算与判读，长期与短期能力分析。 o 图形工具：多变量图、直方图、散点图等的使用与判读。 o 工具 / 模型：MSA 数据表、过程能力分析模板、图形工具对比表。 o 互动：案例分析测量系统稳定性问题，进行 Gage R&R 计算。 2. 分析阶段方法应用 o 析因工具：头脑风暴、5Why 分析法、鱼骨图、树图、流程变量图析。 o 潜在失效模式及后果分析（FMEA）：DFMEA 与 PFMEA 实施步骤，风险优先级评估。 o 假设检定：H0&H1 假设、α 风险与 β 风险，t 检验、卡方检验等方法应用。 o 方差分析与回归分析：一元 ANOVA 分析、相关系数 r 与拟合指数 R² 计算。 o 工具 / 模型：FMEA 表格模板、假设检定流程表、回归分析案例。 o 互动：小组运用鱼骨图分析某产品质量问题的潜在原因。第四讲：改善阶段与控制阶段 1. 改善阶段：DOE 试验设计 o DOE 与传统方法对比：OFAT 局限性，析因设计优势。 o 析因设计：全因子试验、部分因子试验、响应曲面设计（中心复合设计、BOX - Behnken 设计）实施步骤。 o 案例应用：通过实际案例演示试验设计、数据收集与结果分析。 o 工具 / 模型：全因子试验设计矩阵、响应曲面模型、试验结果分析表。 o 互动：分组设计某流程优化的部分因子试验方案。 2. 控制阶段：SPC 与控制计划 o 控制图（SPC）：目标与收益，子群定义，均值极差图（Xbar - R）、计量值与计数值控制图应用。 o 控制计划（CP）：建立控制计划，记录成果，监控系统运行。 o 项目移交：绩效持续追踪，将项目成果转化为例行工作。 o 工具 / 模型：Xbar - R 控制图模板、控制计划检查表、项目移交清单。 o 互动：实战绘制某工序的 Xbar - R 控制图，分析过程稳定性。第五讲：六西格玛项目全流程解析 1. 真实案例模拟实战 o 选取典型行业案例，涵盖制造业、服务业等不同领域。 o 按照 DMAIC 流程，从项目选题、定义、测量、分析、改善到控制全流程演练。 o 分组完成各阶段任务，展示成果并进行点评与优化。 o 工具 / 模型：项目案例手册、DMAIC 各阶段输出模板。 o 互动：小组竞赛，评选最佳项目方案。 2. 课程总结与行动计划 o 回顾六西格玛核心知识与技能，总结课程重点内容。 o 制定个人 / 团队行动计划，明确后续项目实施步骤与目标。 o 互动：学员分享学习收获与未来应用计划。

• 谢鸣：六西格玛绿带考前辅导及改善项目实战训练营: 【课程背景】 1. 学员缺乏系统的六西格玛绿带考试知识复习，对考试重点、题型和命题规律不熟悉，应试能力不足。 2. 学员难以将六西格玛理论知识应用于实际工作中的改善项目，缺乏对 DMAIC 流程及相关工具的实践运用经验，解决实际问题的能力有待提升。 3. 通过本课程学习，学员能够系统掌握六西格玛绿带考试所需的理论知识，包括统计学基础、质量管理工具、项目管理方法等，熟悉考试题型、命题规律和答题技巧，顺利通过六西格玛绿带考试。 4. 通过本课程学习，学员能熟练运用 DMAIC 流程及相关工具（如 SIPOC 图、MSA、DOE、控制图等）进行改善项目的策划、实施、监控和总结，提升在实际工作中解决复杂问题的能力。 5. 通过本课程学习，学员能够将所学知识应用于企业实际业务流程改进，降低成本、提高质量和效率，为企业创造经济效益和社会效益，同时提升个人职业竞争力，拓宽职业发展空间。【课程收益】维度具体收益知识层面建立完整的六西格玛绿带知识体系，掌握统计学、质量管理、项目管理等核心理论，明确考试重点和知识脉络技能层面具备独立开展六西格玛改善项目的能力，熟练运用 DMAIC 流程及 20 + 工具方法解决实际问题，提升数据收集、分析和决策能力职业发展获得六西格玛绿带认证，增强职场竞争力，为晋升、转岗或参与企业重大项目创造条件，成为企业质量改进的核心人才企业价值推动企业流程优化和质量提升，降低成本、提高效率和客户满意度，培养内部六西格玛人才队伍，促进持续改进文化建设【课程时长】 3 天，6 小时 / 天【课程对象】企业质量管理人员、工程技术人员、生产管理人员、研发人员及其他希望获得六西格玛绿带认证并提升问题解决能力的人员【课程方式】真题解析、案例教学、模拟测试、小组讨论、角色扮演、实战演练、现场答疑【课程大纲】导入 1. 六西格玛管理价值探讨：思考六西格玛对企业质量和效率提升的重要性，讨论绿带认证对个人职业发展的意义 2. 学员现状分析：通过问卷或互动了解学员对六西格玛知识的掌握程度、备考难点及实际工作中的改善需求 3. 课程目标与框架介绍：明确三天课程的整体安排、重点内容和学习目标，建立学习预期第一讲：考试筑基 —— 六西格玛核心知识体系与真题解析一、六西格玛管理体系全景 1. 起源与发展：从摩托罗拉到通用电气，六西格玛的发展历程和核心理念（数据驱动、持续改进、顾客导向） 2. 组织架构：黑带、绿带、黄带的角色分工，绿带在企业中的定位和职责 3. 核心方法论：DMAIC 流程详解，与 PDCA 循环的区别与联系二、历年真题深度剖析 1. 真题分类与分值分布：按定义、测量、分析、改进、控制阶段统计近 5 年真题数量和分值占比，揭示考试重点（如测量阶段占比 30%、分析阶段占比 25%） 2. 典型真题解析（定义阶段） o 案例：某企业项目选择真题，讲解如何通过 SIPOC 图界定项目范围，将 VOC 转化为 CTQ o 工具应用：SIPOC 图绘制步骤、VOC 收集方法（问卷 / 访谈 / 焦点小组）及 CTQ 筛选原则 3. 典型真题解析（测量阶段） o 案例：测量系统分析真题，解析 MSA 中 GR&R 计算方法，判断测量系统是否合格 o 工具应用：数据类型（计量型 / 计数型）区分，抽样方法（简单随机 / 分层抽样）选择，直方图、柏拉图的绘制与解读三、互动环节 1. 小组讨论：分享备考过程中遇到的难点，讨论如何将真题解析中的方法应用于知识复习 2. 现场答疑：针对学员关于真题解析和知识理解的疑问进行解答第二讲：实战进阶 ——DMAIC 流程深度应用与模拟强化一、分析阶段核心工具解析 1. 假设检验实战：t 检验（单样本 / 双样本）、F 检验、卡方检验的适用场景、计算步骤和结果判断 o 案例：某产品良率影响因素分析，通过卡方检验判断不同工艺路线的显著性差异 2. 回归分析应用：简单线性回归与多元回归模型建立，回归方程解读及显著性检验二、改进与控制阶段关键方法 1. 实验设计（DOE）：全因子实验、部分因子实验、响应面优化的原理和应用场景 o 案例：某生产过程参数优化，通过 DOE 确定最佳温度、压力组合，提升产品性能 2. 控制图应用：Xbar-R 图、X-MR 图、P 图的选择标准、绘制步骤和异常点判断 o 工具应用：控制计划制定，如何通过控制图监控过程稳定性并制定反应计划三、模拟题实战训练 1. 模拟题解读：发放模拟试卷，讲解命题思路（如新增数字化工具应用考点）、难度分布及答题注意事项 2. 自我测试与解析：学员独立完成模拟题，对照答案自我评估，小组讨论争议题目，教师针对高频错题进行详细解析第三讲：项目实战 —— 改善课题全流程解析与考前冲刺一、完整案例深度剖析 1. 项目背景：某制造企业生产效率提升项目，讲解如何通过 VOC 确定 CTQ（生产周期缩短 20%） 2. DMAIC 实施过程 o 定义：项目章程制定、SIPOC 图绘制，明确项目范围和目标 o 测量：数据收集计划制定，MSA 验证测量系统有效性，过程能力分析（CPK=0.85 显示能力不足） o 分析：通过 FMEA 识别关键影响因素，假设检验确定设备老化为主要原因 o 改进：设计 DOE 实验优化设备维护周期，实施防错装置降低人为失误 o 控制：建立 Xbar-R 控制图监控过程，制定标准化作业指导书固化成果 3. 成果总结：财务收益计算（年成本节约 300 万元）、项目文档归档与经验分享二、考前冲刺策略 1. 知识点查漏补缺：根据模拟题和案例分析，梳理高频考点（如 MSA、DOE、控制图）和易错点（假设检验条件判断） 2. 答题技巧强化：选择题快速审题法（关键词标注）、简答题分点作答模板（定义 + 工具 + 应用步骤）、案例分析题逻辑框架（问题 - 工具 - 数据 - 结论） 3. 时间管理训练：模拟考试时间分配（单选题 1 分钟 / 题，案例分析题 20 分钟 / 题），避免因时间不足影响答题质量三、课程总结 1. 知识回顾：通过思维导图总结三天课程的核心知识点和工具方法，强化记忆 2. 行动规划：指导学员制定考前复习计划（如每天 30 分钟重点知识点背诵、每周 1 套模拟题训练），明确改善项目实践步骤（选择企业内实际问题，1 个月内完成定义和测量阶段） 3. 资源分享：推荐六西格玛经典教材（《六西格玛管理》）、在线题库（ASQ 官网模拟题）、优质案例库（标杆企业改善项目合集），鼓励学员持续学习和实践第四讲：部分授课案例 1. 某电子制造企业良率提升项目：通过 DMAIC 流程识别关键工艺参数，实施 DOE 优化后良率从 85% 提升至 95% 2. 某服务行业客户满意度改进项目：运用 SIPOC 图和 VOC 分析，优化服务流程，客户投诉率下降 60% 第五讲：学习成果输出 1. 六西格玛绿带考试备考手册：包含高频考点汇总、答题技巧、模拟题及解析 2. 改善项目计划书：学员结合企业实际问题，完成一份 DMAIC 项目章程（定义阶段成果） 3. 工具应用模板：MSA 报告模板、DOE 实验设计表、控制计划模板等，方便学员在实际工作中应用

谢鸣：制造行业数据分析实战特训营

课程概要

适用对象

课程介绍

谢鸣老师的其他课程

相关课程

添加企业微信