这篇文章能给你什么？
如果你正在面临以下问题：
- 客户的Cpk要求达不到，面临停单风险
- 加了大批检验人手，不良率还是居高不下
- 之前做过六西格玛培训但效果不明显
这个真实案例将告诉你：一个DMAIC周期内，如何把Cpk从0.8拉到1.67以上，年节省320万质量损失。文末附【核心经验快问快答】。
项目起源
去年年底，一家汽车零部件企业的质量总监找到我们。
开口第一句话："我Cpk只有0.8，主机厂给3个月，做不到1.33就换供应商。之前找过别的咨询公司，没用。这次是最后机会。"
这家企业做的是发动机支架，铝合金压铸件，给国内头部主机厂配套。发动机支架对尺寸精度要求极高，公差只有0.05mm。Cpk=0.8意味着每1000个零件里约有70个不良品。
他们不是没努力。之前找过其他六西格玛咨询公司，做了一些基础培训，但效果不明显。找到我们的时候，已经是第二次求助了。
项目背景
|------|--------------------------|
| 维度 | 详情 |
| 行业 | 汽车零部件制造 |
| 产品 | 发动机支架（铝合金压铸） |
| 核心问题 | 3个关键尺寸（宽度、孔径、平面度）Cpk仅0.8 |
| 客户要求 | 3个月内Cpk≥1.33 |
| 现有措施 | 增加全检人手，但不良率仍然2.3% |
| 财务影响 | 年质量损失预估320万元 |
DMAIC全过程
Define（定义阶段）
我们没有急着分析数据。第一件事：召开项目启动会。
参会人员：质量总监、生产经理、工艺工程师、检验主管、班组长。
为什么这个动作很重要？ 之前那次"失败的六西格玛"，问题根源之一就是只有质量部门参与，生产和工艺觉得"这是质量的事"。要解决Cpk问题，必须把压铸、模具、检验、生产计划全部拉到同一张桌子上。
项目目标（SMART原则）：
|--------|--------------------------|
| 维度 | 内容 |
| S（具体） | 将3个关键尺寸的Cpk从0.8提升至1.67以上 |
| M（可测量） | 以Cpk值为唯一衡量指标 |
| A（可实现） | 参考行业标杆，1.67是可达目标 |
| R（相关性） | 直接关系客户订单存续 |
| T（有时限） | 90天内完成 |
项目范围：仅针对3个关键尺寸（宽度、孔径、平面度），不扩大范围。
财务指标：项目成功后，预计年节约质量损失约320万元（减少报废+减少客户投诉处理费用）。
Measure（测量阶段）
测量阶段的核心任务：确认"我们量的数据是准的"。
第一步：MSA测量系统分析
我们对三坐标测量机做了GR&R分析。结果让人背后一凉：
GR&R% = 42%（行业标准要求<30%）
这意味着什么？测量误差占了总变异的42%。
说人话就是：我们以为的"零件不合格"，将近一半可能是"测量不准"！ 之前基于这些数据做的任何分析和改善，都可能是被误导的。
立即行动：
- 三坐标测量机送厂商重新校准
- 制定标准化测量操作规程（明确夹持力、测点位置、环境温度要求）
- 对3名测量员进行盲测比对培训
校准后重新做MSA：
GR&R% = 12%（合格）
第二步：过程能力基线确认
测量系统确认可靠后，重新采集3个关键尺寸的过程数据：
|------|--------|-------|
| 关键尺寸 | 改进前Cpk | 目标Cpk |
| 宽度 | 0.82 | ≥1.67 |
| 孔径 | 0.78 | ≥1.67 |
| 平面度 | 0.75 | ≥1.67 |
基线确认完毕，进入分析阶段。
Analyze（分析阶段）
分析阶段用了两周，4个步骤。
1. 因果矩阵（C&E Matrix）
跨职能团队对每个关键尺寸做头脑风暴+因果矩阵打分，识别出对变异贡献最高的潜在因子：
|------|------------------|
| 关键尺寸 | 主要潜在因子 |
| 宽度 | 压铸温度、冷却时间、模具磨损 |
| 孔径 | 压铸压力、模具温度、浇注速度 |
| 平面度 | 冷却方式、去毛刺方式、热处理工艺 |
2. 假设检验
我们对筛选出的因子逐一做假设检验验证：
3. 回归分析
针对宽度建立了与压铸温度的回归方程：
R² = 0.73
解读：压铸温度的变化，可以解释73%的宽度变异。控制了温度，就控制了绝大部分宽度波动。
4. DOE实验设计
这是整个项目最关键的一步。我们对3个核心因子（压铸温度、冷却时间、模具温度）做了全因子DOE。
为什么必须做DOE？
不做DOE，你只能靠工程师的经验去"试"------温度调高一点试试，不行再调回来，时间花了三个月还是找不到最优参数。DOE让你在最短的试验次数内，找到最优参数组合和交互效应。
DOE结果：找到了一个与工程师原始经验值完全不同的最优参数组合。这个组合考虑了因子间的交互效应------单独看每个因子的最优值，和"组合起来的最优值"完全不同。
Improve（改进阶段）
基于DOE结果，实施了以下改进：
|------|------------------|------------------|
| 改进项 | 改进前 | 改进后 |
| 压铸温度 | 680°C（经验值，无公差控制） | 695°C（±5°C严格控制） |
| 冷却时间 | 人工经验判断（6-10秒不等） | 定时控制8秒（±0.5秒） |
| 模具温度 | 无温控系统，依室温变化 | 加装模温机，280°C±10°C |
| 测量系统 | 无标准SOP，不同人测不同结果 | 标准化操作规程+每季度MSA验证 |
改进后验证数据：
|------|--------|--------|-------|-----|
| 关键尺寸 | 改进前Cpk | 改进后Cpk | 提升幅度 | 达标？ |
| 宽度 | 0.82 | 1.71 | +109% | ✅ |
| 孔径 | 0.78 | 1.68 | +115% | ✅ |
| 平面度 | 0.75 | 1.63 | +117% | ✅ |
三个关键尺寸全部超过1.67！不良率从2.3%降至0.15%。
Control（控制阶段）
改进做完就完了？那三个月后还会反弹。我们在控制阶段做了四件事：
- SPC控制图：对3个关键尺寸建立Xbar-R控制图，操作员每2小时取样，超出控制界限自动报警
- 控制计划固化：将DOE确定的最优参数写入正式控制计划，从"口头经验"变成"标准化文件"
- 定期MSA验证：每季度做一次测量系统GR&R分析，防止测量漂移
- 能力转移：对3个班组的班组长进行SPC基础培训，确保"每个班都会看控制图、都能判断异常"
项目成果总览
|--------|------|-------|-------|
| 指标 | 改进前 | 改进后 | 变化 |
| 宽度Cpk | 0.82 | 1.71 | +109% |
| 孔径Cpk | 0.78 | 1.68 | +115% |
| 平面度Cpk | 0.75 | 1.63 | +117% |
| 不良率 | 2.3% | 0.15% | -93% |
| 年节约 | --- | 320万元 | --- |
| 主机厂评级 | 红色预警 | A级供应商 | --- |