复杂问题怎样用DMAIC逐步拆解？

复杂问题通常有三个特点：重复发生、牵涉多个流程，而且大家对原因各有判断。DMAIC的作用不是套用五个阶段名称，而是用一连串证据关卡逐步减少不确定性，避免团队过早跳到解决方案。

Define：把问题边界画清楚

先确认客户和业务影响，把模糊抱怨转成可测量的输出Y。项目章程应说明现状、目标、范围、团队、进度和预期效益。SIPOC与流程图帮助团队看见问题发生在哪一段，也防止范围无限扩大。

定义阶段不应把未经验证的猜测写成原因。例如「员工不认真导致错误」不是合格的问题陈述，它混合了现象与结论。

建立操作性定义和数据收集计划，检查不同人员是否用同一标准记录。若测量设备或人工判定变异过大，应先改善测量系统。之后再建立缺陷、周期、合格率或过程能力的基线。

数据要保留时间顺序和重要分层，例如产品、班次、设备、供应商或渠道。只有平均值而没有变异与分层，常会隐藏真正模式。

团队可以用鱼骨图、5个为什么、帕累托图和流程观察提出原因假设，再以图形分析、检验、回归或实验验证。工具复杂度应由问题决定；能用清楚的分层和现场证据解决的问题，不必为了展示统计而使用复杂模型。

分析结论要同时考虑统计证据、实际影响、数据质量和因果逻辑。相关关系只是线索，不自动证明改变X一定会改变Y。

围绕已验证原因提出多个方案，比较效果、成本、风险、周期和可实施性。对不确定性较高的方案，可通过小范围试点或DOE验证因子及交互作用。试点还要观察是否产生新的安全、质量或客户风险。

将关键输入、输出、测量频率、责任、控制方法和异常反应写入控制计划，并更新标准作业与培训。控制图可用于监测过程变化，但只有明确谁在何种信号下采取什么行动，图表才有管理价值。

六西格玛常以每百万机会3.4个缺陷描述六西格玛水平，但改善项目的重点并不是所有流程都机械追求同一数字。真正目标是依据客户要求和业务风险，持续减少缺陷、变异、等待与返工，并以可验证结果证明改变有效。