六西格玛DMAIC项目为什么做不下去？——某制造企业项目起死回生的案例剖析
一、开篇：一个卡在 Measure 阶段四个月的项目
某装备制造企业去年启动了一个六西格玛项目：降低液压阀体焊接不良率。立项时目标明确，要从 3.5% 降到 0.8%，预计年收益 120 万元，公司还专门请了黑带做辅导。听起来万事俱备，可项目启动四个月后，团队连 Measure 阶段都没走完——数据收集了一大堆，分析却迟迟无法推进。月度评审会上，项目负责人被问到进展，只能反复说"数据还在整理"。眼看项目就要被降级关闭，质量总监亲自下场，花了两周时间做了一次"项目体检"，才把项目从悬崖边上拉了回来。
这个案例很有代表性。很多企业的 DMAIC 项目不是败在方法上，而是根本"做不下去"：启动时轰轰烈烈，三个月后悄无声息，半年后以"客观原因"草草关闭。据行业统计，六西格玛项目真正走完 DMAIC 全流程并产生可核算收益的比例并不高，大量项目夭折在中途。项目为什么做不下去？结合这家企业以及其他多个项目的实战观察，问题几乎都出在下面五个环节。
二、DMAIC 项目最常见的五个"死法"
第一，死在 Define：选题太大，范围失控。 有的企业立项时写"提升公司整体质量水平""降低所有产品投诉率"，听起来格局大，实际没法操作。DMAIC 项目要求问题可测量、边界清晰、一个项目解决一个核心问题。题目越大，变量越多，数据越杂，团队越不知道从哪下手。某家电企业曾立项"降低全品类客诉"，Define 阶段开了六次会还没把 Y 定义清楚，项目两个月就无疾而终。选题要小到"一个产品、一条产线、一类缺陷、一个指标"，比如"降低 A 型号阀体焊接气孔不良率"，这才是合格的 Y。
第二，死在 Measure：数据基础撑不起分析。 DMAIC 是数据驱动的，可很多企业的现场数据靠人工抄录，漏记、错记、口径不统一，连"当前水平到底是多少"都说不清。前面提到的那家装备企业就是这样：焊接工序的参数记录本上，电流电压只记了"正常"两个字，不良品没有缺陷分类，统计出 3.5% 还是靠抽查估算的。更普遍的问题是没做测量系统分析就急着收数据——量具本身重复性和再现性都不过关，数据再多也是垃圾进垃圾出。Measure 阶段看似简单，实际上是项目的第一道生死关。
第三，死在 Analyze：工具堆砌，没有结论。 有的团队把鱼骨图、FMEA、假设检验、回归分析用了个遍，输出几十页 PPT，却答不出"关键因子到底是哪几个"。工具是手段不是目的，Analyze 的产出必须是经过验证的少数关键因子 X，而不是工具展览。某电子企业做锡膏印刷不良改善，团队做了三个月的相关性分析，最后发现数据样本不足、分组错误，结论全部作废，项目被迫退回 Measure 重新收数据。
第四，死在 Improve 之后：成果没人固化。 这是最可惜的一种死法。项目明明做出了效果，不良率从 3.5% 降到 0.8%，但改善措施只停留在项目组的临时方案里：作业指导书没更新、控制计划没修订、防错装置没纳入点检、新参数没写进工艺文件。项目一关闭，三个月后不良率悄悄反弹回 3% 以上。成果不固化，等于白做。
第五，死在机制：人、时间、评审全都不落实。 项目成员全是兼职，白天忙生产晚上做项目；黑带辅导一个月来一次；阶段门评审走过场，看 PPT 不问数据；项目收益没人核算，做完做不完一个样。某汽车零部件企业一年立项 15 个 DMAIC 项目，最后只有 2 个结题，其余全部烂尾，第二年再立项时一线工程师集体抵触——"反正都是走过场"。
三、案例复盘：这家企业是怎么把项目救回来的
回到开篇的案例。质量总监做的"项目体检"发现了四个问题：一是 Y 定义过宽，原项目同时覆盖三种阀体、两条产线和五种缺陷模式，数据根本对不齐；二是测量系统没验证，用于判定焊接缺陷的目视检验重复性极差；三是团队 5 个人全是兼职，且没人真正懂统计；四是四个月没有开过一次正式阶段门评审。
针对这四个问题，企业做了四个动作。第一，重新立项、收缩范围：把项目改成"降低 A 型号阀体焊接气孔不良率"，只针对一条产线、一种缺陷模式，Y 定义为"气孔缺陷率（PPM）"，目标改为从 4200PPM 降到 900PPM。第二，补齐数据地基：先做 MSA，把目视检验改为带标准样卡的判定并验证通过，再给焊接设备加装参数自动采集，数据从人工抄录改为系统记录，连续收集 6 周共 2400 件样本。第三，重组团队：指定一名通过绿带认证的工艺工程师专职负责，每周投入 60%～70% 工时，黑带辅导从每月一次改为每两周一次现场辅导。第四，恢复阶段门：Define、Measure、Analyze、Improve、Control 五个阶段门全部由质量总监亲自主持评审，每个门必须用数据回答三个问题——当前水平是多少、关键因子是哪些、改善效果有没有验证。
项目重启后用了 5 个月走完全程：Analyze 阶段用鱼骨图和回归分析锁定三个关键因子——保护气体流量波动、焊丝送丝速度不稳、来料坡口油污超标；Improve 阶段给气体流量加了自动监控报警、更换送丝机构并修订参数标准、增加来料坡口清洗工序；Control 阶段更新了控制计划和作业指导书，把三个因子全部纳入日常点检，并设置控制图持续监控。最终气孔缺陷率稳定在 800PPM 左右，低于目标值，经财务核算年收益 96 万元，项目被评为当年优秀改善项目。更关键的是，这套"阶段门＋数据说话"的打法被复制到后续 6 个项目，结题率从不到 20% 提升到 80% 以上。
四、让 DMAIC 项目"做得下去"的四条机制
复盘这个案例，可以提炼出四条可复制的机制。
一是立项评审要"较真"。立项时就要回答清楚：Y 是什么、基线数据从哪来、目标值是多少、范围是哪条产线哪个缺陷、谁专职投入多少时间。答不清这五个问题，不允许立项。宁可砍掉一半项目，也要保证每个项目都能走完。
二是阶段门要"看数据"。每个阶段门评审只认三类证据：当前水平的测量数据、关键因子的验证数据、改善效果的对比数据。讲故事的、放工具的、凑页数的，一律打回。阶段门不是汇报会，是质量关。
三是资源要"配到位"。项目负责人要有明确工时保障，黑带辅导要有固定频率，测量和数据采集的硬件投入要提前批。很多项目死在"既要马儿跑，又要马儿不吃草"——方法再好，没有资源支撑就是空中楼阁。
四是收益要"算清楚"。项目关闭前必须完成财务核算，Control 阶段结束三个月后要做一次"效果回头看"，确认改善没有反弹。算得清收益，项目才有持续立项的动力，改善文化才能滚动起来。
五、结语
DMAIC 项目做不下去，根子从来不在方法，而在选题、数据、资源和评审机制这四个基本功。把基本功补齐，项目自然走得下去——这比多学十个统计工具都管用。
DMAIC 项目夭折的根因不在方法，而在选题、数据、资源与评审机制这四个基本功。
知识编号：6.1.1
版本：v20260813
作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。