智能制造可以說是近兩年被媒體提到最多的概念之一，它不僅是制造業未來的發展方向，更是《中國制造2025》的核心，智能制造相關概念也幾乎天天縈繞在耳邊，想不知道都難。而我是一個從事精益六西格瑪管理的專職人員，面對制造業的大趨勢，自然也要思考如何擁抱這種變化，精益六西格瑪未來的出路在哪兒？

　　眾所周知，精益六西格瑪的是提升實物產品質量和提升管理績效最有效的工具之一，眾多國內企業也紛紛導入了這種方法，但實際的成效卻往往不盡如人意，那么面對制造業的未來，精益六西格瑪是否能夠充分發揮其價值，有所作為？對精益六西格瑪管理從業者而言，是非常值得琢磨的一件事情。在未來，我認為精益六西格瑪仍然可以在以下幾個方面產生巨大的價值：

　　第一，通過方法論來解決問題

　　這是幾乎每個實施精益六西格瑪的企業最基本的價值創造方式。通常都會用DMAIC作為過程改進方法論，而六西格瑪設計（DFSS）方法論則更加多樣。

　　以DMAIC方法論為例，既然被稱為方法論（哲學上的概念），就應該具有一定的普遍意義，無論從ISO9000質量管理體系還是卓越績效模式的內容中我們都可以看到，它們把測量、分析和改進作為分析問題和解決問題最基本的步驟，測量是對客觀事物的精確把握，而在此基礎之上的分析和改進則更加科學和嚴謹，同樣，定義（D）和控制（C）階段也具有非常重要的現實意義，也就是說DMAIC作為基本的解決問題的方法論在可預見的未來它都是非常適用的，目前還看不到哪種方法論能在過程改進上取代它。

　　雖然DMAIC方法論有一定的普遍意義，但現階段我們所使用的工具局限性較大，對數據的要求太高，必須嚴格按照一定條件抽樣，才能得到比較準確的分析結果，這也導致了我們的歷史數據大多難以使用，只能重新收集，浪費了時間和成本。當智能制造真正實現，面對工業大數據，當前使用的常規工具必然力不從心，必須融入一些高級的統計工具或者更靈活的機器學習算法才能發揮更大的作用。這并不是說精益六西格瑪即將被淘汰，相反，我認為我們應該把握DMAIC方法論的精髓，擴充統計分析工具的學習，才能適應未來的發展。

　　第二，通過對變量的研究，實現精準的預測和控制

　　我們現在做項目遇到的最突出的問題就是缺少數據，而在智能制造環境下我們將能夠更加容易的獲取大量的數據，這時，挖掘變量和變量之間的相關性，實現精準的預測和控制就變得尤為重要，這種應用應該成為一種常態，更加靈活而不局限于方法論的套路。比如，在售后服務上，如果能夠通過數據分析獲得產品狀態信息和故障之間的關系，從而準確預測產品即將發生的故障，我們就可以做到預測性維護，這將有效地解決我們在后市場遇到的各種問題。

　　這其中有兩個基礎必須扎實，第一個就是能夠大量采集各種變量數據并合理存儲，第二個就是有懂得專業技術、統計建模和機器學習等知識的綜合性人才。缺少任何一個基礎，我們都很難再智能制造的道路上有所作為。

　　第三，精益六西格瑪工具與管理的融合

　　當前學習的大部分精益六西格瑪工具都是先于精益六西格瑪本身出現的，這些工具都有各自的用處，如果真能將這些工具的使用融入日常管理工作，他們將發揮出遠大于在精益六西格瑪項目中發揮的價值，TS16949就很好地融入了這些工具，雖然TS16949主要是針對汽車行業，可是對其它行業也有很好的借鑒意義。TS16949五大工具之一的產品質量先期策劃（APQP）中也系統的陳述了各種統計和管理工具應用的環節（如下圖），對工具的常態化應用具有非常好的指導意義。

　　第四，培養適應未來的人才

　　智能制造會使很多人的工作被機器取代，但人的智慧和創造力是機器無法取代的。比如，機器可以告訴你相關關系，但卻無法告訴你因果關系，就好像機器很容易發現你年齡和GDP是正相關的，但它們之間是沒有因果關系的，這樣的相關性是沒有意義的，因此，未來的人才要應該能夠借助專業知識從相關關系中找到因果關系，利用因果關系改善我們的問題，這就要求他們需要補充一些數據分析的知識，這就是精益六西格瑪在培養未來人才的核心價值。

　　我們不能盲目的崇拜智能制造，就像汽車大王亨利福特的名言:“如果我當年去問顧客他們想要什么,他們肯定會告訴我:‘一匹更快的馬’，機器的局限性也在于此，它可以告訴你如何使一匹馬跑得更快，但它絕對不會告訴你用汽車去代替馬，這就是機器難以擁有的創造性，也是我們未來凌駕于機器之上的智慧優勢。我們不去刻意追捧，也不去刻意抵制，面對智能制造，理性是最好的態度，在理性的前提下擁抱這種變化，我們才能在未來活的更好！

　　徐工李佩光

　　2017年1月3日