智能制造可以说是近两年被媒体提到最多的概念之一，它不仅是制造业未来的发展方向，更是《中国制造2025》的核心，智能制造相关概念也几乎天天萦绕在耳边，想不知道都难。而我是一个从事精益六西格玛管理的专职人员，面对制造业的大趋势，自然也要思考如何拥抱这种变化，精益六西格玛未来的出路在哪儿？

　　众所周知，精益六西格玛的是提升实物产品质量和提升管理绩效最有效的工具之一，众多国内企业也纷纷导入了这种方法，但实际的成效却往往不尽如人意，那么面对制造业的未来，精益六西格玛是否能够充分发挥其价值，有所作为？对精益六西格玛管理从业者而言，是非常值得琢磨的一件事情。在未来，我认为精益六西格玛仍然可以在以下几个方面产生巨大的价值：

　　第一，通过方法论来解决问题

　　这是几乎每个实施精益六西格玛的企业最基本的价值创造方式。通常都会用dmaic作为过程改进方法论，而六西格玛设计（dfss）方法论则更加多样。

　　以dmaic方法论为例，既然被称为方法论（哲学上的概念），就应该具有一定的普遍意义，无论从iso9000质量管理体系还是卓越绩效模式的内容中我们都可以看到，它们把测量、分析和改进作为分析问题和解决问题最基本的步骤，测量是对客观事物的精确把握，而在此基础之上的分析和改进则更加科学和严谨，同样，定义（d）和控制（c）阶段也具有非常重要的现实意义，也就是说dmaic作为基本的解决问题的方法论在可预见的未来它都是非常适用的，目前还看不到哪种方法论能在过程改进上取代它。

　　虽然dmaic方法论有一定的普遍意义，但现阶段我们所使用的工具局限性较大，对数据的要求太高，必须严格按照一定条件抽样，才能得到比较准确的分析结果，这也导致了我们的历史数据大多难以使用，只能重新收集，浪费了时间和成本。当智能制造真正实现，面对工业大数据，当前使用的常规工具必然力不从心，必须融入一些高级的统计工具或者更灵活的机器学习算法才能发挥更大的作用。这并不是说精益六西格玛即将被淘汰，相反，我认为我们应该把握dmaic方法论的精髓，扩充统计分析工具的学习，才能适应未来的发展。

　　第二，通过对变量的研究，实现精准的预测和控制

　　我们现在做项目遇到的最突出的问题就是缺少数据，而在智能制造环境下我们将能够更加容易的获取大量的数据，这时，挖掘变量和变量之间的相关性，实现精准的预测和控制就变得尤为重要，这种应用应该成为一种常态，更加灵活而不局限于方法论的套路。比如，在凯发app的售后服务上，如果能够通过数据分析获得产品状态信息和故障之间的关系，从而准确预测产品即将发生的故障，我们就可以做到预测性维护，这将有效地解决我们在后市场遇到的各种问题。

　　这其中有两个基础必须扎实，第一个就是能够大量采集各种变量数据并合理存储，第二个就是有懂得专业技术、统计建模和机器学习等知识的综合性人才。缺少任何一个基础，我们都很难再智能制造的道路上有所作为。

　　第三，精益六西格玛工具与管理的融合

　　当前学习的大部分精益六西格玛工具都是先于精益六西格玛本身出现的，这些工具都有各自的用处，如果真能将这些工具的使用融入日常管理工作，他们将发挥出远大于在精益六西格玛项目中发挥的价值，ts16949就很好地融入了这些工具，虽然ts16949主要是针对汽车行业，可是对其它行业也有很好的借鉴意义。ts16949五大工具之一的产品质量先期策划（apqp）中也系统的陈述了各种统计和管理工具应用的环节（如下图），对工具的常态化应用具有非常好的指导意义。

　　第四，培养适应未来的人才

　　智能制造会使很多人的工作被机器取代，但人的智慧和创造力是机器无法取代的。比如，机器可以告诉你相关关系，但却无法告诉你因果关系，就好像机器很容易发现你年龄和gdp是正相关的，但它们之间是没有因果关系的，这样的相关性是没有意义的，因此，未来的人才要应该能够借助专业知识从相关关系中找到因果关系，利用因果关系改善我们的问题，这就要求他们需要补充一些数据分析的知识，这就是精益六西格玛在培养未来人才的核心价值。

　　我们不能盲目的崇拜智能制造，就像汽车大王亨利福特的名言:“如果我当年去问顾客他们想要什么,他们肯定会告诉我:‘一匹更快的马’，机器的局限性也在于此，它可以告诉你如何使一匹马跑得更快，但它绝对不会告诉你用汽车去代替马，这就是机器难以拥有的创造性，也是我们未来凌驾于机器之上的智慧优势。我们不去刻意追捧，也不去刻意抵制，面对智能制造，理性是最好的态度，在理性的前提下拥抱这种变化，我们才能在未来活的更好！

　　徐工李佩光

　　2017年1月3日