这个案例是一个大企业，案例名称‘缩短采购时间’，但它的意义远不止采购。这个企业每年跟科研有关的设备买很多，大家发现这样一个问题：‘主设备到了，但是零星的小设备没到，影响整个项目进度。’他们就拿数据说话，总的采购周期平均是135天，外部采购用50天，内部用85天。所以外部采购改善空间不大，主要看内部采购。这就是泰勒的时间分析，就是看时间都花在哪里了。内部要批准的部门就要设备部、科技部、投资部、项目单位、采供部，然后把它们分解，并测算时间。

　　怎样测呢？把过去一年几百个单子都拿来，看各个部门批准都需要多少时间，这些数据以前是没有人研究的。他们发现设备部用了23天，科技部用了5天，投资部用了13天，项目单位用了12天，采供部用了32天，一共85天。仔细一看问题比较大，因为设备部审批用了23天，但制度上规定是8天科技部、投资部、项目单位它们花的时间居然在制度上没有规定，这是惯例漏洞。采供部用了32天，程序上规定30天。第一个改善是，让他们有一个规范管理。第二是一致性比较差。当项目组把数据拿过来的时候，这些部门就不再推脱原因了。发现问题，就可以有针对性的去做一个计划，进行改善。这虽是采购，但是它强调的是用数据说话。

　　这是一个物流的案例，也是六西格玛管理解决问题大致的方式。这个企业是发电机的装配，“降低因配送而影响总装停线”。也就是配送有问题，总停线影响效率。目标：停线率12%，小批量配送，批量从60台减少到40台，精益的最优是一件一件配送、单件流嘛，但是目前我们做不到。设备停线到底哪些原因造成的，有质量造成的、有待料造成的等，把这些都分开进行分析，用数据说话。他也发现有配送部的问题、有计划的问题，计划的问题占30%，这些数据哪里来的？都是我们以往记录下来的。但是如果我们这些数据都不完整，我们怎么分析啊，那我告诉你这就是我们现在的改善机会。该有的数据没有，那就赶快积累，这就是改善机会。实际和想象是不一样的，用数据说话会发现很多新的问题。 　　这是一个玉米的深加工的案例，它要提高蛋白粉的性价比。他们的问题是蛋白粉低了客户不愿意，蛋白粉高了加工成本上去了。他们希望达到一个比较好的比例，在58%和63%之间就可以，高于63%客户满意，但是公司成本受不了。它的结果y就是蛋白含量，过程x就是（浸泡、研磨、分离、脱水、干燥）。对过程进行分析，看各个环节都有哪些影响因素，用工具进行筛选，不可能对所有因子都同等进行对待，我们没有那么大的精力，对重要的进行细致的分析。分析完后大家发现，有一些因子原因比较明确、有解决法案、还有资源，我们管它叫快速改善。大家看六西格玛管理dmaic在这个阶段就有改善的机会了。改善完之后，这家公司就得到一些效果，但是更重要深层次的问题还没有解决。有一般的工艺管理、有设备管理、最重要的是参数的优化。这些改进都应该固化下来，在项目结题后，我们还要控制3个月，该标准化的要标准化。最后收益让财务部确认一下。