【課程背景】 黑帶的候選人是在基層受尊重并經(jīng)過技術(shù)培訓(xùn)充分了解業(yè)務(wù)流程的人員。候選人不需要有統(tǒng)計(jì)學(xué)和工程技術(shù)方面的背景，但應(yīng)該具備大學(xué)數(shù)學(xué)和定量分析方面的知識基礎(chǔ)。黑帶的候選人需要經(jīng)過廣泛的工作經(jīng)驗(yàn)和專業(yè)訓(xùn)練，因?yàn)樗麄冃枰诙虝r(shí)期內(nèi)掌握大量不同的技術(shù)工具，必須強(qiáng)調(diào)的先決條件是對統(tǒng)計(jì)方法的學(xué)習(xí)，并將這些新的知識和技術(shù)工具與自己以往的經(jīng)驗(yàn)結(jié)合起來，運(yùn)用到項(xiàng)目實(shí)施中，他們應(yīng)該在企業(yè)革新的過程中積極投入并有組織和激勵(lì)團(tuán)隊(duì)共同排除困難，有堅(jiān)持不懈地完成項(xiàng)目的能力和決心。 他們必須完成160小時(shí)的理論培訓(xùn)。 黑帶第一周  簡單回歸 定義并計(jì)算相關(guān)系數(shù) 討論相關(guān)性及因果關(guān)系 繪制并分析擬合直線圖 介紹回歸分析的基本知識 使用回歸分析技術(shù)建立數(shù)學(xué)預(yù)測模型 評審回歸分析的風(fēng)險(xiǎn)  多元回歸 多元回歸的使用時(shí)機(jī) 相關(guān)矩陣（correlation matrix）” 擬合直線圖 逐步回歸 最佳子集（Best Subsets） 回歸（Regression） 回歸分析 殘差分析 Lack of Fit 的修正  多元方差分析 研究穩(wěn)定性 研究形狀 研究離散度 研究中心趨勢  簡單實(shí)驗(yàn) 實(shí)驗(yàn)設(shè)計(jì)的概念 實(shí)驗(yàn)設(shè)計(jì)的關(guān)鍵術(shù)語 處理噪音變量的方法 單因子法（OFAT） 全因子實(shí)驗(yàn) 2k 因子實(shí)驗(yàn) 設(shè)計(jì)并分析 2k 因子設(shè)計(jì) 使用方差檢驗(yàn)（ANOVA) 使用影響圖 Effects Plots 圖表和殘差圖 實(shí)驗(yàn)的有效性的方法 實(shí)驗(yàn)設(shè)計(jì)計(jì)劃的工作路徑  實(shí)驗(yàn)設(shè)計(jì)計(jì)劃 提供處理噪音變量的指導(dǎo) 對推論空間及實(shí)驗(yàn)有效性提供深層了解 介紹實(shí)驗(yàn)計(jì)劃的路徑圖  全因子實(shí)驗(yàn)設(shè)計(jì) 回顧 2k 因子設(shè)計(jì)的整體概念 建立標(biāo)準(zhǔn)順序設(shè)計(jì) 設(shè)計(jì)并分析 2k 因子設(shè)計(jì) 使用 ANOVA 使用效應(yīng)圖 (Effects Plots) 圖表及殘差圖 (Residual Plots) 在設(shè)計(jì)中采用中心點(diǎn) (Center points) 在2k因子設(shè)計(jì)中應(yīng)用區(qū)組劃(Blocking)  部分因子實(shí)驗(yàn)設(shè)計(jì) 為何執(zhí)行部分因子設(shè)計(jì)? 因子設(shè)計(jì) ½ 設(shè)計(jì) 別名 部分因子實(shí)驗(yàn)設(shè)計(jì)與 Minitab 實(shí)驗(yàn)設(shè)計(jì)選項(xiàng) 其他部分因子設(shè)計(jì)考慮事項(xiàng)  精益和IE改進(jìn)工具 ECRSI 快速轉(zhuǎn)換 拉動(dòng)系統(tǒng)  學(xué)員項(xiàng)目發(fā)表與老師評價(jià)  總結(jié)和行動(dòng)計(jì)劃 黑帶第二周  屬性數(shù)據(jù)試驗(yàn)設(shè)計(jì) 回顧缺陷 (Defects - 不合格項(xiàng))和不良品(Defectives--不合格品) 的不同 介紹對計(jì)數(shù)型響應(yīng)變量合適的 DOE 說明數(shù)據(jù)轉(zhuǎn)換可降低每個(gè)實(shí)驗(yàn)組合 (treatment combination) 的抽樣大小 實(shí)例講解  多響應(yīng)優(yōu)化RSM 響應(yīng)曲面方法論(RSM) 一維(1–D) 概述 一維搭配模型 二維概述 二維范例 (模擬) 2維曲面圖（2-D Surface Plot) 2維等高線圖（2-D Contour Plot） 一次一變量法 (One-Variable-at-a-Time) 實(shí)驗(yàn)設(shè)計(jì) 范 例  統(tǒng)計(jì)流程控制 SPC 回顧 計(jì)數(shù)型數(shù)據(jù)SPC 計(jì)量型數(shù)據(jù)SPC 連接至 MAIC 程序  流程能力 II 計(jì)數(shù)型數(shù)據(jù)流程能力研究 計(jì)量型數(shù)據(jù)流程能力研究 短期與長期流程能力  非正態(tài)流程能力研究 單邊規(guī)格(Single-sided Specs)流程能力評估 非正態(tài)數(shù)據(jù)(Non-normal Data)流程能力評估 非正態(tài)數(shù)據(jù)變換概要 Box-Cox 變換 介紹流程能力指數(shù) - Cpm  精益改進(jìn)和控制工具 防錯(cuò)設(shè)計(jì)Poka-Yoke Kaizen 布局  控制計(jì)劃 II 回顧控制計(jì)劃的一些概念和構(gòu)成要素 控制計(jì)劃工作路徑 控制計(jì)劃總結(jié) 控制計(jì)劃策略 控制計(jì)劃構(gòu)成要素 控制計(jì)劃建立的關(guān)鍵步驟 介紹現(xiàn)實(shí)公差的基本概念 對一些控制方法進(jìn)行討論 標(biāo)準(zhǔn)的運(yùn)行程序(SOPs) SPC 培訓(xùn) Poka-yoke 參數(shù)卡 Parameter Cards 知識轉(zhuǎn)換 Knowledge Transfer  學(xué)員項(xiàng)目發(fā)表和老師評價(jià)  系統(tǒng)精益六西格瑪案例研討（企業(yè)實(shí)施項(xiàng)目）  考試和競賽/黑帶課程總結(jié)