案例 1

项目背景：
　　 一家电子设备制造商，总部位于加拿大多伦多，在全世界拥有30多家分公司，员工超过1万1 千名，中国的工厂位于苏州工业园区。在 "6-Sigma" 实施前该工厂的状况是：由于设计研发周期过长，设计变更时常发生，该公司总是不能及时将产品推入市场 ; 生产周期过长，延迟交货期，致使客户抱怨很大 ; 而且由于产品故障率太高，导致售后服务和维修成本过高。为了确保高品质，就会发生检查、返工和废弃等损失。

改进策略：
　　该公司希望通过"6-Sigma" 的改进运作，通过减少设计变异的次数来降低研发周期，提高稳定因子，确保交货质量(PPM) ；通过6sigma设计的产品使制造等后续工作减少缺陷机会和需改进的工作量，让质量管理进入良性循环，降低质量成本。

具体实施：
　　 该公司"6-Sigma"的推进步骤如下：GAP 顾问配合其管理高层确定 "6-Sigma" 的开展计划和管理结构，选定改善项目，前期对全体员工进行宣导，然后对其管理高层进行培训和 "6-Sigma"BB 培训。在培训过程中，BB 黑带项目也要同时选定和实施，最后是项目的审核和发表。
　　 该公司的"6-Sigma"运作是从建立"6-Sigma" 团队开始的。核心团队由研发部、质量部、技术部组成，其它部门（如市场、制造、财务、人力资源等）负责支持与协助。 "6-Sigma"负责人是由公司的副总裁担任，在 "6-Sigma"负责人之下，是"6-Sigma" 财务委员会、3个研发部和两个黑带项目团队。

具体项目过程如下 :
1、选择问题变量( 列出问题、确定因变量、问题的数量 )
2、对问题进行诊断( 收集数据、做分析图、分析数据 )
3、提出影响问题的因素( 头脑风暴法、结构树、排列图 )
4、确定影响问题的因素( 实验设计、影响成本分析、验证 )
5、建立动作的界限( 确定公差、最小成本 / 非线性分析 )
6、验证并进行改善
7、过程控制( 过程控制研究、统计过程控制 、品质计划 )

改善效果：
　　 一个新的产品研发策略程序，加入了"6-Sigma" 的改善策略，采用了QFD、SPC、MSA、 DOE等"6-Sigma"工具，很好的控制了研发和生产过程中的关键因素，稳定因子很好的解放了隐藏的工厂。6sigma设计导致产品的修改次数降低，研发周期大大缩短，不仅使产品及时投放市场，还降低了产品的开发成本。实施"6-Sigma"后，KPI 的结果如下：研发周期降低了5个星期；生产过程合格率提高到65%；减少客户报怨75% 。

案例 2

项目背景：
　　一个生产半导体产品的大型跨国公司，在实施"6-Sigma" 前的状况如下：
※ 工序不良率：0.5%
※ 出厂产品（三年）不良率约为：1.0%
※ 产品的不可靠度为5600PPM
※ 由于客户投诉和产品回收造成的经济损失是每年90万美元。

改进策略：
　　 "6-Sigma"实施中，建立了一个系统化的解决程序。包括确定Robust Design、Process Mapping、C&E、GR&R、DOE、SPC 等工具的使用。

具体实施：
　　 "6-Sigma"的实施过程也是：首先由管理高层确定"6-Sigma"的实施计划和KPI，然后进行管理高层的"6-Sigma"培训和黑带培训。在黑带的培训过程中，黑带项目也同时选定并实施，最后是"6-Sigma"项目的审查。
　　 首先建立了"6-Sigma" 团队。公司的副总裁被指定为"6-Sigma" 负责人，他领导着5 位黑带（ BB）和2个"6-Sigma"项目团队。

改善效果：
•  不可靠度降到10PPm
•  工序产品不良率达到4.3sigma （ 0.25 % ）
•  不良率达到 4.3sigma (0.25%)
•  成本投入减少5-10% , 节约开支50 万人民币
•  产出能力提高5-10%
•  研发周期减少14周
•  降低客户报怨99%

案例 3

项目背景 :
　　 一家汽车零部件系统供货商，向中国和全球的汽车客户提供包括：电子系统、内饰系统、外饰系统的三大系列产品。改进前状况：由于工艺过程的故障率高达3024PPM ，故障本身和维修这些故障给公司造成巨大经济损失。这些故障造成的经济损失高达779,752 美元/ 年 。

改进策略：
　　 减少工艺过程的故障率

具体实施：
　　 此项目是通过Pareto分析后确定的。在Pareto图一共列出15个问题需解决，此项目要解决的问题列第5位。第1位到第4位的问题已选为其它的6Sigma" 项目。
　　 通过Pareto、Process Maping、XY Matrix、PFMEA分析后，从6个子过程中确定2个关键子过程；从20个潜在因素中，确定3个关键因子。过程能力分析显示，该工艺过程只有4.2σ 的水平。 GR&R分析显示GR&R方差贡献达18% ，过高，需对检测人员进行培训，并对测试环境进行改造。经过Multi-vari、T-test、Matrix、互相关、回归分析后，确认了关键因子。DOE 分析显示，只有一个因子对过程的故障有显著影响，该因子的贡献率高达94.8% 。该因子的最优值由回归方程确定。

改进效果 :
　　 实施“ 6-Sigma”设计( Robust Design 、参数设计和容差设计 )使产品实现了低成本下的高质量，还使产品具有很高的抗干扰能力，改进结果如下：故障率从3056PPM 降到600PPM ，节省成本609,200 美元 / 年 。