Rohoon Six Sigma Professional Support#

本技能提供基于 AIAG-VDA SPC Manual (Yellow Volume) 第 1 版，2026 年 2 月、 AIAG MSA Manual 第 4 版、 ISO 13053 六西格玛标准 和 精益方法论 的全面质量管理支持。

🎯 Quick Navigation#

NeedReferenceCore Scripts🇨🇳 GB/T 36077-2025 国标评价本 SKILL.md 下方-DMAIC/DMADV Toolslean-six-sigma-tools.md-DOE Design of Experimentsdoe-guide.mddoe_full_factorial.py, doe_factor_effects.py, doe_sn_ratio.pySPC Control Chartscontrol-charts.mdcontrol_chart.py, advanced_control_charts.pyProcess Capabilitycapability-indices.mdcalculate_capability.py, excel_report.pyMSA Analysismsa-reference.mdmsa_grr_analysis.py, msa_other_studies.pyAdvanced Analysislean-six-sigma-tools.mdadvanced_control_charts.py, pooled_std.py

Quick Start#

📊 AIAG-VDA Standard Reports (NEW! ✨)#

⚠️ 重要 - 报告格式稳定性

Figure 12-1/12-2/12-3 PDF 报告遵循特定的标准格式， 除非用户明确指示，否则不要修改布局、字体、表格宽度或格式。

• 当前标准格式：
  • 英文版： tmp/YOUR_ORIGINAL_EN.pdf (210,401 bytes)
  • 中文版： tmp/YOUR_ORIGINAL_v2.pdf (258,583 bytes)
• 格式基于 AIAG-VDA SPC Manual 标准
• 如需更改格式，请先询问用户
• 标准格式参考 PDF：
  • 英文： references/AIAG_VDA_Standard_EN_Format.pdf
  • 中文： references/AIAG_VDA_Standard_ZH_Format.pdf

统一报告生成器 - 严格遵循黄皮书标准格式

bash

# Figure 12-1: 正态分布报告 (中文)
python3 scripts/aiagvda_unified_report.py -o report.pdf -f 12-1 -l zh

# Figure 12-1: Normal Distribution Report (English)
python3 scripts/aiagvda_unified_report.py -o report.pdf -f 12-1 -l en

# Figure 12-2: 非正态/混合分布报告
python3 scripts/aiagvda_unified_report.py -o report.pdf -f 12-2 -l zh

# Figure 12-3: 标准统计表格报告
python3 scripts/aiagvda_unified_report.py -o report.pdf -f 12-3 -l zh

报告特点:

• 20-22 个编号元素 (严格匹配黄皮书格式)
• 中英文双语支持
• 几何法能力指数 (Cp,G / Cpk,G)
• 95% 置信区间
• PPM 计算
• 专业图表 (直方图、原始值图、概率图、控制图)

📊 Process Capability Analysis#

bash

# Two-sided specification
python3 scripts/calculate_capability.py \
  --data "10.1,10.2,10.15,10.18,10.12,10.05,10.22,10.08,10.14,10.19" \
  --usl 10.5 --lsl 9.5 --json

# Only upper specification
python3 scripts/calculate_capability.py \
  --data "..." --usl 10.5 --json

📈 Control Charts#

bash

# Xbar-R chart (n=5)
python3 scripts/control_chart.py \
  --data "[10.1,10.2,10.15,10.18,10.12, 10.05,10.22,10.08,10.14,10.19]" \
  --chart-type Xbar-R --subgroup-size 5 --json

# I-MR chart (individual values)
python3 scripts/control_chart.py \
  --data "10.1,10.2,10.15,10.18,10.12" \
  --chart-type I-MR --json

📏 MSA GR&R Study#

bash

# 10 parts × 3 operators × 3 trials = 90 measurements
python3 scripts/msa_grr_analysis.py \
  --data "[10.1,10.15,10.12, ...]" \
  --parts 10 --operators 3 --trials 3 \
  --tolerance 0.5 --json

🧪 DOE Full Factorial#

bash

# 2^2 full factorial design
python3 scripts/doe_full_factorial.py \
  --factors 2 \
  --responses "[40,50,45,55]" \
  --analyze

# 2^3 with center points
python3 scripts/doe_full_factorial.py \
  --factors 3 \
  --responses "[45,52,48,58,46,53,49,59]" \
  --center-points 3 \
  --analyze

# Effect calculation and visualization
python3 scripts/doe_factor_effects.py \
  --design "2^3" \
  --responses "[...]" \
  --plot main-effects interaction

🧪 Taguchi S/N Ratios#

bash

# S/N ratio calculation
python3 scripts/doe_sn_ratio.py \
  --responses "[45,52,48,...]" \
  --type larger-is-better \
  --json

📊 Response Surface#

bash

# Response Surface (CCD / Box-Behnken)
python3 scripts/doe_response_surface.py --help

📊 Excel Report Generation#

bash

# Excel report
python3 scripts/excel_report.py --help

🇨🇳 GB/T 36077-2025 中国国家标准评价框架#

七大评价维度 (总分 1000 分)#

类目条款分值核心要求4.1 领导力4.1.1 使命/愿景/价值观/战略100高层领导确立愿景价值观，制定 LSS 战略支撑组织战略4.1.2 高层领导推进作用承诺参与、资源支持 (设施/资金/人力/时间/激励)4.2 顾客驱动4.2.1 顾客需求分析80建立动态顾客需求收集分析体系，预测未来需求4.2.2 顾客响应建立响应机制，将 VOC 转化为 CTQ4.2.3 顾客满意测评建立测评体系，识别改进机会4.2.4 顾客导向指标体系建立可量化指标体系，分解到职能部门4.3 推进规划4.3.1 推进规划制定80目标/计划/措施/资源配置，与组织战略契合4.3.2 推进规划部署自上而下展开，设定绩效指标4.4 项目管理4.4.1 项目选择180从战略层面识别改进机会，符合 SMART 原则4.4.2 项目团队跨职能团队，分工明确，融洽合作4.4.3 技术路线和工具方法DMAIC/DLSS 结构化路线，选用适当工具4.4.4 项目计划与实施详细工作计划，节点评审4.4.5 项目成果测评硬收益 (财务) + 软收益 (创新/推广/社会价值)4.4.6 项目团队合作评估团队绩效评估，成员贡献评价4.5 评价与激励4.5.1 推进绩效评价100对部门/人员绩效评价，及时改进4.5.2 激励机制奖励认可制度 + 职业发展规划 (资深黑带/黑带/绿带/黄带)4.6 基础架构4.6.1 推进机构220推进委员会/倡导者/责任部门4.6.2 管理制度与流程系统化文件化制度，与现有体系融合4.6.3 培训体系分层培训体系 (高层/倡导者/黑带/绿带/黄带/员工)4.6.4 沟通交流与员工参与内部沟通 + 外部交流 + 一线员工参与4.6.5 基础数据管理数据收集系统，测量系统能力，数据治理4.6.6 管理信息系统项目管理平台 + 知识管理智能化系统 (AI)4.6.7 产业链供应链推广在供应链上开展 LSS 项目，提供培训辅导4.7 实施成果4.7.2 顾客满意240满意度/忠诚度/抱怨/推荐4.7.3 财务收益成本降低/利润率/回报率/资金周转率4.7.4 人力资源带级人员数量/占比/流失率，员工满意度4.7.5 业务过程质量/效率/合格率/周期/成本/环境/安全4.7.6 相关方供货合格率/及时交货率/成本4.7.7 组织文化与管理变革理念认同度/活动普及率

DMAIC 各阶段输入、主要工作和输出#

阶段输入主要工作输出D 界定组织战略、VOC、顾客投诉、KPI、竞争对手比较确定改进机会、团队、问题描述、边界、流程图、CTQ改进机会、项目目标、团队任务书、SIPOC 图、项目计划M 测量VOC、KPI 分解、流程、CTQ、SIPOC确定测量对象/方法/指标、数据清洗、MSA、过程业绩测量测量指标方法、数据收集方案、MSA 报告、过程质量水平A 分析过程测量数据、MSA 报告、过程能力报告测量数据分析、流程分析、根因分析、变异源分析、价值流分析根因分析报告、变异源报告、价值流报告、数据分析报告I 改进原因分析报告、关键影响因素改进策略、流程优化、方案评价与实施验证改进备选方案、评价指标、实施评价报告C 控制改进方案、实施评价报告确定控制对象、控制方法、更新文件、OCAP、知识库控制方案、程序文件、OCAP、效果评价、推广计划

DMADV (DLSS) 各阶段输入、主要工作和输出#

阶段输入主要工作输出D 界定组织战略、产品/技术规划、新产品需求、VOC确定项目机会、跨职能团队、范围、CTQ、失效模式分析、风险评估设计目标、团队任务书、CTQ 计分卡、可行性报告、项目计划M 测量团队任务书、CTQ、CTQ 计分卡VOC 展开为设计特征、MSA、过程能力分析、流程映射MSA 报告、过程能力报告、CTQ 与 CTP 测量数据、工艺流程图A 分析问题分析报告、CTQ 与 CTP 数据、工艺流程图原因分析、FTA、概念设计、方案生成与筛选、可靠性分析根因报告、概念设计方案、方案评估表、风险分析报告、CTQ 展开图D 设计概念设计方案、方案评估表、风险分析报告系统/子系统设计、DFMEA、参数设计、公差设计、原型机制作详细设计文档、参数/公差报告、实验计划、原型机、实验报告V 验证详细设计文档、原型机、实验报告验证计划、试生产、供应链确认、目标验证、过程能力验证完整设计报告、试生产报告、控制计划、标准化文档、项目移交书

精益六西格玛项目评分表 (满分 110 分)#

评价维度分值评价标准要点项目选择20 分项目来源清晰 (10 分)、目标符合 SMART(5 分)、范围与团队合作 (5 分)项目的逻辑方法30 分逻辑思路 (15 分)、工具方法 (15 分)项目收益15 分目标达成、收益计算科学合理、高层认可项目的标准化和推广应用15 分标准化 (5 分)、示范推广 (10 分)项目的创新性10 分选题新颖 (5 分)、工具方法创新 (5 分)申报资料10 分完整性和质量发表效果10 分现场表现和发表效果 (仅项目发布时)

常用工具与方法 (GB/T 36077-2025 附录 B)#

DMAIC 各阶段工具

• D 界定: 头脑风暴、亲和图、树图、流程图、SIPOC、平衡计分卡、水平对比、QFD、甘特图
• M 测量: 因果图、散点图、MSA、过程能力分析、因果矩阵、FTA、箱线图、直方图、抽样
• A 分析: 假设检验、方差分析、统计分布识别、时间序列分析、价值流图、FMEA、回归分析、大数据分析、机器学习
• I 改进: 试验设计、数学优化、EVOP、目视管理、5S、ECRS 原则、看板、快速换型、TOC、TRIZ
• C 控制: SPC、防错、定置管理、SOP、控制计划、OCAP

DMADV 各阶段工具

• D 界定: 顾客需求分析、市场调查、KANO 分析、QFD、多属性决策、设计计分卡
• M 测量: 关系矩阵、因果图、MSA、FMEA、过程能力分析、IPO 分析、工艺计分卡
• A 分析: 头脑风暴、FMEA、方差分析、试验设计、TRIZ、大数据分析、机器学习、FTA
• D 设计: TRIZ、DFx、公理化设计、试验设计、稳健性设计、田口方法、DFMEA、数字化仿真
• V 验证: 模拟技术、过程能力分析、假设检验、试验验证、可靠性分析、PFMEA、SPC

核心术语定义 (GB/T 36077-2025)#

术语定义精益六西格玛 (LSS)精益和六西格玛的融合，系统化结构化业务改进与创新模式，减少波动、消除浪费、提高质量效率精益 (Lean)通过持续改进，识别和消除产品/服务/流程中的浪费/非增值作业的理念和方法六西格玛 (Six Sigma)采用统计技术及其他科学方法减少波动、降低缺陷、提升顾客满意的战略性业务改进系统方法精益六西格玛设计 (DLSS)针对顾客需求/痛点，在产品/服务/流程开发源头进行消除缺陷和减少浪费的创新设计DMAIC界定 (Define)、测量 (Measure)、分析 (Analyze)、改进 (Improve)、控制 (Control)DMADV界定 (Define)、测量 (Measure)、分析 (Analyze)、设计 (Design)、验证 (Verify)**倡导者 (Champion)高层领导担任的推进负责人，负责规划制定、项目选择、资源分配、组织协调资深黑带 (MBB)方法和工具应用专家，协助倡导者制定规划、选择和评审项目、培训指导黑带/绿带/黄带黑带 (BB)系统掌握 LSS 方法，负责/参与项目，培训指导绿带/黄带，至少完成 2 个黑带项目绿带 (GB)掌握基本方法，负责/参与项目，培训指导黄带，至少完成 1 个绿带项目黄带 (YB)**掌握基本理念和工具，负责小规模项目或参与项目

---

Core Features#

1. SPC Statistical Process Control ✅#

• 7 Control Charts: Xbar-R, Xbar-S, I-MR, CUSUM, EWMA, p/np, c/u
• 8 AIAG-VDA Out-of-Control Rules: Automatic detection
• 🆕 Western Electric 7 Rules: Comprehensive rule set for anomaly detection
• Process Capability: Cp, Cpk, Pp, Ppk, Pm, Pmk (Geometric Method)
• 🆕 Sigma Estimation: Range (R/d₂), Std Dev (s/c₄), Pooled Std Dev (s_p)
• Normality Tests: Shapiro-Wilk, Anderson-Darling
• 🆕 Distribution Selection: Normal, Binomial, Poisson, Weibull guidance
• 🆕 Nonparametric Control Charts: Distribution-free MEC/MCE charts (Ansari-Bradley)
• 🆕 Change-Point Detection: Single and multiple change-point monitoring
• 🆕 Multivariate SPC: MCUSUM, MEWMA, LASSO-based charts
• 🆕 Profile Monitoring: Linear and nonlinear profile analysis
• 🆕 Short Production Runs: Standardized Z-MR charts for high-mix low-volume
• 🆕 Montgomery Coefficients: A₂, D₃, D₄, d₂, c₄ tables (n=2 to 25)

2. MSA Measurement System Analysis ✅#

• GR&R Studies: ANOVA method, Xbar-R method
• Bias Study: Accuracy assessment
• Linearity Study: Range consistency
• Stability Study: Time drift monitoring

3. DOE Design of Experiments ✅#

• Full Factorial: 2^k designs (2-8 factors)
• Fractional Factorial: Resolution III, IV, V
• Response Surface: CCD, Box-Behnken
• Taguchi Methods: L4, L8, L9, L16, L18, L27 orthogonal arrays
• ANOVA: One-way, Two-way with interaction
• 🆕 Main & Interaction Effects: Effect calculation and visualization
• 🆕 S/N Ratios: Taguchi signal-to-noise ratio (smaller/larger/nominal-is-better)
• 🆕 Mixture Designs: Scheffé polynomial models
• 🆕 Robust Parameter Design: Control vs noise factors

4. Reports & Export ✅#

• Excel Reports: Professional format with 3 worksheets
• PDF Reports: AIAG-VDA standard format
• JSON Output: For system integration

5. Advanced Analysis ✅#

• EWMA Control Charts: Detect small shifts
• CUSUM Control Charts: Cumulative sum monitoring
• Multivariate Control: Hotelling T² charts
• Outlier Detection: Modified Z-score, IQR, ARIMA
• 🆕 Nonparametric MEC/MCE: Mixed EWMA-CUSUM charts (distribution-free)
• 🆕 Change-Point Detection: Mean and variance monitoring
• 🆕 Performance Metrics: RMI, AEQL, PCI, ARARL
• 🆕 Short Run SPC: Standardized charts for high-mix low-volume production
• 🆕 Capability Confidence Intervals: 95% CI for Cp/Cpk/Pp/Ppk
• 🆕 Western Electric Rules: 7 rules for out-of-control detection
• 🆕 Sigma Estimation Methods: Range, Std Dev, Pooled Std Dev
• 🆕 Distribution Selection Guide: Normal, Binomial, Poisson, Weibull

6. System Integration ✅#

• HTTP API: Real-time monitoring
• ERP/MES Integration: CSV, Excel, JSON import/export
• Database Support: SQLite, PostgreSQL
• 🆕 ISA-95 B2MML: Enterprise-control system integration

Usage Examples#

Define Phase#

markdown

- Project Charter Template
- SIPOC Diagram
- CTQ Tree
- VOC/VOB Collection

Measure Phase#

bash

# MSA GR&R Study
python3 scripts/msa_grr_analysis.py \
  --data "[...]" --parts 10 --operators 3 --trials 3 \
  --tolerance 0.5 --json

# Baseline Capability
python3 scripts/calculate_capability.py \
  --data "..." --usl 10.5 --lsl 9.5 --json

Analyze Phase#

bash

# Control Chart with out-of-control detection
python3 scripts/control_chart.py \
  --data "[...]" --chart-type Xbar-R --subgroup-size 5

# Advanced Charts (CUSUM, EWMA, I-MR, MAMR, Hotelling T2)
python3 scripts/advanced_control_charts.py

Improve Phase#

bash

# DOE Full Factorial
python3 scripts/doe_full_factorial.py \
  --factors 3 --responses "[45,52,48,58,46,53,49,59]" \
  --analyze

# Factor Effects
python3 scripts/doe_factor_effects.py \
  --responses "[45,52,48,58,46,53,49,59]" --json

# Response Surface
python3 scripts/doe_response_surface.py --help

Control Phase#

bash

# Excel Report
python3 scripts/excel_report.py --help

# Generate test data + batch reports
python3 scripts/generate_test_data.py
python3 scripts/batch_generate_reports_v2.py

Evaluation Criteria#

Process Capability#

IndexRatingAction≥ 2.0🟢 Six SigmaMaintain, can relax control1.67-2.0🟢 ExcellentMaintain current state1.33-1.67🟡 GoodMaintain, continuous improvement1.0-1.33🟡 MarginalNeed improvement plan< 1.0🔴 InsufficientMust improve, 100% inspection

MSA GR&R#

%GR&RRatingAction< 10%🟢 AcceptableMeasurement system OK10-30%🟡 Conditionally AcceptableEvaluate risk≥ 30%🔴 UnacceptableMust improve system

ndc (Number of Distinct Categories)#

• ndc ≥ 5: ✅ Adequate resolution
• ndc < 5: ⚠️ Insufficient resolution

Standards & References#

SPC Standards#

• AIAG-VDA SPC Manual (Yellow Volume), 1st edition, February 2026
• ISO 22514: Statistical methods in process management
• ISO 3534: Statistics - Vocabulary and symbols
• ISO 7870: Control charts
• GB/T 36077-2025: 精益六西格玛管理评价准则 (Criteria for lean six sigma management assessment)

MSA Standards#

• AIAG MSA Manual, 4th edition
• ISO 22514-7: Measurement system analysis
• VDA 5: Measurement process capability

Six Sigma Standards#

• ASQ Six Sigma Body of Knowledge
• ISO 13053: Six Sigma methodology (DMAIC/DMADV)
• GB/T 36077-2025: 精益六西格玛管理评价准则 (代替 GB/T 36077-2018)

Quality System Standards#

• IATF 16949: Automotive quality management
• ISO 9001: Quality management systems
• GB/T 19001: 质量管理体系 要求
• GB/T 19580: 卓越绩效评价准则

Script Tools#

SPC Core#

• calculate_capability.py - Process capability indices (Cp, Cpk, Pp, Ppk, Pm, Pmk)
• control_chart.py - Control charts (Xbar-R, Xbar-S, I-MR)
• attribute_control_charts.py - Attribute control charts (p/np/c/u/Z)
• advanced_control_charts.py - CUSUM, EWMA, MAMR, Hotelling T²
• pooled_std.py - Sigma estimation (Range, Std Dev, Pooled)
• western_electric_rules.py - Western Electric out-of-control rules
• spc_calculator.py - SPC calculations
• spc_report.py - SPC report generation
• excel_report.py - Excel report generation

MSA#

• msa_calculator.py - MSA calculations
• msa_grr_analysis.py - GR&R study (Xbar-R method)
• msa_other_studies.py - Bias, Linearity, Stability
• msa_report.py - MSA report generation

DOE#

• doe_full_factorial.py - 2^k full factorial designs
• doe_response_surface.py - CCD, Box-Behnken
• doe_factor_effects.py - Main and interaction effects
• doe_sn_ratio.py - Taguchi S/N ratio calculation
• generate_doe_report.py - DOE report generation

Utilities#

• generate_test_data.py - Generate test datasets
• batch_generate_reports_v2.py - Batch PDF report generation
• data_import.py - Data import utilities
• demo_report_generation.py - Demo report generation

Version#

Current: v1.8.0 (2026-04-13)

Changes in v1.8.0:

• ✅ NEW: GB/T 36077-2025 中国国家标准整合 - 完整融入《精益六西格玛管理评价准则》
• ✅ 七大评价维度框架 (领导力/顾客驱动/推进规划/项目管理/评价与激励/基础架构/实施成果)
• ✅ DMAIC/DMADV 各阶段输入 - 主要工作 - 输出完整对照表
• ✅ 精益六西格玛项目评分表 (110 分制)
• ✅ 常用工具与方法 (按 DMAIC/DMADV 各阶段分类)
• ✅ 核心术语定义 (LSS/Lean/Six Sigma/DLSS/DMAIC/DMADV/倡导者/黑带/绿带/黄带)
• ✅ 评价准则条款赋值表 (总分 1000 分)
• ✅ 基于 GB/T 36077-2025 (代替 GB/T 36077-2018),2025-12-31 发布，2026-07-01 实施
• ✅ 支持中国组织精益六西格玛管理自我评价、相关方评价、第三方评价

Changes in v1.7.0:

• ✅ NEW: Real-time data stream processing for Quality 4.0
• ✅ Predictive quality analytics framework
• ✅ AI/ML anomaly detection integration
• ✅ Supply chain quality management support
• ✅ Digital twin integration guidelines
• ✅ FMEA 7-step method (AIAG-VDA FMEA Handbook)
• ✅ Quality big data visualization
• ✅ Industry best practices from automotive conferences
• ✅ Based on: Quality 4.0 conferences, automotive industry best practices

Changes in v1.6.0:

• ✅ NEW: Western Electric 7 rules for out-of-control detection
• ✅ Sigma estimation methods (Range R/d₂, Std Dev s/c₄, Pooled s_p)
• ✅ Extended coefficient tables (d₂, c₄ for n=2 to 25)
• ✅ Distribution selection guide (Normal, Binomial, Poisson, Weibull)
• ✅ Nonparametric multivariate control charts
• ✅ Goodness-of-fit based nonparametric EWMA
• ✅ MIL-HDBK-1916 guidance
• ✅ Based on: ASQ SPC guidelines, Western Electric rules

Changes in v1.1.1:

• ✅ Fixed DOE parameter parsing
• ✅ Added JSON output for EWMA
• ✅ Improved error messages
• ✅ Updated help documentation

Support#

For issues or questions:

1. Check reference documentation in references/
2. Run scripts with --help for usage
3. Review example reports in aiagvda_standard_reports/
4. Check test cases in tests/ ( python3 -m pytest tests/ -v)
5. Install dependencies: pip install -r requirements.txt

---

Rohoon Six Sigma - Professional Quality Management Support

Based on AIAG-VDA, ISO, and Lean Six Sigma Standards

---

📊 Figure 12-3 标准格式报告生成#

功能说明#

生成符合 AIAG/VDA SPC 协调标准 Figure 12-3 格式的综合分析报告，支持中英文双语。

使用方式#

bash

# 1. 生成测试数据
cd ~/.openclaw/workspace/skills/rohoon-6sigma
python3 scripts/generate_test_data.py

# 2. 批量生成报告（中英文）
python3 scripts/batch_generate_reports_v2.py

输出文件#

• 英文版： tmp/SPC_Reports_EN/*.pdf
• 中文版： tmp/SPC_Reports_CN/*.pdf

报告特性#

• 6 列等宽表头布局
• 字段名加粗，字段值蓝色
• 单元格自动合并
• 能力指数进度条可视化
• 字体 6 号紧凑排版

应用场景#

1. 客户审核 - 提供符合 AIAG/VDA 标准的正式报告
2. 内部培训 - 展示标准报告格式要求
3. 数据分析 - 识别过程能力问题
4. 持续改进 - 跟踪改进效果