【课程背景】 黑带的候选人是在基层受尊重并经过技术培训充分了解业务流程的人员。候选人不需要有统计学和工程技术方面的背景，但应该具备大学数学和定量分析方面的知识基础。黑带的候选人需要经过广泛的工作经验和专业训练，因为他们需要在短时期内掌握大量不同的技术工具，必须强调的先决条件是对统计方法的学习，并将这些新的知识和技术工具与自己以往的经验结合起来，运用到项目实施中，他们应该在企业革新的过程中积极投入并有组织和激励团队共同排除困难，有坚持不懈地完成项目的能力和决心。 他们必须完成160小时的理论培训。 黑带第一周  简单回归 定义并计算相关系数 讨论相关性及因果关系 绘制并分析拟合直线图 介绍回归分析的基本知识 使用回归分析技术建立数学预测模型 评审回归分析的风险  多元回归 多元回归的使用时机 相关矩阵（correlation matrix）” 拟合直线图 逐步回归 最佳子集（Best Subsets） 回归（Regression） 回归分析 残差分析 Lack of Fit 的修正  多元方差分析 研究稳定性 研究形状 研究离散度 研究中心趋势  简单实验 实验设计的概念 实验设计的关键术语 处理噪音变量的方法 单因子法（OFAT） 全因子实验 2k 因子实验 设计并分析 2k 因子设计 使用方差检验（ANOVA) 使用影响图 Effects Plots 图表和残差图 实验的有效性的方法 实验设计计划的工作路径  实验设计计划 提供处理噪音变量的指导 对推论空间及实验有效性提供深层了解 介绍实验计划的路径图  全因子实验设计 回顾 2k 因子设计的整体概念 建立标准顺序设计 设计并分析 2k 因子设计 使用 ANOVA 使用效应图 (Effects Plots) 图表及残差图 (Residual Plots) 在设计中采用中心点 (Center points) 在2k因子设计中应用区组划(Blocking)  部分因子实验设计 为何执行部分因子设计? 因子设计 ½ 设计 别名 部分因子实验设计与 Minitab 实验设计选项 其他部分因子设计考虑事项  精益和IE改进工具 ECRSI 快速转换 拉动系统  学员项目发表与老师评价  总结和行动计划 黑带第二周  属性数据试验设计 回顾缺陷 (Defects - 不合格项)和不良品(Defectives--不合格品) 的不同 介绍对计数型响应变量合适的 DOE 说明数据转换可降低每个实验组合 (treatment combination) 的抽样大小 实例讲解  多响应优化RSM 响应曲面方法论(RSM) 一维(1–D) 概述 一维搭配模型 二维概述 二维范例 (模拟) 2维曲面图（2-D Surface Plot) 2维等高线图（2-D Contour Plot） 一次一变量法 (One-Variable-at-a-Time) 实验设计 范 例  统计流程控制 SPC 回顾 计数型数据SPC 计量型数据SPC 连接至 MAIC 程序  流程能力 II 计数型数据流程能力研究 计量型数据流程能力研究 短期与长期流程能力  非正态流程能力研究 单边规格(Single-sided Specs)流程能力评估 非正态数据(Non-normal Data)流程能力评估 非正态数据变换概要 Box-Cox 变换 介绍流程能力指数 - Cpm  精益改进和控制工具 防错设计Poka-Yoke Kaizen 布局  控制计划 II 回顾控制计划的一些概念和构成要素 控制计划工作路径 控制计划总结 控制计划策略 控制计划构成要素 控制计划建立的关键步骤 介绍现实公差的基本概念 对一些控制方法进行讨论 标准的运行程序(SOPs) SPC 培训 Poka-yoke 参数卡 Parameter Cards 知识转换 Knowledge Transfer  学员项目发表和老师评价  系统精益六西格玛案例研讨（企业实施项目）  考试和竞赛/黑带课程总结