去年底朋友幫一家沖壓件供應商做IATF16949內審，翻他們的8D臺賬，有一份報告印象特別深。

問題是"某型號支架焊接氣孔不良率8%"，D5寫了四條糾正措施：調整焊接參數、加強操作培訓、更換保護氣體、增加過程檢驗。措施寫得很標準，簽字審批都有。

朋友問質量經理："效果怎么樣？"

他想了三秒鐘，說："應該好了吧，最近沒收到客戶投訴。"

朋友繼續問："不良率從8%降到多少？有數據嗎？改善前后各抽了多少樣本？"

他愣住了。

"應該好了吧"——這是8D報告里最危險的四個字。

沒有數據支撐的改善，不是改善，是"自嗨"。你自己覺得問題解決了，但客戶、審核員、第三方來看，你的報告里只有措施沒有驗證，只有一句"應該好了"。

一、D6為什么是8D報告被退回最多的環節？

說個真實的數字：在我審核過的8D報告里，被客戶或第三方審核員退回，80%的問題集中在D4和D6。D4是分析太淺，D6是驗證缺失。而D6的問題往往比D4更難補救——因為等你想補驗證數據的時候，那個時間窗口已經過了。

D6的定位很清楚：證明你的改善措施確實有效，而且持續有效。

很多質量人把D6理解成"填個驗證表格"，但實際上D6要回答的是三個問題：

D6要回答的三個核心問題

1措施做了沒？——執行層有沒有按計劃實施

2有效果嗎？——不良率/投訴率/偏差有沒有實質性的下降

3能持續嗎？——短期數據好看，長期有沒有保障

二、改善驗證的三個層次：你卡在哪一層？

改善驗證的三個層次

層次 驗證什么 回答什么問題 及格線第一層措施執行驗證 你做了沒？ 100%實施記錄第二層效果驗證 有效果嗎？ 前后數據對比
統計顯著性第三層長期效果驗證 能持續嗎？ 3個月以上數據
控制圖穩定

現實是：90%的8D報告只做了第一層——措施實施了，簽了字，完事了。沒有人真的去看數據有沒有變好，更沒有人去看長期趨勢。

及格的8D報告必須做到第二層。有前后數據對比，有改善前后指標的變化。優秀的8D報告會做到第三層——三個月以上的持續數據，證明改善后的能力穩定保持在新的水平。

三、數據驗證的四種方法——總有一款適合你

很多人說"我不會統計，不懂假設檢驗"，其實D6的數據驗證不需要你懂高深的統計理論。關鍵是有baseline數據（改善前基準）和改善后數據，剩下的只是選擇合適的對比方式。

方法1：前后對比（最簡單，也是最常用的）

這是最直觀的方式。改善前統計一段時期的數據（比如最近3個月的日均值），改善后同樣統計一段時期（比如改善后連續3個月），直接對比均值和極值。

注意：前后兩段數據的樣本量要足夠。改善前和改善后各至少30個數據點，否則對比結論不可靠。

方法2：統計檢驗（告訴你改善是不是"真的"有效）

前后對比可能只是"運氣好"。統計檢驗可以告訴你：這次改善的差異，是真實存在的，還是只是隨機波動？

→ 計量型數據（尺寸、重量、溫度）：用t檢驗，比較改善前后均值是否有顯著差異

→ 計數型數據（不良數、缺陷數）：用卡方檢驗，比較改善前后不良率是否有顯著差異

看不懂公式沒關系——Minitab/Excel都能一鍵出結果。關鍵是：你要知道有這個東西，知道p值小于0.05才算顯著。

方法3：控制圖對比（證明改善后的能力穩定，不是曇花一現）

這是最讓審核員信服的方式。把改善前和改善后的數據分別畫成Xbar-R控制圖，看三個關鍵指標：

① 控制限變窄了（過程波動減小）

② 所有點都在控制限內（過程穩定）

③ 過程能力Cpk從<1.0提升到≥1.33（能力充足）

如果你的改善讓控制圖從"失控"變成"穩定"，這個改善就是實打實的。

方法4：客戶投訴率對比（終端驗證，最權威）

如果問題是客戶端發現的（客戶投訴、PPM超標），那你最終的驗證數據必須是客戶端的數據。

比如：某零部件不良率改善前6個月客戶端PPM月均320，改善后6個月PPM月均降到48，下降85%。這個數據是客戶系統里跑出來的，審核員沒有辦法質疑。

四、實戰案例：焊接氣孔改善前后數據對比

給你一個完整的驗證案例，可以直接參考格式。

背景：某汽車座椅支架焊接工序，X光探傷發現氣孔不良，改善前3個月不良率均值8.2%。D4根因分析指向保護氣流量設置不當（現場測量僅10L/min，標準要求15-20L/min）+ 焊槍導電嘴磨損超差。D5實施：調整保護氣流量至18L/min，更換導電嘴，建立每周一次導電嘴點檢制度。

焊接氣孔不良率改善前后對比

指標 改善前（3個月） 改善后（3個月） 變化 不良率均值8.2%1.6%↓80.5%不良率最高值 14.3% 3.1% ↓78.3% 保護氣流量 10 L/min 18 L/min ?達標 導電嘴點檢執行率 — 100% ?已建立 客戶投訴件數 4件/季度 0件/季度↓100%

這個驗證為什么有效？

① 有明確的前后數據，樣本量充足（各90天連續數據）

② 有過程參數驗證（保護氣流量已調整到標準值）

③ 有客戶端數據驗證（客戶投訴件數從4件降到0件）

④ 改善后觀察期超過3個月，證明不是曇花一現

五、"自嗨式改善"的五種典型表現——你中了幾個？

表現1：沒有baseline數據

改善前不良率到底是多少？不知道。只知道"有問題"。沒有基準數據，改善后拿什么來對比？沒有baseline的改善，等于沒有起點——你永遠不知道走了多遠。

表現2：只有定性沒有定量

"經過改善，焊接質量明顯提升""外觀質量大幅改善"——這些詞在8D報告里看到就頭疼。"明顯"是主觀詞，不是數據。審核員要看到的是"不良率從X%降到Y%"，不是形容詞。

表現3：驗證周期太短

措施實施完一周數據變好了，就說"改善成功"。但你不知道這是"真改善"還是"剛好這周運氣好"。驗證周期至少要覆蓋一個完整的生產周期，建議3個月以上。

表現4：樣本量不夠

改善前測了5個件，改善后測了5個件，然后得出結論"不良率降了"。統計學的基本常識：樣本量小于30，數據結論不可靠。5個數據點的對比，統計上幾乎等于猜。

表現5：只看良率不看過程能力

良率從95%提升到99%看起來很美，但如果過程還是失控（控制圖有飛出點），這個99%隨時可能崩回去。良率是結果，控制圖是能力。只看結果不看能力，就是自欺欺人。

六、D6的三個大坑——踩一個就夠嗆

坑1：寫了措施但沒有實施計劃

D5寫了"調整焊接參數"，D6寫"已實施"——但誰調的？什么時候調的？調了多少？調到多少？這些信息全是空白。D6的每個措施后面，必須跟實施記錄：實施人、實施時間、實施結果、證據文件。

坑2：實施完了沒有驗證數據

這是最常見的坑。措施實施了，簽字了，然后就等著問題"自動消失"。改善不會自動驗證，數據不會自動跑出來。你必須主動去測、去記錄、去對比。

坑3：驗證方法不對

你量了10個件，9個好1個不好，于是說"不良率10%"。這不叫驗證，這叫抽樣。正確的驗證方法：先定好抽樣方案（樣本量、抽樣頻率、判定標準），再收集數據，再做對比分析。

總結：D6驗證的"四有"原則

1有計劃——D6開始前就定好驗證方案（抽樣量、周期、判定標準）

2有數據——改善前有baseline，改善后有測量數據，前后對比一目了然

3有方法——用正確的統計方法（前后對比、控制圖、統計檢驗）得出可靠結論

4有持續——驗證期足夠長（≥3個月），證明改善不是曇花一現

下期預告

D6做到位了，但問題會不會在別的地方再冒出來？下期聊聊D7預防再發生：如何把一個問題的經驗，變成整個系統的免疫力。

覺得有用？轉發給你身邊的質量人

點贊 · 收藏 · 在看 · 分享，讓更多人少走彎路