【課程背景】 黑帶的候選人是在基層受尊重并經過技術培訓充分了解業務流程的人員。候選人不需要有統計學和工程技術方面的背景，但應該具備大學數學和定量分析方面的知識基礎。黑帶的候選人需要經過廣泛的工作經驗和專業訓練，因為他們需要在短時期內掌握大量不同的技術工具，必須強調的先決條件是對統計方法的學習，并將這些新的知識和技術工具與自己以往的經驗結合起來，運用到項目實施中，他們應該在企業革新的過程中積極投入并有組織和激勵團隊共同排除困難，有堅持不懈地完成項目的能力和決心。 他們必須完成160小時的理論培訓。 黑帶第一周  簡單回歸 定義并計算相關系數 討論相關性及因果關系 繪制并分析擬合直線圖 介紹回歸分析的基本知識 使用回歸分析技術建立數學預測模型 評審回歸分析的風險  多元回歸 多元回歸的使用時機 相關矩陣（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 研究穩定性 研究形狀 研究離散度 研究中心趨勢  簡單實驗 實驗設計的概念 實驗設計的關鍵術語 處理噪音變量的方法 單因子法（OFAT） 全因子實驗 2k 因子實驗 設計并分析 2k 因子設計 使用方差檢驗（ANOVA) 使用影響圖 Effects Plots 圖表和殘差圖 實驗的有效性的方法 實驗設計計劃的工作路徑  實驗設計計劃 提供處理噪音變量的指導 對推論空間及實驗有效性提供深層了解 介紹實驗計劃的路徑圖  全因子實驗設計 回顧 2k 因子設計的整體概念 建立標準順序設計 設計并分析 2k 因子設計 使用 ANOVA 使用效應圖 (Effects Plots) 圖表及殘差圖 (Residual Plots) 在設計中采用中心點 (Center points) 在2k因子設計中應用區組劃(Blocking)  部分因子實驗設計 為何執行部分因子設計? 因子設計 ½ 設計 別名 部分因子實驗設計與 Minitab 實驗設計選項 其他部分因子設計考慮事項  精益和IE改進工具 ECRSI 快速轉換 拉動系統  學員項目發表與老師評價  總結和行動計劃 黑帶第二周  屬性數據試驗設計 回顧缺陷 (Defects - 不合格項)和不良品(Defectives--不合格品) 的不同 介紹對計數型響應變量合適的 DOE 說明數據轉換可降低每個實驗組合 (treatment combination) 的抽樣大小 實例講解  多響應優化RSM 響應曲面方法論(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) 實驗設計 范 例  統計流程控制 SPC 回顧 計數型數據SPC 計量型數據SPC 連接至 MAIC 程序  流程能力 II 計數型數據流程能力研究 計量型數據流程能力研究 短期與長期流程能力  非正態流程能力研究 單邊規格(Single-sided Specs)流程能力評估 非正態數據(Non-normal Data)流程能力評估 非正態數據變換概要 Box-Cox 變換 介紹流程能力指數 - Cpm  精益改進和控制工具 防錯設計Poka-Yoke Kaizen 布局  控制計劃 II 回顧控制計劃的一些概念和構成要素 控制計劃工作路徑 控制計劃總結 控制計劃策略 控制計劃構成要素 控制計劃建立的關鍵步驟 介紹現實公差的基本概念 對一些控制方法進行討論 標準的運行程序(SOPs) SPC 培訓 Poka-yoke 參數卡 Parameter Cards 知識轉換 Knowledge Transfer  學員項目發表和老師評價  系統精益六西格瑪案例研討（企業實施項目）  考試和競賽/黑帶課程總結