米其林遇到了一个头痛的问题，所生产的方程式赛车轮胎的不良率竟然高达25%，退货率很高，虽然公司内部对各道工序进行了仔细的检验，但依然找不出问题所在。在经过多次努力无功而返之后，公司决定尝试精益西格玛找出并解决这个问题。

在对米其林做改善活动时，实施步骤是将六西格玛的DMAIC方法进行分解，开展为期三周的改善活动。第一周的改善活动主要是对问题进行定义，加以测量，得出测量结果和各种数据；接着是为期一周的改善活动，对问题和数据做分析和改善；接着又是为期一周的改善活动，做些控制方面的工作。三个不同的改善周(均为期一周)工作各有侧重点，但始终将精益和六西格玛的方法穿插使用。

第一周，带领团队首先收集历史数据，然后进行观察，以期发现一些异常或问题所在。这一周是定义和测量阶段，主要是利用历史数据开展工作。根据以往实施的经验，一般情况下，工作人员当初在收集数据时，由于不知道数据的重要性，收集过程也许很马虎，所以在这个阶段，改善团队不仅仅简单地使用历史数据，而是要求整个团队认真地观察和验证这些数据，此时观察就用到了精益的方法，而数字分析验证就用到了六西格玛的方法。经过观察和验证之后，通常都会发现这样一些问题：不是数据不准确就是数据不充分，或者根本就不是所需要的数据，或者根本是与问题没有关系的数据。如果是这样，就要用实验来进行验证。

改善团队发现，其中一些问题靠普通的六西格玛工具就可以发现，但有一些问题不行。比如，在生产橡胶轮胎时会用到大型的混合设备，其中有一个称，用于称量橡胶以及其他成分的重量，然后放到混合设备里。改善团队在进行观察活动的时候(当然此时已经有了历史数据了)发现，有时这个称还没有校准就开始使用了。当然如果称能够得到定期的校准，那是没有问题的。这个称可以测量的范50公斤为基准来进行校准，但是改善团队发现，在称过轻或过重的物品时，以50公斤为基准进行称量会造成实际重量的偏差，导致轻的物品过轻、重的物品过重，当然这也是称的生产商的问题。这个问题就是通过精益生产中所强调的观察来发现的。

另一个以前没有发现但通过观察才发现的问题是，一个在这个称量岗位干了25年的工人，当他关上门、按下按钮进行称量的时候，有金属片被吸进真空管。因为橡胶并没有盖住全部真空管，所以金属片被吸进去之后影响了称的读数。工人对此的说法是，在他们用钻头在金属板上钻孔的时候从来都不知道会发生这样的问题。这说明，真空问题造成了假的读数。这完全是随机事件，谁也不知道什么时候会发生。所以改善团队提议改变钻孔方法或者用金属网来解决这个问题。“这个事例说明，如果没有观察活动和团队合作，问题是不可能得到解决的。”

接着改善团队进行了第二个星期的改善活动，对收集的数据继续进行分析，这时用到了六西格玛的方法，从中发现和解决了许多其他问题，退货率下降了2%。

这个事例说明，将精益与六西格玛加以整合成为精益西格玛，其效果不仅比单单使用精益的效果要好，而且比需要工程师们花费大量时间进行数据分析的六西格玛也好得多。