六西格玛是什么含义，为什么要叫六西格玛？

要正确理解六西格玛，我们需要先认识正态分布、平均值和标准差。掌握这些基本概念后，西格玛水平、过程能力和DPMO等指标便会容易理解得多。

为什么企业需要追求如此精细的统计结果和如此高的质量水平？我们可以先看看通常被认为已经「非常好」的99％合格率，在高频率、大规模运行的系统中可能意味着什么：

由此可见，即使99％听起来已经很高，但当流程每天重复成千上万甚至数百万次时，剩下的1％仍可能造成大量错误、损失和安全风险。

这正是企业持续追求更高质量水平的原因。

西格玛与标准差代表什么？

西格玛通常以希腊字母σ表示，在统计学中代表标准差。标准差用于衡量一组数据围绕平均值的分散程度，也就是流程变异的大小。

标准差越大，代表数据越分散，流程波动越明显；标准差越小，代表数据越集中在平均值附近，流程表现通常越稳定。

当过程平均值与规格界限之间能够容纳的标准差数量越多，过程输出超出客户可接受范围的概率便越低，产生缺陷或不良品的机会也会随之减少。

因此，6σ过程通常比1σ、2σ、3σ、4σ或5σ过程具有更低的缺陷风险。

理论上，7σ或更高水平当然可以带来更低的缺陷概率。不过，从成本、技术和实际管理的角度来看，六西格玛已经能够为大多数流程提供非常高的可靠性。因此，6σ逐渐成为质量改善领域广泛采用的卓越水平。

六西格玛中的「六个标准差」

从统计概念来看，六西格玛表示过程平均值与最近一侧规格界限之间，可以容纳六个标准差，即6σ。

LSL是规格下限（Lower Specification Limit），USL是规格上限（Upper Specification Limit）。规格界限一般来自客户要求、产品设计标准或法规要求，用于界定流程输出可以接受的最低值和最高值。

汽车车门尺寸示例

假设某汽车车门的目标长度为1.37185米，规格下限为1.37179米，规格上限为1.37191米。

平均值与任一规格界限之间的距离为0.00006米。若要达到居中的6σ短期过程水平，标准差便需要控制在：

0.00006 ÷ 6 = 0.00001米

也就是说，车门长度的标准差需要控制在0.00001米左右，才能使平均值与最近规格界限之间容纳六个标准差。

不同西格玛水平的过程表现

图中的曲线展示了不同过程变异水平。当过程变异较大时，分布曲线较宽，更多输出可能落在规格界限之外。随着标准差缩小，曲线会变得更窄，数据也会更集中在目标值附近。

不过，曲线较窄并不代表过程必然合格。过程平均值还必须尽量保持在规格中心附近。如果过程发生偏移，即使变异很小，仍可能在其中一侧产生大量不良。

因此，优秀的过程需要同时具备两个条件：变异足够小，以及过程平均值的位置适当。

西格玛水平与DPMO的关系

DPMO是「每百万次机会中的缺陷数」（Defects Per Million Opportunities）。西格玛水平越高，一般代表缺陷机会越少。

例如，采用六西格玛管理中常见的1.5σ长期偏移假设，一个2σ过程每百万次机会约有308,537个缺陷，而6σ过程则约为3.4个缺陷。

现实中真的存在6σ过程吗？

答案是肯定的。不过，一家企业达到六西格玛水平，并不代表它的所有产品、所有工序和所有缺陷机会都长期保持在完全相同的水平。

在制药、航空航天、汽车制造、半导体及医疗器械等高可靠性行业中，一些关键过程必须维持极低的缺陷风险。因为在这些场景中，一个看似微小的制造或装配问题，也可能引发严重的安全、质量和经济后果。

例如，飞机关键零件的尺寸、材料强度、装配扭矩和检测结果，都必须受到严格控制。企业不能只依赖最终检验把不良品挑出来，而需要通过流程设计、风险管理、统计控制和持续改善，从源头降低缺陷发生的可能性。

企业追求六西格玛的真正目的

六西格玛并不是单纯追求一个漂亮的统计数字。它的核心价值，是帮助企业识别变异来源，减少缺陷，提高流程稳定性，并让产品或服务更持续地满足客户要求。

实际改善过程中，企业还需要结合规格界限、控制界限、过程能力指数、测量系统分析和风险程度，判断某个流程究竟需要达到什么水平。并非所有过程都必须追求6σ，但关键程度越高，企业能够容忍的缺陷风险通常越低。