六西格玛，简单来说，是一种追求极高质量的管理方法，旨在通过减少过程中的变异和缺陷，提升产品和服务的质量。

“六西格玛”这个名字来源于统计学中的标准差（σ，Sigma）。在质量管理中，“六西格玛”指的是将过程中的变异控制到如此精确的程度，最终使得每百万次机会中，只有不到4个缺陷，即“3.4 DPMO”（每百万机会3.4个缺陷）。

六西格玛不仅仅是一个质量控制工具，它代表了一种对完美质量的追求，同时强调通过数据驱动的决策和持续改进。

我们经常会听到这样的疑问：“3.4/1000000已经是一个无法想象的极小的数字了，为什么还要和0区别开来呢?

这也是六西格玛的一种概念转换。

人在进行作业时，不可能是“零缺陷”的。只要有人类参与，产生缺陷的可能性就会是无限接近于0的“一定数值”。

如果产生缺陷的几率是一定比例的话，随着生产数量的增加或作业次数的反复，由于缺陷造成的不合格件数随之不断扩大。

举个例子，即使是只能生产一件的高级产品，运气差的话一开始的工序就出现错误，最后不合格率就是100%。

所以，对这类问题来说，将失败件数目标设为0，倒不如转换为“把引起失败的几率控制在一定数值(=3.4/1000000)”更现实些。

很多人对统计学感到畏惧，尤其是对六西格玛中的数据分析部分感到不知所措。其实，不必担心，不懂统计依然能学好六西格玛。

六西格玛并不是要你成为统计学家，而是利用统计工具来帮助你识别问题、分析问题并改进过程。

的确，这是六西格玛活动中无法规避的一道坎，不过只要会下面几件事，就不会对它敬而远之了。

①会四则运算。(可以用计算器)

②能看懂正态分布表。(入门很简单)

③会使用电脑中的表格计算软件或统计工具。

其中只有③需要略加培训，①、②都不是什么大不了的事情。

六西格玛使用的统计方法也包含数学上相当难的东西，但只要理解平均值和标准差(离散)就足矣。

六西格玛使用的统计方法中有一项是检验。

前面我们用“6个σ”六西格玛。

可以容纳6个标准差σ，说明既定样本值和实际平均值之间有余量。

这个6，就是这时的Z值(正确的说法是Z值)。它是样本值与平均值之间的离差除以标准差σ得到的。

在平均值和样本值保持不变的前提下，差异即标准差越大，Z值越小。相反，产品和过程能力稳定，差异小，Z值就会增大。

换个角度看，不管差异有多小，如果平均值和样本值之间有余量，Z值也不可能增大。

这样，Z 值是衡量现有产品、过程能力与既定样本作比较，其所在水平的一个标准。

看到这里，可能会陷入一个误区，那就是Z值越大越好，绝不是这样的。

当Z值没有超过一定程度，但是已超出必须范围时，说明超出样本，或者可能是向特定能力发生偏移。在这种状态下，反而会消耗不必要的成本、时间，发生未实现过程最佳化的情况。

“在正态分布表中，3.4/1000000的几率相当于Z=4.5，为什么要说成六西格玛(Z=6)?”

说的一点没错。我们知道，当正态分布表中Z=6时，发生几率是10亿分之1这样一个微乎其微的数值。那么哪个数是正确的呢？答案是：都是正确的。

这么说确实不太恰当，换一种更合适的说法。

“短期能实现Z=6的过程，长期能力可达到Z=4.5以上。”

在这个计算的过程中，出现了1.5的差异。

发现数值 1.5正是六西格玛的创始人迈克·哈里。即，由于季节等外在因素影响，无论过程能力多高，长期来看都会产生移动(也叫漂移)，可以用这段数值来观测过程能力。

抛开复杂的说明，一般来说，多长时间是短期，多长又是长期，这是下定义一方的责任。

另外必须要注意的是，即便短时间内过程能力出现较高值，也不能掉以轻心。

这是由QC方法之一的管理图(控制图)引出的概念。

在六西格玛C阶段的稳定化部分，经常会使用管理图。这时值得引起注意的是，对项目活动过程中样本值或规格值的争论。

计算Z 值时，争论围绕着合格不合格的判定线展开。通常这条判定线被称为规格界限。管理界限的地位类似于天气预报里的预警。也就是说，超过这个界限就会出现问题征兆。

在这里就不对管理图进行详细说明了，需要注意的是，管理界限极易和规格界限混淆。

管理界限比规格界限范围更小、更严格，这样说马上就能获得只直观印象。不过，当管理图呈现的过程能力达到六西格玛水平时，规格界限远在管理界限外侧，会误认为“管理界限=规格界限”。

这是因为，管理界限通常是使用3σ法判定的，标准偏差σ较小时，便设定在一个很狭窄的范围里。

如果是特别优秀的过程，即使稍微超出管理界限，也没必要大惊小怪。

六西格玛黑带（Black Belt） 是六西格玛项目中的核心角色，负责领导和管理改进项目。

黑带的工作不仅仅是使用统计工具解决问题，更需要具备项目管理、团队协作和沟通的能力。

做同样工作的也有绿带，他们一般是兼职，负责项目数也很有限。

具体职责包括：

• 领导六西格玛改进项目，确保项目按照DMAIC方法执行。

• 分析数据，找出过程中的根本问题。

• 制定并实施改进措施，确保过程得到持续改善。

• 培训和指导团队成员，推动六西格玛文化的普及。

• 向管理层汇报项目进展和成果。

六西格玛并不是一项独立的工作，它是日常业务中不可或缺的一部分。

六西格玛方法能帮助你识别并解决日常业务中的问题，提高工作效率，降低成本，优化流程。

通过实施六西格玛，你可以将其与日常运营流程紧密结合，使得质量管理成为日常工作的一部分，而不是额外的负担。企业中的每个成员都能在日常工作中意识到质量的重要性，从而不断推动质量改进。

以下列举六西格玛DMAIC各阶段常用的工具，仅供参考。

• 聚焦关键问题：排列图(Pareto)、调查表；

• 确定CTQ和 Y：工作任务分解(WBS)、质量功能展开(QFD)、卡诺分析(Kano)；

• 确定项目计划：甘特图(GANTT)；

• 测量系统分析：测量系统分析(MSA)；

• 过程能力分析：Z值；

• 寻找潜在要因：鱼骨图、矩阵图、因果故障树图、流程图、潜在失效模式与分析(FMEA)；

• 确定关键因子：图表分析、回归分析、方差分析、试验设计；

• 提出改进方案：头脑风暴、试验设计(DOE)；

• 验证改进结果：假设检验；

• 固化改进结果：控制图、目视化。

六西格玛和TQM有哪些不同?

六西格玛 和 全面质量管理（TQM） 都旨在提升企业质量，但二者的侧重点和方法有所不同：

目标：

• 六西格玛：专注于通过减少变异来提升质量，目标是接近完美，缺陷率控制在3.4个每百万机会内。

• TQM：强调企业全员参与质量管理，注重文化建设和流程优化，目标是持续的质量提升。

方法论：

• 六西格玛：使用DMAIC方法，依赖统计数据分析，采取项目驱动的方式实施。

• TQM：强调全员质量管理，依靠全员参与和持续改进。

数据依赖：

• 六西格玛：严格的数据驱动和定量分析。

• TQM：数据驱动程度相对较低，更多依赖员工参与和质量文化。