💡 导读：什么是六西格玛？简单说，它是一套用数据减少流程波动、降低缺陷的改进方法，由摩托罗拉在 1980 年代提出，后经通用电气推广到各行业。本文讲清「六西格玛」这个名字里的数字从哪来，「每百万次机会 3.4 个缺陷」背后的假设，DMAIC 五个阶段各做什么，以及它适合和不适合的场景。
- 六西格玛的核心是减少流程波动：同样的平均水平，波动越小，落在规格之外的产品就越少。
- 「3.4 DPMO」是在假设流程均值长期漂移 1.5 个标准差的前提下算出来的，不漂移时的缺陷率远低于此。
- DMAIC 是改进现有流程的五步法：定义、测量、分析、改进、控制；设计新产品或新流程时常用 DMADV。
- 带级认证没有全球统一的发证机构，不同机构和企业的标准差别很大，评价能力时应看实际完成的项目。
- 数据难以测量、问题需要探索式创新，或者根因已经明确只差执行时，六西格玛项目往往不是最合适的工具。
什么是六西格玛：定义与由来
六西格玛（Six Sigma）是一种以数据为依据的流程改进方法：先把问题定义清楚、测量现状，再用统计分析找到造成缺陷与波动的根本原因，改进后用控制手段保持成果。它关注的不是某一次出错，而是流程本身是否稳定。
六西格玛由摩托罗拉工程师 Bill Smith 于 1986 年提出，1990 年代经通用电气大规模推行后广为人知，如今在制造、金融、医疗、物流与服务业都有应用。更完整的沿革，可参考 维基百科的六西格玛词条。
「六西格玛」这个数字从哪来
西格玛（σ）是统计学中的标准差，衡量数据的离散程度。「西格玛水平」描述的是：从流程均值到最近的规格界限之间，能容纳几个标准差。容纳得越多，流程波动相对规格越小，超出规格的产品就越少。
业界通用的西格玛水平对照表，是在一个前提下算出来的：流程在短期内表现良好，但长期运行中均值会漂移约 1.5 个标准差。下表均按这一惯例计算。
| 西格玛水平 | 每百万次机会缺陷数（DPMO） | 合格率 |
|---|---|---|
| 1σ | 691,462 | 约 30.9% |
| 2σ | 308,538 | 约 69.1% |
| 3σ | 66,807 | 约 93.3% |
| 4σ | 6,210 | 约 99.38% |
| 5σ | 233 | 约 99.977% |
| 6σ | 3.4 | 约 99.99966% |
六西格玛的四个核心原则
- 以客户需求为准：改进什么由客户关心什么决定。六西格玛把影响客户满意度的关键质量特性称为 CTQ（Critical To Quality），项目目标要落到可测量的 CTQ 上。
- 用数据判断：「这个工序应该没问题」不能作为结论。现状要有测量数据，原因要经过统计验证，改进效果要用改进前后的数据对比。
- 关注波动，而不只是平均值：平均交付周期是 5 天，但有时 2 天、有时 12 天，客户感受到的是那 12 天。降低波动，往往比提高平均水平更能改善质量。
- 形成闭环：改进成果要通过标准作业、监控指标和控制图固定下来，否则一段时间后流程会回到原来的状态。
DMAIC：五个阶段各做什么
DMAIC 是改进现有流程最常用的六西格玛框架。下表列出每个阶段要回答的问题和常用工具，数据分析做法链接到本站的六西格玛专题章节。
| 阶段 | 要回答的问题 | 常用工具 | 数据分析做法 |
|---|---|---|---|
| 定义（Define） | 问题是什么，目标和范围多大，客户关心哪个指标 | 项目章程、SIPOC 图、CTQ 分解 | 先确定用哪个可测量指标评价改进 |
| 测量（Measure） | 现状基线是多少，测量数据本身可信吗 | 数据收集计划、测量系统分析 | 数据收集 |
| 分析（Analyze） | 波动和缺陷的根本原因是什么 | 帕累托图、鱼骨图、假设检验、回归分析 | 假设检验、关键因子分析 |
| 改进（Improve） | 哪种方案有效，参数设在哪里最好 | 试验设计、参数优化、试点验证 | 工艺参数优化 |
| 控制（Control） | 怎样让改进成果保持下去 | 控制图、过程能力分析、标准作业 | 控制图、过程能力指数 |
DMAIC 适用于改进已经在运行的流程。设计新产品或新流程时，更常用 DMADV（定义、测量、分析、设计、验证），思路相近，但重点放在设计阶段就满足客户要求。
角色与带级
六西格玛借用柔道腰带的颜色划分角色，常见的是下面几级。各级的具体要求由发证机构或企业自行规定，并没有全球统一的标准。
| 带级 | 通常的职责 |
|---|---|
| 白带、黄带 | 了解基本概念，作为成员参与改进项目，负责收集数据与执行改进 |
| 绿带 | 在本职工作之外，主导部门范围内的改进项目 |
| 黑带 | 专职或主要精力投入，主导跨部门项目，指导绿带 |
| 黑带大师 | 负责培训与方法论建设，统筹组织层面的改进规划 |
由于标准不统一，同样叫「黑带」，不同机构的培训时长、考核方式和项目要求可能差别很大。招聘或选择合作方时，比证书名称更有参考价值的，是对方实际主导过哪些项目、改进前后的数据如何。
什么是六西格玛：三个常见误解
- 「每个项目都要做到 3.4 个缺陷」：六西格玛水平是方法论的名字和长期方向，不是每个项目的目标。多数项目的实际目标是把关键指标改善到业务可接受的水平，比如把退货率降低一半。
- 「必须精通复杂统计才能做」：大量改进项目用到的是帕累托图、分组对比、控制图等基础工具。复杂的试验设计和回归分析，通常由黑带或数据分析人员支持。
- 「只适用于制造业」：只要流程可以测量，就可以用。银行的审批时长、医院的候诊时间、客服的一次解决率，都是常见的非制造业改进对象。
六西格玛不适合哪些场景
六西格玛是结构化的改进方法，前期测量与分析需要投入时间和数据。以下几种情况，直接套用往往事倍功半：
- 关键指标无法测量或数据太少：没有可靠数据，测量和分析阶段就无从开展，应先建立数据收集机制。
- 问题需要探索式创新：开发一个全新的产品方向时，快速试错比按阶段收集数据更有效。
- 根因已经明确，只差执行：比如设备明显老化需要更换，按项目流程走完五个阶段反而拖慢进度。
- 流程本身即将被替换：对即将淘汰的流程做精细改进，投入难以收回。
精益与六西格玛的区别
精益（Lean）与六西格玛经常被一起使用，组合称为精益六西格玛。两者侧重点不同：
| 对比项 | 精益 | 六西格玛 |
|---|---|---|
| 关注重点 | 消除浪费，缩短流程时间 | 减少波动，降低缺陷 |
| 典型问题 | 等待时间长、库存积压、多余搬运与审批 | 质量不稳定、合格率低、交付时间忽长忽短 |
| 常用工具 | 价值流图、5S、看板 | 统计分析、试验设计、控制图 |
| 对数据的依赖 | 较低，很多改进靠现场观察即可开展 | 较高，需要可靠的测量数据 |
用什么软件做六西格玛分析
六西格玛分析常用的是统计软件。Minitab、JMP 等商业软件在质量领域使用广泛，功能完整；Excel 适合入门阶段的描述统计和简单图表，但做控制图、过程能力分析和试验设计时比较吃力。
另一种思路是用可视化工作流把「读取数据、清洗、统计分析、输出图表」做成可以每月重跑的流程，适合测量与控制阶段需要反复计算同一套指标的场景。几类工具的免费选择，可参考 免费六西格玛工具；各阶段的数据分析做法，见 六西格玛数据分析专题。
关键事实
| 关键事实 | 内容 |
|---|---|
| 定义 | 以数据为依据、通过减少流程波动来降低缺陷的改进方法 |
| 由来 | 摩托罗拉工程师 Bill Smith 于 1986 年提出，1990 年代经通用电气推广 |
| 3.4 DPMO | 在流程均值长期漂移 1.5 个标准差的约定下，六西格玛水平对应的每百万次机会缺陷数 |
| 改进现有流程 | DMAIC：定义、测量、分析、改进、控制 |
| 设计新产品或流程 | DMADV：定义、测量、分析、设计、验证 |
| 带级 | 白带、黄带、绿带、黑带、黑带大师，无全球统一发证机构 |
| 与精益的区别 | 精益侧重消除浪费，六西格玛侧重减少波动，常组合为精益六西格玛 |
常见问题
什么是六西格玛，它和 ISO 9001 有什么不同？
ISO 9001 是质量管理体系标准，规定组织应建立哪些质量管理要素，可以通过第三方认证；六西格玛是具体的改进方法，用来解决特定流程的质量问题，本身不是认证标准。两者并不冲突，不少企业在 ISO 9001 体系之内开展六西格玛项目。
为什么六西格玛对应每百万次机会 3.4 个缺陷？
这是按照「流程均值长期漂移 1.5 个标准差」的业界约定计算的：均值到最近规格界限还剩 4.5 个标准差，单侧超出的概率约为百万分之 3.4。如果流程完全不漂移，缺陷率约为十亿分之二。
绿带和黑带证书怎么选？
先看自己的角色：在本职工作之外主导部门内项目，绿带通常足够；专职推动跨部门改进，再考虑黑带。由于没有统一的发证标准，选择培训机构时，应重点了解其考核是否要求完成真实项目，而不只是通过笔试。
服务业和办公流程能用六西格玛吗？
可以，前提是关键指标能够测量。审批时长、差错率、一次解决率、客户等待时间都是常见的改进对象。服务流程的难点通常在于数据分散、定义不统一，测量阶段需要花更多时间统一口径。
做六西格玛分析需要什么软件？
入门阶段用 Excel 即可完成描述统计和基础图表；控制图、过程能力分析、试验设计等更适合用 Minitab、JMP 等统计软件，或者把计算过程做成可重跑的数据分析工作流。选择时主要看团队的使用习惯、需要的分析方法以及预算。
