什么是六西格玛，为什么称为六西格玛？
（六西格玛的含义，以及为什么是 6 Sigma？）

六西格玛是提高企业工作质量的实用策略，如同一份配方，帮助识别并消除缺陷，减少制造或其他流程的不一致。它诞生于 1980 年代摩托罗拉对无瑕运营的追求，随后发展为广泛采用的工具，帮助 GE、亚马逊等实现卓越效率与客户满意。观察这些成功企业的日常运营，就能看到它的力量。想象您顺利打开手机，这就是六西格玛在发挥作用。

六西格玛通过数据驱动方法识别并消除缺陷或变异，改善流程，最终追求每百万机会仅 3.4 个缺陷的近乎完美质量。 它为组织提供结构化的问题解决与持续改进方法，提高客户满意度、降低运营成本。

什么是六西格玛？

六西格玛本质上是结构化、数据驱动的方法，通过尽量减少变异、消除缺陷，提高流程输出质量。简单而言， 六西格玛就像质量控制超级英雄，识别并解决生产或服务交付问题。

想象以下情景： 制造工厂持续生产产品，每件都需满足一定质量标准，但生产中仍存在细小变异。 六西格玛分析变异、减少缺陷，使更多输出达标，而非消除所有变异或保证每件产品都合格。

追求近乎完美

六西格玛最终追求近乎完美，究竟多接近？传统 1.5σ 均值偏移约定下，参考缺陷率约为 0.00034%，即每百万机会 3.4 个缺陷。它描述缺陷机会，并不自动等于不合格产品数量。听来几乎不可能，但核心是追求卓越、超越期望。

“机会”指流程中可能产生缺陷的机会，例如制造装配线上某个可能发生缺陷的具体步骤。

这种不懈追求吸引了各行业的重要企业。 通用电气、丰田和亚马逊等企业 已将六西格玛融入业务战略，取得显著成果。它不仅在制造业，也在医疗、金融和其他服务行业成为可信赖的方法。

理解六西格玛本质及其不懈追求后，现在深入了解其方法和原则如何实现这些宏大目标。

打开完整尺寸图表 ↗

六西格玛的含义

六西格玛的起源

六西格玛起源于 1986 年，由摩托罗拉工程师比尔·史密斯开发。当时公司追求运营卓越，希望找到可靠方法，让流程接近完美。这催生了以尽量减少生产和业务流程变异、缺陷为目标的六西格玛。

摩托罗拉以统计方法改进质量，为后来的全球现象奠定基础。最初重点减少制造错误与缺陷，提高客户满意度、降低成本。随后其他行业巨头注意到其成功，并开始采用六西格玛。

自 1995 年起，GE 在杰克·韦尔奇领导下广泛推广、实施六西格玛。他认识到其改变业务实践、推动卓越绩效的潜力。GE 以质量、效率和盈利的切实成果，推动这一方法成为主流。

六西格玛影响超越制造，应用于医疗、金融和服务行业。丰田将其原则融入著名的丰田生产体系，利用统计方法提高效率、减少浪费；亚马逊也借此优化运营，大规模提供一致客户体验。

例如，GE 在各业务部门获得显著收益，发现即使小幅减少缺陷，也能大幅节约成本、改善质量。丰田采用六西格玛，支持精密工程与精益运营，巩固汽车行业领导地位。

从诞生于摩托罗拉到被行业领导者广泛采用，体现了六西格玛对流程改进与组织成功的显著影响。

六西格玛的重点与益处

六西格玛主要旨在让流程尽可能接近完美，以最高精确度交付产品服务，尽量减少缺陷变异，消除潜在问题错误，追求无瑕质量。为什么这一重点如此重要？

想象收到符合期望、没有差错或延迟的产品服务，您会有什么感受？ 会开心、满意，而且愿意再次光顾，对吗？ 这就是六西格玛处理缺陷与变异的价值：提高客户满意度。

持续专注减少缺陷与变异，能提高客户忠诚度和整体运营效率，就像每次都瞄准靶心。

优化流程、尽量减少错误，还可带来显著益处。例如：



设想企业用六西格玛定位造成缺陷的某台装配线机器。在这一示例中，纠正机器问题消除了由其造成的缺陷，并将生产时间缩短 50%，显著节约成本；其他缺陷原因仍需调查。

这个故事说明，六西格玛能真正改变组织生产率。其本质是识别关键改进领域，释放更高效率和成本节约潜力，增强市场竞争地位。

理解六西格玛重点及其益处后，现在深入了解其方法与具体实施策略。

统计中的 Sigma 和六西格玛是什么？

均值 是流程数据集的算术平均数。
集中趋势 是数据聚集在该均值附近的趋势。
标准差（也称 Sigma 或 σ） 决定围绕均值或集中趋势的离散程度。

均值与可接受界限之间能容纳的标准差越多，流程超限并产生缺陷的可能性越低。这就是 6σ 流程优于 1σ、2σ、3σ、4σ、5σ 的原因。

7σ 或更高水平的流程当然优于 6σ。不过，在六西格玛的发展和评估中，实践者认为，6σ 对几乎所有主要情形已足够可靠，只有缺陷可能造成不可挽回后果的某些系统例外。

打开完整尺寸图表 ↗

居中的六西格玛流程，其均值与每个规格限之间相距六个标准差

LSL、USL 分别代表“规格下限”和“规格上限”。 规格限依据客户要求，规定流程可接受的最小与最大界限。

例如，汽车制造中期望车门平均长度为 1.37185 米。为顺利装配，LSL 可为 1.37179 米，USL 为 1.37191 米。要达到 6σ 质量，车门长度围绕均值的标准差必须不超过 0.00001 米。

σ 衡量流程离散程度。流程西格玛水平以该离散程度为单位表达距规格限的距离；分布和假设可比时，水平越高通常缺陷越少。

打开完整尺寸图表 ↗

不同西格玛水平的流程

图中区分离散程度与居中状态。界限为 −6、+6 时，宽的居中曲线 σ = 3，每个界限距均值 2σ；偏移曲线均值为 3、σ = 1，距较近界限 3σ；窄的居中曲线均值为 0、σ = 1，距各界限 6σ。在这些正态模型中，减少离散程度、适当居中可降低超限比例。更高峰值反映总面积相同但更窄的密度，并非输出的直接计数。

Sigma Level	DPMO · Defects per Million Opportunities
2 σ	308'537.0
3 σ	66'807.0
4 σ	6'210.0
5 σ	233.0
6 σ	3.4

打开完整尺寸图表 ↗

西格玛水平与 DPMO（每百万机会缺陷数）

表格采用传统 1.5σ 均值偏移约定和较近正态尾部。舍入值从名义 2σ 的每百万机会 308,537 个缺陷，降至名义 6σ 的约 3.4 个。这是参考计算，并非实测缺陷数或居中双尾概率。另一侧尾部在高水平时可忽略，低水平时更重要。规格与假设可比时，更高水平表示相对于离散程度、距界限更远；若居中或规格不同，低水平流程未必标准差更大。

流程能达到 6σ 绩效水平吗？
答案是可以。经过适当测量的流程可达到名义六西格玛或更高水平。制药、飞机和汽车制造面临严格质量与安全要求，但没有一个西格玛水平能描述所有流程或保证安全。所需绩效及保障取决于具体风险和适用要求。想象您乘坐波音 777 飞行在距地 5000 英尺高空，机翼一颗螺栓螺母突然松动，可能源于制造缺陷，导致飞行员难以控制飞机！这说明减少缺陷的重要性，安全、客户要求、可靠性和成本都可能推动更高绩效。

打开完整尺寸图表 ↗

六西格玛与 DPMO 示例

在上述示例中，

• Sigma 表示西格玛水平。
• 拼写表示拼写错误总数。
• 金钱展示在居中正态模型下，10 亿美元资产的等比例金额，并不预测拼写错误导致的罚款或债务。
• 时间展示同一居中模型下一百年的等比例时间，并不是纠正拼写错误所需的计算时间。
• DPMO 表示每百万机会的缺陷总数。

模型西格玛距离增大时，缺陷比例及其等比例金钱、时间量减少。拼写示例说明错误逐渐罕见，但未给出词数，不能据此确定数值缺陷率。图中将居中双尾示例与偏移后较近尾部的 DPMO 约定区分，避免混淆两种计算。

六西格玛对质量与效率的影响

采用六西格玛意味着不懈追求产品或服务卓越，以全面方法尽量减少缺陷、降低变异并保持质量一致。统计分析能揭示生产输出或服务交付问题的根因。

六西格玛工具详细测量、分析流程，定位错误与影响产品服务质量的变异。控制图、能力分析和回归等统计方法，如调查工具般照亮改进之处。

六西格玛可深刻影响企业整体绩效，减少错误、提高效率，有时节约数百万美元。尽量减少缺陷与变异，使企业接近每百万机会 3.4 个缺陷的近乎完美产品服务水平，这种精确性正是客户所需，也让企业以卓越质量区别于竞争者。

丰田展示了实施六西格玛的回报。其持续改进和高效流程承诺，显著减少缺陷、保持高质量，为汽车制造树立新标准。

六西格玛影响广泛，涵盖生产或服务交付的各方面。从优化运营到提升满意度，它建立追求卓越、持续改进的环境。实施企业不仅提供更好产品、更高效服务，也培育重视质量、效率与创新的文化，以数据驱动方案解决问题。

六西格玛强调分析性问题解决和数据驱动方案，显著改变整体质量，优化流程与资源利用。

原则与技术：DMAIC 方法

DMAIC 是六西格玛核心，为流程改进和切实成果提供结构化路径。下面逐一说明五个关键阶段。

定义

第一阶段应清楚界定问题或改进机会，理解现状、识别客户要求，设定具体可测量目标。定义阶段明确要实现什么、理解项目范围，建立坚实基础。

测量

界定问题后，应收集数据、测量当前绩效，包括相关信息、流程能力评估及关键变异因素识别。测量能客观理解现状、突出改进领域。

“测量”阶段的数据分析量化流程绩效，为评估未来改进建立基线。该阶段高度依赖统计分析，准确反映绩效。

分析

收集丰富数据后，下一步是解读分析，识别根因及导致流程变异的因素，找出解释流程行为的洞见和模式。深入数据，可理解低效或缺陷的深层原因。

深入分析数据可发现流程问题所在。新信息不断出现时，往往需迭代分析，才能更全面理解问题。

改进

全面分析后，应制定并实施解决方案。改进阶段包括产生想法、测试潜在方案，并实施针对变异根因的变更，以受控方式确保成果可持续。

控制

DMAIC 最后阶段建立控制措施，保持改进成果，包括标准作业程序、绩效监控系统和防止退步的措施，旨在让变更融入文化，确保长期持续改进。

DMAIC 各阶段逐步衔接，形成分析流程、识别改进、实施变更并长期保持成果的结构化方法，使组织系统优化流程、显著提升绩效，追求近乎完美的运营。

这些原则的实际应用，使六西格玛成为在各行业组织推动持续改进的强大方法。

现在了解企业如何在运营中成功实施六西格玛战略。

打开完整尺寸图表 ↗

为什么称为六西格玛？

实施六西格玛战略

您已决定在组织引入六西格玛，精彩之处由此开始。这不只是新工具或项目，更是组织运行、思考，甚至感受方式的转变。

实施第一步，是确保所有人理解六西格玛基本原则及其重要性。从高层管理者到各级员工，都应获得培训和资源，理解基础概念，主动参与改进项目、支持实施。

例如，组织承诺开展重大项目，减少关键产品线缺陷。为使其成功，每位参与者都必须理解六西格玛如何运作，才能有效贡献。

除普及知识外，还应建立清晰进展指标，判断方向是否正确、理解流程有效性，并识别改进领域。

就像开车，没有速度表或地图，如何知道是否在前进？

将六西格玛融入文化和运营时，必须与整体业务目标一致，让所有人朝同一方向行动，有效分配资源，保持对组织目标的关注。

实施六西格玛不只是采用新工具，更是建立持续改进文化。历程可能充满挑战，但效率与质量回报能够带来真正变革。

六西格玛常见问题

六西格玛实施有哪些突出的成功故事或案例？

回答：有。例如 GE 在 1990 年代末实施六西格玛，显著节约成本、改善效率。到 2001 年，GE 报告由此直接节约 20 亿美元。摩托罗拉也成功应用，每年节约超过 160 亿美元。这些案例体现了六西格玛推动流程改进与财务成果的有效性。

“six sigma”一词的历史和起源是什么？

回答：“six sigma”一词由摩托罗拉在 1980 年代末首次提出，描述通过减少缺陷、追求近乎完美的流程改进方法。受统计质量控制启发，摩托罗拉追求距均值六个标准差的质量水平。此后概念广泛应用于制造和服务行业，显著提高效率与客户满意度。

六西格玛如何发展，其关键原则是什么？

回答：六西格玛逐步发展为全面流程改进方法。最初由摩托罗拉在 1980 年代开发，1990 年代普及，随后被各行业采用。关键原则包括客户导向、数据驱动决策、流程理解与控制，以及持续改进。它通过统计分析找出根因、实施系统变更，以减少缺陷、提高效率。麦肯锡研究称，成功实施可显著节约成本并改善质量绩效。

哪些行业或领域常用六西格玛方法？

回答：六西格玛常用于制造、医疗、金融和电信。摩托罗拉、GE 报告质量和生产率显著提升；梅奥诊所减少医疗错误、改善患者结果；美国银行优化流程，节约成本并提高满意度。International Six Sigma Institute 的研究显示，主要应用行业为制造（38%）、医疗（21%）和金融（16%）。

个人或组织如何受益于理解和应用六西格玛？

回答：理解并应用六西格玛有诸多益处。首先，减少缺陷错误、加强质量控制，提高客户满意度；其次，优化流程、降低成本、提高效率；第三，培育持续改进文化，促进创新和适应能力。International Six Sigma Institute 的研究称，企业平均每个项目节约 $174,000，客户满意度提升 23%。

六西格玛中的 Sigma 是什么？

回答：σ 表示标准差，即流程离散程度。流程西格玛水平表达均值至规格限的距离，以该离散程度为单位，它不是标准差本身。六西格玛目标是每百万机会不超过 3.4 个缺陷。更高水平意味着流程更精确可靠。受训的“带级”人员，从基础黄带到高级黑带，应用统计工具与知识改善从设计到执行的各方面。通过减少变异和缺陷，六西格玛提升整体效率与质量，让组织各层级参与持续改进。

统计中的 Sigma 是什么？

回答：统计中的 Sigma 表示标准差，衡量分布中数据点的离散程度。在广泛应用于项目管理和流程改进的六西格玛中，西格玛水平用于评估并提升绩效。团队实践者使用统计工具分析、优化流程，通过减少变异、改善相对规格限的居中状态，或两者结合，提高水平。六西格玛等认证项目提供结构化模型，支持项目管理中应用统计。称为不同“带级”的认证人员与利益相关者协作，有效运用统计原则，促进项目成功和持续改进。

从 2 Sigma 流程提升到 6 Sigma 流程意味着什么？

回答：从 2 Sigma 提升至 6 Sigma，意味着质量管理与运营效率的重大改善。西格玛水平以标准差为单位，表达距规格限的距离。在分布假设与规格可比时，更高水平意味着更低的模型缺陷风险；改善可以来自更好居中或更小离散程度。从 2 Sigma 提升至 6 Sigma，代表从较易出错的流程转向极高质量。实现飞跃需要专注团队严谨应用六西格玛，包括识别并处理变异根因。“Sigma”源于希腊数学，象征持续改进和最佳流程绩效所追求的统计精确与卓越。

什么是精益六西格玛？

回答：精益六西格玛结合精益减少浪费、改善流动的重点，以及六西格玛减少缺陷和变异的重点，通过绩效指标、根因分析与持续改进，处理速度、质量和效率。它超越工具集合，可成为组织文化。精益和六西格玛起源不同，sigma 源于标准差的统计符号，并非精益运动。

六西格玛为什么叫六西格玛？

回答：Six Sigma 得名于标准差这一统计概念，以希腊字母 sigma（σ）表示。对于居中正态流程，六西格玛指均值到每个规格限相距六个标准差。常见每百万机会 3.4 个缺陷标杆，采用传统 1.5σ 均值偏移约定，并非居中双尾缺陷率，也不是效率的直接指标。黄带、绿带、黑带代表不同专长与角色。课程提供知识工具：黄带掌握基础，绿带可承担中等项目，黑带具备高级能力并领导重大举措。这一数字体现严格质量标准、减少缺陷及持续改进文化的承诺。

六西格玛中的 USL 和 LSL 是什么？

回答：USL（规格上限）和 LSL（规格下限）是六西格玛中涉及流程控制与产品质量的重要术语，定义流程或输出可接受的变化范围。上下边界规定输入或所产零件应处于什么范围，才能满足客户要求。设定这些界限，可监控并控制流程，持续交付范围内的输出。超限可能提示流程问题，需要纠正以保持质量、符合客户期望。仔细管理 USL、LSL，对实现所需绩效、减少零件或服务缺陷至关重要。

为什么选择 6 Sigma，而不是 7 Sigma？

回答：选择六西格玛而非 7 Sigma，是在精确性与实际可行性之间取平衡。规格和模型假设可比时，更高水平意味着更低模型缺陷风险，并不自动意味着更快、更高效。达到 7 Sigma 的成本与投入可能超过实际收益，因为进一步改善越来越难。对多数行业，六西格玛足以满足客户期望、保持良好利润。这考虑了专业人员现实经验及资源限制，聚焦可实现、同时显著提升质量绩效的目标。

六西格玛含义及名称由来回顾

六西格玛是全面、数据驱动的方法，改进并优化业务流程，尽量减少缺陷与变异。它源于统计概念，尤其关注达到较高流程能力。 “六西格玛”指正态分布中距均值若干标准差的统计测量。常见目标是在传统 1.5σ 均值偏移约定下，每百万机会约 3.4 个缺陷；实际缺陷表现与效率必须分别测量。该方法强调测量、分析和改进流程，以提高整体质量与客户满意度。

“Six Sigma”源于统计概念 sigma，表示相对均值的标准差。常见质量标杆为传统 1.5σ 均值偏移约定下，每百万机会约 3.4 个缺陷。若正态流程居中，界限距均值六个标准差，其双尾缺陷概率不同且更低。“Six”表示达到距均值六个标准差的绩效目标。这种精确性使流程变异极小，持续满足或超越期望。名称概括了通过严格控制、优化流程来提供卓越质量的承诺。

深入学习六西格玛时，有丰富知识和资源可供探索。为继续学习， 今天就向 International Six Sigma Institute 申请《Six Sigma Revealed》。这份免费资源介绍六西格玛原则、方法和实际应用，帮助您深入理解如何在各行业推动持续改进，为自身工作提高效率与质量。今天就下载本书，探索六西格玛带来变革的潜力。